自动驾驶相关 AI 资讯

7月8日

15:14

15:14IT之家（博客/媒体）

特斯拉在新奥尔良启动 Robotaxi 测试，使用多辆挂得州牌照的 Model Y。这批测试车配备后置摄像头清洗装置，这是自动驾驶出租车车型的专属特征。特斯拉目前已在五个城市商业化运营：奥斯汀、旧金山、达拉斯、休斯顿、迈阿密，其中迈阿密刚开放无人驾驶服务。大规模扩张需等待 FSD V15 版本上线，预计今年末或明年初推出，模型参数量提升十倍。

AI产品特斯拉 Robotaxi Model Y

推荐理由：特斯拉Robotaxi又扩城了，新奥尔良的Model Y测试车队已经上路，还装了摄像头清洗装置，离真正的无人驾驶又近一步。

原文

14:47

14:47IT之家（博客/媒体）

特斯拉 Cybercab 无人驾驶出租车将搭载性能更强的 FSD 计算机，其运行内存超过当前 Model 3/Y 使用的 HW4/AI4 系统（标配 32GB）。消息称新硬件内存容量突破 32GB 上限，可能对应 AI4+ 方案（总内存 64GB）或早期 AI5 芯片。更大内存可运行规模更大的自动驾驶神经网络，助力 FSD 系统冲刺完全无人驾驶。该车已具备 SAE L4 级自动驾驶模式，并在奥斯汀进行无方向盘无踏板测试。

AI产品特斯拉 Cybercab FSD

推荐理由：特斯拉给 Cybercab 加了更强芯片，内存超过 32GB，专门跑下一代 FSD 模型。想了解无人出租车硬件的可以看看。

原文

12:37

12:37IT之家（博客/媒体）

自动驾驶公司Momenta于2026年7月8日在港交所主板上市，股票代码6880.HK，发行价295.6港元/股，募集资金约68亿港元。公开发售获414倍超额认购，国际发售获超1000亿港元机构订单，来自15个国家和地区。截至2025年底，搭载Momenta系统的量产车突破100万台，累计定点车型超210款，合作伙伴覆盖全球主流车企。2023至2025年营收从7.43亿元增至24.13亿元，年均复合增长率超80%。

行业 Momenta 自动驾驶港交所

推荐理由：Momenta今天港股上市了，发行价295.6港元，募了68亿，超额认购414倍，搭载他们系统的车已经超过100万台，想了解自动驾驶公司怎么上市的可以看看。

原文

11:51

官方账号arXiv cs.LG@Marwan Lazrag, Badis Hammi, Lorena Gonzalez-Manzano, Joaquin Garcia-Alfaro

该论文研究了投毒攻击对增强3D点云公共数据集在网联自动驾驶汽车中的操作影响。实验使用GAN进行数据增强，发现增强过程无法完全消除投毒样本，后门攻击仍能绕过防护。投毒数据会传播到增强后的数据集，导致点云分类器（例如PointNet）出现误分类。所有工具、数据集和分类器均已公开以支持复现。

论文 3D Point Cloud GAN 投毒攻击

推荐理由：这篇论文用具体实验证明，GAN数据增强挡不住针对自动驾驶3D点云的投毒攻击，后门照样能影响分类器，值得搞AI安全的人看看。

原文

7月7日

18:09

18:09IT之家（博客/媒体）

72°

Momenta 宣布量产业务搭载规模突破 100 万台。已交付超 100 款量产车型，累计定点车型超 210 款。合作品牌包括奔驰、宝马、奥迪、广汽丰田、红旗等。该公司于 6 月底在香港联交所招股，计划全球发行 1993.8 万股。

行业 Momenta 奔驰宝马

推荐理由：Momenta 刚宣布量产车搭载超 100 万台，合作了奔驰、宝马、奥迪等大厂，还上市招股了，自动驾驶圈的大事。

原文

7月6日

11:05

11:05IT之家（博客/媒体）

日本智驾初创 TURING 完成 7900 万美元延展融资，A 轮总额达 1.74 亿美元（约 11.81 亿元人民币）。本轮融资包括三菱日联 3600 万美元信贷额度和 AMD Ventures 等提供的 4300 万美元股权。TURING 已于 2025 年在东京郊区完成首次 30 分钟自动驾驶测试。其计划最早 2028 年推出基于 AMD 芯片的 Robotaxi 软件。目前约 10% 的训练负载已从 NVIDIA 转移到 AMD GPU。

