[首發(fā)于智駕最前沿微信公眾號(hào)]2025年6月28日，第一輛完全自動(dòng)駕駛的特斯拉Model Y自己從工廠開到客戶家完成交付，比原計(jì)劃提前了一天！整個(gè)過程包括高速公路行駛在內(nèi)的跨城鎮(zhèn)運(yùn)輸，全程實(shí)現(xiàn)無人駕駛（沒有遠(yuǎn)程安全員）！

“車內(nèi)完全沒有人，且在任何時(shí)候都沒有遠(yuǎn)程操作員進(jìn)行控制?！睆哪撤N意義上說，特斯拉的完全自動(dòng)駕駛（FSD）和機(jī)器人出租車項(xiàng)目也能夠做到這一點(diǎn)，只是特斯拉沒有信心它們能夠長(zhǎng)時(shí)間足夠可靠地運(yùn)行，從而無需人工監(jiān)管。 而這一次model Y的自主交付，穿越整個(gè)城市，最高時(shí)速達(dá)到116 km/h，總路程約 24 公里（30 minutes，可見全程還是低速為主），成功抵達(dá)車主家中，整個(gè)過程無需任何人類干預(yù)。這一事件標(biāo)志著自動(dòng)駕駛技術(shù)的重大突破。

HW5.0硬件平臺(tái)：構(gòu)建自動(dòng)駕駛的感知與運(yùn)算基石

特斯拉此次無人駕駛交付的成功，離不開其最新的HW5.0 硬件平臺(tái)的強(qiáng)力支撐。該平臺(tái)在傳感器配置和計(jì)算能力上都實(shí)現(xiàn)了跨越式升級(jí)。

在傳感器方面，特斯拉構(gòu)建了一套精密且全面的感知系統(tǒng)。12顆高清攝像頭覆蓋車輛 360 度視角，探測(cè)距離可達(dá) 250 米，能夠精準(zhǔn)捕捉道路上的各種細(xì)節(jié)，包括遠(yuǎn)處的交通標(biāo)志、周圍車輛的行駛狀態(tài)以及行人的動(dòng)作。為應(yīng)對(duì)復(fù)雜天氣狀況，這些攝像頭采用了三星定制的 “耐候鏡頭”，內(nèi)置加熱元件可以在一分鐘內(nèi)快速融化冰雪，疏水涂層則能有效提升在雨天或霧天的透光率，確保攝像頭始終保持清晰的視野。此外，4 顆 4D 毫米波雷達(dá)和超聲波傳感器與攝像頭相互配合，形成了多傳感器融合的感知矩陣。毫米波雷達(dá)不受光線和天氣影響，能夠?qū)崟r(shí)探測(cè)車輛周圍物體的距離、速度和角度，超聲波傳感器則在近距離感知和泊車場(chǎng)景中發(fā)揮重要作用。

計(jì)算能力上，HW5.0平臺(tái)配備了 Dojo 超級(jí)計(jì)算機(jī)，其算力達(dá)到了1.1 EFLOPS，是前代產(chǎn)品的 5 倍之多。如此強(qiáng)大的算力，使得系統(tǒng)能夠每秒處理 250 億像素的數(shù)據(jù)，為復(fù)雜的神經(jīng)網(wǎng)絡(luò)運(yùn)算提供了堅(jiān)實(shí)保障。無論是 4D 環(huán)境建模，還是實(shí)時(shí)路徑規(guī)劃，都能快速且準(zhǔn)確地完成，確保車輛在行駛過程中做出及時(shí)、合理的決策。同時(shí)，平臺(tái)采用的冗余設(shè)計(jì)也極大提升了系統(tǒng)的可靠性，雙獨(dú)立計(jì)算單元具備 0.3 毫秒自動(dòng)切換能力，即使其中一個(gè)單元出現(xiàn)故障，另一個(gè)單元也能迅速接管，保證車輛行駛的安全性和穩(wěn)定性。

