---
id: "mb-20261102-851f7e"
kind: "deep"
title: "每小时狂飙 180 万英里：特斯拉 FSD 十个月吞下百亿里程的工程真相"
description: "特斯拉 FSD 累计行驶里程逼近 170 亿英里，近 10 个月内激增 100 亿英里，且超 67 亿英里发生在复杂的城市街道。庞大里程暴涨的背后，端到端大模型彻底替代了人工手写规则，配合车队影子模式与异常触发机制，以每小时 180 万英里的速度精准收割真实世界的长尾极端路况。"
domain: "ai"
domain_label: "AI 与大模型"
canonical_url: "https://mubeitech.com/deep/mb-20261102-851f7e"
markdown_url: "https://mubeitech.com/deep/mb-20261102-851f7e/markdown"
json_url: "https://mubeitech.com/api/interpretations/mb-20261102-851f7e"
topic: "每小时狂飙 180 万英里：特斯拉 FSD 十个月吞下百亿里程的工程真相"
source_type: "generated"
status: "published"
generated_at: "2026-11-02 21:38:18"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 每小时狂飙 180 万英里：特斯拉 FSD 十个月吞下百亿里程的工程真相

特斯拉的自动驾驶系统，现在每过一个小时，就能在路上跑出 180 万英里。

这是一个什么概念？
一个普通美国人开一辈子的车，总里程大概是五六十万英里。
等于说，时钟每走过一圈，这套算法就把三四个普通人一辈子的驾驶经验，全跑了一遍。
一天 24 小时跑下来，就是 4300 多万英里，足够绕地球赤道开 1700 圈。

很多人可能还没意识到这个加速度有多夸张。
2020 年底特斯拉刚推出测试版的时候，跑出第一个 10 亿英里，用了整整三年半的时间。
到了 2025 年 12 月底，它的全车队累计里程到了 70 亿英里。
然后，整条增长曲线直接立了起来。
今年 5 月破 100 亿，8 月破 130 亿，9 月底破 150 亿。
到了今天，特斯拉官网实时计数器上的数字，已经跳到了 169.7 亿英里。
眼看着这周就要越过 170 亿英里大关。

算下来，在短短大约 10 个月里，它硬生生吃掉了 100 亿英里的真实路况。
过去要攒几年的数据，现在每隔二十几天，就能凭空多出 10 亿英里。

为什么里程突然像脱缰野马一样暴涨？
难道车主们突然都不怕死了，敢天天把方向盘交给算法？
因为底层工程架构被打碎重造了一遍。

在早期的算法版本里，车子怎么开，全靠人类工程师一行行手写规则。
代码库里堆了 30 多万行 C++ 代码。
车子遇到红绿灯怎么停，遇到加塞怎么让，路口怎么减速，全是一条条具体的逻辑判断。
但真实世界的路况太复杂了。
只要遇到工程师没写过的情况，车子就会突然犹豫、急刹或者机械画龙。
车主坐在驾驶位上提心吊胆，动不动就得一脚踩刹车接管。
开得心累，大家自然就不愿意常用。

转折点是特斯拉把那 30 多万行手工规则代码，全部扔进了垃圾桶。
从 V12 开始，整个系统切成了端到端神经网络。
输入端是车身 8 个摄像头的实时视频画面，输出端直接对应方向盘转角、电门和刹车踏板。
中间没有任何人工编写的逻辑规则，全靠神经网络自己从优秀人类司机的驾驶视频里学习。

车子一旦学会了像老司机那样丝滑地变道、减速和微调方向，体验完全不一样了。
车主的平均接管里程拉长了好几倍。
大家坐进车里越来越习惯顺手开启 FSD，让它自己开去上班。
再加上几百万辆搭载计算硬件的量产车已经在路上跑，激活车主呈指数级扩散，里程池子瞬间被彻底冲开了。

但这里接着又出现了一个更大的疑问。
每小时跑出 180 万英里，那得是多少路况视频？
全世界的移动通信网络就算全用上，也不可能把这么多视频实时传回机房。
特斯拉的算力集群怎么可能吃得下？

绝大部分里程，根本不需要上传任何视频。
这套庞大的数据机器，靠两套极巧妙的漏斗在运转：影子模式和触发抓取。

平时你在路上平稳直行，周围什么都没发生，车载芯片处理完就直接把视频扔了。
真正被当成宝贝打包上传的，只有极高信息熵的异常片段。
一种是接管。
系统原本打算往左变道，你突然一把方向盘给拽了回来，或者突然一脚重刹。
车载电脑会立刻认定：这里有模型搞不定的情况。
系统会瞬间把接管前后十几秒的多视角高清视频打包装箱，打上异常标签。

另一种更绝，叫影子模式下的反差捕获。
即便你平时关着自动驾驶自己开，后台的算法其实也在悄悄模拟。
系统每时每刻都在心里演练：如果是自己开，这一把该怎么走。
一旦人类老司机的动作和系统的预判出现严重分歧，系统就会把这段人类的操作当成教科书切片保存下来。

甚至，得克萨斯的工程团队还能向全球车队主动下发寻物启事。
如果模型最近在雨夜辨认倒下的施工锥桶上表现不好，后台就会给所有车下发一个特征抓取指令。
几百万辆车在世界各地跑，谁在前挡风摄像头里看到了雨夜倒下的锥桶，车载芯片就会自动把这几十秒视频存下来。
等车主晚上开回家，连上车库里的无线网络，这些切片才悄悄传回得克萨斯超级工厂的算力中心。

这就解释了特斯拉为什么在计数器上特意把一个分类拉了出来。
这 170 亿英里里面，有超过 67.4 亿英里，是在城市复杂街道上跑出来的。

高速公路上的里程再多，信息密度其实很低。
车道线清清楚楚，大家速度差不多，开几百英里可能连一个突发状况都碰不到。
但城市街道完全是另一回事。
突然窜出来的外卖电动车、临时双排停靠的卸货卡车、被风吹倒的指示牌、挥舞手臂指挥交通的警察。
这里每一英里遇到的信息熵，比高速公路高出几十倍甚至上百倍。

日常平整的路面跑再多也没用。
真正决定一套自动驾驶能不能放手的，全看那些百万分之一概率才会碰到的极端罕见长尾。
你想靠人工在实验室里模拟出一辆运载奇特雕塑的卡车突然掉落物件，几乎是不可能的。
只有当你的车队每小时在真实世界上滚动 180 万英里，这些百年一遇的怪异场景，才会每天几十次、上百次地主动撞进摄像头里。

几十万颗顶级算力芯片组成的超级计算集群，日夜不停地用这些真实碰撞出来的切片重新训练模型。
模型变得更聪明、更像人，敢用的人就更多，跑出来的里程就更长。
而更庞大的里程，又在把隐藏更深的极端场景源源不断地翻出来。

三年前攒 10 亿英里要三年半，现在十个月吞下 100 亿英里。
当物理世界成了唯一的考场，谁手里握着的真实里程计数器转得最快，谁就在用整个星球的路况当饲料。

_Canonical: <https://mubeitech.com/deep/mb-20261102-851f7e> · Source: 墓碑科技 MUBEITECH (mubeitech.com)_
_Rendered by mubei-terminal._