行业 TURING AMD Robotaxi

事件专题

推荐理由：TURING 这家日本公司拿了 AMD 的钱，要搞自己的 Robotaxi 软件，2028 年就想落地。它以前用 NVIDIA 训练，现在开始转 AMD 了。

原文

10:16

官方一手Pandaily@contact@pandaily.com (Pandaily)

73°

理想汽车（Li Auto）推出自研自动驾驶芯片Mach M100，算力达1280 TOPS。该芯片采用动态数据流架构，与英伟达GPU的常规设计不同。生产基于台积电6nm工艺，预计2026年量产。这一架构旨在提升自动驾驶AI的推理效率，降低延迟。

AI模型 Li Auto Mach M100 动态数据流架构

推荐理由：理想汽车不走寻常路，用动态数据流架构自研芯片，1280 TOPS算力对抗英伟达，看看它们怎么在自动驾驶上弯道超车。

原文

7月5日

02:40

官方账号Yann LeCun@ylecun

Yann LeCun在推文中直言，至今没有Level-5自动驾驶汽车，更没有能在几小时练习中学会驾驶的汽车，而普通青少年可以做到。他指出，现有家用机器人无法执行10岁孩子首次被要求完成的任务。他甚至评价，没有机器人比家猫更聪明，因此AGI中的'通用'（General）是荒谬的。

行业 Yann LeCun 自动驾驶 AGI

推荐理由：Yann LeCun又出来泼冷水了，他说现在的自动驾驶和机器人连猫和小孩都比不上，AGI更是扯淡。想看看AI大佬怎么吐槽现状吗？

原文

7月4日

15:23

量子位@量子位的朋友们

光象科技宣布完成数亿元天使轮融资，资金将用于研发物理原生基座模型。该模型旨在提升机器人、自动驾驶等场景的物理世界模拟精度。融资由多家机构联合投资，具体资方未披露。

行业光象科技融资物理原生基座模型

推荐理由：一家新公司拿到数亿元做物理世界的AI模型，看看他们要怎么搞。

原文

7月3日

15:06

官方账号百度 AI Baidu@Baidu_Inc

百度旗下自动驾驶出租车服务Apollo Go在瑞士开启道路测试，扩展了在迪拜的运营区域，并在香港累计行驶里程持续增长。这些进展标志着Apollo Go在全球市场的进一步落地。

AI产品 Apollo Go 百度自动驾驶

推荐理由：百度Apollo Go正在全球扩张：瑞士开跑、迪拜扩大、香港里程增加，自动驾驶出租车出海加速。

原文

12:12

官方账号arXiv cs.LG@Juanwu Lu, Junyu Zhu, Ziran Wang

论文提出可控神经变分代理（CNeVA），通过闭合形式共轭变分更新从逐通道折扣回报推断每个代理的高斯行为潜变量。采用混合通道掩码课程训练整流流轨迹生成器，实现无分类器引导。在Waymo Open Motion数据集上，CNeVA达到竞争性真实感，同时暴露逐通道可控性——这是排名更高的模仿模型所缺乏的。基于速度和加速度的操控产生单调响应，且引入软资格门（soft eligibility gates）后安全性操控显著且单调。实验表明，必须将操控指标与物理合理性护栏结合阅读，以避免奖励黑客混杂。

AI模型 CNeVA Waymo Open Motion Dataset 交通模拟

推荐理由：这篇论文提出了CNeVA，能在Waymo数据集上仿真交通，并且沿速度、加速度等轴直接操控行为，比纯模仿模型多了可控制性，做自动驾驶仿真的可以看看。

原文

7月2日

23:40

23:40IT之家（博客/媒体）

7月2日，小鹏汽车董事长何小鹏在MONA L03发布会后表示，中国智能辅助驾驶在效果和法规制定上均走在全球前列。联合国今年6月发布的ADS GTR法规覆盖L2到L5，其中L2部分将于今年12月生效，这意味着中国当前的L2辅助驾驶可在全球使用。何小鹏曾在两会提议跳过L3，直接发展L4和L5。他坦言两年前不信L4/L5能落地，但受AI推动，现在坚信未来3到5年内可实现L4甚至L5在所有场景的安全通行。

