6月22日Tesla推出的無監督版 FSD可行嗎?

以下youtuber認為FSD要為每個城市量身訂做,而這需要很長時間,這是否變相宣布無監督版本的FSD失敗?起碼在6/22/2025是不現實的?

問了ChatGDP, AI 認為不需要為每個城市量身定做FSD，但在**無監督版 FSD（Full Self-Driving，全自動駕駛）**的實現過程中，城市差異確實需要被模型學習和適應。 Tesla 的無監督 FSD 是如何工作的？ Tesla 的無監督學習是指： 它不依賴於人類手工標注數據； 而是通過收集來自全球特斯拉車輛的海量視頻數據和車主操作行為來訓練神經網絡； 然後在統一模型架構下，實現泛化到不同的城市和環境。 那為什麽還需要適應城市差異？ 雖然模型本身是統一的，但不同城市的： 交通規則（如優先道、非機動車道、公交車道） 行人行為模式（有些地方行人會隨意穿越） 路況複雜度（如舊金山的坡道 vs 拉斯維加斯的平直道路） 路標樣式（歐洲 vs 北美） 信號燈類型（垂直 vs 水平，燈的位置與含義） 這些都會對 FSD 模型的推理造成影響。 因此，Tesla 會通過持續的數據采集和訓練來讓模型泛化能力更強，但並不會為每個城市寫死邏輯或量身定製規則，這是傳統 L2-L3 自動駕駛供應商的方式（如 Mobileye、百度 Apollo 的策略）。 --- 簡單類比 傳統方法：像是為每個城市寫一本交通規則使用說明書，再手動編程。 Tesla方法：訓練一個超級司機，看一百萬小時駕駛視頻後，能自己悟出各地的行駛邏輯。 --- 實際部署策略 盡管模型是通用的，Tesla 在部署新城市時會逐步打開 FSD 功能： 1. 先采集數據，觀察模型在該城市表現 2. 如果存在明顯誤判，可能臨時通過 OTA 熱修模型或調整策略 3. 確保安全後，逐步放開 Beta 訪問 這不是為該城市定製，而是通過持續迭代模型讓其自然地適應所有環境。 --- 總結： 無監督版 FSD 不需要為每個城市量身定做模型，但通過全球數據的訓練和持續部署反饋，模型會逐漸學會應對不同城市的複雜交通環境。 如果你感興趣，ChatGDP還可以解釋 Tesla 是如何用 神經網絡和矢量空間地圖代替傳統的高精地圖來實現這一點。

總之,6月22日會是一個起點,在此之後,無監督FSD不會閃電般推向全美國和全世界,還會有一段較長的在不同城市的學習和適應的過程......