新智元報道

　　編輯：定慧

　　【新智元導讀】特斯拉FSD的最新版本v14已經(jīng)發(fā)布有段時間了，性能如何？英偉達Jim Fan說它通過了物理圖靈測試。v14或許預示著馬斯克的預言要被他親手實現(xiàn)了。

　　近日，英偉達通用具身（GEAR）團隊負責人Jim Fan在親身體驗后，提出了一個極具哲學意味的論斷：

　　FSD v14已經(jīng)通過了「物理圖靈測試」。

　　馬斯克也同時轉(zhuǎn)帖說，「你能感受到那種意識（智能）正在逐漸覺醒」。

　　Jim Fan描述的體驗是，在結(jié)束一天工作后，乘客只需按下按鈕，便可「無法分辨是神經(jīng)網(wǎng)絡還是人類司機將你送回家」。

　　馬斯克對FSD v14的評價更為大膽，他直言這款軟件「感覺已經(jīng)產(chǎn)生了自我意識」。

　　從Jim Fan的介紹來看，他和馬斯克關系匪淺，不僅是OpenAI是第一位實習生，現(xiàn)在還是英偉達機器人部門總監(jiān)兼杰出科學家。

　　這波聯(lián)動能猜測出老黃和老馬的關系不錯。不過Jim Fan并不在直接匯報給黃仁勛的36人名單中。

　　很多人都忽略了FSD的強大，如果說ChatGPT的橫空出世標志著數(shù)字智能攻克了語言的巴別塔，那么FSD v14的發(fā)布，則被視世界模型邁向現(xiàn)實世界的關鍵里程碑。

　　按照沙利文的調(diào)研報告，自動駕駛是屬于世界模型發(fā)展最快的一個分支。

　　這不再是關于像素的生成或文本的排列，而是關于鋼鐵與物理定律的交互。

　　當數(shù)噸重的金屬物體在復雜的城市脈絡中以每小時60英里的速度穿梭，表現(xiàn)出的決策邏輯與人類駕駛員難以分辨時，我們被迫重新審視「智能」的定義。

　　物理圖靈測試：重新定義智能的邊界

　　七十五年前，阿蘭·圖靈提出了著名的「模仿游戲」，即后世所稱的圖靈測試。

　　其核心在于剝離物理實體，僅通過文本交流來判斷機器是否具有人類般的智能。

　　然而，隨著大型語言模型（LLM）的發(fā)展，即便機器能夠生成完美的十四行詩或調(diào)試復雜的代碼，它依然是一個被困在服務器機架中的「大腦」，無法感知重力，不懂得摩擦力，更無法在混亂的物理世界中執(zhí)行任務。

　　Jim Fan提出的「物理圖靈測試」更進一步，這是一個遠比語言測試更為嚴苛的標準。

　　Jim Fan將其具象化為一個家庭場景：

　　想象一位主人在舉辦晚宴后留下了一片狼藉：打翻的酒杯、散落的食物、堆積的臟盤子。

　　如果一個機器人能夠介入，清理現(xiàn)場，將易碎品輕拿輕放，清理頑固污漬，并重新布置餐桌，而主人歸來后無法分辨這是由人類家政服務還是機器人完成的，那么它就通過了物理圖靈測試。