行业小鹏汽车自动驾驶何小鹏

推荐理由：何小鹏抛出了自动驾驶时间表：3到5年见L4/L5，还提到中国L2辅助驾驶年底就能全球用，这个观点挺大胆，值得关注。

原文

17:18

17:18IT之家（博客/媒体）

韩国科学技术信息通信部于7月2日发布全国统一战略，目标跻身物理AI全球领军国家。战略设两大总体目标：掌握全栈技术并推动在制造、农业、国防、养老陪护等领域落地。核心攻关三大底层技术：物理AI基础大模型、世界模型、端侧低延迟计算平台。计划率先在地方制造场景验证自主精密制造系统与智能工厂方案，并搭建跨部委协同体系加速商业化。

行业物理AI 韩国国家战略

推荐理由：韩国政府出手了，正式发布物理AI国家战略，要自研三大底层技术摆脱海外依赖，还在制造和农业等领域全面铺开。

原文

13:54

13:54IT之家（博客/媒体）

伦敦自动驾驶初创公司 Wayve 已获得 28 亿美元（约 190.43 亿元）投资，投资者包括英伟达、奔驰和日产。Wayve 采用端到端机器学习技术，兼容多种传感器和 AI 芯片，不同于特斯拉仅依赖摄像头的方案。该公司已在东京、斯图加特、温哥华建立业务基地，并在全球数百座城市完成测试。其目标是向任何品牌的任何车型授权技术，实现完全自动驾驶。

行业 Wayve 自动驾驶端到端模型

推荐理由：Wayve 拿了 28 亿美元要做自动驾驶界的“安卓”，兼容各种车和传感器，比特斯拉更开放。

原文

7月1日

09:58

官方账号arXiv cs.LG@Amel Bennaceur, Gopi Krishnan Rajbahadur, Prince Mercy, Bashar Nuseibeh, Faeq Alrimawi

该论文提出了REAL（Requirements Engineering for mAchines that Learn - and Fail）框架，用于系统化机器学习系统的需求工程。REAL基于三个原则：将数据、模型和系统的需求交织在一起；利用失败来驱动替代需求的探索；以及迭代且可追溯的需求精化。作者通过自动驾驶案例演示了框架的有效性，并提供了在线复制包。

论文 REAL 需求工程 ML系统

推荐理由：这篇论文提出了REAL框架，专门针对ML系统，用失败驱动对齐，自动驾驶案例很具体。

原文

03:28

官方账号Runway ML@runwayml

Runway AI Summit将于今年9月在旧金山举办，为期一天。峰会汇集机器人、自动驾驶、生命科学、基础设施等行业领袖，探讨AI如何重塑现实世界互动。首批演讲者名单已公布，更多嘉宾待揭晓。活动现开放注册。

行业 Runway AI峰会旧金山

推荐理由：Runway在旧金山办AI峰会，主题是机器人、自动驾驶这些硬核领域，对AI落地感兴趣可以去听听。

原文

6月30日

12:23

官方账号arXiv cs.AI@Cheng Gong, Haoyang Wang, Chao Lu, Zirui Li, Jianwei Gong

这篇论文提出 Rollout-Retrieval Lifelong Policy Learning（R^2LPL）框架，让预训练的自动驾驶策略能从自身闭环错误中持续学习。R^2LPL 通过回滚可恢复的错误状态并检索可行修正目标，将稀疏的失败证据转化为紧凑的监督信号。在大型闭环 nuPlan 基准上，经过少量轮次的 rollout 和终身学习迭代，R^2LPL 将中等初始性能的学习型规划器提升至 SOTA 水平，尤其在具有挑战性的 Test14-hard 分集上表现突出。该方法证明了将可恢复闭环错误转化为修正知识用于持续策略改进的有效性。

论文 R^2LPL nuPlan 自动驾驶

推荐理由：这篇论文教你用 R^2LPL 让自动驾驶策略从自己的错误里学，在 nuPlan 上跑分直接刷到 SOTA。

原文

6月29日

18:36

18:36IT之家（博客/媒体）

72°

特斯拉今日开始向搭载 HW3 硬件的约 400 万辆车推送 FSD V14 Lite，该版本基于 HW4 的 V14 版本进行轻量化适配。升级包含强化学习算法与离线预测模型，优化导航变道、红绿灯识别等场景。马斯克和副总裁阿肖克·埃卢斯瓦米确认，HW3 硬件因内存带宽仅为 HW4 八分之一，无法实现无监督 FSD。特斯拉提供折价置换新车或付费改装 HW4 硬件两种方案。

