特斯拉 FSD v15 交付:一个视觉编码器,和一扇看进去的新窗口

车顶上方几米处那台不存在的相机,拍的是网络自己相信的世界。FSD v15 把感知和渲染并成一条输出,25 倍的说法目前无法验证。

分享
特斯拉 FSD v15 交付:一个视觉编码器,和一扇看进去的新窗口

在一辆行进中的特斯拉车顶上方几米处,一台并不存在的相机正在拍摄这段行程。它可以停在软件喜欢的任何角度,一边行驶一边把看到的东西流式传到中控屏上。这台想象中的相机,是 FSD(Supervised)v15.0.1 最显眼的一部分——据 Not a Tesla App 当天发布的更新说明,这个版本从 2026 年 11 月 21 日起推送给 Early Access Program 的车主,软件版本 2026.38.6.11,适用于搭载 HW4 计算机的车辆。

特斯拉把这个功能叫 Reality View,更新说明里的措辞放进五年前的汽车手册会像科幻:一个实时生成的行车可视化,从车辆上方一个任意虚拟机位持续流式输出画面。不是道路示意图,而是一个当场渲染出来的场景——渲染的是网络自认为正在穿过的那个世界。

原文配图:车内屏幕上的实景生成可视化(站点生成的示意图,非 v15 实拍)

有三个词需要说清楚,因为它们划定了这次交付的边界。Supervised 是特斯拉自己的标签,它是一句关于责任的声明:坐在驾驶位上的人仍然是司机,仍然在看,仍然要随时接管。按 SAE International 发布的行业分级,这把系统放在驾驶辅助那一档,而不是由车辆自己承担驾驶任务的自动化档。Early Access Program 指的是一批自愿加入、比整个车队更早拿到版本的车主。HW4 是特斯拉第四代车载推理计算机。这个版本是给那种硬件、那批车主、在那份监督约定之下用的。它不是无人驾驶,特斯拉也没有这样描述过它。

屏幕变成仪表,不再是示意图

多年来,特斯拉的屏幕像一份翻译过的清单。感知栈检出了车、车道线、骑车人、锥桶,界面就把每一项检出画成风格化世界里的一个独立物体。它好读,也是有损的:你看到的是一堆模型叫得出名字的东西,而不是模型理解到的那幅画面。

v15 的说明说,Reality View 用单一端到端可视化替换掉所有显式的模型信号,而且总计算量更少。这才是那个炫目说法底下安静的工程主张。原来是先跑感知,再跑一条单独的渲染路径、把感知输出拼成图标;现在可视化变成那同一张驾驶网络的另一个输出。并行流水线更少,只有一套表示,在一块本来就在满负荷工作的芯片上开销更低。

对监督者来说,这个变化不只是观感。盯着一个辅助系统最难的地方,不是看见它看见了什么,而是知道它接下来要做什么。一块直接画出计划动作、把即将到来的导航转向画进行车画面里的屏幕,把这块屏从「感知的后视镜」变成了「意图的预报」。你会提前得到一个零点几秒的提示:车打算留在左车道,而你想走右边——而这点时间,正是监督的全部货币。

诚实的保留意见是结构性的,而且对每一个生成式界面都成立:渲染本身就是模型的输出。一张看起来可信的路面画面,是关于路面的一个主张,而不是路面的证明;一个流畅生成器的失效方式,就是流畅地出错。特斯拉在说明里的定位是,这个视图让你看到并控制 FSD 计划做什么——这是对一个控制面的描述,不是对一种保证的描述。车主可以选全屏可视化、地图、分屏,或者为了更安静的车厢选静默模式;转向灯的咔嗒声也变轻了,响几下就淡出。这些都是舒适性选择。仪表仍然要带着批判去读,挡风玻璃外那条路才是基准真值。

一个编码器,三台机器

新屏幕底下压着的是影响最远的那项改动,特斯拉也把它放在了说明的第一条。

升级后的视觉编码器由 FSD、Robotaxi 和 Optimus 共用,在数百万段互联网视频上训练,以提升泛化能力和数据效率,把关键干预率改善 25 倍。 ——特斯拉,FSD(Supervised)v15.0.1 更新说明,2026 年 11 月 21 日

编码器是视觉网络的前端:把原始像素变成一份紧凑的内部表示,后面所有环节都在这份表示上推理。换掉编码器,就等于换掉系统其余部分「有能力注意到什么」的范围。把同一个编码器共用在一辆车、一台 robotaxi 和一个人形机器人上,是特斯拉在下注:人行道、门洞、走动的行人、悬着的链条,它们有用的表示大体相同,无论看它们的那个身体是轮子还是腿。

原文配图:一个编码器供三条产品线(站点生成的示意图)

真正有意思的是训练来源。车队视频深而窄:绝大多数是道路,绝大多数是平常情况,罕见事件只能按世界递出来的速度慢慢攒。互联网视频单条浅,但覆盖面极宽,里面装着任何车队都不常开过去的那条物理长尾。按特斯拉的说法,用数百万段这样的视频预训练编码器,是在赌泛化和数据效率:每学一个新行为需要的标注驾驶样本更少,因为模型已经知道打翻的垃圾桶或一滩积水长什么样。