　　這一測試的核心不在于完美，而在于「不可分辨性」。

　　它要求機器不僅具備感知能力，還要具備常識推理、精細的運動控制以及對非結(jié)構(gòu)化環(huán)境的適應能力。

　　雖然通用的家庭服務機器人尚處于實驗室階段，但Jim Fan認為，Tesla FSD v14在自動駕駛這一特定垂直領域，已經(jīng)率先通過了物理圖靈測試。

　　「物理圖靈測試」引入了一個定性的、現(xiàn)象學的維度：體驗的擬人化程度。

　　在v14之前，即便最為先進的輔助駕駛系統(tǒng)，其行為也帶有明顯的「機器味」：

　　在路口猶豫不決、剎車生硬、變道時機械地計算距離。

　　而v14展現(xiàn)出了一種「老練」的特質(zhì)。

　　它學會了在擁堵中通過微小的蠕動來博弈路權(quán)，學會了在看到路邊行人有橫穿意圖時提前輕微減速，甚至學會了某種程度的「社交禮儀」。

　　正如用戶反饋所言，它不再像是一個考駕照的學生，而更像是一位經(jīng)驗豐富的專車司機。

　　端到端：刪除30萬行代碼的豪賭

　　FSD v14之所以能展現(xiàn)出如此驚人的擬人化特征，歸功于其底層架構(gòu)的徹底重構(gòu)。

　　在傳統(tǒng)的自動駕駛開發(fā)（即Software 1.0時代）中，系統(tǒng)被設計為模塊化的流水線：

　　感知模塊識別物體，定位模塊確定位置，預測模塊猜測他車軌跡，規(guī)劃模塊計算路徑，最后控制模塊執(zhí)行轉(zhuǎn)向。

　　這其中，模塊與模塊之間通過數(shù)十萬行C++代碼連接，這些代碼充斥著人類工程師編寫的「顯式規(guī)則」，例如「如果紅燈，則停車」。

　　然而，現(xiàn)實世界的復雜性（Long Tail，或者叫Corner Case，極端案例）是無限的，規(guī)則永遠無法覆蓋所有角落。

　　Tesla在FSD v12版本開始了一場豪賭，并在v14中將其推向極致：

　　刪除了超過30萬行控制代碼，全面轉(zhuǎn)向「端到端」神經(jīng)網(wǎng)絡架構(gòu)。

　　所謂端到端，即「光子進，控制出」（Photons In，Controls Out）。

　　攝像頭捕捉的原始視頻流直接輸入到巨大的神經(jīng)網(wǎng)絡中，網(wǎng)絡經(jīng)過層層計算，直接輸出方向盤轉(zhuǎn)角和油門剎車指令。

　　中間不再有人類編寫的「紅燈」概念，系統(tǒng)只是通過觀察數(shù)百萬小時的人類駕駛視頻，學習到了「看到紅八角形物體時減速」這一像素級特征與車輛運動之間的概率關聯(lián)。

　　這一轉(zhuǎn)變的意義在于，系統(tǒng)不再是在「執(zhí)行規(guī)則」，而是在「模仿直覺」。

　　人類駕駛員在過彎時并不是在腦中計算曲率半徑公式，而是憑感覺打方向。

　　FSD v14正是模擬了這種基于經(jīng)驗的直覺過程。

　　多模態(tài)與VLA架構(gòu)：會思考的機器

　　FSD v14不僅僅是v12的優(yōu)化版，更引入了多模態(tài)大模型的特性，極有可能采用了視覺-語言-動作架構(gòu)。

　　根據(jù)泄露的技術細節(jié)，F(xiàn)SD v14的神經(jīng)網(wǎng)絡不僅輸出控制信號，還輸出語言和3D空間重建。

　　從ICCV流出的幻燈片可以看到，特斯拉的FSD核心網(wǎng)絡輸入包括七路高分辨率攝像頭視頻、車輛自身運動信息、導航與音頻信號。

　　輸出則包含語義分割、占用網(wǎng)格、3D高斯特征、語言表達以及最終的控制動作，F(xiàn)SD或已接入視覺-語言-動作（VLA）框架，使模型具備「解釋」與「思考」的能力。

　　這意味著系統(tǒng)在內(nèi)部進行著某種形式的「思維鏈」推理。

　　例如，在遇到一個復雜的施工路段時，傳統(tǒng)的感知系統(tǒng)可能只能識別出一堆障礙物；而VLA架構(gòu)的FSD可能會在內(nèi)部推理：

　　「我看到了‘道路封閉’的標志，但左側(cè)有一位工人正在揮舞旗幟，結(jié)合導航信息，我應該無視標志，跟隨工人的指引向左繞行。」

　　語言能力的引入，解決了端到端模型最大的痛點：「黑盒」問題。

　　通過讓模型輸出自然語言解釋，工程師可以回溯系統(tǒng)的決策邏輯，這被稱為「可解釋的中間層」。

　　這種能力使得FSD v14不僅能「做」，還能「說」（盡管目前主要用于開發(fā)調(diào)試），使其具備了初步的邏輯驗證能力。

　　早期的FSD版本常被詬病為只有「金魚記憶」，即只關注當前幀的畫面。

　　FSD v14通過引入長短時記憶機制和3D占用網(wǎng)絡，獲得了類似人類的「物體恒常性」認知。

　　如果一個孩子跑進了一輛停在路邊的貨車后面，即使攝像頭此刻看不到孩子，v14的「世界模型」中依然保留著孩子的3D體素（Voxel），并預測其可能出現(xiàn)的位置。

