IT之家 11 月 27 日消息，多年來，針對特斯拉 FSD 技術(shù)路徑的一個核心批評在于：其缺乏“常識性推理能力”。FSD 在駕駛的基本操作層面，如車道保持、制動與轉(zhuǎn)向，表現(xiàn)出色；尤其是 FSD v13 與 v14 版本取得了顯著進(jìn)步，但在應(yīng)對復(fù)雜場景所需的高階推理任務(wù)上仍顯力不從心。

例如：當(dāng)一名施工人員手持“慢行”（Slow）標(biāo)識牌時，車輛能夠及時停車；但它能否進(jìn)一步理解：該工人此時正背對車流、與旁人交談，并一邊揮手示意車輛通行？又或者，它能否意識到：盡管右側(cè)車道當(dāng)下車流更快，但由于前方即將出現(xiàn)車道封閉，此刻駛?cè)朐撥嚨缹?shí)屬不當(dāng)選擇？

上述正是 FSD 當(dāng)前在真實(shí)世界中仍難以妥善處理的典型場景。為此，特斯拉已開始積極招聘一名人工智能工程師，專門攻關(guān)這一問題。該新職位名為“人工智能工程師 —— 強(qiáng)化學(xué)習(xí)與知識蒸餾”（AI Engineer, Reinforcement Learning and Distillation），其核心職責(zé)即是研發(fā)更智能、更緊湊的模型架構(gòu)。

直覺 vs 推理

為理解此項(xiàng)工作的戰(zhàn)略意義，我們可回顧特斯拉前人工智能主管 Andrej Karpathy 曾提出的“系統(tǒng) 1”（快速、直覺型）與“系統(tǒng) 2”（緩慢、推理型）雙系統(tǒng)認(rèn)知框架（見下方視頻）。這一理論原用于描述人類思維機(jī)制。簡言之，特斯拉正試圖將該框架遷移至其 AI 模型的設(shè)計之中。

其中，“系統(tǒng) 1”思維快速、憑直覺、情緒化，適用于駕駛熟悉路線等常規(guī)任務(wù)；而“系統(tǒng) 2”思維則更為審慎、邏輯嚴(yán)密，常見于應(yīng)對施工區(qū)繞行或復(fù)雜高速公路匝道轉(zhuǎn)換等需深度判斷的場景。

當(dāng)前端到端架構(gòu)下的 FSD，本質(zhì)上是一個高度精準(zhǔn)的“系統(tǒng) 1”：它能以極快反應(yīng)速度將像素輸入直接映射為控制輸出，卻始終缺失一個專用的“系統(tǒng) 2”，即一個可于行動前對問題展開獨(dú)立推理的并行認(rèn)知模塊。

事實(shí)上，特斯拉此次招聘啟事亦坦承了這一局限：“此類模型在真實(shí)物理世界的推理任務(wù)中仍顯不足，甚至常難以準(zhǔn)確區(qū)分左右方向。”

知識蒸餾：推理能力落地的關(guān)鍵

據(jù)IT之家了解，職位名稱后半部分的“蒸餾”（Distillation），正是使“系統(tǒng) 2”推理能力得以在量產(chǎn)車輛上部署的核心技術(shù)路徑。原因在于：高階推理模型體量龐大，其計算開銷與推理時延遠(yuǎn)超行駛中車輛所能承受的極限，用戶不可能容忍汽車為決定“該走還是該?！倍伎奸L達(dá) 10 秒。

解決方案即“知識蒸餾”：特斯拉計劃在其數(shù)據(jù)中心內(nèi)訓(xùn)練巨型“系統(tǒng) 2”推理模型，使其扮演“教師”角色，針對數(shù)百萬復(fù)雜駕駛邊緣案例生成高度精準(zhǔn)的推理結(jié)果。隨后，這些“教師”輸出的優(yōu)質(zhì)決策可被用于訓(xùn)練體積更小、推理更迅捷的“學(xué)生”模型，使其能與 FSD 并行運(yùn)行于車載本地推理芯片（如 HW3）之上。

最終成果，將是一臺兼具“推理天才”般判斷力與“像素 → 控制”毫秒級響應(yīng)能力的智能汽車。

值得注意的是，知識蒸餾不僅是一種性能優(yōu)化手段，對于搭載 HW3 硬件的用戶而言，它更是進(jìn)入 FSD v14 時代的唯一技術(shù)橋梁。

HW3 的出路何在？

從宏觀視角看，知識蒸餾正是特斯拉構(gòu)建 FSD v12.6.4 的技術(shù)路徑：該版本實(shí)為 FSD v13.2.9 的“蒸餾簡化版”。一旦物理推理能力取得突破，這批工程師或?qū)⑥D(zhuǎn)向開發(fā)此前在 2025 年第三季度財報電話會上提及的“FSD v14-Lite”簡化版本。

推理能力：從監(jiān)督邁向無監(jiān)督的關(guān)鍵躍遷

此次人才招募信號清晰表明：特斯拉正超越“堆數(shù)據(jù)訓(xùn)練”的既有范式，轉(zhuǎn)向重塑車輛的前瞻思考機(jī)制，即從單純的“行為模仿”，邁向?qū)χ茉馕锢硎澜缃⒄嬲饬x上的理解。

對于當(dāng)前導(dǎo)致 FSD 頻繁猶豫、觸發(fā)“紅色雙手”警示的各類邊緣案例，該推理層極有可能成為其從“監(jiān)督學(xué)習(xí)”邁向“無監(jiān)督自主決策”的最后一座橋梁。

值得期待的是：盡管特斯拉尚未實(shí)質(zhì)性涉足推理領(lǐng)域，但該方向有望帶來比 v13 至 v14 版本間那些細(xì)粒度迭代更為顯著、更易被用戶感知的技術(shù)躍升。

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。