特斯拉FSD一直被认为是One Model的典范，但深入分析揭示其真实架构远比想象的复杂。它并非单一模型，而是由近200个针对不同场景的小模型精心组合而成。这种工程化的设计思路，既保证了高效运行，也体现了特斯拉解决实际问题的独特路径。
智能速览
特斯拉FSD实为近200个小场景模型的组合，而非One Model。
系统根据场景（如高速、城市）和速度（常规、低速）分配不同模型。
HW4平台模型总尺寸达9.8G，远大于HW3的4.3G，且两者共享135个模型。
36Hz的运行频率和硬件带宽限制，证明了其不可能是单一巨型模型。
特斯拉更擅长工程化，用成熟技术实现丝滑体验，而非追求纯粹的AI大模型。
精华内容
揭开特斯拉FSD的神秘面纱，其背后并非魔法般的单一模型，而是一套精巧的工程组合。这种设计如何实现，又带来了什么？
拆解模型架构
对特斯拉固件的反向分析显示，其架构并非铁板一块。在HW4平台上，系统包含两套模型组合，复杂的一套拥有189个神经网络，另一套则为110个，其中有61个是共享的。这些模型被精细地分配到不同场景，如工厂、高速公路和城市街道，并且每个场景还区分常规与低速两种运行模式。这种模块化、分块化的设计，让系统可以根据需求灵活调用独立或协作运行，而非依赖一个庞大的单一网络处理所有任务。
硬件性能佐证
特斯拉FSD在HW3和HW4平台上的表现，也侧面印证了多模型架构的必要性。HW3的总模型大小约为4.3G，而HW4在v13版本中激增至9.8G。值得注意的是，即使模型体积增大，FSD仍能保持36Hz的运行频率。这在HW3仅有68GB/s带宽的条件下，几乎不可能由一个One Model实现。模型越大，处理图像和输出指令的Token就越多，延迟也越高。因此，采用小模型组合是平衡性能与延迟的必然选择。
超越Agent的类比
虽然这种多模型调度与AI领域的Agent模式有相似之处，但二者存在本质差异。LLM中的Agent通常具备通用推理能力，而FSD的模型更像是“心肝肺脑各司其职”，专注于特定驾驶任务，缺乏通用的、泛化的推理能力。将FSD简单归类为Agent，可能忽略了其在自动驾驶这一垂直领域内的功能特化与工程局限性。
工程化思维胜利
特斯拉的方案本质上是一次工程化的胜利。它并未盲目追求参数量巨大的单一模型，而是选择用成熟、可靠的技术，通过精细化组合实现目标。这种思路与华为等注重工程实现的公司颇为相似。马斯克作为工程师的背景，决定了其方案更注重实际效果与成本。除了模型组合，FSD的丝滑体验还得益于重写的车控操作系统，它极大地降低了从感知到执行的延迟，这是传统燃油车难以企及的优势。
特斯拉FSD的架构揭示了自动驾驶发展的另一条路径：不堆砌算力与模型，而是通过极致的工程化实现高效能。这种务实的选择，或许比纯粹的技术理想主义更能推动技术普惠。这是否会成为未来智能驾驶的另一种主流范式？
