1. 这个画面有点游戏唯美感是怎么回事？特斯拉在法国的测试，195000公里全自动驾驶(监督下)，其中超过60%在城市和乡村道路上进行-且无显著事故。而且，在过去的7月份，特斯拉在法国的注册量增长了86%(历史上第二好的7月份)，在丹麦从2025年7月起增长了52%。如果FSD能全面落地欧洲的话，应该是个不错的增量。#特斯拉##大v聊车#

新浪微博 2026-08-04 00:00:00

2. 我粉丝粘度非常的高，有一些人追我的微博像是连续剧，所以都知道我为什么最终选择了特斯拉。我当时的选择有2个第二个是特斯拉，原因是它三电最好，它新款刚发售补足不少短板，它电控表现的确是当下最好的那一批。这些都是一般般的原因，最主要的原因是他的FSD当时在北美已经获批，的确表现非常的优异。第一个选择，我相信大家也都知道咋回事，我也跟着看了发布会，随后就出现了一点小矛盾，最终我考虑来去，因为舆论原因，我决定放弃第一选择。

新浪微博 2026-08-05 00:00:00

3. 特斯拉AI负责人Ashok没讲的FSD V14细节，这支视频全有，建议先收藏、点赞。视频：CVPR 2026 DriveX 研讨会 Keynote 7演讲者：Phil Duan（特斯拉 AI 工程总监）时长：约 30 分钟（20 分钟演讲 + 10 分钟现场问答）主题：基于基础模型（Foundation Model）的大规模自动驾驶演讲者是谁？Phil Duan，特斯拉 AI 工程总监。领导了 Robotaxi 发布和 FSD V14 的 AI 开发，此前共同主导 FSD V12、V13，早期负责数据和感知团队，并参与构建 "全球最大的物理 AI 数据引擎"。是目前特斯拉智驾的核心人物之一。核心观点（正文 20 分钟）1. 特斯拉现状：纯视觉、Robotaxi 已实际运营整车只有 8 个摄像头，算力在车内，不需要激光雷达或外部基础设施手动驾驶特斯拉安全性约为美国平均水平 3 倍，开启 FSD 再翻一倍Robotaxi 已实际运营：达拉斯和休斯顿已有几十辆无人驾驶出租车在跑，车内无司机、无人监督，通过App叫车即可使用Cybercab（双座、无方向盘无踏板）即将量产，每英里成本极低，宣称低于公共交通2. 为什么从模块化转向端到端V12 之前是传统模块化：感知、定位、预测、规划各团队独立开发 ——被明确判定为错误路线。三个原因：① 人类驾驶决策无法靠代码编写（边缘场景、长尾事件太多，有时要 "违规" 才能通过）；② 感知→预测→规划之间的接口定义不清，感知模型更好不等于最终结果更好；③ 端到端单一大网络延迟高度确定（36 FPS 输入，光子进网络直接出动作）明确立场：站在 "苦涩的教训" 一边—— 不把人类知识写进系统，只堆算力、模型和数据3. 视频基础模型架构本质是 "视频进、动作出"的单一函数，与 LLM 的" 语言进、语言出 " 同构与 LLM 的本质差异：世界实时变化、决策有非零延迟、其他交通参与者充满不确定性对抗性场景（车辆做出不可预测甚至恶意的行为）也要考虑进来并 "烘入模型"训练时用大量代理任务（分割、几何、人体网格、人物追踪）帮助梯度流动；测试时只执行动作数据来源不止车队：加入互联网数据（推理与泛化）和 Optimus 室内数据（理解椅子等普通物体）4. 数据与算力规模700 万辆车在路，每天累计约 500 年驾驶时长单日训练集超 120 年驾驶时长、100+ PB 数据FSD 累计里程刚突破 100 亿英里（V12 后指数增长）算力接近 30 万 H100 等效，刻意维持小团队："行业里每名工程师最高的 GPU 资源"5. 核心训练难题（公开少见的技术细节）维度灾难：输入是 36Hz×8 摄像头的巨大空间，输出只有 2 个自由度（转向 + 速度）—— 直接训练极不稳定输入压缩：朴素地把像素 tokenize 会产生 "数十亿个 token，显然行不通"，必须用极其复杂的方法把视频压缩到可管理的上下文因果学习：从数百万像素里找出真正的因果关系（识别 "可左转" 与 "背景无关标志"）极其困难，代理任务就是为此存在。6. 现场问答为什么不用 VLA？轨迹是否做碰撞后处理？3D 任务真值如何设定？数据如何筛选？本视频为搬运汉化，仅供学习交流，版权归所有方，如侵删。电动知士大雨的微博视频

