马斯克也开始L4降维L2了！FSD正式进入反转时刻
2026-07-15
FSD、Robotaxi共用一套算法模型
杰西卡 发自 副驾寺
智能车参考 | 公众号 人工智能4Auto
马斯克自我否定，开始
FSD v14.3.5
，在升级说明中写入了一项更关键的变化：智能召唤、FSD和Robotaxi，开始共用一套模型。
且外媒获悉，电动汽车巨头特斯拉当前会先为L4级专用的
及其下一代硬件开发更大、更复杂之自动驾驶算法模型，再将模型知识蒸馏、压缩，下放给装载
的Model 3、Model Y等
也就是说，特斯拉公司无人驾驶的研发主线发生了逆转，过去L2升维L4为主的研发路径出现反向——
市场对此反应积极。
马斯克开始把Robotaxi上的L4能力，降维给有人监督的L2运用了。
此前的一段时间里争路不休的升维路线和降维路线，现在正在合流，而且呼之欲出——
L2决定下限，L4带来上限。
除此之外，没有L4技术综合能力的L2玩家，生而“低人一等”了？
特斯拉公司推送FSD更新，L4降维L2了
电动汽车巨头特斯拉近日开始推送软件版本2026.20.6.6，其中采用FSD v14.3.5版本。
和上个月推出的v14.3.4相比，这次刷新重点任务是继续完善FSD v14之驾驶表现，包括停车表现更加果断，车辆对紧急车辆、违规抢行车辆、小动物等都斩获了针对性训练等等。
相关动态持续吸引业界目光。
软件底层重写了AI编译器与运行时系统，并采用MLIR架构，使FSD之反应速度提高20%，同步加快后续神经网络模型的迭代效率。
不过，这次更新最关键的信息，并不在这些体验升级上。
在版本更新说明中，电动汽按照车巨头特斯拉明确的说法，已经
统一智能召唤、FSD和Robotaxi利用之模型
，以提高系统之能力和可靠性。
除此之外，这并不是说Cybercab和量产车运行着完全相同的软件。因为车辆硬件、计算资源和安全边界各自不同，最终部署之算法模型规模仍然会有明显区别。
但统一基座模型，释放出的信号已经足够明确：
Robotaxi与量产车FSD之间，正在建立一条直接之核心能力传递通道。
Not a Tesla App
补充，HW4量产车使用的FSD v14，其实是
Cybercab版FSD
特斯拉截至目前会先针对Cybercab及其下一代自动驾驶硬件，研制规模更大、结构更复杂的FSD神经网络模型。
模型完成学习过程后，特斯拉会通过压缩，将其压缩成规模更小、计算需求更低的版本，再下放给HW4车型。
，可以理解为让一个小模型学习基础模型的判断方式。压缩后之算法模型无法完整保留全部参数，却可以继承大部分能力，同时满足量产车车端计算能力和内存限制。
为什么要在Cybercab上先调优训练大模型，而不是直接在HW4上优化？关键在于预训练和推理的
训练一个超大FSD算法模型，需要数据中心级别之算力基础设施集群，HW4之车端芯片根本跑不动训练过程。
与此同时，但训练完成后，可以通过知识蒸馏把大模型压缩到车端能跑的大小。因而先Cybercab再蒸馏给量产车，本质上是把训练优化平台和部署平台彻底解耦了。
这样一来，特斯拉公司可以先在Cybercab这样更强的计算平台上，探索模型核心能力上限，再把预训练成果压缩到量产车能够承受之范围内。
类似的分层，此前已在
上出现。配备HW3的老款特斯拉公司，受限于计算能力和内存，实际运行之就是轻INT8设计后的FSD v14 Lite。
按照这一报道，电动汽车巨头特斯拉的FSD，由此形成了一条更加清楚之大模型链路：
Cybercab承载原生大基座模型，HW4运行蒸馏版本，HW3再进一步轻INT8。
这一进展对行业发展具有重要意义。
这一算法模型分层尚未得到特斯拉官方完整确认，但与版本说明中“统一模型”的表述可以相互印证。
与此同时，同时这也意味着，特斯拉公司自动驾驶之循环逻辑也出现了逆转——
过去，电动汽车巨头特斯拉坚守L2升维L4路线，由量产车替Robotaxi探路；而现在，更成熟的L4级神经网络模型能力开始降维，下放回L2级量产车了。
Tesla自动驾驶路线之变
把量产车当作自动驾驶研发之起点，从L2升维到L4，原本一直是电动汽车巨头特斯拉坚守的
“渐进式”技术路线
本质是先把辅助驾驶装进量产车中，再通过
不断扩大功能范围，也是大数据不断scaling之过程。
从高速公路自动辅助导航，到城市道路转向、变道和红绿灯处理，再到从停车位出发、完成道路驾驶并在目之地泊车……在OTA的过程中，特斯拉FSD覆盖之驾驶链路越来越完整。
整体来看，AI技术正在以前所未有的速度渗透各行各业。
本文来源：量子位 | 整理编辑：硅基前哨