打开网易新闻 查看更多图片
打开网易新闻 查看更多图片

更深刻了解汽车产业变革

出品: 电动星球

作者:毓肥

如果你的车可以重新渲染它看到的整个现实世界,而且你可以随时在车里面点击、放大、拖拽这个世界的每一部分,是一种什么感受?

这个周末,特斯拉 Self Driving 全新大版本 V15 正式发布。

打开网易新闻 查看更多图片

很多 early acess 用户心情稳定地下载更新,重启车机,然后彻底疯狂,并且这种情绪迅速蔓延到了全球互联网。

因为特斯拉的全新功能 Tesla Reality View,伴随着 V15 同步上线。

而它的功能很简单,把这台车实时感知到的物理世界,同步渲染成你可以任意拖拽滑动放大缩小的,带有箭头、方向、定位等等信息的生成式虚拟世界!

打开网易新闻 查看更多图片

下面这个视频来自 Sawyer Merrit,可以看到 SD 实时渲染的世界,和转向灯影像几乎完全一致。

更炸裂的是马斯克的凡尔赛:

「 这是用了一个 AI4 TRIP 加速器的一半算力,实时生成的 AI 视频(没有使用任何游戏引擎!)。好好想想这意味着什么…… 」

打开网易新闻 查看更多图片

背景知识:一套 AI4 上面有 6 个 TRIP 加速器,而这套渲染只用了其中一个的一半。

「GTA 6 的现实世界模式刚刚在特斯拉上发布了」,特斯拉 AI 工程负责人 Phil Duan 则这样形容他听到的反馈。

打开网易新闻 查看更多图片

「实时能做得这么好,遥遥领先」,这是国内某智驾系统负责人,今早向电动星球分享的感叹。

可以说刚刚过去的上午,特斯拉用一次更新彻底颠覆了最近全球智能驾驶领域,甚至具身智能领域的氛围。

FSD V15 究竟怎么实现如此惊艳的视觉效果?它对于特斯拉的具身蓝图有何意义?

今天迅速结合全球网友的观点,简单总结一下。

打开网易新闻 查看更多图片

最强 SR?

严格意义上, Tesla Reality View 已经在显示效果上,拉开传统SR(模拟现实)不止一个身位了。

核心区别,就是特斯拉真正实现了「view」,纵览真实世界的观感、视角。

举个例子,左右转。

传统车机的智驾 SR,包括 V14 之前的特斯拉,都只是淡雅的白底+模型,然后车子拉轨迹线,道路拉边缘线,物体模型用查表贴资产的方式,查询库里面物体 A 应该轿车模型,物体 B 用锥桶,然后打在屏幕上。

而 Tesla Reality View 可以在一个真正的俯瞰立体视角内,把车辆和物理世界的交互状态、轨迹线在真实世界渲染上的变动呈现出来。

打开网易新闻 查看更多图片

哪怕是同样一条路,开着上帝视角走过去,对驾驶者的信心、掌控感完全不同。

并且伴随着 Reality View 的更新,特斯拉终于补全了 360 环视功能——并且一步到位,补全了 Z 轴。同样的自由拖拽,白板视角和真实渲染就像是从黑白电视直接升级到 OLED。

打开网易新闻 查看更多图片

有了物理世界的事实渲染之后,同样补全的,还有自动泊车全链路的可视化。

更重要的是, Tesla Reality View 在功能上并不与 SD 状态强绑定,不需要开启 SD,也可以使用——比如上图的停车场状态下,Sawyer Merritt 并未开启 SD。

打开网易新闻 查看更多图片

那问题来了,这么酷炫的 Reality View,HW3 能不能用?

目前特斯拉和马斯克都没有咬死「不能用」,而且特斯拉 AI 负责人 Ashok 反复强调 Reality View 的低硬件占用,HW3 用户也许可能大概依然有一丝机会 。

打开网易新闻 查看更多图片

How?