新浪微博 2026-08-08 00:00:00

4. ads5.0漫游一镜到底来咯🏃昨天，和一位资深的ads玩家 @执着的林森玩了一把ads5.0新增的漫游模式除了中途相机断电了半分钟左右，全程1小时一镜到底，全程0接管约前40分钟全程无干预，剩下约20分钟加入了干预玩法，不错，两种都好玩……#全新问界M9# #ads5.0漫游模式刘智驾的微博视频

新浪微博 2026-08-04 00:00:00

5. FSD 模型有没有安全兜底？特斯拉的 Robotaxi 有没有安全兜底？有个人提了这个问题，特斯拉 AI 工程总监段鹏飞的回复确认没有兜底，全部内化在了模型中：我们在训练过程中通过强化学习（RL）将碰撞检测机制嵌入其中。本质上，碰撞检测充当了一种可验证的奖励信号，因此在训练阶段处理起来相当直接。在测试和部署阶段，我们主要依赖这一机制，并且显然会经过非常严苛彻底的验证来确保绝对安全。---模型直出，没有兜底的 Robotaxi...

新浪微博 2026-08-07 00:00:00

6. 汽车经纬网 | L3、L4级自动驾驶"强标"明年7月实施哪些玩家率先获得了入场券？

微信公众号 2026-08-09 00:00:00

7. 主板烧到96℃能煎蛋，特斯拉老车主破大防：别更FSD V14 Lite

微信公众号 2026-08-04 00:00:00

8. 我国首部L3/L4自动驾驶系统安全要求强制性国标正式发布

微信公众号 2026-08-06 00:00:00

9. #自动驾驶国标发布#工信部发布《智能网联汽车自动驾驶系统安全要求》（GB 44721—2026），将于 2027 年 7 月 1 日正式实施。这也是我国首部面向 L3、L4 自动驾驶系统的强制性国家标准。与此前推荐性标准不同，这次升级为强制标准后，适用于搭载 L3、L4 自动驾驶系统的乘用车和商用车。标准不仅规定自动驾驶系统的技术要求，更建立了完整的安全验证和测试体系，要求车企证明系统在各种场景下的安全性。对行业来说，这意味着自动驾驶开始进入更加规范的发展阶段。未来比拼的不只是功能体验，更是谁能够通过更严格的安全验证，把 L3、L4 真正做到安全、可靠地量产落地。

新浪微博 2026-08-04 00:00:00

10. Tesla FSD软硬件反应时间对比测试：HW4比HW3旧软件快57.8%，v14 Lite升级效果显著一位YouTuber对三辆特斯拉进行反应时间测试，测试条件为以23英里/小时行驶时模拟行人横穿马路。结果显示，配备HW4硬件和FSD v14.3.4的车辆反应时间为0.450秒；HW3搭配v14 Lite时为0.675秒；HW3搭配v12.6.4时为1.065秒。HW4相比HW3旧软件快57.8%，v14 Lite软件升级相比旧版本快36.6%，表明硬件和软件协同优化是提升安全性能的关键。

新浪微博 2026-08-08 00:00:00

11. 8月5日，工信部正式发布《智能网联汽车自动驾驶系统安全要求》强制性国家标准，确定将于2027年7月1日正式施行。新规明确车企需要建立贯穿设计、生产、售后全周期的安全管控体系，自动驾驶综合能力不得低于熟练驾驶员水准。针对L3级有条件自动驾驶，硬性增设驾驶员接管状态监测功能，要求车企清晰标注智驾使用范围与功能局限，规避不当操作引发的道路风险。业内分析，该项国标补齐高阶自动驾驶的合规短板，结束行业野蛮测试阶段，将加速L3车型规模化量产落地，倒逼车企完善算法、仿真测试整套安全架构。#汽车资讯#

新浪微博 2026-08-05 00:00:00

12. 8月3日，特斯拉数据显示，FSD监督版累计行驶里程突破130亿英里，其中城市道路突破50亿英里。此前马斯克曾表示，当FSD累计达到100亿英里数据规模后，将迎来关键拐点。如今，不少用户测试显示，FSD已能完成数万公里几乎零接管驾驶，特斯拉Robotaxi运营也保持无重大安全事故记录。这意味着，特斯拉距离真正无人驾驶可能只剩监管批准。未来一旦全球法规放行，人类或将正式进入自动驾驶时代。