谷歌最近宣布了针对电动汽车的大规模导航更新，通过 Android Auto 为 350 多种车型带来了人工智能驱动的行程规划和电池预测。此更新建议停止充电并根据电池电量、天气和道路海拔调整到达时间。它甚至可以让你在到达时设置你喜欢的充电状态，这是特斯拉最近添加到车辆中的一项功能，但该应用程序仍然缺失。

虽然特斯拉多年来一直在本地提供类似的功能，但谷歌大规模的人工智能推动让许多车主想知道特斯拉是否可以利用这项技术最终解决自己的导航问题。

三左即右

如果您驾驶特斯拉足够长的时间，您可能经历过一些奇怪的路线选择。本土的旅行规划者偶尔会绕过一条明显的路线，而是引导司机左转三圈才右转，或者沿着陌生的住宅区小巷行驶，甚至出现不必要的环路。

厌倦了这些 FSD 导航问题。我本可以掉转方向，但这样做并不安全。

甚至不到 500 英里，我已经修复了很多导航错误。

FSD 非常擅长驾驶，但犯了很多路线错误，破坏了魔力。pic.twitter.com/iG1qbGBx8Q

– 肮脏的特斯拉 (@DirtyTesLa)2026 年 1 月 14 日

当我们看到谷歌为谷歌地图推出先进的人工智能路由算法时，自然会提出这样的问题：特斯拉是否可以利用这一点来改进自己的路线导航。简而言之，答案是否定的，原因与特斯拉软件的构建方式有关。

为什么 Google 的更新没有帮助

谷歌的新更新对于电动汽车市场来说是一个极其强大的工具。这家科技巨头正在利用人工智能和先进的能源模型来分析特定的车辆特性，例如重量和电池容量。然后，系统将这些数据与有关交通、道路海拔和天气状况的实时地图信息结合起来。

该功能可在到达时提供准确的电池预测，自动建议驾驶员需要充电的准确时间和地点，并根据必要的充电站调整预计到达时间。对于 350 种受支持车型之一的驾驶员来说，此更新使电动汽车公路旅行更加大众化。它消除了仅仅为了寻找充电器而使用多个第三方应用程序的需要，为历来在本地软件方面苦苦挣扎的传统汽车制造商带来了无缝的行程规划。

然而，尽管这一更新对汽车行业的其他行业来说令人印象深刻，但它与特斯拉车主所经历的逐向路线异常完全无关。谷歌从根本上解决的是能量计算问题，而不是寻路问题。由于特斯拉已经提供了行业领先的本地能源预测，并且没有在其车辆中提供 Android Auto，因此这一新的地图更新根本不会影响您的汽车选择转弯的方式。

特斯拉的裂脑

要理解为什么特斯拉不能简单地采用谷歌的这个新更新，我们必须看看汽车导航的底层架构。许多车主认为特斯拉一切都使用谷歌地图，因为触摸屏上显示的视觉地图确实是由谷歌提供的。然而，在幕后运行的实际路由引擎是完全独立的。

为了计算路线并提供逐向导航，特斯拉使用了高度定制的版本名为 Valhalla 的开源路由引擎。该系统严重依赖 OpenStreetMap 数据，而不是 Google 专有的路由算法。当您的汽车做出奇怪的路线决定时，通常是因为 OpenStreetMap 数据中的异常或特斯拉用于计算最快路径的特定数学权重中的错误。

谷歌地图新视觉效果

谷歌所做的不仅仅是改进其路线并为电动汽车提供更好的支持。最近，他们改进了地图应用程序，引入了人工智能驱动的语音助手，并且他们还利用人工智能彻底改进了他们的视觉效果。不过，后者仍在缓慢推出。

