刚刚，特斯拉FSD，完成全球首个完全自动驾驶的横穿美国。从今天起，人类的自动驾驶，到达了全新的里程碑！就在2025年的最后一天，当全世界都在准备倒数跨年时，车主David Moss静悄悄地扔出了一枚深水炸弹——他驾驶搭载FSDV14.2的Model 3，完成了全球首次、经由第三方数据验证的“零接管”横贯美国之旅。
从美国西海岸开到东海岸，2天20小时，人类0次接管。
物理世界的“自动驾驶奇点”，终于降临！
这条Twitter，也彻底引爆了全球科技圈和AI圈。
由此，他也成为全世界第一个全程凭借自动驾驶横穿美国的人。
可以说，这是特斯拉正式通过了公路上的图灵测试。
这场AI主导的公路旅行，直接震撼了全球特斯拉车主。
前特斯拉AI总监Karpathy兴奋高呼：这一刻终于来了，这是端到端神经网络的胜利，这是“软件2.0”在物理世界的完全接管，不再需要人类写下的规则！
特斯拉官方账号，表扬了这次壮举。
一位特斯拉车主赞叹：“我们已步入自动驾驶穿越美洲大陆的时代。”
特斯拉掌门人马斯克，也激动转发莫斯的推文：“酷！”
十年前，马斯克许下“Coast-to-Coast”的诺言，2026年1月1日，终于实现了！
或者真如Karpathy所说：从此，方向盘只是车上的一个装饰品？
全球首次
人类零接管
下面这份数据，让人难以抑制心头的震撼。
总里程：2732.4英里（约等于4397公里）
耗时：2天20小时
软件版本：FSD v14.2
人工接管：0
当特斯拉从v12开始抛弃传统的C++，转向端到端神经网络，AI就从数百万小时的视频中，真正学会了开车。
在这场横跨美国大陆的旅途中，David Moss没有任何一刻，触摸车里的方向盘，或者踩过踏板！
想象一下：坐在驾驶座上，盯着方向盘整整68个小时（2天20小时），看着它自行转动，穿过繁忙的洛杉矶街道，汇入州际高速，避让加州的摩托车手，在德克萨斯的暴雨中稳住车身，最后停在南卡罗来纳州的海滩边。
他从洛杉矶的特斯拉餐厅出发，最终到达南卡罗来纳州默特尔海滩，穿越了24个州。
如果你亲自开过这段行程，就会明白全程的路况有多么复杂。然而从加州的高速公路，到中部的城市街道，再到东海岸的复杂路况，FSD一次性全部搞定了！
天气多变，交通拥挤，甚至夜间驾驶、自动化充电，都没让系统掉链子。
Moss评价说——整个过程中，从未出现过一次险情，即使在人类驾驶员中，这也实属罕见。
对于好奇的网友，Moss表示，你可以登录FSD数据库，验证所有数据。
同时，David Moss晒出了充电记录。注意，在所有站点的停车，也都是由特斯拉FSD自动完成的。
这次横穿美国大陆，不仅体现了FSD V14.2的技术能力，也向整个行业证实——
即使在现实的复杂场景，L4自动驾驶也有可能实现！
十几年前，这样的壮举还只是工程师的技术梦想。
从2016年，特斯拉的FSD系统就开始宣传“零干预横贯美国”的目标。
在发布Autopilot 2.0时，Elon Musk就放话，说2017年底就能实现。
这是一个迟到了八年的承诺，但当它终于兑现时，仍然让人感到吃惊！
一位特斯拉FSD的死忠粉
其实在25年底，David Moss就曾创下纪录。
当时，他在特斯拉FSD V14上，连续驾驶了超过10000英里，且全程无干预，实现了真正的100%自动驾驶。
当时的路线图是这样的。
而这个消息出来后，网友们纷纷表示，不可能，这绝不可能！
有人说，自己每天都在用FSD 14.2.2.1，虽然体验很棒，但绝不可能实现完全自动驾驶。