AI产品特斯拉 FSD V14 Lite HW3

推荐理由：老车主等到了，特斯拉给 HW3 车推送 FSD V14 Lite，功能基本跟 HW4 版一样，就是得手握方向盘。

原文

17:03

17:03IT之家（博客/媒体）

小鹏集团正式发布X-Mind技术框架，通过内嵌预测性世界模型，将12帧未来世界推演压缩至仅96个Token。相比传统VLA模型，X-Mind在复杂长尾场景下轨迹预测误差（ADE）显著降低。该框架通过深度压缩自编码器（DC-AE）和循环块扩散机制，在车规级芯片上实现低推理延迟。小鹏宣称X-Mind赋予自动驾驶“预见未来”的能力，可实现防御性驾驶。

AI模型 X-Mind 小鹏自动驾驶

推荐理由：小鹏在自动驾驶上搞了一个新招：X-Mind能用96个Token推演未来12帧，比传统模型更准更快，还能跑在车规芯片上。

原文

00:15

techcrunch@Kirsten Korosec

特斯拉FSD系统是本期的核心话题。该新闻专栏聚焦特斯拉全自动驾驶的最新情况。

行业 Tesla FSD 自动驾驶

推荐理由：如果你关注自动驾驶，这篇专栏讲了特斯拉FSD近期最值得关注的点。

原文

6月24日

16:20

官方一手pandaily@contact@pandaily.com (Pandaily)

智谱AI、生数科技、Momenta等清华关联公司正聚焦世界模型，将其视为AI下一前沿。这些公司在视频生成、机器人控制、自动驾驶三个领域探索世界模型架构。世界模型旨在模拟物理世界规律，使AI具备环境理解和因果推理能力。智谱AI已发布GLM-4系列，未来计划将世界模型融入多模态系统。

行业 Zhipu AI Shengshu Tech Momenta

事件专题

推荐理由：清华系三家公司分别在视频、机器人、自动驾驶搞世界模型，这波前沿玩法值得关注

原文

11:37

官方账号arXiv cs.AI@Xiaowei Gao, Pengxiang Li, Yitai Cheng, Ruihan Xu, James Haworth, Stephen Law, Yun Ye

UniDrive是一个统一视觉语言与定位框架，旨在实现自动驾驶中的可解释风险理解。它通过时间推理分支从多帧视觉输入建模场景动态，并通过高分辨率感知分支从最新帧保留细粒度空间细节，两者经门控交叉注意力融合模块集成。基于融合表示，UniDrive联合生成自然语言风险描述和风险对象的边界框输出。在DRAMA-Reasoning基准上，UniDrive在描述和风险对象定位上均优于基于图像和视频的基线，并在小目标定位、零样本泛化至NuScenes和BDD100K方面表现突出，人类评级的可解释性和可信度也更高。

论文 UniDrive 自动驾驶 DRAMA-Reasoning

推荐理由：这个框架把时序推理和高分辨率感知结合起来，在DRAMA-Reasoning上碾压了现有方法，还能零样本泛化到NuScenes和BDD100K，代码也开源了，做自动驾驶可解释性研究的值得一看。

原文

6月23日

15:00

15:00IT之家（博客/媒体）

小米汽车发布自动驾驶征战纽博格林北环赛道纪录片。内部代号MARS的绝密项目完成自动驾驶圈速挑战，成绩10分29秒483。雷军透露纽北官方圈速榜新增“自动驾驶”分类。小米表示赛道锤炼的动态模型和毫秒级救车能力将逐步下放到量产车，提升极端工况安全性。

行业小米 MARS 纽博格林北环

推荐理由：小米自动驾驶在纽北跑出10分29秒，还让纽北官方新增自动驾驶分类，挺有创意的。

原文

09:26

09:26IT之家（博客/媒体）

Momenta 于 6 月 23 日披露港交所聆讯后资料集，将成为“物理 AI 第一股”。2023 年至 2025 年，其营收从 7.43 亿元增长至 24.13 亿元，年均复合增长率超 80%。截至 2025 年底，现金储备超百亿元。公司估值约 90 亿美元（约 610.82 亿元人民币），计划通过 IPO 募资约 10 亿美元（约 67.87 亿元人民币）。

