碳粉说电池不胖
26-11-22 09:00 微博认证:汽车博主 微博原创视频博主

看到 FSD v15 的 Reality View,我脑子里只有一个词:代际差。

过去几年比 FSD,比的是“开得像不像人”——变道果不果断、路口犹不犹豫、接管率高不高。这是功能体验的差距,同一套语言里的高分低分。

但 v15 这块屏不是同一套语言。

先说技术,不然容易被当成 UI 换皮。传统 SR 的路子是:摄像头 → 卷积提特征 → BEV+Transformer 映射到三维 → 吐出一堆带类别的 3D 检测框 → 卡尔曼滤波跟踪 → 屏幕上用线框和小车图标画出来。你看到的每辆车,本质是一个 {类别, 坐标, 尺寸, 朝向} 的参数被渲染成了多边形。

Reality View 反过来了。特斯拉 v15 的 release note 写得很直白:把过去所有分散的模型信号,替换成一套端到端的统一可视化,而且是“同一个模型”在渲染,算力反而比旧方案更少。画面是从车顶上方一个虚拟摄像机持续流出来的实时生成式渲染,能看到规划路径、能点屏幕改目的地。

关键差别在这一句:

旧 SR 渲染的是“检测框”,Reality View 渲染的是“模型脑子里的那张世界图”。

它不是把感知结果翻译给你看,它是把端到端网络内部的 occupancy、3D 高斯特征、规划场——这些原本只存在于隐空间里的东西——直接采样成了一个你能用眼睛读的画面。所以才有光影、有透视、有体积,所以才“像真实世界”。因为对模型来说,那就是它的真实世界。

再往下走一层,这块屏其实还泄露了更狠的一件事:特斯拉的仿真世界模型,比大家想象的都强。

因为渲染这块屏的,和 FSD 用来做决策的,是同一份隐状态。而特斯拉云端那套神经世界模拟器——拿车队真实片段在三维空间重建,换视角、换光照、换天气、塞合成行人,一次险情重绘一万遍当训练数据——用的是同一套表征语言。

车端能实时、低算力地把这个世界渲染出来,说明底下那套世界表征的几何一致性、语义完整性、时序稳定性已经过关了——而这恰好是仿真世界里最难的三件事。仿真要生成百万倍训练里程,前提就是有一个不会崩、不会飘、因果自洽的世界模型;现在每天几百万辆特斯拉在车端替它做实时验证。

车端这块屏,本质是云端仿真引擎漏出来的一滴实时预览。

这意味着什么?

以前是我们猜 AI 看到了什么,现在是 AI 把它看到的、想的,摊开给我们看。

黑盒被拉开了一道缝。人和机器之间那句“我不敢全信你”,第一次有了被拆掉的技术路径——不是靠解释文案,是靠把隐状态渲染成人类视觉系统能直接消费的图像。

这种感觉很像 2007 年第一次摸到 iPhone。不是因为它多了什么功能,而是交互的语言换了。功能领先会被追上,范式的领先不会。

——不是车变聪明了,是车终于学会用人类的视觉语言,把脑子里那个世界,摊在桌上给你看。
#特斯拉[超话]##特斯拉fsd#

发布于 江西