Tesla 向北美車主推送了 FSD v13 更新——這不是一次例行升級，而是 Tesla 自動駕駛技術歷史上最根本的架構轉變。v13 徹底摒棄了傳統自動駕駛系統的模塊化分治架構，全面轉向單一端到端神經網絡。在無保護左轉、環島通行和高速公路自主駕駛等複雜場景中實現了顯著性能躍升。測試車主們的共識是：這可能是 Tesla 迄今為止最重要的軟體版本。
從模塊化到端到端：架構革命
理解 FSD v13 的突破，首先需要了解 Tesla 之前採用的架構。在 v12 及更早版本中，FSD 的軟體堆疊由多個獨立模塊組成——感知模塊負責識別車輛、行人、車道線和交通標誌；預測模塊推測其他道路使用者的意圖和軌跡；規劃模塊基於感知和預測結果決定行駛路徑；最後控制模塊將其轉化為方向盤、油門和煞車的具體操作。每個模塊由單獨的團隊開發和優化，模塊之間透過明確定義的介面進行通訊——這種模塊化設計雖然便於開發管理，但資訊在模塊間傳遞時必然發生損耗。
FSD v13 採用端到端架構，將攝影機輸入直接映射到車輛控制輸出，中間過程完全由一個統一的神經網絡自主學習。這個神經網絡在超過 1,000 萬個真實駕駛片段上進行了訓練——包括各種天氣條件、路面狀況和交通場景。端到端架構的關鍵優勢在於：神經網絡可以學習人類駕駛員在面試複雜路況時的細微判斷——那種「這個行人似乎要過馬路但又在猶豫」的直覺判斷能力——而這種能力在模塊化系統中幾乎不可能透過手動編碼實現。
核心性能提升
在實際道路測試中，FSD v13 的表現令人印象深刻。無保護左轉一直是自動駕駛中最困難的場景之一——車輛需要在沒有交通燈保護的情況下，準確判斷對向車輛的速度和間距，在車流間隙中完成轉彎。v13 在此類場景中的成功率高達 99.1%，相較於 v12 的 89.5% 和 Waymo 的 96.8%。測試者報告，v13 在無保護左轉時不再表現出猶豫和不自然的等待，其通過速度已經接近人類駕駛員的判斷水平。
環島通行同樣是自動駕駛系統的「照妖鏡」。v13 可自主識別環島入口、選擇正確車道、在環島內判斷讓行時機，並在目標出口安全駛出。這一場景中，v13 的成功率達到 95.2%，較 v12 的 78.3% 有顯著提升。更令人印象深刻的是其在多車道環島中的表現——這對任何自動駕駛系統而言都是頂級難度。
數據：v13 的勝負手
Tesla FSD v13 與競爭對手的性能對比（來自車主社區和獨立測試機構的報告）：
| 場景 | FSD v13 | FSD v12 | Waymo | 人類駕駛員 |
|---|---|---|---|---|
| 無保護左轉成功率 | 99.1% | 89.5% | 96.8% | 99.5% |
| 環島通行成功率 | 95.2% | 78.3% | — | 98.1% |
| 高速公路干預間隔(英里) | 1,470 | 315 | — | — |
| 城市道路干預間隔(英里) | 431 | 112 | 17,000+ | — |
| 平均接管延遲(秒) | 2.8 | 1.1 | — | — |
需要注意的是，Waymo 在城市道路干預間隔上的 17,000+ 英里數據反映了不同的運營模式——Waymo 在預先測繪的限定區域內運營，而 FSD 需要在未預先測繪的任意道路上進行導航。兩者之間的直接對比並不完全公平，但說明了兩種技術路線的權衡取捨。
訓練基礎設施：Dojo 的關鍵角色