行业 Momenta 港交所自动驾驶

推荐理由：Momenta 要上市了，营收三年翻三倍，估值 90 亿美元，物理 AI 第一股即将登陆港交所。

原文

6月22日

15:12

15:12IT之家（博客/媒体）

小米汽车宣布YU7 GT以10分29秒483的成绩达成全球首个纽北自动驾驶圈速纪录。官方解释挑战纽北是为了在极限工况下锤炼自动驾驶算法，包括动态模型、高频扭矩分配和毫秒级救车能力。这些技术将逐步下放到量产车，提升用户在暴雨、冰雪等极端工况下的行车安全。

AI产品小米YU7 GT 纽北自动驾驶

推荐理由：小米用自动驾驶跑纽北拿了冠军，不是为了炫技，而是为了让你的车更安全。听听官方怎么说的。

原文

15:06

15:06IT之家（博客/媒体）

72°

特斯拉Semi电动重卡在加州森尼韦尔被拍到搭载基准真值校验设备（ground truth validation）。该设备用于监督式算法训练，旨在为8级纯电动重卡完善FSD模型。特斯拉此前在Cybertruck上因摄像头高度异常，FSD功能延迟部署，一周前才推送智能召唤（ASS）功能。Semi的FSD若能落地，将缓解法规对卡车司机驾驶时长的限制，提升物流效率，但技术挑战类似Cybertruck。

AI模型特斯拉 Semi FSD

推荐理由：特斯拉正在给Semi重卡刷FSD，用专业校准设备训练，比乘用车版更难搞，搞定了能解决卡车司机疲劳问题。

原文

6月21日

19:27

19:27IT之家（博客/媒体）

博主透露华为乾崑智驾ADS 5即将推送，鸿蒙智行的几款旗舰车型将优先搭载。该智驾系统于4月23日正式发布，采用面向自动驾驶的AI智能体WEWA 2.0架构。云端引入Multi-Agent博弈技术与在线强化学习机制，车端应用安全风险场技术进行实时安全评估，并通过Driving Agent模块优化出行策略。华为智能汽车解决方案BU CEO靳玉志表示该智驾系统为自动驾驶而来。

AI产品华为 ADS 5 鸿蒙智行

推荐理由：华为ADS 5要推送了，鸿蒙旗舰车型先用，新架构WEWA 2.0带Multi-Agent博弈和强化学习，比之前更智能。

原文

15:12

15:12IT之家（博客/媒体）

马斯克近日在X平台回应称，Grok语音控制特斯拉FSD功能大约三个月后上线。该功能允许用户用自然语言直接设定行驶逻辑，例如“导航去五金店，倒进门口车位”。此前Grok已通过2025假日版本和2026春季更新（系统版2026.14及以上）新增导航语音指令和“嘿Grok”唤醒。Grok与FSD适配后将无需手动打转向灯，通过语音即可操控转向和泊车，尤其优化停车场景。

AI产品 Grok FSD 特斯拉

推荐理由：马斯克说三个月后Grok就能语音开FSD了，以后停车说句话就行，不用手动打转向灯了。

原文

6月19日

10:15

官方账号arXiv cs.AI@Shihao Ji, HongXi Li, Zihui Song, Mingyu Li

Lagrange提出基于掩码潜在场（MLF）的开放词汇稀疏驾驶框架，利用视觉语言模型（VLM）编码类无关目标提议为连续语义视觉标记。通过意图驱动的掩码交叉注意力模块过滤无关实体，将注意力解码为空间坐标上的隐式连续能量场。将决策制定为跨越该能量场的拉格朗日动作最小化问题，强制遵守车辆运动学并执行碰撞避免。在nuScenes和CODA基准上的离线评估显示，该框架实现了鲁棒、可解释且运动学可行的开放世界自主性。

论文 Lagrange 自动驾驶视觉语言模型

推荐理由：自动驾驶新框架Lagrange用掩码潜在场和VLM处理开放世界异常，比密集模型更高效，在nuScenes和CODA上表现不错。

原文

6月18日

23:04

23:04IT之家（博客/媒体）

71°

工信部6月16日就《智能网联汽车自动驾驶系统安全要求》等2项强制性国家标准报批稿公开征求意见，计划2027年7月1日起实施。该标准针对L3和L4自动驾驶系统，从推荐性升级为强制性，要求ADS安全水平至少达到合格且专注驾驶人的水平，并引入Safety Case机制。标准对L3重点关注人机交接，L4则关注系统自身风险处置，车企不能仅靠测试里程等指标宣传。业内认为，这标志着自动驾驶监管从概念松绑转向安全硬约束，将推高车企在冗余系统、算力芯片等方面的投入。

