$特斯拉(TSLA)$ 英伟达“具身智能”实验室负责人Jim Fan（吉姆.范）对特斯拉FSD 13版本做了预判。
他认为，特斯拉 FSD v13 可能会采用 Grok-1.5V 技术，该技术利用语言标记来理解复杂场景并做出决策。这种方法可以帮助解决自动驾驶中的边缘情况，并使车辆能够通过 “思维链” 进行推理和解释。
Grok-1.5V 可以将像素到动作的映射提升为像素到语言到动作，从而提高 FSD 的多模态推理能力。特斯拉已经拥有一套成熟的数据管道，可以用高质量的人类解释标注大量的边缘情况，并将 Grok 微调为比 GPT-4V 和 Gemini 更好的多模态 FSD 推理。虽然之前已经有过类似的尝试，但特斯拉的数据飞轮可能会在此领域实现更大的规模。
核心就是将FSD的推理过程从像素-->动作，进化到像素-->语言-->动作，增加了通过多模态大模型将视频画面解释成语言的步骤，这不但增强了对现实世界的刻画和理解，让FSD的动作更具解释性，更重要的是可以利用CoT（即思维链）技术，提升它的逻辑推理能力。
这似乎也能验证，特斯拉最近扫货H100和美光存储的原因，即充分发挥transformer，实现FSD智力涌现的跃升。