獅山巡禮
投資雜談
2026年第一天，特斯拉FSD，完成全球首個完全自動駕駛的橫穿美國。
從今天起，人類的自動駕駛，到達了全新的裏程碑！
就在2025年的最後一天，當全世界都在準備倒數跨年時，車主David Moss靜悄悄地扔出了一枚深水炸彈
他駕駛搭載FSDV14.2的Model 3，完成了全球首次、經由第三方數據驗證的「零接管」橫貫美國之旅。
這條推特，也徹底引爆了全球科技圈和AI圈。
由此，他也成為全世界第一個全程憑借自動駕駛橫穿美國的人。
可以說，這是特斯拉正式通過了公路上的圖靈測試。
這場AI主導的公路旅行，直接震撼了全球特斯拉車主。
前特斯拉AI總監Karpathy興奮高呼：這一刻終於來了，這是端到端神經網絡的勝利，這是「軟件2.0」在物理世界的完全接管，不再需要人類寫下的規則！
特斯拉官方賬號，表揚了這次壯舉。
一位特斯拉車主讚歎：「我們已步入自動駕駛穿越美洲大陸的時代。」
特斯拉掌門人馬斯克，也激動轉發莫斯的推文：「酷！」
十年前，馬斯克許下「Coast-to-Coast」的諾言，2026年1月1日，終於實現了！
或者真如Karpathy所說：從此，方向盤隻是車上的一個裝飾品？
下麵這份數據，讓人難以抑製心頭的震撼。
-
總裏程：2732.4英裏（約等於4397公裏）
-
耗時：2天20小時
-
軟件版本：FSD v14.2
-
人工接管：0
當特斯拉從v12開始拋棄傳統的C++，轉向端到端神經網絡，AI就從數百萬小時的視頻中，真正學會了開車。
在這場橫跨美國大陸的旅途中，David Moss沒有任何一刻，觸摸車裏的方向盤，或者踩過踏板！
想象一下：坐在駕駛座上，盯著方向盤整整68個小時（2天20小時），看著它自行轉動，穿過繁忙的洛杉磯街道，匯入州際高速，避讓加州的摩托車手，在德克薩斯的暴雨中穩住車身，最後停在南卡羅來納州的海灘邊。
他從洛杉磯的特斯拉餐廳出發，最終到達南卡羅來納州默特爾海灘，穿越了24個州
如果你親自開過這段行程，就會明白全程的路況有多麽複雜。然而從加州的高速公路，到中部的城市街道，再到東海岸的複雜路況，FSD一次性全部搞定了！
天氣多變，交通擁擠，甚至夜間駕駛、自動化充電，都沒讓係統掉鏈子。
對於好奇的網友，Moss表示，你可以登錄FSD數據庫，驗證所有數據。
同時，David Moss曬出了充電記錄。注意，在所有站點的停車，也都是由特斯拉FSD自動完成的。
這次橫穿美國大陸，不僅體現了FSD V14.2的技術能力，也向整個行業證實即使在現實的複雜場景，L4自動駕駛也有可能實現！
十幾年前，這樣的壯舉還隻是工程師的技術夢想。
從2016年，特斯拉的FSD係統就開始宣傳「零幹預橫貫美國」的目標。
在發布Autopilot 2.0時，Elon Musk就放話，說2017年底就能實現。
這是一個遲到了八年的承諾，但當它終於兌現時，仍然讓人感到吃驚！
其實在25年底，David Moss就曾創下紀錄。
當時，他在特斯拉FSD V14上，連續駕駛了超過10000英裏，且全程無幹預，實現了真正的100%自動駕駛。
而這個消息出來後，網友們紛紛表示，不可能，這絕不可能！
有人說，自己每天都在用FSD 14.2.2.1，雖然體驗很棒，但絕不可能實現完全自動駕駛。
