FSD v15推送:25倍提升靠谱吗

特斯拉在美国向早期用户推送 FSD v15,重点升级安全关键场景处理、端到端导航与全新 Reality View。但“25 倍”仍缺少测试口径,现阶段更像技术潜力,而非安全结论。
特斯拉 FSD v15 开始推送:安全关键场景提升 25 倍,但先别急着把它等同于安全 25 倍
特斯拉于 11 月 22 日在美国市场启动 FSD v15 推送,首批面向早期体验计划(EAP)成员开放。官方给出的核心卖点相当直接:新版本升级了端到端驾驶网络的多个关键环节,对安全关键场景的处理能力宣称提升 25 倍,同时上线全新的 Tesla Reality View 可视化界面。(ithome.com)
FSD v15 是特斯拉面向量产车辆推出的新一代端到端辅助驾驶软件,当前仍属于需要驾驶员持续监督的驾驶辅助系统,而不是可以完全放手、放眼的自动驾驶。 这一点比版本号和宣传数字更重要:即便模型能力发生明显变化,驾驶责任和系统定位目前并没有随之改变。

“25 倍”到底提升了什么
特斯拉所说的“25 倍提升”,更接近安全关键场景中的模型处理或关键接管指标改善,而不是整套 FSD 的事故率直接下降 96%。 从目前公开的版本说明和媒体报道看,特斯拉没有同步公布测试里程、场景数量、对照版本、硬件平台以及“安全关键场景”的判定标准,因此这个数字暂时无法被外部独立复现。(reddit.com)
这一区别不能被忽略。假设旧版本在某类测试中每 1000 次遇到突然横穿车辆时需要人工接管 25 次,新版本只需要接管 1 次,可以称为关键接管表现提升 25 倍;但这不意味着车辆在所有道路、天气和交通条件下的总体碰撞风险也同步降低 25 倍。
换句话说,25 倍可能是一个很有价值的工程指标,却不是一个可以直接用于描述现实世界安全性的统计结论。
完整版本说明的流传文本进一步提到,v15 使用了升级后的视觉编码器,并由 FSD、Robotaxi 和 Optimus 共享相关视觉能力;该编码器通过数百万段互联网视频训练,以提高泛化能力和数据效率。这里值得注意的不是“使用互联网视频”本身,而是特斯拉正在尝试让汽车、无人出租车和机器人共享更通用的视觉表征层。(reddit.com)
视觉编码器是把摄像头画面转换成机器可理解特征的神经网络模块。 如果过去的系统更擅长识别训练数据里反复出现的汽车、车道线和行人,那么更通用的编码器需要理解的是“这个物体接下来可能做什么”,包括路边儿童是否准备冲向道路、前车是否因障碍突然偏移,以及雨雾中的模糊轮廓究竟是塑料袋、动物还是车辆。
这也与特斯拉此前对 v15 的预告一致。特斯拉 AI 负责人阿肖克·埃卢斯瓦米曾表示,新版本将更早预测危险、更快作出反应,并加强预测与控制之间的联系。相比单纯提高目标识别准确率,这种升级更接近自动驾驶真正困难的部分:系统不仅要看见危险,还要在危险变得不可避免之前理解其发展趋势。(auto.ithome.com)
Reality View 不只是把界面做得更像游戏
Tesla Reality View 是 FSD v15 新增的实时生成式驾驶可视化系统,用虚拟俯视视角重建车辆周围环境,并呈现 FSD 准备采取的行驶路径。 用户可以选择全屏可视化、完整地图、分屏视图或减少视觉干扰的安静模式,导航转向信息也能够直接叠加在驾驶画面中。(ithome.com)
它看起来有点像《GTA》式的第三人称驾驶画面,但产品意义并不只是“更炫”。传统 FSD 界面主要显示车辆、行人、锥桶和车道线等离散元素,用户看到的是算法识别结果的符号化投影;Reality View 则试图把这些分散信号合并为连续场景,让驾驶员更直观地理解系统看到了什么、准备往哪里走。
| 对比项目 | 传统 FSD 可视化 | Tesla Reality View | |---|---|---| | 环境表达 | 车辆、车道线等离散模型 | 连续生成式道路场景 | | 观察视角 | 固定的车辆周边视角 | 车辆上方虚拟摄像机视角 | | 路径呈现 | 规划线与地图相对独立 | 行驶规划直接叠加到场景 | | 导航信息 | 主要显示在地图区域 | 转向提示进入驾驶可视化 | | 显示模式 | 地图与可视化组合 | 全屏、地图、分屏、安静模式 | | 潜在价值 | 展示系统识别了哪些对象 | 帮助用户判断系统理解和意图 |
