Grok和FSD在底层实现了打通, 这引发了一场交互革命, 这场革命是从“驾驶辅助”转变为“AI司机”的。
特斯拉高管Ashok Elluswamy, 近日于社交平台确认, 公司当下正在开展Grok AI语音助手跟FSD智驾系统的深度集成功能之开发工作。这所蕴含的意义在于, 车主届时会拥有这样的能力, 即能够借助自然语言, 直接朝着FSD发出驾驶指令, 像要求车辆驶入特定车道, 或者调整路线, 甚至于精准地描述泊车需求。而这事儿呢, 属于特斯拉首次把座舱AI跟自动驾驶决策链路进行底层打通的情况。
在硬件层面, 当下FSD（监督版）依靠AI4（HW4）硬件平台, 它每毫秒能处理超越100万像素的视觉数据, 由8颗摄像头构建成360度感知体系。语音指令的接入并未改变这套纯视觉传感器方案, 而是把Grok大模型当作新的输入模态, 使其与端到端神经网络协同开展工作。和此前仅支持导航类语音指令有差别，此次升级的关键之处在于语音会直接对FSD的决策链路产生作用。
从软件架构方面来看, 特斯拉的端到端神经网络, 是借助全球超过900万辆车队, 以及累计170亿公里行驶数据来进行训练的。Grok的接入呢, 就如同在感知 - 决策 - 执行的闭环里, 新增加了一个“自然语言理解”模块。马斯克之前有向外透露, 该功能大概需要三个月左右的时间上线, 预计会在2026年秋季通过OTA进行分批推送。这样的一个时间表, 意味着特斯拉正在加快推进座舱AI与智驾AI的融合。
关于功能边界, 此次升级会明显提高低速情景里的交互效率。车主能够实时口头说出像“导航去五金店, 到店之后倒进门店门口的车位”这般精确的指令, 车辆就会自行完成从路径规划直至泊车执行的整个流程。这跟特斯拉早前推出的“无目的地自动驾驶”功能构成互补, FSD 在并未设定导航之时也可以自行行驶, 语音指令使得驾驶意图的表达更为自然。
回应称“正在处理中”的, 是特斯拉AI与自动驾驶负责人Ashok Elluswamy, 这确认了功能开发已进入实质阶段。从行业视角看, 与华为乾崑智驾的WEWA2.0架构中, “DrivingAgent”模块思路相似的是, 均试图将AI智能体引入驾驶决策的这一技术路线。但特斯拉独特之处在于, 并非独立指令解析层, 而是其语音交互直接作用于FSD的端到端模型。
同华为ADS、小鹏XNGP等国内主要方案相比较而言, 特斯拉的纯视觉加上端到端路线, 在语音交互方面有着天然的优势, 那就是无需去处理激光雷达等多传感器融合的数据, 指令链路更为短。然而挑战也是非常显著的, 自然语言理解在开放道路场景当中存在着歧义性, 这就要求端到端模型具备更强的语义泛化能力。当下行业普遍都在探索“舱驾一体”架构, 特斯拉的这一举措或许会加速这一趋势。
从供应链这个角度来进行观察, Grok跟FSD的集成, 它是依赖于xAI所提供的底层大模型能力的。马斯克在近期要求特斯拉员工要尽可能地去使用Grok, 与此同时还明确了Grok 4.5的Token成本是低于竞争对手的。这也就意味着特斯拉在智驾AI的算力成本控制方面正在构建垂直整合优势, 进而跟英伟达占据主导地位的芯片方案形成差异化竞争。
仍然存在不少有待解决的问题, 语音指令在高速场景下的安全冗余究竟该如何进行设计? 端到端模型对于模糊指令的拒识率能不能够满足车规级的要求? 还有该功能在全球不同市场的合规适配进度情况。特斯拉宣称, FSD（监督版）的重大碰撞事故率仅仅是美国平均水平的1/8, 然而语音交互被引入之后, 安全验证的复杂度将会大幅度地提升。
自触控至语音, 自“辅助驾驶”至“AI司机”, 特斯拉正尝试借自然语言交互来以全新方式界定用户跟智驾系统的关系。Grok与FSD在底层实现打通, 实际上是把端到端模型的输入模态由单纯视觉拓宽至多模态, 这说不定会变成迈向L4级自动驾驶的关键一步。
还木有评论哦，快来抢沙发吧~