这段逻辑可以直接往下读完整份更新日志。说明里列了:路牌、小动物、路面杂物和链条的检测改进,坑洞与路面细节的识别改进,以及避开深的积水面。这些恰恰是驾驶车队很少遇到、而互联网不断记录下来的类别。Teslarati 在 11 月 21 日报道这次推送时,把同一批导航与检测修复认定为这个版本真正的实质内容,与特斯拉用「安全关键情形处理提升 25 倍」表述的那句安全说明并列。

这个倍数值得小心对待。它是特斯拉对自己软件的自家测量,发表在自家更新说明里,应当读作一家公司的声明,而不是被独立验证过的结果。一个没有说明测试集与基线的比值,是方向,不是距离。可以无条件说的是:它背后的架构是真的、而且已经上线;把一个编码器摊到三条产品线上,是实实在在的经济优势——一笔训练投入同时供养一台消费级汽车、一台网约车和一个机器人。

把最后一米交还给你

说明里最小的几条,最能说明特斯拉怎么划监督的界线,Bike Rack Mode 是最好的例子。装上拖钩附件之后 FSD 现在也能启用,说明里写明两个行为:在目的地附近靠边停;永不倒车。要把这读成一条被工程化过的边界,而不是一件难为情的缺陷。挂着一排自行车会改变后部摄像头能看到什么,也会改变这辆车真实的占位。系统没有假装几何没变,而是把你开到路缘,然后在自己不确定性最高的那个动作上拒绝执行。倒车由人来做。

原文配图:雨天路边的自行车架与行人场景(站点生成的示意图)

测速摄像头降速(Speed Camera Slowdown)遵循同一个原则,即协商出来的行为。车检测到测速摄像头就减速;你可以踩油门或调高速度档来取消;按说明,取消两次之后它会记住那个位置。这不是一个设置菜单,而是从重复接管中学出来的偏好——停车相关的改动里也是同一个模式:位置选择现在会参考个性化的停车历史,地图在目的地提供多个停车选项。系统正在被你的纠正教会你的习惯,这比要求司机事先把自己的偏好编码进去要自然得多。

司机监测的变化方向,可能和怀疑者的预期相反。说明里写:戴帽子、戴墨镜时的视觉注意力监测可用性提高;更高的速度档下严格程度降低。更好的遮挡容忍度意味着那些确实在看路的人被误报警的次数变少——这就是「司机愿意尊重的监测系统」和「司机会想办法绕过的监测系统」之间的差别。另外,Autoshift 与基于 FSD 的挡位预测统一了,前进还是后退来自同一张驾驶模型,而不是另一套启发式。

导航是端到端方法还不完整的地方,特斯拉自己也这么说。按说明和 Teslarati 11 月 21 日的报道,行程起点与终点的路线处理现在从车队路线偏好中端到端学习,后续的 v15 版本会把这一点扩展到整条路线。停车选择、学校区域和限速行为、恶劣天气下的车速、按档位的速度处理,各自都有单独的一条。这是一个范围很宽的版本,并且明确是序列里的第一步。

十二月,以及不在这版里的车

宽发只有一个月份,没有日期。马斯克 11 月 21 日凌晨在 X 上写,下一个主要版本将在 12 月到达更广的车队。

FSD V15 下个月宽发。它会很特别。 ——埃隆·马斯克,X,2026 年 11 月 21 日

据 EVXL 11 月 21 日的报道,那条帖子没有给日期、没有给国家清单,也没有说哪种硬件会收到 v15。最后那份沉默很重要,因为车队已经在跑两个不同的产品。EVXL 指出,特斯拉为 2026.44.1 更新写的说明里,列的是只给 HW4 车的 FSD(Supervised)v14.3.13,而 HW3 车收到的是 v14.3 Lite,特斯拉把它描述成「把 HW4 上 v14 的智能蒸馏进老计算机」。马斯克此前说过,特斯拉将不得不为买了 FSD 的 HW3 车主升级计算机;他 11 月 21 日的帖子没有提 v15 的 HW3 路径。

运营上的后果很直接,值得不带戏剧性地说明。一个在互联网视频上训出来的共享编码器,加上跑在驾驶模型之上的生成式可视化,都是吃算力的想法;而 Reality View 带着一句「总计算量更少」落地,恰好说明 HW4 上的预算在被小心地管理。蒸馏是特斯拉至今用来补上这个缺口的办法,它是一项有真实结果的真技术,不是委婉语。但这意味着 12 月那个里程碑要在两个群体上分别计量,对老车车主来说有意思的问题是:哪串版本号会落进自家车库。

所以要盯的事情很具体:12 月的宽发有没有点名 HW3 或额外市场;后续 v15 版本有没有交付说明里标记为「即将到来」的全路线导航;以及特斯拉是否会为那个 25 倍数字给出方法论。这些都不改变软件此刻的状态。v15.0.1 是一件相当有分量的作品,已经装进客户车里,建在一个同时服务 robotaxi 和人形机器人的编码器上,屏幕终于展示的是意图而不是清单。悬在车顶上方那台虚拟相机,是一个有用的虚构。驾驶的责任没有挪到任何地方,它还坐在方向盘后面,读着那张图。