Reality View 的真正价值是改善人与驾驶模型之间的信息带宽。 辅助驾驶系统最让人紧张的时刻,往往不是车辆动作明显错误,而是驾驶员不知道它有没有看见风险、是否准备减速,以及下一秒会不会突然变道。
如果界面能够准确表现模型的规划意图,驾驶员就可能更早判断是否需要接管。例如车辆接近施工路段时,Reality View 若提前显示向左绕行轨迹,用户便知道系统已经识别障碍;如果规划路径仍直指锥桶,驾驶员也能更早采取行动。
不过,可视化必须真实反映驾驶模型状态,而不能成为一层“看起来很懂”的动画。生成式界面越接近真实画面,用户越容易对它产生信任;一旦显示层与实际控制层出现延迟或理解偏差,精美 UI 反而可能制造错误安全感。
值得关注的是,流传的版本说明称 Reality View 将过去多个显式模型信号整合到单一端到端可视化中,同时使用更少的总计算量。如果这一表述能在量产硬件上成立,说明特斯拉并非简单地在车机上增加高负载的图形效果,而是在重新设计模型输出与显示之间的关系。(reddit.com)
v15 开始处理那些“不够致命,却天天烦人”的问题
FSD v15 的另一条主线是提升日常道路细节处理,而不是只追求极端场景跑分。 新版本加强了对交通标志、小型动物、道路碎片、坑洞和积水的检测,并调整学校区域、限速路段与恶劣天气中的速度控制。(ithome.com)
这些功能没有“25 倍”那么吸睛,却更可能决定用户是否愿意每天打开 FSD。
坑洞就是一个典型例子。车辆只要识别到前方存在凹陷并不够,还要判断坑洞深度、可绕行空间、旁边车道车辆以及突然转向带来的风险。有些坑值得绕开,有些坑更适合减速直行;如果系统为了避开一个很浅的坑而大幅压线,体验甚至比直接驶过更差。
恶劣天气下的速度控制同样如此。一个成熟的驾驶系统不能只读取道路限速,然后在暴雨中依然以限速上限行驶。它需要综合能见度、积水、道路曲率、其他车辆速度和摄像头图像质量,动态选择更保守的速度。v15 若能让这种速度变化更自然,将比单纯提高直线路段最高速度更有实际意义。
新版本还加入了速度摄像头减速逻辑。系统检测到测速设备后可以主动降低车速,驾驶员可通过加速踏板或提高速度配置取消;如果用户在同一位置连续两次取消减速,车辆可以记住这一偏好。该设计体现了特斯拉一贯的车队学习思路:模型给出默认行为,用户操作再成为个性化数据。(reddit.com)
导航也开始端到端化,但目前只走了第一步
端到端导航是指模型直接从车队真实路线偏好中学习如何选择和执行路线,而不是完全依赖人工编写的道路规则与固定代价函数。 v15 首先将这种方法用于行程开始和结束阶段,后续版本才会逐步扩展到完整路线。(reddit.com)
行程两端恰恰是传统导航最容易显得“笨”的地方。地图知道一栋商场在哪里,却未必知道应该从哪个入口进入;它知道住宅地址,却可能把车辆停在后门、消防通道或隔壁道路。
v15 还会根据个人停车历史改善停车位置选择,并在目的地附近提供多个停车选项。这意味着导航目标可能从一个经纬度坐标,变成模型根据用户习惯、入口结构和车队数据推断出的实际落客或停车区域。(reddit.com)
这类能力如果扩展到全程导航,FSD 将不只是“按照地图把车开过去”,而是开始学习人类司机为什么会选择某条路线:有些道路虽然理论时间更短,但左转难度高;有些入口距离更近,却经常拥堵;有些路线适合白天,却不适合夜间。
自行车架模式解决了一个长期存在的产品矛盾
自行车架模式是允许车辆在拖车钩安装自行车架或类似配件时继续使用 FSD 的专用工作模式。 外部配件会改变车辆后方视觉轮廓,并可能遮挡摄像头或影响泊车距离判断,因此过去系统通常需要限制部分辅助驾驶能力。(ithome.com)
这个功能看似边缘,实际上体现了量产辅助驾驶与实验室 Demo 的差别。真实用户会安装自行车架、装载异形物品、在车身覆盖泥水,也会进入地图不完整的停车场。系统只有处理这些“不标准状态”,才算真正进入日常使用阶段。
特斯拉没有详细说明自行车架模式会关闭哪些后向感知能力,也没有解释系统如何区分固定配件与突然接近的障碍物。对用户来说,最需要观察的是该模式是否会扩大安全冗余,例如减少自动变道、降低倒车速度,或者要求驾驶员在部分场景中更早接管。
