特斯拉正通过自研超级计算机 Dojo 推动自动驾驶技术发展，旨在实现从辅助驾驶到完全自动驾驶的跨越。Dojo 专为训练 FSD 神经网络设计，结合特斯拉自研 D1 芯片，显著提升模型训练效率。尽管面临 EV 销量下滑的压力，特斯拉仍将 Dojo 视为实现完全自动驾驶的关键。通过持续优化算力与数据规模，特斯拉致力于将自动驾驶安全性提升至人类驾驶的 10 倍以上，展现了 AI 技术在自动驾驶领域的巨大潜力与挑战。

自动驾驶公司 Cruise 宣布裁员近 50%，包括 CEO 及多名高管，以调整战略重心。公司将停止机器人出租车业务，转向与母公司通用汽车（GM）合作开发个人自动驾驶车辆技术。此举旨在整合资源，加速自动驾驶技术的规模化应用。裁员后，Cruise 将专注于提升其免提驾驶辅助系统 Super Cruise，并推动个人自动驾驶车辆的商业化落地。此次调整预计每年为 GM 节省 10 亿美元，同时凸显了自动驾驶行业在技术落地和成本控制方面的挑战。

特斯拉自动驾驶硬件升级需求凸显 AI 技术发展挑战。马斯克承认 2019-2023 年生产的 Hardware 3 车辆需升级才能支持完全自动驾驶软件，表明早期硬件无法满足当前 AI 模型需求。这一情况反映了自动驾驶领域的技术迭代速度与硬件适配难题，同时凸显了 AI 系统在实时决策、环境感知等方面的复杂性。特斯拉计划 2025 年推出基于 Hardware 4 的完全自动驾驶软件，标志着 AI 技术在自动驾驶领域的持续突破与商业化进程。

特斯拉计划于今年6月在奥斯汀推出基于其全自动驾驶（FSD）软件的无人驾驶出租车服务，标志着自动驾驶技术的商业化落地迈出重要一步。该服务将使用未发布的“无监督”版本FSD软件，初期仅在工厂测试环境中运行，以确保安全性。马斯克强调，特斯拉的目标是实现远超人类驾驶员的安全水平，但未透露具体评估方法。尽管面临技术挑战和监管不确定性，这一举措可能为2025年自动驾驶服务的全面推广奠定基础。

特斯拉财报发布在即，重点关注其自动驾驶技术进展。马斯克重申特斯拉将实现完全自动驾驶，并计划在德州和加州推出Robotaxi服务。特斯拉近期发布的视频展示了车辆自主行驶一英里的能力，标志着其自动驾驶技术的突破。然而，加州严格的监管环境可能成为挑战。特斯拉的自动驾驶技术依赖深度学习与强化学习，其进展将直接影响公司未来在智能交通领域的竞争力。

通用汽车宣布终止 Cruise 自动驾驶出租车项目，预计每年节省 10 亿美元成本，并将战略重心转向个人车辆自动驾驶技术。此举反映了自动驾驶商业化落地的高成本挑战，以及企业对 L4 级自动驾驶技术（特定条件下无需人工干预）的持续探索。GM 计划整合 Cruise 技术资源，强化其 Super Cruise 高级驾驶辅助系统，并寻求战略合作以提升资本效率。这一调整凸显了自动驾驶领域在技术成熟度、成本控制与商业化落地之间的平衡难题。

Tesla 宣布全新设计的 Model Y SUV 将于三月在北美上市，起售价接近 6 万美元。该车型搭载了 Tesla 最先进的驾驶辅助软件“Full Self-Driving (Supervised)”，展示了其在自动驾驶领域的持续创新。CEO Elon Musk 暗示，未来新车型及 Cybercab 将推动 Tesla 从汽车制造商向机器人及 AI 公司转型。此次发布正值 Tesla 面临销量下滑之际，凸显了 AI 技术在汽车行业中的关键作用，尤其是在自动驾驶和智能辅助系统的商业化落地方面。