怎么做到的?这可能是每一位收到 V15 更新的车主,在感叹完之后发出的疑问。

打开网易新闻 查看更多图片

我们回到 SD V15 的更新日志,篇幅原因我们只摘录前面两句:

「FSD、Robotaxi 和 Optimus 共享升级版视觉编码器,通过数百万个互联网视频进行训练,提高了泛化能力和数据效率,使关键干预率提高了 25 倍(可以简单理解为接管率降低了 25 倍)。」

「引入了 Tesla Reality View,将所有显式模型信号替换为一个端到端的可视化,从而减少了总计算量。」

V15 引发的全球技术狂欢,就在于这两句话。

先回到 2025 年 10 月 24 日,特斯拉 AI 负责人 Ashok 在个人 X 上更新了博客文章:「Tesla's approach to Autonomy 特斯拉的自动驾驶方法论」。

打开网易新闻 查看更多图片

这文章很长,我们还是只选择一段:「 可解释性和安全性保证 」。

里面 Ashok 提到一件事:高斯泼溅。

高斯泼溅是近年来很流行的一种「用数学方式呈现立体视觉」的技术手段。传统的 3D 高斯泼溅广泛应用于计算机视觉领域,但因为推理阶段对于算力要求很高,所以延迟历来不适用于辅助驾驶领域。

但特斯拉换了种表达方式。

打开网易新闻 查看更多图片

Ashok 在一年前的文章里面提到,特斯拉使用了「生成式高斯泼溅」,可以简单理解为,将传统管线下可能超过几十分钟才能跑完的 3D 高斯泼溅,转化为直接接收摄像头数据的高斯泼溅模型。

当然 Ashok 表达的只是冰山一角,但最终,特斯拉的生成式高斯泼溅可以实现 220 毫秒的全链路延迟,而这已经是去年 10 月的成果了。

尽管 220 毫秒并不是车规级辅助驾驶的延迟,但生成式高斯泼溅也并不需要参与智能驾驶的决策,作为一个可视化产品,0.2 秒已经基本满足驾驶者对于车机显示的需求。

更关键的是,这样做并未显著占用 AI4 芯片算力。

不过,也正是还有着相对肉眼可见的延迟,所以开着 FSD 的时候,再酷炫也一定不要只盯着屏幕看,12 月北美推送的量产版,也依然会有「supervised 受监督」的前缀。

打开网易新闻 查看更多图片

新的涌现

但我们还有一句话没聊。

V15 的更新日志第一句话里面提到, FSD、Robotaxi 和 Optimus 共享升级版视觉编码器。

虽然 13 年前马斯克就说「汽车是轮子上的计算机」,五年前他也说「汽车是带轮子的机器人」,但从今年开始,马斯克的具身网络才算正式互通。

9 月份 Cybercab 正式落地运营,特斯拉的 AI4 芯片已经同时运行在乘用车/Robotaxi/人形机器人三大业务板块,接下来特斯拉要做的,是软件基座的拉通。

打开网易新闻 查看更多图片

视觉编码器在云端做预训练的权重复用,这个对大模型来说已经不是难题了,比如小米的 MiMo-Embodied 就可以同时跑自动驾驶和具身智能的基准平分。

难的是在量产端复用。

特斯拉在更新日志中提到,V15 通过「数百万个互联网视频」进行训练,提高了泛化能力和数据效率。

这意味着同样的训练语料,正在同时成为 FSD 和 Optimus 的成长养分。而类似的操作,特斯拉很早之前就做了更多。

2025 年 6 月,特斯拉整合了 FSD 和 Optimus 部门,交由 Ashok 统一负责。

2025 年夏天,Grok 大模型上车,同时,马斯克表示 Grok 已经内置在 Optimus 机器人「大脑」中。

到了 2025 年 10 月的 ICCV 2025 上,Ashok 表示, FSD 的神经世界模拟器(Neural World Simulator)不是传统手写物理引擎,而是从海量真实视频中学习物理规律的生成式世界模型,它可以批量生成极端对抗场景,用来做闭环测试与强化学习训练。

并且,同一套世界模拟器与端到端架构,正在无缝迁移给 Optimus。

到了今年 4 月的 FSD V14.3,特斯拉用 MLIR (多层核心表示)重写了 FSD 的编译器,让全链路延迟降低了 20%。

打开网易新闻 查看更多图片

MLIR 是谷歌开源的一套编译器框架,创始人是 Chris Lattner——他也曾经是 Autopilot 部门负责人。

组织重构-大模型复用-重写编译器-云端视频编码器复用,再加上早已统一的特斯拉自研芯片,这就是特斯拉目前为止建立的具身智能架构。

车机屏幕上的特斯拉版「GTA 6」,是这套架构涌现出的全新潜力里面,一个充满想象力的分支。

(完)

打开网易新闻 查看更多图片
打开网易新闻 查看更多图片
打开网易新闻 查看更多图片
打开网易新闻 查看更多图片
打开网易新闻 查看更多图片
打开网易新闻 查看更多图片
打开网易新闻 查看更多图片