EFLOPS是浮點(diǎn)算力單位，適用于需要高精度計(jì)算的場(chǎng)景（如科學(xué)模擬、AI訓(xùn)練）。

TOPS是操作次數(shù)單位，側(cè)重低精度整數(shù)運(yùn)算，常見于邊緣設(shè)備（如自動(dòng)駕駛芯片、手機(jī)NPU）。

如果硬要換算一下，1 EFLOPS = 10^6 TOPS，但實(shí)際轉(zhuǎn)換需考慮精度差異：若硬件支持混合精度（如FP16+INT8），這個(gè)換算僅是理論峰值，而且實(shí)際效率還受內(nèi)存帶寬限制。

還需要說明的是Dojo是一個(gè)計(jì)算系統(tǒng)架構(gòu)，也被稱為超級(jí)計(jì)算機(jī)架構(gòu)，可以組合擴(kuò)展的（所謂scalable），它的核心芯片是D1。在特斯拉引領(lǐng)的自動(dòng)駕駛技術(shù)變革浪潮中，Dojo 扮演著舉足輕重的角色，它不僅是特斯拉 AI 戰(zhàn)略的核心驅(qū)動(dòng)力，更是其在硬件層面實(shí)現(xiàn)突破的關(guān)鍵標(biāo)志。但嚴(yán)格來說，Dojo 一個(gè)集計(jì)算、網(wǎng)絡(luò)、輸入 / 輸出（I/O）芯片，指令集架構(gòu)（ISA）、電源傳輸、封裝和冷卻于一體的超級(jí)計(jì)算架構(gòu)。它專為大規(guī)模運(yùn)行定制的機(jī)器學(xué)習(xí)訓(xùn)練算法而設(shè)計(jì)，致力于為特斯拉的自動(dòng)駕駛技術(shù)以及其他 AI 應(yīng)用提供前所未有的強(qiáng)大算力支持 。

圖 Dojo的堆疊式組合架構(gòu)，可以組合擴(kuò)展

Dojo架構(gòu)的核心組件之一是 D1 芯片。這顆由特斯拉自主研發(fā)、基于臺(tái)積電 7 納米工藝打造的芯片，集成了多達(dá) 500 億個(gè)晶體管 。每顆 D1 芯片內(nèi)包含 354 個(gè)定制的 64 位 RISC-V 內(nèi)核，每個(gè)內(nèi)核配備 1.25MB 的 SRAM，用于存儲(chǔ)數(shù)據(jù)和指令，這使得 D1 芯片在處理 AI 相關(guān)運(yùn)算時(shí)具備高效的數(shù)據(jù)讀取與存儲(chǔ)能力。從性能參數(shù)上看，在 400W 的 TDP（熱設(shè)計(jì)功耗）下，單個(gè) D1 芯片能夠?qū)崿F(xiàn) 22.6 TFLOPS 的 FP32（單精度浮點(diǎn)運(yùn)算）性能 。

圖 D1芯片，Dojo的基本tile（瓦片）

為了進(jìn)一步提升算力，特斯拉采用獨(dú)特的設(shè)計(jì)方式，將25 顆 D1 芯片以 5×5 的集群形式進(jìn)行組織，運(yùn)用臺(tái)積電的晶圓上系統(tǒng)技術(shù)（InFO_SoW）進(jìn)行封裝。這種封裝技術(shù)實(shí)現(xiàn)了芯片間極低的延遲和極高的帶寬，使得大量的計(jì)算得以高效集成。由 25 顆 D1 芯片組成的一個(gè)訓(xùn)練模組，在 15 千瓦的液冷封裝下，能夠達(dá)到 556TFLOPS 的 FP32 性能，且每個(gè)模組配備 11GB 的 SRAM，并通過 9TB/s 的結(jié)構(gòu)連接 。

