特斯拉FSD能否打破自动驾驶的默认偏见？

4月28日，马斯克闪现北京，同一天特斯拉通过了中国4项数据安全合规要求，成为首家通过此要求的外资车企。业内分析认为，这是特斯拉扫清数据安全障碍的重要标志。

特斯拉的全自动驾驶（Full Self-Drive , FSD）是辅助驾驶系统Autopilot的升级版，可用于城市公共道路，包括自动停车、自动变道和交通导航。早在四年前特斯拉就推出了FSD软件，并将其不断升级至最新的FSD V12版本。但在中国尚无这项功能可用，特斯拉一直寻求在中国提供FSD技术的机会。

特斯拉在中国售出了180万辆汽车，中国复杂的交通条件中产生的大量数据，对于特斯拉在中国和全球推广其FSD技术，都有着重要的战略意义。

FSD落地中国需要哪些条件？

FSD想要落地中国，包括数据采集、数据存储等都需要进行合规化和本地化。长期以来，数据安全问题一直是阻碍特斯拉在中国全面推广FSD软件系统的主要障碍。2023年8月特斯拉回应“哨兵模式”时就明确指出已经在中国建立数据中心，实现数据存储的本地化，所有在中国大陆市场销售车辆所生产的数据，都会存储在中国境内。

有知情人士透露，特斯拉正在考虑在中国建立数据中心，以训练其自动驾驶技术，这是特斯拉的一个重大的战略转变。纯视觉路线对于图像的处理更依赖大量数据采集和模型训练，因此特斯拉在美国自建超算中心Dojo并自研D1芯片，以大幅提升FSD训练效率。特斯拉在中国采集的数据只能在本地进行模型训练，这意味着需要在中国建立类似于Dojo的超算中心，需要一定开发周期和成本。

此外，据称特斯拉还与百度达成了一项协议，从而能够使用百度的地图和导航技术来实现FSD功能。据了解，海外车企只能通过与中国本土公司合作的方式，才能获得地图服务许可证，合法运营自动驾驶功能，这也是智能驾驶系统在中国公共道路上运行的要求。通过使用百度提供的车道级地图数据，一方面可以解决特斯拉的测绘资质问题，另一方面也可以加速FSD在中国的落地。

特斯拉FSD与国内自动驾驶方案不同，进入国内市场后，将有利于多种技术方案对标，促进自动驾驶技术提升，如同2018年特斯拉超级工厂项目在上海签约时，再次发挥“鲶鱼效应”。近年来，比亚迪、理想、蔚来和小鹏等本土竞争对手从技术到成本，全方位加大了与特斯拉的竞争力度，华为也顺势推出了智能驾驶系统。中国先进的ADAS开始在本土以外的国际市场崭露头角，这对于中国的自动驾驶技术产业来说至关重要。

现在正处于自动驾驶商业化应用的前期阶段，预计2030年前后将是自动驾驶逐步走向普及的阶段。从当前自动驾驶技术发展来看，L2级智能驾驶技术（即部分自动化，需要驾驶员主动监控道路状况，随时准备接管）已实现上车，而真正无需驾驶员介入的完全自动驾驶是5级（L5）。整个行业离最终「完全自动驾驶」的愿景依然存在一定距离，虽然规模化商用仍需时日，但现有的落地场景已十分丰富。

什么是FSD？

随着新能源汽车进入智能化下半场，智能驾驶一直是行业追逐的技术制高点之一。FSD就是特斯拉研发的自动化辅助驾驶系统的简称，其测试版于2020年推出。该系统的最终目标是实现车辆可在没有人干预的情况下，自主识别路况、规划路线、控制速度和方向，完成从起点到终点的行驶。

今年3月，特斯拉向北美车主推送了最新的FSD V12.3.1版本，是继V12.1和V12.2在员工内部和小范围用户测试后首次大范围推送。据悉，当前FSD系统可实现的功能包括自动紧急刹车（AEB）、自动变道和交通导航，还增加了在城市街道的半自主导航以及对交通灯或停车标志做出反应的能力。

