Start typing to search this publication.
BlockWeeks logo BlockWeeks
Open menu
BlockWeeks logo

Subscribe to BlockWeeks

Get new posts delivered straight to your inbox.

特斯拉FSD史诗级升级:Reality View用半个AI4加速器实时生成逼真视频

BlockWeeks avatar BlockWeeks
1 min read

特斯拉全自动驾驶(FSD)的车机屏幕正在告别线框示意画面,转而用AI生成的视频来呈现车外环境。而这段视频,如今只需要占用半个AI4 TRIP加速器的算力。

2026年11月21日,Elon Musk在社交平台发帖重点介绍了这一变化。该功能名为“Reality View”(现实视图),通过神经网络实时渲染车辆周围环境,并且算力开销低于它所取代的旧方案。

从线框图到神经视频

Reality View以纯神经网络生成取代了此前的线框思路,可视化画面直接来自驾驶模型本身,输出效果达到照片级真实感。

最受关注的细节是效率:按马斯克帖子中的说法,这套系统只跑在半个AI4 TRIP加速器上。新方案在提供更好画质的同时,所需的算力反而比旧的线框方案更少。

特斯拉AI负责人Ashok Elluswamy确认了这一改进,并支持“新可视化方案以更低计算成本实现更佳视觉质量”的说法。

AI4是特斯拉自研的自动驾驶计算平台,于2023年推出。它接替HW3代硬件,带来了实质性的硬件提升。该平台采用双冗余系统级芯片(SoC)搭配GDDR6内存,相较HW3可实现约8倍的带宽提升。

冗余设计属于安全考量:两个神经网络处理单元并行运行,一旦其中一个出现问题,另一个仍可维持系统运转。这些单元专为推理打造——即运行已训练好的模型,而非训练模型本身。

“TRIP”这个名字还带着一段学术渊源。2024年在计算机视觉顶级会议CVPR上发表的一篇论文,曾用同一缩写研究图像到视频扩散模型中的时序残差学习(temporal residual learning)。据悉,其效率原则影响了特斯拉在车端实时推理上的技术路线。

通俗地说,时序残差学习是指模型只关注视频帧之间发生的变化,而不是把每一帧从头重画一遍。如果前方道路与几分之一秒前相比几乎没有变化,就没有必要重新计算整个场景。

屏幕不只是屏幕

由于Reality View直接由驱动车辆的神经网络生成,它实际上成了观察系统如何理解道路的一扇窗口。照片级重建意味着模型内部对周围环境拥有一幅丰富的图景,而不只是一份被检测物体的清单。

这也反映出特斯拉更宏观的工程策略:自研芯片、自研神经网络,再让两者彼此适配调优。能在半个加速器上运行生成式视频,正是这种紧密协同所要产出的结果。

对特斯拉而言,效率提升才是真正的收获。生成式视频向来以“吃算力”著称,而把实时版本压缩进车端计算平台的一小部分,是完全不同量级的工程难题。

这对已经在路上跑的AI4车队意义不小:如果特斯拉能持续通过更好的模型挖掘算力节省空间,旧硬件就能保持更长时间的生命力。

接下来值得观察的有几点:其一,Reality View会在多大范围的AI4车辆上推送;其二,释放出来的算力是否会转化为可感知的驾驶性能提升;其三,特斯拉是否会把同样的效率技巧用到自动驾驶技术栈的其他环节。

Subscribe to BlockWeeks