Dojo超級(jí)計(jì)算架構(gòu)通過將多個(gè)這樣的訓(xùn)練模組進(jìn)一步組合，構(gòu)建出更龐大的計(jì)算集群。例如，120 個(gè)訓(xùn)練模組組成一組 ExaPOD 計(jì)算集群，其中共計(jì)包含 3000 顆 D1 芯片，展現(xiàn)出驚人的算力規(guī)模。在實(shí)際應(yīng)用中，這種強(qiáng)大的算力讓 Dojo 能夠?qū)Ａ康?a target="_blank">視頻數(shù)據(jù)進(jìn)行高效處理，如每天處理 23.2 萬幀視頻，助力特斯拉不斷優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，提升交通燈識(shí)別、自動(dòng)泊車等功能的準(zhǔn)確性和穩(wěn)定性 。

而作為Dojo元件的D1芯片本身也表現(xiàn)不俗。

圖 D1芯片和主流自動(dòng)駕駛芯片的性能對(duì)比，光是功率都達(dá)到400w，是Orin的數(shù)倍

軟件架構(gòu)：從代碼（規(guī)則）到神經(jīng)網(wǎng)絡(luò)的智能化跨越

特斯拉的FSD V12 軟件架構(gòu)代表了自動(dòng)駕駛技術(shù)的一次革命性突破。傳統(tǒng)的自動(dòng)駕駛系統(tǒng)依賴大量的 C++ 代碼來實(shí)現(xiàn)各種功能，但 FSD V12 大膽采用了端到端的神經(jīng)網(wǎng)絡(luò)技術(shù)，直接將視覺輸入映射為車輛的控制輸出，模擬人類駕駛員的決策過程。

端到端學(xué)習(xí)模式摒棄了過去繁瑣的代碼邏輯，通過對(duì)海量駕駛數(shù)據(jù)的學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)識(shí)別道路場(chǎng)景中的關(guān)鍵信息，并做出相應(yīng)的駕駛決策。例如，在面對(duì)前方100 米處可能出現(xiàn)行人橫穿馬路的情況時(shí)，系統(tǒng)能夠根據(jù)歷史數(shù)據(jù)和當(dāng)前場(chǎng)景特征，預(yù)測(cè)行人的行動(dòng)概率，并提前調(diào)整車速，以確保行車安全。這種學(xué)習(xí)方式不僅提高了系統(tǒng)的適應(yīng)性，還能更好地應(yīng)對(duì)各種復(fù)雜的、非標(biāo)準(zhǔn)的道路場(chǎng)景。

HydraNet + Transformer架構(gòu)是 FSD V12 的另一大核心技術(shù)。HydraNet 多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)了不同任務(wù)之間的特征共享，比如在進(jìn)行物體檢測(cè)和車道識(shí)別時(shí)，能夠避免重復(fù)計(jì)算，提高運(yùn)算效率。而 Transformer 的注意力機(jī)制則為系統(tǒng)賦予了強(qiáng)大的環(huán)境理解能力，它構(gòu)建的 4D 向量空間（3D 空間 + 時(shí)間）可以有效處理遮擋和動(dòng)態(tài)障礙物。當(dāng)車輛行駛在交通繁忙的路段，面對(duì)前方車輛遮擋視線的情況時(shí)，系統(tǒng)能夠通過對(duì)周圍環(huán)境的歷史數(shù)據(jù)和當(dāng)前狀態(tài)進(jìn)行分析，預(yù)測(cè)被遮擋區(qū)域可能出現(xiàn)的障礙物，并提前規(guī)劃避讓路線。

占用網(wǎng)絡(luò)（Occupancy Network）一直用于增強(qiáng)系統(tǒng)對(duì)復(fù)雜環(huán)境的感知能力。該網(wǎng)絡(luò)將車輛周圍環(huán)境劃分為體素，能夠識(shí)別各種不規(guī)則障礙物，如側(cè)翻的車輛、掉落的貨物等，并預(yù)測(cè)它們的運(yùn)動(dòng)趨勢(shì)。這使得特斯拉的自動(dòng)駕駛系統(tǒng)在面對(duì)未標(biāo)記道路、施工區(qū)域等特殊場(chǎng)景時(shí)，也能從容應(yīng)對(duì)，大大提升了行駛的安全性和可靠性。