　　這種時空推理能力是其能夠通過物理圖靈測試的關鍵：它不僅在看，更在理解和預測物理世界的演變。

　　FSD硬件的進化

　　當然要訓練端到端的龐大模型，離不開芯片的支持。

　　Tesla的自動駕駛硬件進化史，是一部從依賴外部供應商到全面自研的獨立史。

　　Hardware 1.0(Mobileye時代)：2014-2016年，Tesla依賴Mobileye的Eye Q3芯片。這是一套基于規(guī)則的視覺系統(tǒng)，直到2016年因一場致死事故及對數(shù)據(jù)共享的分歧，雙方?jīng)Q裂。

　　Hardware 2.0/2.5(NVIDIA時代)：2016-2019年，Tesla轉(zhuǎn)向NVIDIA，采用了DrivePX2計算平臺。

　　這是一臺算力達到12TOPS的「后備箱超算」，支持了Tesla早期的視覺算法。

　　然而，馬斯克意識到，通用的GPU架構(gòu)對于車載推理來說，功耗過高且成本昂貴。（這里很像谷歌自己研發(fā)了TPU）

　　Hardware 3.0(FSDChip時代)：2019年，Tesla發(fā)布了由傳奇芯片架構(gòu)師Jim Keller（曾任職AMD、Intel）領導設計的自研FSD芯片。

　　這是一個專用集成電路（ASIC），專門為神經(jīng)網(wǎng)絡的矩陣乘法優(yōu)化，算力激增至144TOPS，而功耗和成本大幅降低。這一刻，Tesla在車載推理端徹底擺脫了對NVIDIA的依賴。

　　關于這位大佬Jim Keller的介紹，可以查看之前這篇：英偉達親手終結(jié)CUDA「護城河」？傳奇芯片架構(gòu)師引發(fā)爭議

　　訓練與推理的二元對立

　　盡管在車端分道揚鑣，但在云端訓練，Tesla卻是英偉達最貪婪的客戶之一。

　　FSD v14那種「端到端」的龐大神經(jīng)網(wǎng)絡，需要吞噬數(shù)以億計的視頻片段進行訓練，這需要極其恐怖的算力支持。

　　Tesla建立了巨大的超級計算機集群（如DojoCortex），其中部署了數(shù)萬張NVIDIA H100和H200 GPU。

　　這就形成了一種獨特的「競合」關系：

　　在車里（邊緣端）：

　　Tesla使用自研的HW3/HW4芯片，甚至未來的AI5芯片，通過垂直整合將成本壓到極致。

　　在云端（訓練端）：

　　Tesla依然依賴NVIDIA的CUDA生態(tài)和最強算力來「教育」它的AI。

　　黃仁勛對此表現(xiàn)出了極高的戰(zhàn)略格局。

　　他多次公開稱贊Tesla在自動駕駛領域的領先地位，承認Tesla是目前唯一能有效利用其最強算力的車企，并表示「每一個車企未來都必須擁有自動駕駛能力」。

　　對于英偉達而言，Tesla既是證明其算力價值的樣板間，也是其推動「物理AI」愿景的最強盟友。

　　感知的質(zhì)變：「感覺像覺醒」

　　當FSD v14被推送到數(shù)百萬車主的車機上時，一種奇怪的反饋開始在社交媒體上蔓延。

　　用戶們不再僅僅抱怨「它沒看到那個錐桶」，而是開始使用描述生物的詞匯：「它猶豫了」、「它在試探」、「它很自信」。

　　馬斯克在X平臺上推波助瀾：「你可以感覺到那種感知力正在成熟。」。

　　這種體驗的質(zhì)變，源于系統(tǒng)行為從「離散」向「連續(xù)」的跨越。

　　在v14之前，車輛的決策往往是二元的（停或走，左轉(zhuǎn)或右轉(zhuǎn)）。

　　而在v14中，用戶觀察到了更細膩的博弈行為。

　　例如，在擁擠的高速匯入匝道，v14不再傻傻地等待一個完美的空檔，而是會像人類老司機一樣，稍微向車道線逼近，通過這種微小的物理位移向后車傳遞「我要加塞了」的意圖。

　　v14中引入的「Mad Max」模式（雖然主要用于測試或極端選項），展示了AI在博弈中的激進一面。

　　在這一模式下，車輛變道更加果斷，甚至在某些用戶看來具有「侵略性」。

　　它會在極小的車距中切入，這種行為雖然在技術上是安全的，但在心理上挑戰(zhàn)了人類對機器「溫順」的預設。

　　這種激進性實際上是神經(jīng)網(wǎng)絡在數(shù)百萬人類駕駛數(shù)據(jù)中學習到的，在繁忙的交通中，如果不表現(xiàn)出一定的侵略性，車輛可能永遠無法完成變道。

