6月22日Tesla推出的无监督版 FSD可行吗?

以下youtuber认为FSD要為每個城市量身訂做,而这需要很长时间,这是否变相宣布无监督版本的FSD失败?起码在6/22/2025是不现实的?

问了ChatGDP, AI 认为不需要为每个城市量身定做FSD，但在**无监督版 FSD（Full Self-Driving，全自动驾驶）**的实现过程中，城市差异确实需要被模型学习和适应。 Tesla 的无监督 FSD 是如何工作的？ Tesla 的无监督学习是指： 它不依赖于人类手工标注数据； 而是通过收集来自全球特斯拉车辆的海量视频数据和车主操作行为来训练神经网络； 然后在统一模型架构下，实现泛化到不同的城市和环境。 那为什么还需要适应城市差异？ 虽然模型本身是统一的，但不同城市的： 交通规则（如优先道、非机动车道、公交车道） 行人行为模式（有些地方行人会随意穿越） 路况复杂度（如旧金山的坡道 vs 拉斯维加斯的平直道路） 路标样式（欧洲 vs 北美） 信号灯类型（垂直 vs 水平，灯的位置与含义） 这些都会对 FSD 模型的推理造成影响。 因此，Tesla 会通过持续的数据采集和训练来让模型泛化能力更强，但并不会为每个城市写死逻辑或量身定制规则，这是传统 L2-L3 自动驾驶供应商的方式（如 Mobileye、百度 Apollo 的策略）。 --- 简单类比 传统方法：像是为每个城市写一本交通规则使用说明书，再手动编程。 Tesla方法：训练一个超级司机，看一百万小时驾驶视频后，能自己悟出各地的行驶逻辑。 --- 实际部署策略 尽管模型是通用的，Tesla 在部署新城市时会逐步打开 FSD 功能： 1. 先采集数据，观察模型在该城市表现 2. 如果存在明显误判，可能临时通过 OTA 热修模型或调整策略 3. 确保安全后，逐步放开 Beta 访问 这不是为该城市定制，而是通过持续迭代模型让其自然地适应所有环境。 --- 总结： 无监督版 FSD 不需要为每个城市量身定做模型，但通过全球数据的训练和持续部署反馈，模型会逐渐学会应对不同城市的复杂交通环境。 如果你感兴趣，ChatGDP还可以解释 Tesla 是如何用 神经网络和矢量空间地图代替传统的高精地图来实现这一点。

总之,6月22日会是一个起点,在此之后,无监督FSD不会闪电般推向全美国和全世界,还会有一段较长的在不同城市的学习和适应的过程......