圖 Tesla FSD V12架構(gòu)圖，“99%都是神經(jīng)網(wǎng)絡(luò)”

數(shù)據(jù)與訓(xùn)練：海量數(shù)據(jù)驅(qū)動(dòng)的智能進(jìn)化

數(shù)據(jù)是自動(dòng)駕駛技術(shù)發(fā)展的核心驅(qū)動(dòng)力，特斯拉在這方面擁有巨大的優(yōu)勢(shì)。其全球車隊(duì)積累了超過120 億英里的真實(shí)駕駛數(shù)據(jù)，這些數(shù)據(jù)涵蓋了各種道路條件、天氣狀況和駕駛場(chǎng)景，為算法的訓(xùn)練提供了豐富的素材。同時(shí)，特斯拉還通過仿真平臺(tái)生成大量的合成數(shù)據(jù)，模擬現(xiàn)實(shí)中難以遇到的極端場(chǎng)景，如突發(fā)的自然災(zāi)害、罕見的交通事故現(xiàn)場(chǎng)等，進(jìn)一步擴(kuò)充訓(xùn)練數(shù)據(jù)的多樣性，幫助系統(tǒng)更好地應(yīng)對(duì)各種邊緣情況。

Dojo超級(jí)計(jì)算機(jī)在數(shù)據(jù)處理和模型訓(xùn)練中發(fā)揮著關(guān)鍵作用。憑借 88.5 EFLOPS 的總算力（單個(gè)Dojo訓(xùn)練模塊（含3000顆D1芯片）算力為1.1 EFLOPS（每秒1.1×10^18次浮點(diǎn)運(yùn)算），Dojo超級(jí)計(jì)算機(jī)是多個(gè)訓(xùn)練模塊組成，可以參見
https://www.slashgear.com/1516714/what-to-know-about-tesla-dojo-supercomputer/），Dojo 能夠?qū)Ａ康囊曨l數(shù)據(jù)進(jìn)行高效處理。例如，它可以每天處理 23.2 萬幀視頻，通過對(duì)這些視頻的分析和學(xué)習(xí)，不斷優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，提升交通燈識(shí)別、自動(dòng)泊車等功能的準(zhǔn)確性和穩(wěn)定性。

影子模式（Shadow Mode）是特斯拉持續(xù)優(yōu)化自動(dòng)駕駛系統(tǒng)的重要手段。在實(shí)際道路行駛中，該模式會(huì)持續(xù)對(duì)比自動(dòng)駕駛系統(tǒng)的決策與人類駕駛員的操作，收集兩者之間的差異數(shù)據(jù)。這些數(shù)據(jù)被反饋到訓(xùn)練模型中，用于進(jìn)一步改進(jìn)算法，降低系統(tǒng)在實(shí)際應(yīng)用中的干預(yù)率。目前，特斯拉的城市道路自動(dòng)駕駛干預(yù)率已降至每千公里1.2 次，這一成績(jī)充分體現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化策略的有效性。

極端環(huán)境適應(yīng)：應(yīng)對(duì)復(fù)雜場(chǎng)景的技術(shù)底氣

自動(dòng)駕駛技術(shù)在實(shí)際應(yīng)用中面臨著各種復(fù)雜的環(huán)境挑戰(zhàn)，特斯拉通過硬件和軟件的協(xié)同優(yōu)化，提升了系統(tǒng)在極端環(huán)境下的適應(yīng)能力。

在天氣應(yīng)對(duì)方面，硬件上的耐候設(shè)計(jì)和軟件算法的優(yōu)化缺一不可。耐候鏡頭和加熱元件解決了冰雪天氣下攝像頭視野模糊的問題，而HDR 成像和去霧算法則在軟件層面增強(qiáng)了系統(tǒng)在低能見度條件下的感知能力。在暴雨測(cè)試中，F(xiàn)SD V12 的避障準(zhǔn)確率較前代版本提升了 30%，這得益于算法對(duì)雨水干擾的有效過濾和對(duì)道路信息的精準(zhǔn)提取。