然而David Moss曬出的儀表盤顯示，FSD V14千真萬確完成了100%的完全自動駕駛。
在去年年底，他就立下宏願：成為第一個完全依靠FSD用自動駕駛橫跨美國（洛杉磯佛羅裏達）的人。
時隔一年，他果然完成了這個目標，實現了一個更宏大的路線圖。
這完全出於他對駕駛的熱愛，並不是為了炒作。
回到2016年10月。
彼時，馬斯克意氣風發，豪言：「到2017年底，特斯拉將能夠從洛杉磯自動駕駛到紐約，全程哪怕你碰一下方向盤都算我輸。」
後來的故事我們都知道了。
2017年過去了，2020年過去了，甚至到了2024年，馬斯克不斷跳票！
這個承諾就像是一個「永遠的明年」。
由於技術路線的反複橫跳（從雷達+視覺到純視覺，從規則代碼到神經網絡），特斯拉的自動駕駛曾一度陷入瓶頸，甚至被穀歌旗下的Waymo在無人出租車領域搶盡風頭。
直到FSD V12 版本的出現，特斯拉徹底拋棄了原來的代碼邏輯，轉向了「端到端」神經網絡。
簡單說，就是讓AI像人類一樣，直接通過看視頻學會開車，而不是由工程師一行行寫代碼告訴它「紅燈停、綠燈行」。
盡管特斯拉堅信端到端神經網絡技術，但這絕非自動駕駛領域的共識方案。
大多數其他自動駕駛研發公司都采用傳感器密集型、模塊化的駕駛方式。雖然這類係統在初期開發和調試可能更容易，但其複雜性也不容忽視。
特斯拉AI負責人Ashok Elluswam，在國際計算機視覺大會ICCV介紹了端到端方案的優勢:
-
將人類價值觀係統化極其困難，從數據中了解它們則容易得多。
-
感知、預測和規劃之間的接口定義不明確。在端到端架構中，梯度從控製端一直流向傳感器輸入端，從而整體優化整個網絡。
-
易於擴展，可處理現實世界機器人技術的龐大而長尾需求。
-
具有確定性延遲的同構計算。
-
總的來說，相對於過去的苦澀教訓，這種方法在規模化方麵處於正確的位置。更絕的是，為了自動駕駛數據打造的神經網絡「世界模擬器」，同樣可以模擬多種真實場景，訓練擎天柱。
而這次「人類零接管」的關鍵在於「端到端」的最後一塊拚圖。
在V14之前，特斯拉的AI雖然眼神好使（視覺感知強），但腦子裏的地圖還是傳統的導航模塊。
這就好比一個老司機雖然車技好，但他腦子裏隻有一張死板的紙質地圖，一旦遇到修路或者地圖沒更新，就容易發懵。
而在V14.2中，特斯拉將導航和路徑規劃也整合進了神經網絡。
現在的FSD不再是「看著地圖開車」，而是像本地人一樣，能根據眼前的路況實時理解該怎麽走。
一次成功的「零接管」，不等於這套係統已經完美。
統計學告訴我們，如果事故率是萬分之一，那麽跑一次幾千公裏的長途可能正好沒遇上，但這並不代表它能安全應對幾百萬輛車的日常通勤。
不過，FSD V14.2的這次表現，最大的意義在於它有力回應了「純視覺方案無法實現長途全自動」的質疑。
它證明了不需要昂貴的激光雷達，不需要高精地圖，僅憑攝像頭和算力，AI真的可以處理從繁華都市到荒涼公路的幾乎所有場景。
對於普通人來說，這意味著什麽？
官方仍是SAEL2（需監督），但車輛完成100%駕駛任務，駕駛員僅作安全監督，完全有可能。
也許，還要等上幾個版本，甚至要等到硬件Hardware 5.0的普及，我們才能真正放心地在車裏睡大覺。
但看著David Moss那輛橫跨大陸的Model 3，那個曾經被嘲笑為「科幻小說」的未來，確實已經把輪胎壓在了現實的瀝青路上。
