2025年10月20日夏威夷ICCV会议上，TeslaAI副总裁Ashok系统

2025年10月20日夏威夷ICCV会议上，Tesla AI副总裁Ashok系统分享了特斯拉在自动驾驶技术进展，核心围绕端到端架构的理念、优势、挑战，以及FSD V14的潜在技术升级方向。这是自2022年AI Day后特斯拉在一次详细披露技术详细的进展

Ashok提到Tesla从FSD V12开始采用全面端到端架构，核心是“Photon In，Control Out”（像素输入，控制输出）：从传感器（摄像头等）像素输入，到油门、刹车等车辆控制信号输出，全程由一个宏观神经网络模型完成，无需中间规则处理环节。

该架构的关键优势是梯度无缝反向传播，能实现感知、决策等模型各部分的整体协同优化，最终带来拟人化、丝滑的驾驶体验，也带动了业界对端到端技术的研究热潮。

Tesla采用端到端方案的4大核心理由

✅解决人类价值判断的编码复杂性：自动驾驶中的“两难场景”（如双向单车道遇水坑，绕开还是严守车道）难以用预设规则定义，端到端模型通过学习海量人类驾驶数据，能掌握细微价值权衡，做出类似“借道绕行”的合理决策。

✅打破感知与决策的接口信息瓶颈：传统模块化系统依赖预设接口（如用边界框定义行人、多段线定义车道线），无法精准描述鸡、鹅等动物的类型与过马路意图；端到端模型通过神经网络直接传递信息，最大程度减少信息损失。

✅高效应对现实世界的长尾问题：得益于无接口信息损失，端到端模型在罕见场景下，能基于完整环境信息，结合人类驾驶数据学习的经验，做出合理判断。

✅同构计算保障确定性延迟：自动驾驶对时延敏感，传统规控方案的求解时间受环境复杂度影响，波动大；端到端神经网络因结构和参数量固定，单帧计算延迟确定，更利于系统稳定。

✅契合AI数据规模效应：作为纯数据驱动范式，端到端架构摒弃大量人为设计的规则和指标，能充分利用计算力与数据增长提升性能，符合Sutton“Bitter Lesson”中对“摒弃人类知识、依赖数据”的论断。

但是端到端有着先天的三大挑战：

（一）维度诅咒：端到端模型需处理“极高维输入→极低维输出”的映射问题：

• 输入：30秒内7路500万像素摄像头视频（36Hz）、数英里导航地图、100Hz车速/IMU信息，V14或新增48KHz音频，总维度相当于20亿token；

• 输出：仅方向盘、加减速2个控制信号（约2个token）；

• 难度：如同从“一团乱麻”中找到唯一指向出口的线，训练难度极高。

特斯拉依靠其强大的数据引擎将每日产生的相当于500年驾驶时长的数据；通过专用模型采集特殊车辆数据、回传预测偏差的bad cases、收集用户接管数据、捕捉感知状态突变场景，重点积累长尾场景、极端场景、主动避险数据，确保模型泛化能力。

（二）端到端模型易成“黑箱”，模型不具备可解释性

Tesla通过VLA（Vision-Language-Action）架构，让模型不仅输出控制指令，还会输出大量中间结果：带速度的3D占据网格、3D高斯特征、动态障碍物（车/人/骑行者）、静态物体（信号灯/车道线）、道路属性，以及自然语言决策信息；通过大语言模型的“思维链（COT）”和过程校验，确保控制信号的正确性，同时支撑车机可视化。

其中两大核心技术亮点：

1. 自然语言实现“慢系统思考”：例如识别“Road Closed”封路标志后，通过逻辑推理发现无法直行，再识别左侧绕行标志，最终做出左转决策，应对施工等复杂长尾场景。

2. Feedforward 3D Gaussian（前馈3D高斯）：用具备位置、范围、颜色的高斯椭球体表征场景，比点云/NeRF更高效、几何信息更明确；无需逐场景优化，通过神经网络前向推理快速重建场景，解决模型训练监督信号稀疏问题，同时支撑闭环仿真系统。

（三）核心壁垒：闭环仿真评测体系

Tesla认为端到端系统的性能不取决于训练Loss，而依赖闭环仿真评测。

Tesla的闭环仿真系统具备三大核心能力：

1. 验证端到端Policy（控制策略）的正确性；

2. 生成对抗样本，检验模型极限能力；

3. 获取人驾真值，辅助模型训练。

其核心逻辑：所有仿真场景均基于真实数据衍生（编辑、修改真实场景），因为“真实世界的长尾场景无法无中生有”，丰富多样的真实数据仍是自动驾驶的核心资源。

Tesla最后指出了技术发展的未来方向：技术栈统一与泛化AI

Tesla的自动驾驶（FSD）与机器人（Optimus）技术栈统一，强大的闭环仿真引擎可迁移至机器人领域；二者的技术协同，为后续“Cross Embodiment”（跨实体）带来的泛化具身AI，提供了巨大想象空间。