光照條件同樣會(huì)影響自動(dòng)駕駛系統(tǒng)的性能。特斯拉采用的自適應(yīng)曝光調(diào)節(jié)和偏振濾鏡技術(shù)，能夠有效減少?gòu)?qiáng)光眩光的干擾，使交通燈識(shí)別準(zhǔn)確率提升40%。無論是在陽(yáng)光強(qiáng)烈的正午，還是在光線昏暗的傍晚，系統(tǒng)都能清晰地識(shí)別道路標(biāo)志和交通信號(hào)，確保車輛安全行駛。

對(duì)于復(fù)雜地形，特斯拉也進(jìn)行了針對(duì)性的算法優(yōu)化。在舊金山等擁有大量陡坡和急轉(zhuǎn)彎的城市，F(xiàn)SD V12針對(duì)這類特殊地形進(jìn)行了專門的訓(xùn)練和參數(shù)調(diào)整，使其在處理陡坡起步、急轉(zhuǎn)彎等場(chǎng)景時(shí)更加得心應(yīng)手，急轉(zhuǎn)彎成功率較 V11 版本提升了 37%。

冗余：保證AI安全的基本技術(shù)

安全始終是自動(dòng)駕駛技術(shù)的重心，特斯拉通過多重安全與冗余設(shè)計(jì)，為無人駕駛交付提供了可靠的保障。

硬件層面，雙計(jì)算單元、三冗余傳感器融合以及獨(dú)立電源構(gòu)成了堅(jiān)固的安全屏障。即使其中一個(gè)計(jì)算單元出現(xiàn)故障，另一個(gè)單元也能無縫接管，確保系統(tǒng)的正常運(yùn)行；三冗余傳感器融合（攝像頭+ 雷達(dá) + 慣性測(cè)量單元）則保證了在某個(gè)傳感器失效的情況下，其他傳感器仍能提供準(zhǔn)確的環(huán)境感知信息。在軟件方面，傳統(tǒng)控制算法與神經(jīng)網(wǎng)絡(luò)相互交叉驗(yàn)證決策，當(dāng)神經(jīng)網(wǎng)絡(luò)出現(xiàn)異常時(shí)，傳統(tǒng)算法可以及時(shí)介入，避免事故發(fā)生。在緊急制動(dòng)場(chǎng)景下，系統(tǒng)能夠?qū)崿F(xiàn) 0.8g 的減速度，并且避障成功率高達(dá) 95%。

此外，特斯拉還建立了實(shí)時(shí)監(jiān)控機(jī)制，AI系統(tǒng)持續(xù)監(jiān)測(cè)傳感器和計(jì)算單元的運(yùn)行狀態(tài)，一旦檢測(cè)到異常，能夠在 50 微秒內(nèi)觸發(fā)警報(bào)或使系統(tǒng)進(jìn)入安全模式，最大限度地保障車輛和乘客的安全。

總結(jié)

當(dāng)然，這次model Y的自主交付是在美國(guó)完成的，在國(guó)內(nèi)表現(xiàn)可能沒這么好，因?yàn)閲?guó)內(nèi)的訓(xùn)練數(shù)據(jù)是禁止流入境外的，特斯拉引以為傲的120億英里的真實(shí)駕駛數(shù)據(jù)，并沒有多少是中國(guó)國(guó)內(nèi)的。

比如擬在2026年1月1日生效的最新的國(guó)標(biāo)，《汽車整車信息安全技術(shù)要求》GB44495—2024，

圖 GB44495—2024計(jì)劃在2026年1月1日生效

就明確有如下測(cè)試條目。

圖 防數(shù)據(jù)出境測(cè)試方法

眾所周知，AI的基礎(chǔ)是大數(shù)據(jù)，AI模型都是大數(shù)據(jù)喂出來的。所以此次drive itself to owner還只能當(dāng)做個(gè)例來看。何時(shí)能夠普及到國(guó)內(nèi)用戶，拭目以待。

審核編輯 黃宇