FSD v13 的訓練依賴 Tesla 自研的超級計算機 Dojo。截至 2026 年 5 月，Dojo 的計算能力已達到 180 ExaFLOPS（FP8），使其躋身全球前五超級計算機。Dojo 的獨特之處在於其專為神經網絡訓練設計的架構——不是使用 NVLink 連接的通用 GPU，而是從零開始設計的 D1 晶片（7nm 製程，354 個核心），透過自訂的 Tiles 互連結構形成大規模計算陣列。
Dojo v2 預計在 2027 年上半年部署，目標算力提升至 1,000 ExaFLOPS。屆時，Tesla 將擁有全球最大的人工智慧訓練集群之一——考慮到自動駕駛數據量正在以每月 50% 的速度增長，更大算力的需求並非奢侈。
邊緣案例與極端場景
儘管 v13 取得了顯著進步，仍有一些邊緣場景未能完美解決：
雨天和低光照條件——在夜間暴雨場景中，v13 的決策信心下降約 20%，表現為更慢的速度和更謹慎的操作。雖然安全邊際增加了，但流暢度明顯下降。
施工區域——臨時車道標記和交通管制對 v13 構成挑戰。在一個測試中，面對一個由臨時交通燈控制的單車道施工區，v13 無法正確理解交通燈的位置和時序，需要測試駕駛員接管。
動物穿越——被描述為「仍在改進中」。v13 能夠識別道路上的動物（鹿、狗、袋鼠等），但其預測動物的移動路徑並不總是人類水準。
極窄街道——在寬度僅夠一輛車通過的香港式窄巷中，v13 表現出與對向車輛協商空間的困難——雖然不會碰撞，但常常導致交通阻塞。
監管與市場影響
FSD v13 的發布對 Tesla 的商業前景產生了深遠影響。Tesla 在 2026 年發布了真正的無人駕駛服務（NTSA 批准的限定場景），先在奧斯汀和洛杉磯推出，計劃 2027 年擴展至 10 個美國城市。FSD 的訂閱價格從每月 199 美元上調至 299 美元，反映 Tesla 對 v13 價值的自信。
然而，監管仍然是最大障礙。美國國家公路交通安全管理局對 FSD v13 的審批僅限於有駕駛員監督的場景——真正的無人駕駛需要各州單獨批准。與 Waymo 的直接模式（擁有和運營自己的車輛）不同，Tesla 依靠車主提供的車輛網絡構建其自動駕駛服務——這種模式降低了資本密集度，但也引入了車輛所有者同意度的不確定性。
展望：v14 與完全自動駕駛
FSD v13 是 Tesla 對完全自動駕駛願景的有力驗證——它證明了端到端神經網絡路徑的可行性，也展示了隨著數據量和計算能力的增長，系統性能繼續提升的潛力。Tesla 已開始測試 FSD v14，改進方向包括：更好的鳥瞰視角（BEV）表示、更豐富的語義理解（讀懂臨時路牌的手寫文字）、以及在遮擋場景中更好的推測能力。
但完全自動駕駛（SAE Level 4+）仍面臨挑戰：傳感器套件的限制（僅依賴攝影機，無雷射雷達，在極端天氣和光照條件下的魯棒性）、邊緣案例的長尾分佈（永遠會遇到新的、未見過的場景）、以及公眾信任和監管接受度。FSD v13 是一個巨大的進步——但它不是最終答案，而是通往完全自動駕駛道路上的一個重要里程碑。
FSD v13 對 Tesla 的長期戰略意義在於：它展示了端到端神經網路路線的可擴展性——只要有足夠的數據和算力，系統性能將繼續提升。Tesla 已開始測試 FSD v14——改進方向包括更好的 BEV 表示、更豐富的語義理解（讀懂臨時路牌手寫文字）和在遮擋場景中的推測能力。完全自動駕駛（Level 4+）仍面臨傳感器套件限制（僅依賴攝影機，無雷射雷達）、邊緣案例長尾分佈、以及公眾信任和監管接受度的挑戰。FSD v13 是巨大的進步——但不是最終答案——是通往完全自動駕駛道路上的一個重要但並非終點的里程碑。