特斯拉 FSD 的训练分为两个阶段：模仿学习 + 强化学习。

特斯拉 FSD 的训练分为两个阶段：模仿学习 + 强化学习。

先用海量人类驾驶数据训练模型，让它学会“像人一样开车”。但仅靠模仿，模型很难超越人类，因为训练数据的质量有上限。

这时候就需要强化学习登场。

强化学习的核心是：在模拟器里让模型疯狂试错。

模型会生成大量不同驾驶轨迹（刹车、转向、变道等），每条轨迹都会被打分。安全、流畅的轨迹得分高，不安全或犹豫的轨迹得分低。

经过数百万次迭代，模型会逐渐内化“更好的驾驶方式”，而不是单纯复制人类。

FSD 14 的模型参数量是 13 版本的 10 倍，还引入了专家混合（MoE）架构，让模型在车端也能高效运行。

强化学习阶段有效弥补了真实世界数据无法覆盖的极端场景，让 FSD 在复杂情况下比大多数人类驾驶员更稳定、更果断。

一人公司做 AI Agent 能融到 2.5 亿刀，FSD 用强化学习跑出超越人类的驾驶，这可能是 AI 时代的共同特征。