返回 动态 学习 CMS 文章

Karpathy 试驾 HW4 特斯拉 FSD:从“20个改进点”到“完美驾驶”的质变

Karpathy 亲测 HW4 FSD v13:从“每次试驾找茬”到“完美无笔记”,自动驾驶质变已来。

特斯拉FSDHW4自动驾驶
成长分 / 100 79 综合收获、行动、留存与影响

为什么值得读见证特斯拉 FSD 从 HW3 到 HW4 的跨越式进步,了解端到端神经网络的实际表现。

获取 Karpathy 作为前特斯拉 AI 总监的专业视角,理解技术背后的架构演进。

关键洞察
  1. HW4 FSD v13 在高速和城市街道上表现平稳自信,Karpathy 形容为“像坐在超高科技磁悬浮列车里”。
  2. 与 HW3 时代每次试驾都能发现 20 个改进点不同,这次试驾后“没有笔记”,是全新体验。
  3. 端到端神经网络处理 60Hz 环绕视频流,输出转向/加速度,完全替代传统 C++ 规则代码。
转成行动

深入阅读

正文与原文对照

原文保真覆盖:全文原文字符:3603

我今天提了一辆崭新的HW4特斯拉Model X,漂亮得闪闪发光,所以我立刻开出去进行了一次FSD试驾,有点像过去5年里我几乎每天都会做的事情。基本上……我惊呆了——它开得真的、真的很好,平稳、自信,明显比我习惯的HW3(我的上一辆车)更好,而且比我大约9年前在特斯拉第一天上班时开上280号高速公路的那个版本领先了无数光年,那时每次道路轻微弯曲或倾斜我都得干预。(注意这是v13,我的车还没收到最新的v14。)

在高速公路上,我感觉自己像是坐在某个超高科技磁悬浮列车车厢里的乘客——车子稳稳地锁定在车道中央,而我则从Model X更高的视角和全景前窗向外眺望,听着(不可思议的)音响系统,或者和Grok聊天。在城市街道上,车子轻松处理了许多我几年前还为之失眠的棘手场景。它在狭窄车道上与来车协商,优雅地绕过施工区域和临时停在车道上的静止车辆,正确把握了双向来车时复杂的左转时机,在四向停车标志处礼貌地让行给不按顺序行驶的车辆,在拥堵的交通中挤出一条路来完成转弯,超越了正在上下客但仍然为被公交车遮挡的停车标志停下的公交车,最后在路线终点绕过一个停车场,找到一个车位,然后……停车了。基本上是一次完美的驾驶。

作为背景,我习惯在附近短暂试驾一圈,然后带着20个可以改进的片段回来。对我来说,像往常一样做同样的事,但回来时却一无所获,这是全新的体验。完美的驾驶,没有笔记。我预计在通往9个9的漫长道路上,团队还有更多工作要做,但看到我们已经超越了在附近任何一次大约1小时的驾驶中发现问题的阶段,实际上你必须去车队中挖掘它们,这真是太酷了。那时,我只能在理智上理解大规模车辆自动驾驶(以完全可扩展、纯视觉、端到端的特斯拉方式)的不可思议前景,但现在,如果你出去开一圈,也能直观地感受到它。等等,当然,由完全专用的“驾驶大脑”神经网络处理的60Hz环绕视频流会起作用,而且它会比人类驾驶员好得多、安全得多。还有其他人不这么认为吗?

我上周还看了@aelluswamy的新ICCV25演讲(https://t.co/RdaM23kvez),其中暗示了推动这一进展的一些近期幕后技术组件。传感器流(视频、地图、运动学、音频等)在长上下文(例如约30秒)中进入一个大型神经网络,输出转向/加速度,可选地带有可视化辅助数据。这是完整的软件1.0到软件2.0重写的梦想,它完全随着来自车队中数百万辆汽车的数据流和芯片的计算能力而扩展,而不是某个工程师巧妙的新DoubleParkedCarHandler C++抽象,其测试时的内存和运行时特性未定义。视频中还有更多关于新兴的“可扩展机器人+AI堆栈”发展方向的暗示。世界重建器、世界模拟器“梦想”动力学、强化学习,所有这些组件都是通用的、基础的、基于神经网络的,汽车实际上只是机器人中的一种……人们现在明白了吗?

热烈祝贺团队——你们正在打造未来的神奇物品,太棒了!而且我超爱我的车<3。