改进路由的步骤

如果特斯拉想要修复奇怪的路由异常，它需要专注于完善其 Valhalla 路由引擎并改进系统解释 OpenStreetMap 数据的方式。理论上，特斯拉可以付费购买谷歌实际的路线规划 API 来取代 Valhalla，但它在几年前就故意放弃这样做，以保持对其生态系统的完全控制并无缝集成超级充电网络。然而，既然谷歌正在提供和计算充电站，特斯拉可能会仔细研究这个系统，看看它是否满足他们的需求，而不是继续开发自己的系统。

为了实现这一目标，谷歌的路由 API 需要高度灵活，并允许将充电站限制为特斯拉的超级充电桩等功能。

最终，谷歌最新的人工智能更新对于其他电动汽车的驾驶员来说是一个巨大的胜利。目前，它为传统汽车制造商带来了至关重要的电池预测。

特斯拉地图与谷歌合作

然而，特斯拉的地图已经高度依赖谷歌。Tesla 利用 Google API 来获取兴趣点、评论、运营时间、地图图块、卫星图像、3D 建筑，甚至交通信息。虽然特斯拉的导航系统是内部创建的，但它主要依赖于谷歌数据。路由是特斯拉自己创建的少数项目之一，至少目前是这样。

虽然特斯拉整合了许多谷歌地图功能，但新的视觉更新可能不会在其中。

上个月，特斯拉产品和零售团队有两名重要人物离职。特斯拉产品主管何塞·德尔·科拉尔 (Jose del Corral) 和零售项目员工项目经理瑞安·托雷斯 (Ryan Torres) 均于上周离开了特斯拉。

这个消息是在托马斯·德米特里克离开他在构建 Tesla OTA 更新基础设施方面发挥了关键作用，最近还致力于开发 Robotaxi。

Jose del Corral 转向加密货币

德尔·科拉尔 (del Corral) 在特斯拉经历了令人印象深刻的近八年的运营后宣布他在社交媒体上的下一步职业发展。他正式加入加密货币交易平台 Coinbase，领导其客户体验部门。

德尔科拉尔在公开声明中表达了他对大规模行业转型的兴奋。他指出，很少有公司有机会帮助从头开始重建金融体系，并补充说，现在很难想象还有比这更重要的地方了。他确认他已准备好开始建设，并将与 Coinbase 首席执行官 Brian Armstrong 和总裁 Emilie Choi 密切合作。

失去一位拥有近十年机构知识的产品主管可能会在该领域留下暂时的知识空白。在德尔科拉尔的长期任职期间，他帮助监督了特斯拉汽车产品线和软件生态系统的大规模转型，帮助塑造了数百万驾驶员每天互动的用户体验。

瑞恩·托雷斯下台

虽然德尔·科拉尔直言不讳地谈论他的下一次冒险，但瑞安·托雷斯的离开却要安静得多。托雷斯担任特斯拉零售项目员工项目经理，在塑造消费者与品牌及其展厅的实际互动方式方面发挥了关键作用。

托雷斯也是关键的客户体验经理之一，并且始终愿意帮助解决 X 上发现的客户问题。失去他在服务和外展方面的个人风格无疑将是特斯拉的重大损失。

托雷斯尚未公开宣布他下一步的去向或他将承担哪些项目。然而，他的职业 LinkedIn 个人资料最近进行了更新，将 2026 年 3 月作为他在特斯拉当前职位的正式结束日期，而不是将其标记为持续职位。

高管流动是快节奏的科技和汽车行业的自然组成部分，但失去资深领导者总是值得注意的。随着特斯拉推进其雄心勃勃的 2026 年产品路线图，该公司可能会寻求快速填补这些关键的领导和零售职位，以保持其发展势头。

对于配备 HW3 的特斯拉车主来说，等待最新的 FSD 更新已经成为一场紧张的等待游戏。FSD v12.6.4 是最后更新大约 13 个月前在 Tesla 的旧硬件上发布，这是对同一主要版本中先前版本的增量更新。