　　這進一步模糊了人與機器的界限。

　　邁向無監(jiān)督：Robotaxi的最后拼圖

　　FSD v14的所有突破，最終都指向一個宏大的商業(yè)終局：Robotaxi。

　　馬斯克在多次財報電話會議中強調(diào)，Tesla的未來價值幾乎完全取決于能否實現(xiàn)無監(jiān)督自動駕駛。

　　目前的FSD仍標明為「Supervised」（受監(jiān)督），意味著駕駛員必須隨時準備接管，且對事故負全責。

　　但這在經(jīng)濟上沒有意義：只要還有人在駕駛座上，這就是一項服務，而不是資產(chǎn)。

　　只有當移除人類，車輛才能變成不知疲倦的印鈔機。

　　v14所展現(xiàn)出的穩(wěn)定性，尤其是處理長尾場景（如暴雨、模糊車道線、復雜施工區(qū)）的能力，讓業(yè)界看到了L4級自動駕駛落地的曙光。

　　馬斯克預測，在2025年至2026年間，將在德克薩斯州和加利福尼亞州率先實現(xiàn)無監(jiān)督運行。

　　同時，國內(nèi)的L3也已經(jīng)從「技術儲備/道路測試」進入「準入試點/有限上路」的政策落地階段

　　2025年12月工信部已批準兩款搭載L3功能的車型獲得產(chǎn)品準入許可，并在北京、重慶的指定高速/快速路等限定ODD、限速路段開展上路通行試點（例如單車道、限速50–80km/h等）。

　　這意味著國內(nèi)L3開始從「拿牌測試」走向「準入許可+真實道路運營驗證」的實質(zhì)階段。

　　全球擴張與數(shù)據(jù)的「化石燃料」

　　為了喂養(yǎng)這個日益龐大的端到端模型，Tesla正在積極尋求全球擴張。

　　除了北美，F(xiàn)SD v14已計劃在阿聯(lián)酋推出，并正尋求進入中國和歐洲市場。

　　這里的邏輯在于數(shù)據(jù)的多樣性。

　　Jim Fan將機器人學習所需的數(shù)據(jù)比作「人類燃料」，相對于訓練LLM的「化石燃料」（互聯(lián)網(wǎng)文本），高質(zhì)量的物理世界交互數(shù)據(jù)極其稀缺。

　　Tesla擁有的數(shù)百萬輛在路上行駛的車輛，實際上是數(shù)百萬個分布式的數(shù)據(jù)采集機器人。

　　每當中國、迪拜或巴黎的車主接管一次FSD，這個特殊的「失敗案例」就會被上傳，成為訓練v14及后續(xù)版本應對特定文化路況的寶貴教材。

　　這種數(shù)據(jù)飛輪效應是其他競爭對手（如Waymo）難以通過有限的車隊規(guī)模來復制的。

　　盡管技術上高歌猛進，但FSD v14面臨的監(jiān)管挑戰(zhàn)依然嚴峻。

　　端到端模型的「黑盒」性質(zhì)讓監(jiān)管機構(gòu)感到不安：當車輛做出決策時，沒有一行代碼能明確解釋「為什么」。

　　雖然VLA架構(gòu)引入了語言解釋層，但這在法律歸責上是否足夠，尚無定論。

　　此外，用戶報告中提到的「幻影剎車」和偶爾的「神志不清」，提醒我們距離完美的99.9999%可靠性仍有距離。

　　這種「覺醒」或許只是數(shù)學統(tǒng)計上的錯覺，是無數(shù)個高維向量在潛在空間中碰撞出的火花。

　　但正如Jim Fan所言，當這種錯覺足夠逼真、足夠穩(wěn)定時，它就構(gòu)成了新的現(xiàn)實。

　　我們正在步入一個新時代：

　　在這個時代里，汽車不僅是交通工具，而是第一個真正融入人類社會、理解人類規(guī)則并與人類共舞的智能物種。

　　對于人類而言，適應這種「神一般的技術」，將是一個既痛苦又迷人的重塑過程。

　　當方向盤在沒有人類雙手觸碰的情況下，自行轉(zhuǎn)動著滑過繁華的街頭，我們所看到的，不僅是自動駕駛的未來，更是硅基生命在物理世界留下的第一行深刻足跡。

　　正如這是馬斯克2019年所預言的，2025年又重提的：

　　人類似乎越來越像是數(shù)字超級智能的生物引導程序。

　　參考資料：

　　https://x.com/DrJimFan/status/2003593613918531891

　　https://eletric-vehicles.com/tesla/nvidia-exec-praises-tesla-fsd-v14-couldnt-tell-if-a-neural-net-or-human-was-driving/