新智元报道

编辑：桃子 好困

【新智元导读】马斯克的终极设想，正在成形。今天，特斯拉放出了「世界模拟器」震撼演示。一个神经网络，每天狂吞500年人类驾驶经验，并在无限的虚拟世界中自我进化。同款AI大脑，擎天柱也可共用。

一个神经网络模型，统治了一切。

今天，特斯拉官宣神经网络「世界模型器」，AI可以直接模拟、合成自动驾驶的「孪生世界」。

如下九宫格演示中，特斯拉「世界模拟器」生成了汽车行驶过程中的不同视角。

同时，一些长尾场景，诸如行人横穿马路、车辆加塞，AI都可以直接「脑补」生成。

从相同的初始视频出发，让模拟中的汽车以对抗性方式形式

以往遇到的挑战场景，「世界模拟器」能够在虚拟世界中不断试炼。

从相同的初始视频片段（绿色小方块）开始，模拟会根据新的动作集发散到不同状态

这种数据的合成，还可以通过像玩游戏一样，在模拟的世界中驾驶。

如下所示，神经网络成功合成8个摄像头、24帧/秒的连续画面，一次直出长达6分钟的逼真驾驶体验，细节还原度惊人。

通过调配算力，同一模型即可实时模拟世界

一直以来，马斯克宣称，特斯拉所打造「世界模型」是一套共用的AI大脑，并为其配上不同的「身体」——自动驾驶汽车、机器人。

没错，这个「世界模拟器」所有合成的环境，同样可以模拟多种真实场景，训练擎天柱。

擎天柱正在特斯拉的神经网络虚拟世界中穿行

擎天柱的各种不同动作，都能精准地反映在虚拟世界的模拟当中

这种无限的绝佳试炼场，正是特斯拉让FSD和擎天柱，不断精进的秘密武器。

那么，特斯拉「世界模拟器」是如何学习、训练，并用于测试的呢？

近来，在ICCV 2025主题演讲中，特斯拉AI团队的负责人Ashok Elluswamy揭开了内幕。

一个神经网络大脑，两个身体

众所周知，特斯拉利用一个「端到端」的神经网络来实现自动驾驶。

这个端到端网络处理来自多个摄像头、车辆速度等运动学信号、音频、地图及导航信息，最终生成控制车辆行驶的指令。

选择「端到端」这条技术路线，意味着什么？

要理解特斯拉在做什么，我们首先得知道，自动驾驶领域存在着两条截然不同的技术路线。

第一条路，也是绝大多数公司选择的路，可以称之为「模块化」的方法。这种方法将驾驶任务拆解成几个独立的步骤：

• 感知（Perception）：利用激光雷达、高清摄像头等传感器，识别出道路上的所有物体——这是车，那是人，这是一条车道线。

• 预测（Prediction）：利用感知数据，预测这些物体的下一步动向——那辆车可能会变道，那个行人可能会过马路。

• 规划（Planning）：根据预测结果，规划出自己车辆的最佳行驶路径——应该减速，还是应该绕行。

这种方式的好处显而易见：分工明确，每个模块都可以独立开发和调试，在项目初期更容易上手。