然而David Moss晒出的仪表盘显示，FSD V14千真万确完成了100%的完全自动驾驶。
在去年年底，他就立下宏愿：成为第一个完全依靠FSD用自动驾驶横跨美国（洛杉矶→佛罗里达）的人。
时隔一年，他果然完成了这个目标，实现了一个更宏大的路线图。
这完全出于他对驾驶的热爱，并不是为了炒作。
马斯克：那个“该死的”2017 预言
回到2016年10月。
彼时，马斯克意气风发，豪言：“到2017年底，特斯拉将能够从洛杉矶自动驾驶到纽约，全程哪怕你碰一下方向盘都算我输。”
后来的故事我们都知道了。
2017年过去了，2020年过去了，甚至到了2024年，马斯克不断跳票！
这个承诺就像是一个“永远的明年”。
由于技术路线的反复横跳（从雷达+视觉到纯视觉，从规则代码到神经网络），特斯拉的自动驾驶曾一度陷入瓶颈，甚至被Google旗下的Waymo在无人出租车领域抢尽风头。
Gemini生成的特斯拉自动驾驶技术路线图
直到FSD V12 版本的出现，特斯拉彻底抛弃了原来的代码逻辑，转向了“端到端”神经网络。
简单说，就是让AI像人类一样，直接通过看视频学会开车，而不是由工程师一行行写代码告诉它“红灯停、绿灯行”。
尽管特斯拉坚信端到端神经网络技术，但这绝非自动驾驶领域的共识方案。
大多数其他自动驾驶研发公司都采用传感器密集型、模块化的驾驶方式。虽然这类系统在初期开发和调试可能更容易，但其复杂性也不容忽视。
特斯拉AI负责人Ashok Elluswam，在国际计算机视觉大会ICCV介绍了端到端方案的优势:
将人类价值观系统化极其困难，从数据中了解它们则容易得多。
感知、预测和规划之间的接口定义不明确。在端到端架构中，梯度从控制端一直流向传感器输入端，从而整体优化整个网络。
易于扩展，可处理现实世界机器人技术的庞大而长尾需求。
具有确定性延迟的同构计算。
总的来说，相对于过去的苦涩教训，这种方法在规模化方面处于正确的位置。
更绝的是，为了自动驾驶数据打造的神经网络“世界模拟器”，同样可以模拟多种真实场景，训练擎天柱。。
而这次“人类零接管”的关键在于“端到端”的最后一块拼图。
在V14之前，特斯拉的AI虽然眼神好使（视觉感知强），但脑子里的地图还是传统的导航模块。
这就好比一个老司机虽然车技好，但他脑子里只有一张死板的纸质地图，一旦遇到修路或者地图没更新，就容易发懵。
而在V14.2中，特斯拉将导航和路径规划也整合进了神经网络。
现在的FSD不再是“看着地图开车”，而是像本地人一样，能根据眼前的路况实时理解该怎么走。
一次成功的“零接管”，不等于这套系统已经完美。
统计学告诉我们，如果事故率是万分之一，那么跑一次几千公里的长途可能正好没遇上，但这并不代表它能安全应对几百万辆车的日常通勤。
不过，FSD V14.2的这次表现，最大的意义在于它有力回应了“纯视觉方案无法实现长途全自动”的质疑。
它证明了不需要昂贵的激光雷达，不需要高精地图，仅凭摄像头和算力，AI真的可以处理从繁华都市到荒凉公路的几乎所有场景。
对于普通人来说，这意味着什么？
官方仍是SAE L2（需监督），但车辆完成100%驾驶任务，驾驶员仅作安全监督，完全有可能。
也许，还要等上几个版本，甚至要等到硬件Hardware 5.0的普及，我们才能真正放心地在车里睡大觉。
但看着David Moss那辆横跨大陆的Model 3，那个曾经被嘲笑为“科幻小说”的未来，确实已经把轮胎压在了现实的沥青路上。
