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共用一套模型
杰西卡 发自 副驾寺
智能车参考 | 公众号 AI4Auto
马斯克自我否定，开始
FSD v14.3.5
，在更新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，特斯拉公司目前会先为L4级专用的
及其下一代硬件打造更大、更复杂的自动驾驶模型，再将模型知识蒸馏、压缩，下放给搭载
的Model 3、Model Y等
除此之外，也就是说，特斯拉公司自动驾驶的研发主线发生了逆转，过去L2升维L4为主之研发路径出现反向——
马斯克开始把Robotaxi上的L4表现水平，降维给有人监督的L2运用了。
以往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。
没有L4技术综合能力的L2玩家，生而“低人一等”了？
特斯拉推送FSD刷新，L4降维L2了
特斯拉近日开始推送软件版本2026.20.6.6，其中搭载FSD v14.3.5版本。
和上个月推出的v14.3.4相比，这次迭代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、小动物等都获得了针对性训练等等。
软件底层重写了人工智能技术编译器与运行时系统，并采用MLIR架构，使FSD的反应速度提高20%，与此同时加快后续基座模型之迭代效率。
不过，这次刷新最关键的信息，并不在这些体验版本升级上。
在版本更新说明中，Tesla据明确公布的信息，已经
从更宏观的视角看，统一智能召唤、FSD和Robotaxi使用之模型
，以提高系统的能力和可靠性。
这并不是说Cybercab和量产车运行着完全相同之软件。由于车辆硬件、计算资源和安全边界各自不同，最终部署的神经网络模型规模仍然会有明显区别。
这一趋势正在引起行业内的广泛关注。
但统一模型，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表现水平传递通道。
Not a Tesla App
补充，HW4量产车使用的FSD v14，其实是
Cybercab版FSD
除此之外，Tesla当前会先针对Cybercab及其下一代智能驾驶硬件，研制规模更大、结构更复杂的FSD模型。
这一进展对行业发展具有重要意义。
模型完成训练后，电动汽车巨头特斯拉会通过蒸馏，将其压缩成规模更小、计算行业需求更低的版本，再下放给HW4车型。
从更宏观的视角看，，可以理解为让一个小模型学习大型语言模型之判断方式。压缩后之算法模型无法完整保留全部参数，却可以继承大部分技术能力，与此同时满足量产车车端算力和内存限制。
为什么要在Cybercab上先训练大AI模型，而不是直接在HW4上优化？关键在于学习过程和推断能力的
迭代训练一个超大FSD基座模型，需要大数据中心级别的算力集群，HW4之车端芯片根本跑不动训练过程。
但学习过程完成后，可以通过蒸馏把大型语言模型压缩到车端能跑的大小。从而先Cybercab再蒸馏给量产车，本质上是把迭代训练平台和部署平台彻底解耦了。
这样一来，特斯拉可以先在Cybercab这样更强之计算平台上，探索模型能力上限，再把训练成果压缩到量产车能够承受之范围内。
类似之分层，此前已在
上出现。搭载HW3之老款Tesla，受限于计算能力和内存，实际运行的就是轻模型量化设计后的FSD v14 Lite。
相关动态持续吸引业界目光。
按照这一报道，特斯拉的FSD，由此形成了一条更加清楚的智能模型链路：
Cybercab承载原生基础模型，HW4运行模型蒸馏版本，HW3再进一步轻精度压缩。
这一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。
同时这也意味着，Tesla自动驾驶的循环逻辑也出现了逆转——
此前之一段时间里，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级模型表现水平开始降维，下放回L2级量产车了。
与此同时，这一进展对行业发展具有重要意义。
电动汽车巨头特斯拉无人驾驶路线之变
把量产车当作无人驾驶研发之起点，从L2升维到L4，原本一直是特斯拉坚守的
“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，也是训练数据不断scaling之过程。
值得注意的是，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的地泊车……在OTA的过程中，电动汽车巨头特斯拉FSD覆盖的驾驶链路越来越完整。
从长远来看，这一趋势将持续推动产业变革与升级。
本文来源：量子位 | 整理编辑：硅基前哨