市面上最常见的自动驾驶系统，大部分仍然采用分模块的设计，把感知层、决策层以及控制层，分为三个模块，各个模块内采用各自的算法模型来完成设计需求。在这其中，AI算法主要是应用在感知模块中，决策层和控制层面还是常规的代码逻辑，依赖基于规则的判断，依靠汽车摄像头识别车道、行人、车辆、标志和交通信号灯等，然后通过工程师们编写代码来应对各种情况。

与常见的自动驾驶系统不同的是，特斯拉FSD V12最大的变化在于采用了端对端神经网络技术（End-to-End Neural Network , E2E NN），打开了以往的感知层、决策层以及控制层这三大模块之间的权限，将“规则驱动”的算法转变为“数据驱动”的算法。简单地说，该方案把摄像头获取的图像数据输入到算法后，能直接输出例如转向、加速、制动等车辆控制指令，更像是一个人类的大脑，不需要高精地图以及激光雷达，仅依靠图像数据输入就能分析并输出控制策略。

从分模块设计，到“端到端”，这背后其实是一条技术路线的改变。分模块设计将自动驾驶任务进行切分，形成多个子任务，每个子任务解决驾驶过程中存在的某些特定问题，比如感知、预测、决策、执行，最终进行系统集成完成整个驾驶任务。为了尽可能应对路上遇到的各种情况，特斯拉数百名工程师写了30万行C++代码用以制定规则。

但是，任务太多会导致集成困难以及错误累加。同时，系统设计时引入了过多的人为经验，但难免缺失部分罕见场景，系统对于陌生的场景如果没有相应规则往往无法处理，泛化能力较差。

另一种则是自动驾驶“端到端”方案，省去了感知、预测、规划等各项子任务，能够避免大量重复处理工作，提高计算效率。同时，该方案不需要制定大量的人工规则，在处理一些非结构化场景（比如缺少车道线与交通规则的约束）有了很大的提升，应对各种场景的能力显著提升，大大减少需要人工干预的次数。是未来最有希望实现无人驾驶的途径之一，也是大模型对自动驾驶技术发展产生深度影响的体现。

FSD V12是有史以来第一个端到端AI自动驾驶系统，相比之前版本，FSD V12.3版本在城市环境下的无关键接管行驶里程大幅增加，从约100多英里（约合160公里）提升到了386.7英里（约合622公里）。

FSD V12是如何炼成的？

特斯拉FSD V12的体验显著提升背后，是其技术路径逐渐收敛的结果。V12的重大突破在于打通了整个技术栈的最后一环（决策规划），在深度学习算法上的应用，通过高度精细化的数据处理流程、多任务学习框架、以及持续的模型迭代，实现了从数据收集、预处理、标注到模型训练的全链条优化。

· 多维度视觉感知：FSD借助多摄像头布局，实现360°全景视觉覆盖，为车辆提供无死角的视觉信息输入。

· BEV与Transformer的革新应用：结合BEV技术与Transformer模型，将二维视觉数据转化为高精度的三维空间表示，有效提升环境建模的精确度与实时性。

· HydraNets（多任务并行处理）：通过HydraNets等创新神经网络架构，实现对多种驾驶任务的同时高效处理，增强系统整体效能。

· 自动化数据标注与训练流程：依托自动化标注系统与海量数据集，不断迭代优化自动驾驶算法，通过闭环反馈机制确保模型的持续进化。

· 仿真技术的深度应用：利用高保真模拟环境模拟各类驾驶场景，增强算法鲁棒性与安全性，为实际道路测试前提供有效的验证平台。

首先，通过视觉感知网络生成三维向量空间，对于仅有唯一解的问题，可直接生成明确的规控方案，而对于有多个可选方案的复杂问题，使用向量空间和感知网络提取的中间层特征，训练神经网络规划器，得到轨迹分布；其次，融入成本函数、人工干预数据或其他仿真模拟数据，获得最优的规控方案；最终生成转向、加速等控制指令，由执行模块接受控制指令实现自动驾驶。

尽管特斯拉FSD属于端到端大模型，但在中国应用时，还是需要补齐国内场景的训练数据，主要是交通规则和交通标识相关的信息，复杂的路口数据也需要重新采集标注进行调整，考虑BEV感知方案是否可以得到很好的本地化适配。