FSD v15 与 v14 的差别,不只是模型更大
FSD v15 的核心变化是从单点能力升级转向系统级整合。 v14 已经证明端到端模型能够覆盖越来越复杂的道路场景,v15 则进一步打通视觉编码、危险预测、路径规划、导航偏好、车机可视化和个性化停车。
| 维度 | FSD v14 系列 | FSD v15 首批版本 | |---|---|---| | 技术重点 | 提升端到端驾驶稳定性 | 升级端到端网络多个环节 | | 安全能力 | 改进复杂场景响应 | 宣称安全关键场景处理提升 25 倍 | | 危险处理 | 看到风险后进行规划 | 强调更早预测与更快响应 | | 可视化 | 符号化车辆与道路模型 | Tesla Reality View 生成式场景 | | 导航学习 | 地图路线与规则为主 | 开始从车队路线偏好端到端学习 | | 道路细节 | 已具备基础识别能力 | 加强坑洞、碎片、积水和小动物检测 | | 特殊配件 | 可能限制部分功能 | 增加自行车架模式 | | 推送状态 | 已有较大规模用户基础 | 目前先向美国 EAP 用户推送 |
此前已有第三方测试显示,FSD v14.3.4 在特定假人横穿测试中的响应时间约为 0.45 秒,较部分旧硬件和精简版本明显缩短。不过单一封闭测试不能代表全部真实道路表现,也不能直接证明 v15 的 25 倍提升。(ithome.com)
最需要观察的,是 25 倍能否变成“每英里少接管多少次”
FSD v15 目前最缺少的不是功能列表,而是可验证的指标定义。 特斯拉需要进一步回答:25 倍是相对 v14.3、v14 初版还是内部基线?测试是在仿真环境、封闭道路还是用户车队中完成?所谓安全关键场景包含哪些事件?不同天气、道路类型和硬件平台的结果是否一致?
这些问题不是抬杠,而是自动驾驶安全数据的基本前提。高速公路、城市街道和停车场的事故风险差异极大;晴天与低能见度天气也不能混为一谈。如果只公布一个整体倍数,外界无法判断改进到底来自模型真正解决了长尾风险,还是测试场景、样本分布和指标口径发生了变化。
监管背景也让此次升级承受更高的验证压力。美国监管机构近年来持续关注 FSD 在低能见度、交通信号和错误行驶方向等场景中的表现,而特斯拉官方仍明确要求驾驶员持续监督系统。因此,v15 的首批 EAP 推送更像大规模验证的起点,不是自动驾驶问题的终点。(static.nhtsa.gov)
OpenAI Hub 观点
FSD v15 是一次值得重视的系统级更新,但“25 倍”现在只能视为特斯拉内部指标,不能视为经过独立验证的安全结论。
它最有价值的地方,可能并不是那个最醒目的宣传数字,而是三个更具体的变化:共享视觉编码器开始吸收更通用的视频知识,导航逐步从固定规则转向车队行为学习,Reality View 则尝试把黑盒模型的驾驶意图展示给用户。
如果这三条路线能够稳定落地,FSD 的进步就不只是“更少犯错”,而是开始形成一套更完整的机器驾驶体验:看得更广、预判更早、路线更像人类,同时让车内用户更清楚系统正在做什么。
但特斯拉过去多次在新版本发布前使用“接近或超过人类驾驶”的激进表述,最终落地通常仍是渐进式改善。对 v15 最合理的态度不是否定,也不是仅凭 25 倍就宣布质变,而是等待更大范围推送后的接管里程、事故数据、复杂场景录像和第三方测试。
真正决定 v15 成色的,不是新界面看起来有多像未来,也不是模型参数是否变大,而是用户在雨夜、学校区域、施工道路和突然横穿场景中,是否真的可以少踩一次刹车、少打一次方向盘。
参考来源
- IT之家:特斯拉海外推出 FSD v15,安全关键场景处理能力提升 25 倍 — FSD v15 首批推送、Reality View 与道路体验升级信息。
- IT之家:FSD v15 将提升主动避险能力 — 特斯拉此前对更早危险预测、更快反应和架构升级的预告。
- IT之家:FSD v14.3.4 行人突发响应测试 — 第三方特定场景响应时间与硬件版本对比。
- Reddit:FSD v15 完整版本说明讨论 — 社区整理的版本说明,用于补充视觉编码器、导航、停车及速度摄像头功能细节,属于二手信息。



