演算法架構革命：從 HydraNet、3D 佔用網路到端到端大模型與世界模型仿真
- —特斯拉感知演算法歷經共用特徵提取底座的 HydraNet、時序視訊追蹤與 BEV 空間投影，最終以佔用網路（Occupancy Network）實現無需語義分類的純視覺 3D 避障
- —FSD V12 拋棄 30 萬行規則代碼改採端到端神經網路，V13 實現無前置處理的光子直接輸入，V14 則進一步將模型參數量擴大 10 倍以驗證實體 AI 的縮放定律
- —為解決端到端黑箱決策與長尾場景稀缺問題，系統在車端部署高價值片段篩選器，並透過伺服器端的世界模型進行生成式模擬駕駛與決策驗證
AI應用 中期
端到端架構將自動駕駛從規則編程轉化為基於人類行為模仿的模仿學習，大幅提升了面對未知極端路況時的決策彈性。但巨大的輸入輸出壓縮比易產生虛假相關性，必須依賴世界模型仿真與輔助幾何分支來維持可解釋性。實體 AI 的落地已從單純感知能力的競爭，轉變為依賴海量高品質長尾數據與閉環仿真體系的系統級工程
Robotaxi 落地與路線終局：Cybercab 無方向盤實測與 Waymo 商業化經濟之戰
- —德州奧斯汀運行的 Cybercab 原生無方向盤與腳踏板，仰賴星鏈連網、緊急避險按鈕與後台遠端監管人員組成兜底防護網
- —目前特斯拉在奧斯汀登記的 476 輛無人車隊中 Cybercab 占 67 輛，其餘多為 Model Y，高昂的人力遠端監管成本需待證明極致安全後才能規模化攤提
- —美國聯邦監管機構已對 Cybercab 安全設計展開調查，無人駕駛擴城速度受制於跨區域法規批准與實質營運牌照
每天早上,收件匣見
53 位中英文財經 KOL 的觀點,每天自動整理成一份日報。免費,隨時可退訂。