随着特斯拉的端到端神经网络变得越来越庞大和复杂，人工智能团队正在努力将其最强大的 FSD 版本（例如 v14）安装到旧计算机上。特斯拉表示打算准备一个适用于 HW3 车辆的 FSD v14-lite 版本2026 年夏季，但由于对 Robotaxi 和无监督 FSD 的关注，近几个月 FSD 开发大幅放缓。

这使得团队几乎没有时间来优化传统车辆的现代构建。然而，NVIDIA 最近在大型语言模型 (LLM) 领域取得的突破可能恰好掌握了特斯拉如何在不完全切除 FSD 的情况下保持 HW3 高性能的概念关键。

HW3 瓶颈：全都与内存有关

要了解解决方案，我们必须了解瓶颈。虽然 HW3 的原始计算能力低于较新的 AI4 硬件，但其现代 AI 的最大限制因素实际上是内存。

当您运行大型神经网络时，它需要大量的工作内存才能实时运行。在像 ChatGPT 这样的 LLM 中，这个工作内存被称为 KV（键值）缓存，它存储对话的上下文，这样人工智能就不必为每个新提示重新读取整个聊天历史记录。

特斯拉的 FSD 的工作原理非常相似。汽车利用时空记忆来记住一段时间内的驾驶环境。如果行人走在停放的送货卡车后面，汽车的时间记忆会追踪到行人仍然在那里，即使摄像头无法再看到他们。随着 FSD 变得越来越智能，这个临时内存缓存会变得越来越大，很快就会耗尽 HW3 计算机上有限的可用 RAM。

NVIDIA 的 20 倍压缩突破

这就是 NVIDIA 最新创新的用武之地。据报道创业节拍上周，NVIDIA 的研究人员推出了一项新技术，可将 LLM 工作缓存的内存占用减少惊人的 20 倍。

最重要的是他们没有改变模型的实际权重。

该技术称为 KV 缓存转换编码 (KVTC)，借用了 JPEG 等经典媒体压缩格式的概念。该算法不是永久删除信息，而是识别工作记忆中最关键的组成部分并动态压缩其余部分。

以前，为了将大量人工智能模型安装到受限的硬件上，开发人员必须通过“量化”或“修剪”（字面意思是切断神经通路）来永久改变模型。虽然这节省了空间，但它通常会降低人工智能的智能。 

NVIDIA 的新方法完全避免了这种情况。通过在推理过程中积极压缩工作内存，LLM 可以保持其原始的、不受影响的智能，并且准确度损失不到 1%，同时只使用一小部分硬件内存。

将 JPEG 方法应用于神经网络

虽然 NVIDIA 的研究重点是基于文本的法学硕士，但底层数学和架构可能能够适应 Tesla 中运行的基于视觉的 AI。

如果 Tesla 的 Autopilot 工程团队将类似的动态内存稀疏化或转换编码应用于 FSD 的时空内存，HW3 的结果可能会改变游戏规则。通过实时高度压缩汽车最近环境的“视频内存”，特斯拉可以大幅减少运行软件所需的总 VRAM。

为什么这很重要？因为释放内存缓存意味着特斯拉不必缩小神经网络的核心智能来使其适应。

特斯拉可以向 HW3 提供功能更强大的 v14 模型版本，而不是提供经过严格修剪的 v14-lite（删除数百万个参数并降低汽车的驾驶能力）。汽车仍将运行高度先进的端到端驾驶逻辑；它只是利用高度压缩、超高效的 JPEG 式时间存储器来保持在硬件的限制之内。

挤压硅

不可否认HW3是老化硅。最终，硬件将达到一个硬上限，它根本无法足够快地处理数据来满足无监督自治的需求。

然而，NVIDIA 的 KVTC 突破证明人工智能行业正在寻找全新的方法来优化软件推理，而无需更大、更昂贵的芯片。随着 Tesla 竞相在 v14 架构上统一其车队，此类先进的内存压缩技术正是该公司从其传统硬件中榨取最后一滴功能的方式，直到HW3升级发生。