端到端对数据要求非常高，需要高质量、分布多样的、海量的训练数据。马斯克在去年的财报会上曾提到数据在自动驾驶方面的重要性，他说：“用100万个视频case训练，勉强够用；200万个，稍好一些；300万个，就会感到Wow；到了1000万个，就变得难以置信了。”截至去年，特斯拉已经分析了从特斯拉客户的汽车中收集的1000万个视频片段（clips），他们判断完成一个端到端自动驾驶的训练至少需要100万个、分布多样、高质量的clips才能正常工作。

然而对于国内厂商来说，数据的采集和提取存在着困难。早年，自动驾驶厂商们往往依赖采集车采集数据，但是这种数据往往低质量、分布有偏，难以进行大规模端到端训练。随着量产车规模化落地，厂商们又开始转向采用量产车影子模式采取数据，但是却面临着数据有效性和数据规模性平衡的问题。如果采集泛化信息，则有可能面临大量垃圾数据的问题；如果采集策略过于严格，则有可能丢失有价值的数据。如何定义数据质量和处理数据同样也是国内厂商需要解决的难题。

毫不夸张地说，数据会占据端到端自动驾驶开发中80%以上的研发成本，当前特斯拉拥有近10万张A100，位居全球top5，预计到2024年年底会拥有100EFlops的算力。换句话说，只有有足够资金和资源的头部企业和头部供应商才能抢先一步探索出端到端自动驾驶解法。

端到端的技术没大规模普及开来，另外一个核心问题是自动驾驶系统的不可解释性。例如在模型训练当中，出现不好的驾驶习惯或者测试时出现系统处理不好的路况下，没人能解释清楚问题的根本原因。现在特斯拉的解决方案，只能是针对性的多喂同类的数据，例如之前测试中路口停止标识之前是车辆停止的距离路口过远，就多投喂这类数据来进行学习。

在中国，几乎所有新能源车企都已推出不同级别的辅助驾驶和自动驾驶系统，大多数都实现了高速NOA（Navigate on Autopilot , 自动辅助导航），即允许车辆在高速公路或快速路上实现自主行驶，完成超车、转弯等动作，而不需要驾驶员亲自操作。

而城市道路环境比高速公路更为复杂多变，城市NOA发展得相对滞后。不过，也已有一些头部车企开始布局城市场景，比如蔚来的城市NOA已分布全国606座城市，城市主干路覆盖率达到90%以上；理想汽车也已覆盖超过110个城市的城区道路；而问界和小鹏的高级智驾版能做到不限城市，问界的HUAWEI ADS 2.0高阶智驾功能不仅支持城市所有道路、国道，还支持县道、乡道、县乡等公开道路。这意味着，特斯拉的FSD在中国市场将面临众多竞争对手 —— 这种状况是北美市场所没有的。

根据机构基于中国乘用车协会数据的测算，特斯拉在中国汽车市场的份额从2023年第一季度的10.5%大幅缩减至2023年第四季度的6%左右。特斯拉即使在大幅降价的背景下，汽车销量还是有所减少，毋庸置疑的是，马斯克非常希望能够趁早摆脱自2020年以来的首次季度收入同比下降。

同时，激烈的竞争还会影响到FSD的定价策略。由于多数中国车企没有开通订阅付费模式，从买断价格来看，小鹏XPILOT 3.0售价3.6万元（购车选配则为2万元），蔚来NIO Pilot全配包售价3.9万元，理想、小米以及埃安的部分车型则不额外收取ADAS费用。

相比之下，特斯拉FSD是业界最贵的，尽管在半个月前已经把FSD在北美的买断价格从1.2万美元降至8000美元，也同步下调了FSD在北美的订阅价格，从199美元/月下调到99美元/月，相当于降价一半，但只有购买了EAP（Enhanced Autopilot，增强版自动辅助驾驶）的用户才能享受这一折扣。

另外值得注意的是，知名特斯拉投资者加里·布莱克对FSD接受率的质疑。根据信用卡数据提供商YipitData提供的数据，在试用了一个月FSD的美国特斯拉车主中，只有2%的用户选择继续订阅该服务，远低于预期的6%。倘若FSD入华后不得不再次降价，如果按2%的渗透率计算，那FSD的营收是非常有限的。