特斯拉FSD技术面临的挑战与优化路径

6月19日的科技会议上，特斯拉CEO埃隆・马斯克在年度股东大会上讨论了其自动驾驶系统FSD面临的关键技术挑战。马斯克指出，随着FSD技术的不断升级，评估AI模型性能的难度日益增加，因为模型在长时间运行后仅偶尔需要人工介入，这使得对新模型效能的即时评估变得困难。

业内专家Zachary Shahan早在两年前提及过类似的担忧，即特斯拉的FSD系统可能存在的“跷跷板效应”，即在修正旧问题的同时引入新的未知问题，可能阻碍整体性能提升。对此，马斯克分享了特斯拉应对策略的一部分，他们通过多种途径进行测试，如使用仿真测试和所谓的“影子模式”，让部分车辆在不启用FSD的情况下运行，以便对比新模型与用户行为的差异，找出优势与不足。

特斯拉庞大的车队规模为其提供了丰富的测试资源，数百万辆车的数据可以用来分析AI模型的预测结果与实际驾驶行为的契合度，从而确定哪个模型更为优秀。然而，马斯克强调，当前限制并非训练数据，而是如何高效地评估和优化新模型，特别是针对那些复杂路况的场景。为此，他们挑选了数千个美国的复杂路口作为专门的测试区域。

值得注意的是，马斯克透露目前特斯拉的自动驾驶硬件Hardware 4还未完全激发其潜力，特斯拉计划在今年晚些时候进行硬件升级，这将进一步助力解决上述挑战。总的来说，解决FSD模型的动态平衡问题以及持续优化，对于特斯拉实现全自动驾驶愿景，尤其是无人驾驶出租车服务，构成了重大的技术课题。