ARTICLE · 人工智能
让人类交出方向盘：特斯拉 FSD 十三年的冒险、争议与进化
一语总结本文深度回顾了特斯拉 FSD 十三年从依赖供应商到自研芯片、从简单感知到 3D 占用网络的演进历程，揭示了其在硬件迭代与算法升级中经历的争议、冲突与技术突破。
本文详细记录了特斯拉全自动驾驶（FSD）系统的研发史。从最初与 Mobileye 的「黑盒」合作及其决裂，到经历英伟达过渡期，最终通过 Jim Keller 等顶尖人才实现 AI3 芯片的自研突破。文章重点分析了感知模块的四大升级（神经网络重构、HydraNet 架构、时序视频分析、BEV 鸟瞰图）以及占用网络（Occupancy Network）的实现。同时，通过前员工视角揭露了特斯拉内部在成本控制、算力需求、传感器移除（纯视觉方案）以及 Hardware 4.0 研发过程中，硬件团队与软件团队、公司与供应商之间的激烈拉扯与矛盾。
- 从供应商依赖转向全栈自研
特斯拉经历了从 Mobileye 的黑盒模式到英伟达通用芯片，最终自研 AI3/AI4 芯片的路径，旨在获得更高的算力利用率、成本控制权和技术主动权。
- 感知算法的四次关键迭代
通过神经网络重构、HydraNet 共享算力底座、引入时序信息（看视频）以及 BEV 空间融合，使系统从简单的图像识别进化为对环境的深度理解。
- 纯视觉方案与占用网络（Occupancy Network）
在移除雷达后，特斯拉通过占用网络将空间划分为体素（Voxel），利用自动标注系统生成真值，实现了无需识别具体物体即可避障的 3D 环境建模。
- 极致成本控制与技术路线的冲突
马斯克的第一性原理驱动了硬件的精简（如移除雷达、砍掉摄像头），但在实际执行中常导致硬件团队与软件团队在算力需求、传感器盲区等问题上产生严重分歧。
让人类交出方向盘：特斯拉 FSD 十三年的冒险、争议与进化
本文详细记录了特斯拉全自动驾驶（FSD）系统的研发史。从最初与 Mobileye 的「黑盒」合作及其决裂，到经历英伟达过渡期，最终通过 Jim Keller 等顶尖人才实现 AI3 芯片的自研突破。文章重点分析了感知模块的四大升级（神经网络重构、HydraNet 架构、时序视频分析、BEV 鸟瞰图）以及占用网络（Occupancy Network）的实现。同时，通过前员工视角揭露了特斯拉内部在成本控制、算力需求、传感器移除（纯视觉方案）以及 Hardware 4.0 研发过程中，硬件团队与软件团队、公司与供应商之间的激烈拉扯与矛盾。
硅谷 101 原创深度报道，借前特斯拉 AI 硬件开发高级经理刘向科、前 AI 软件工程总监 Srihari 等内部人还原 FSD 十三年：移除雷达实因疫情断供，HW4 三芯片方案临量产改回两颗，AI5 瞒报致硬件负责人被开除。适合关注自动驾驶与 AI 芯片的读者。
文章金句
"特斯拉定制的芯片，专为实际任务场景做了优化，有效利用率能达到 80%，相比通用芯片提升了 50%。
"马斯克不希望被任何一家公司牵着鼻子走，更不希望被局限在特定功能或算力框架之内。
"新的芯片才刚设计好，软件团队就已经想好怎么全用掉了。
"马斯克能接受错误被指正，他并不是不愿意接受自己的错误。