行业自动驾驶 L3 L4

推荐理由：工信部出了个硬标准，L3/L4自动驾驶2027年7月必须达标，车企再也不能随便吹牛了，安全能力才是真功夫。

原文

16:01

16:01IT之家（博客/媒体）

曹操出行在2026国际汽车及供应链博览会（香港）上发布RoboX战略，提出到2030年累计部署10万辆Robotaxi和10万辆Robovan的双十万计划。公司成立AI事业部，启动全面AI转型，并与吉利远程新能源商用车合作推进Robovan规模化。2025年曹操出行总收入202亿元同比增长37.7%，毛利率9.4%同比提升1.3个百分点，截至年底Robotaxi已部署超100辆。

行业曹操出行 Robotaxi Robovan

推荐理由：曹操出行公布了RoboX战略，目标2030年前部署10万辆Robotaxi和10万辆Robovan，还和吉利远程合作搞物流无人车，转型挺猛的。

原文

6月17日

08:59

08:59IT之家（博客/媒体）

Teslarati报道，特斯拉FSD v14.3.4版本存在严重导航问题，包括拐错弯、错过高速出口、给出低效路线、误报限速等。系统将谷歌地图、TomTom等多源数据简单拼接，导致数据冲突。与传统导航软件不同，FSD难以从人工干预中持续学习路线偏好。导航缺陷导致车辆行驶迟疑、频繁人工接管，影响用户信任和自动驾驶商业化进程。

行业特斯拉 FSD 导航

推荐理由：特斯拉FSD开起来挺顺，但导航老是带错路，错过出口拐错弯，车主经常要手动接管，比基础驾驶还烦。

原文

6月16日

10:24

官方账号arXiv cs.LG@Mohamed Manzour, Aditya Kumar, Augusto Luis Ballardini, Miguel Ángel Sotelo

该框架采用因果推断方法进行换道预测，结合专家约束因果发现与Deep End-to-end Causal Inference (DECI) 模型。在车道线跨越事件前3秒内，平均F1分数超过95%。通过干预效应分析区分直接贡献变量与中介效应，并生成对比因果链解释。与传统基于相关性分类的方法不同，该框架提供可解释的因果推理。

论文换道预测因果推理自动驾驶

推荐理由：这篇论文把换道预测从统计相关提升到因果推理，用DECI模型实现了95%以上的F1分数，还给出了清晰的因果链解释，做自动驾驶可解释性的一定要看。

原文

6月15日

17:37

17:37IT之家（博客/媒体）

73°

理想汽车在Livis Day发布会宣布，第三季度ADS Max将推送全新马赫VLA，第四季度对齐特斯拉FSD V14能力。双马赫M100芯片算力达2560TOPS，模仿学习规模提升50%、强化学习提升15倍。自研马赫Mind-4系列包括Mind-Pro和Mind-Edge，其中Mind-Pro在IFEval、LongBench-v2、AIME26、BFCL-v4等基准中稳居第一梯队。Mind-Edge为端侧原生具身智能体，在车端本地完成感知、交互、控车，数据不上传。

AI模型理想汽车马赫VLA 马赫Mind-4

推荐理由：理想发布了马赫Mind-4系列模型，Mind-Pro在多个权威基准领先，Mind-Edge是端侧原生智能体，还要在Q4对标特斯拉FSD V14，自动驾驶的可以关注。

原文

6月14日

11:57

11:57IT之家（博客/媒体）

精选

马斯克透露，特斯拉 AI6 芯片工程评审顺利，有望创下单块晶圆可用算力纪录。AI6 将应用于自动驾驶出租车、FSD、Optimus 机器人及太空数据中心。AI5 芯片已流片，计划 2027 年下半年量产，算力是 AI4 的 5 倍；AI6 性能在 AI5 基础上翻倍，预计 2028 年下半年投产。AI6 将采用 LPDDR6 内存和 SRAM 加速器，由三星 165 亿美元代工合作生产。AI6 将先用于 Optimus 机器人和训练集群，再下放至乘用车。

AI模型特斯拉 AI6 AI5

推荐理由：特斯拉 AI6 芯片算力翻倍，2028 年投产

原文

6月11日

08:14

08:14IT之家（博客/媒体）

比利时成为欧盟第五个批准特斯拉 FSD（监督版）上路的国家，标志着欧洲监管态度重大转变。弗拉芒大区交通部长签署批准文件，此前丹麦刚成为第四个获批国。目前全球共13个国家和地区允许FSD使用，覆盖约6%市场。比利时初期仅向HW4/AI4车型开放FSD 14版本区域定制版。欧洲行政审批壁垒正快速消解，预计更多国家将跟进互认标准。