我们的整理:读这篇时该拿住的四条边界

一、25 倍只有倍数,没有分母。 更新说明原文是「把关键干预率改善 25 倍」,但既没给基线干预率,也没给测试里程或场景集。同一句话在另一处被写成「安全关键情形处理提升 25 倍」。在没有基线之前,这个数字只能当方向,不能当距离——这也是原文作者反复强调的点。

二、「模型大约大 10 倍」不是这份更新说明里的话。 这个数字出自同期其他报道,我们在本篇引用的更新说明原文里没找到对应句子。要引用它,得先找到一手出处。

三、v15.0.1 和「12 月的 v15」不是同一件事。 11 月 21 日推的是 v15.0.1(2026.38.6.11),只给 Early Access 的 HW4 车;12 月宽发的是「下一个主要版本」,日期、市场、是否含 HW3 全部未定。多数转载把这两件事写成一句,读起来像已经在全车队铺开。

四、这套说法的验证路径是公开的。 关键干预率如果有基线,第三方(NHTSA 数据、车队遥测、独立测评)迟早能对上;Reality View 是不是「用更少算力」,也可以从版本功耗与帧稳定性间接看。原文给的是「看什么」,不是「已经证明什么」。

v15.0.1 更新项逐条看可验证性(按原文与更新说明出现的顺序整理):

更新项 原文给出的证据 能否独立验证
Reality View(生成式行车可视化 + 可拖动视角) 视频、车主实拍 能看到,但优劣是主观的
感知与渲染合并为单一输出、总计算量更少 厂方表述 需功耗/帧时间对比,未公开
共享视觉编码器(FSD / Robotaxi / Optimus) 说明原文 架构说法可长期观察,短期不可验
关键干预率 25 倍 厂方倍数 不可验,缺基线
路牌、小动物、路面杂物、链条检测 描述性(improved detection) 无量化,只能靠车主样本积累
坑洞与路面细节识别、避开深积水 描述性 同上
Bike Rack Mode(靠边停、永不倒车) 行为定义 可复现:装上拖钩附件试一次
测速摄像头降速 + 取消两次即记住该点 行为定义 可复现
停车历史个性化、目的地多停车选项 行为定义 可复现,但需多次行程
帽子/墨镜下的注意力监测、降低高档位严格度 描述性 可复现,主观性强
Autoshift 与 FSD 挡位预测统一 架构表述 需对比同一场景下的换挡行为
行程起终点路线端到端学习 厂方表述 长期可验(路线选择是否越来越像本人)

这张表最有用的一列是最后那列:能自己复现的(Bike Rack、测速降速、停车历史)可以立刻拿来做判断,纯描述性的只能等外部数据。发布说明里真正「立刻能测」的项,往往是最不起眼的那几条。

时间 事件 范围
2026-11-21 FSD (Supervised) v15.0.1 推送(2026.38.6.11) Early Access,HW4
2026-11-21 马斯克称 12 月宽发 无日期、无市场、无硬件说明
2026-11-21 现行分支:HW4 走 v14.3.13,HW3 走 v14.3 Lite(2026.44.1 说明) 两条并行产品线
2026-12(未定) 宽发 未定

术语对照

原文 含义
vision encoder 视觉编码器,视觉网络前端,把像素压成下游共用的内部表示
Reality View 由同一张驾驶网络输出的实时生成式行车可视化
Early Access Program 自愿加入、先于整个车队拿到版本的测试车主群体
HW4 / HW3 特斯拉第四代 / 第三代车载推理计算机
distillation 蒸馏,把大模型能力压缩进算力更小的硬件

原文的落点是「屏幕终于展示意图,而不是清单」,延伸到生成式可视化这条线,可以对照 多模态生成完全指南 里「可视化本身是模型输出」的那一组讨论——同一类风险,一旦画面足够流畅,人就容易把主张当证据。

Sources

  • 原文:Elonosphere《Tesla's FSD v15 Ships One Vision Encoder and a New Window Into It》,2026-11-21(美国东部时间 21:55)https://www.elonosphere.com/Articles/3286/tesla-s-fsd-v15-ships-one-vision-encoder-and-a-new-window-into-it
  • 原文引用的一手材料:Tesla FSD (Supervised) v15.0.1 更新说明(经 Not a Tesla App 转载,2026-11-21)、Teslarati 2026-11-21 报道、EVXL 关于 2026.44.1 与 HW3 的报道、马斯克 2026-11-21 的 X 帖
  • 原文配图为该站点的生成式示意图,非 v15 实拍截图与官方界面;封面同源,已按 800px 宽转存本站

本文由 Software 2.0 编译整理,转载请注明出处;我们未对文中数据做本地复测。

这是「多模态生成」专题的一部分。完整地图见:多模态生成完全指南