自2024年4月马斯克到访中国以来，特斯拉FSD成为行业关注的重点话题。本文将针对FSD的特征、FSD是否会“碾压”国内方案、FSD落地中国能否发挥鲶鱼效应、对激光雷达和车路协同有何影响等行业关注的重点问题进行梳理分析，以供政府和企业参考。

　　当前，FSD（Full-Self-Driving，完全自动驾驶）的创举在于真正实现了数据驱动。

　　必一运动sport网页版登录

　　智能驾驶任务可以通过规则算法和模型两种方式完成，前者由工程师人工定义规则（工匠模式），后者基于数据迭代（机器模式）。考虑到智能驾驶的核心挑战是解决无穷无尽的边缘场景（Corner Case），以有限人力解决无限长尾问题的成本和时间难以估量，数据驱动、模型化成为必然趋势。特斯拉FSD通过训练环节的算力、数据、工具布局，推理环节的端到端全模块神经网络化，真正实现了数据驱动，技术上限、迭代速度和拟人化程度指数级提升。

　　FSD在技术层面具备先发优势，但产品层面与国内方案各有优劣，不会对国内智驾方案形成“碾压”之势。

　　技术方面，特斯拉算力、数据、工具、算法具备先发优势。数据驱动体系下算法是决定上限的“菜谱”，云端算力是“燃料”，数据是“食材”，数据闭环工具是“厨具”，共同决定了企业的智驾能力。

　　算力方面，特斯拉算力规模超过国内厂商一个数量级。2023年一季度，特斯拉云端算力达到35 EFLOPS（以下简称E），超过华为车BU（3.3E）、百度极越（2.2E）、长城（1.64E）、蔚来（1.4E）、理想（1.2E）、吉利（0.81E）、小鹏（0.6E）等企业已公开自建算力总和的3倍。且特斯拉不受芯片法案影响，具备自研AI训练芯片能力，算力增长空间很大。马斯克表示，2024年底算力将提升至100 EFLOPS。

　　数据方面，特斯拉凭借规模优势、低成本硬件预埋积累了全球最多的高质量行车数据。截至2024年4月，特斯拉全球保有量超过600万辆，FSD累计行驶里程已达到12.5亿英里（20亿公里），与华为的2.2亿公里、小鹏XNGP的0.7亿公里相比存在优势。此外，特斯拉采用纯视觉感知方案以实现低成本的硬件预埋，各车型采用标准化硬件配置以保证采集数据的格式统一。FSD累计学习的高质量视频片段在2023年9月已超过1000万个，专家估算目前已超过2000万个，这一规模的数据量仅采集成本就需要50-80亿人民币。

　　数据闭环工具方面，特斯拉具备先发优势。特斯拉于2016年最早落地影子模式，打造数据采集的标杆方案；2021年率先实现4D标注（传统2D图片标注模式下，同一路段、时间段的不同图片间存在大量重复工作，4D标注对象为视频片段，一次标注产生的真值能够在同一地点的不同时间内迁移，减少重复工作）降低数据标注工作量；在2022-2023年已可以处理PB（PB，1PB=220GB）级数据；2023年实现小时级模型迭代（国内企业仍处于天级）。

　　算法方面，特斯拉技术进展大约领先1.5年，量产进度领先。技术进展方面，企业端到端技术均处于由分段式向一体式演化阶段，而FSD已实现了规控模块的神经网络化，感知-规控模块之间实现了可导向量的无损传递，神经网络化更加彻底，大概领先国内1.5年左右；落地进展方面，特斯拉于2023年11月向内部员工推送基于端到端的FSD V12 Beta版本，2024年4月向北美用户全量推送。而国内除小鹏汽车、华为、元戎启行宣布2024年量产以外，多数已公开的端到端量产时间点是2025年。

　　产品层面，FSD与国内方案各有优劣。当前阶段，FSD在北美以车车博弈为主的环境下展示出较强的拟人化程度，但在中国城市复杂场景下，仍需提升应对人车混行和各地交通标识差异的能力，达到商用级体验需进行1-1.5年的本土化适配，国内头部企业能够在窗口期内将产品拟人化程度提升至FSD同一量级。远期来看，考虑到产品体验的提升是一个斜率逐渐降低的幂次函数，特斯拉基于算力、数据的迭代速度优势在产品层面的作用将被缩小，难以拉开差距。但应持续关注特斯拉是否会借助更大规模的数据和算力产生类似于ChatGPT的“涌现”效应，更快到达下一个质变节点，如L4无人驾驶。

　　必一运动sport网页版登录

　　FSD落地中国将在市场、技术上发挥鲶鱼作用，但对于产业链的带动作用不大。

　　市场方面，有助于提升消费者对智驾和软件付费模式的接受度。一方面，参考FSD在北美全体车主免费试用一个月的推广策略，国内百万量级特斯拉车主有望免费体验城市NOA功能，对非特斯拉车主而言，特斯拉作为行业龙头也能够为智能驾驶提供品牌背书。另一方面，特斯拉在智驾功能上长期采用硬件预装+软件付费模式，未来随着中国FSD功能的开通、价格和收费模式调整，有望带动国内智驾软件付费模式的发展。

　　技术方面，FSD落地中国将加速智驾技术演进。技术演进方面，FSD将形成标杆示范效应，带动国内企业关注和突破端到端等前沿技术，增加国内车企研发智驾技术的紧迫感，吸引资本涌入智驾行业。

　　产业链方面，带动作用不大。由于FSD涉及的云端训练芯片、车端推理芯片、感知硬件更多依赖自研或国际厂商，软件更多依靠顶尖AI人才而非大量的软件工程师，FSD对于国内智能汽车产业链很难产生类似特斯拉国内建厂对电动汽车产业链的带动作用。

　　FSD的本质在于数据驱动，纯视觉只是其中的感知方案，包含激光雷达的多传感器融合路线同样支持数据驱动的智驾系统。在早期激光雷达成本高昂、汽车智驾功能尚未普及阶段，纯视觉路线的确可以帮助特斯拉以更低成本实现硬件预埋和数据采集。但当前激光雷达量产产品价格已降至3000元以下，速腾聚创等厂商已发布1000元的激光雷达，加之智驾快速渗透下感知硬件从“预埋”变为“刚需”，成本劣势不再明显。简而言之，FSD的影响更多在于增强了企业对于纯视觉路线的信心，但并没有否定多传感器融合路线。

　　此外，关于激光雷达是否能够降低数据驱动模式下企业对于算力、数据的需求存在不同意见。部分企业认为，激光雷达提供的数据质量更高，训练到同一水平对于算力和数据量需求量会有所降低；但另一部分企业认为，多传感器为实现更好的融合效果同样需要大量训练，且数据量强调的是覆盖更多场景，激光雷达对于训练所需资源的影响不大。

　　一方面，FSD拔高了单车智能的技术上限和迭代速度，智能驾驶运行中路端的作用可能会被进一步弱化。另一方面，路侧感知在超视距、遮挡等情况下的独特优势并不受影响，且以FSD为代表的数据驱动模式将大幅增加算力、数据成本，保障产业创新活力的中小企业亟需新的产业协同模式。探索两端输入、数据共享、算力统筹、模型共建的数据驱动中国方案可能会成为车路协同的新课题。

　　投资者关系关于同花顺软件下载法律声明运营许可联系我们友情链接招聘英才用户体验计划

　　不良信息举报电话举报邮箱：增值电信业务经营许可证：B2-20090237