行业特斯拉 FSD 自动驾驶

推荐理由：特斯拉FSD在欧洲的审批速度超出预期，做自动驾驶或关注智能驾驶法规的从业者值得关注——欧洲市场正在加速开放，可能影响全球高阶辅助驾驶的落地节奏。

原文

6月10日

22:36

22:36IT之家（博客/媒体）

Waymo 联合代尔夫特理工大学在《自然·通讯》发表论文，提出名为 ReD（参考驾驶员）的计算机认知模型，模拟人类驾驶员在意外瞬间如何做出最优避撞决策。该模型基于“主动推理”神经科学框架，通过最小化“意外”损失来模拟人类反应，包括逼近感判断、交通规范过滤、意外阈值触发策略重评，以及 0.2 秒踏板切换停顿等细节。与仅复现“最后一秒反应”的传统模型不同，ReD 能主动预判风险并调整行为。Waymo 希望将其作为行业基准，推动自动驾驶避撞评估标准化，并已开源研究代码供学术使用。

AI产品 Waymo 自动驾驶安全评估

推荐理由：Waymo 用认知科学给自动驾驶安全找了个新基准——不是比谁刹车快，而是比谁更像人类老司机。做自动驾驶安全评估的团队值得看看，开源代码可以直接拿来跑实验。

原文

08:03

08:03IT之家（博客/媒体）

72°

特斯拉首次公布欧洲 FSD（监督版）安全数据，显示在荷兰道路上，FSD 的事故碰撞量比人工驾驶减少 71.4%，安全性达 3 倍以上。高速路段安全系数更高，达 3.4 倍，累计行驶 1660 万公里无碰撞。FSD 还显著提升了行驶平顺性，急加速、急刹车和激烈变道行为大幅减少。该数据基于荷兰车辆管理局 4 月颁发的型式认证，证明 FSD 能适应欧洲复杂路况。目前欧洲已有荷兰、立陶宛、爱沙尼亚、丹麦四国批准 FSD 上路，特斯拉计划今年夏季推出 V14 Lite 版以支持老款车型。

AI产品特斯拉 FSD 自动驾驶

推荐理由：特斯拉用欧洲真实路况数据证明 FSD 比人开更安全、更平顺，关注自动驾驶安全性的车主和行业从业者值得细看，尤其是欧洲用户可以直接参考。

原文

6月9日

22:00

22:00IT之家（博客/媒体）

美国宾夕法尼亚州立大学研究人员开发出一种名为“光忆阻器”的新型光学器件，模仿人眼适应机制，解决自动驾驶汽车在光线剧烈变化时感知失效的问题。该器件能在数秒内从强光切换到暗光状态，而人眼需要20-30分钟。其核心是氧化钛与凝胶状塑料结合，通过类似“出汗”的物理变化自动调节进光敏感度。测试中，系统在极亮背景下识别暗字母的准确率达95%。该技术未来还可用于工业机器人和视障辅助设备。

AI产品自动驾驶光忆阻器感知系统

推荐理由：自动驾驶在强光下“失明”是真实痛点，做感知系统或车载视觉的团队值得关注这个模仿人眼的新方案，它用物理机制替代了复杂算法，效果直接且稳定。

原文

10:56

官方账号arXiv cs.AI@Debojyoti Biswas, Xianbiao Hu

精选

ATN3D是一种针对自动驾驶中远距离稀疏场景的激光雷达-雷达早期融合3D目标检测框架。它解决了远距离（>30米）下感知证据稀疏导致的两个核心问题：早期多模态融合会丢弃稀疏信息并引入噪声，以及统一通道监督偏向近处密集样本。ATN3D引入了密度感知早期融合、占用门控邻域聚合、证据条件通道自注意力和距离感知损失。在VoD基准测试中，ATN3D在晴朗天气下mAP提升3.55%，在模拟浓雾下提升8.41%，远距离目标检测也有显著提升。

论文 3D目标检测自动驾驶激光雷达-雷达融合

推荐理由：自动驾驶感知团队终于有了专门应对远距离稀疏场景的融合方案——ATN3D在>30m目标上提升明显，做多传感器融合的开发者值得关注。

原文