一直以來，特斯拉入華的腳步從未停歇。

隨著近期特斯拉宣布中國被列入“FSD（Supervised）監(jiān)督版”可用地區(qū)，關(guān)于FSD正式入華的討論迅速升溫，不少媒體甚至將其描述為“特斯拉輔助駕駛正式登陸中國”。

與此同時(shí)，特斯拉中國官網(wǎng)更新了高級(jí)智能駕駛選裝包的頁面信息。原有的英文簡(jiǎn)稱“FSD”以及“完全自動(dòng)駕駛功能”“智能輔助駕駛”等字樣被全部移除，官方中文名稱正式變更為“特斯拉輔助駕駛”。

此次更名并非單一名稱調(diào)整，而是特斯拉適配國內(nèi)法規(guī)監(jiān)管要求、推進(jìn)高階智能駕駛功能本土化落地的重要舉措。雖然特斯拉FSD對(duì)于中國市場(chǎng)志在必得，但政策合規(guī)、技術(shù)適配、本土競(jìng)爭(zhēng)、市場(chǎng)定價(jià)等現(xiàn)實(shí)壁壘，注定讓其入華之路沒有那么平坦。

五年等待與本土化落地

FSD最早于2016年10月面向北美用戶推送，彼時(shí)僅能實(shí)現(xiàn)基礎(chǔ)的高速輔助駕駛。此后數(shù)年，特斯拉持續(xù)迭代算法架構(gòu)，從模塊化規(guī)則逐步轉(zhuǎn)向端到端神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)。到2025年年底，F(xiàn)SD V13版本實(shí)現(xiàn)“車位到車位”的端到端駕駛。

截至今年5月上旬，F(xiàn)SD監(jiān)督版車隊(duì)全球累計(jì)行駛里程突破100億英里，重大碰撞事故率為每853萬公里1起，低于美國人類駕駛員的每106萬公里1起。值得指出的是，監(jiān)督版并非是“中國特供閹割版”，而是表明：駕駛員仍須時(shí)刻關(guān)注路面情況，并手握方向盤?，系統(tǒng)啟用時(shí)DMS（駕駛員監(jiān)控）若檢測(cè)分心超3秒將報(bào)警甚至剎停。

FSD入華經(jīng)歷了5年的準(zhǔn)備周期。早在2021年，特斯拉在上海臨港設(shè)立數(shù)據(jù)中心，實(shí)現(xiàn)中國道路數(shù)據(jù)本地化存儲(chǔ)，滿足數(shù)據(jù)不出境的監(jiān)管要求。

隨后的2022年至2025年，F(xiàn)SD入華的傳聞反復(fù)出現(xiàn)，但因?qū)徟?shù)據(jù)安全、算法適配等問題多次擱淺。今年2月，上海臨港AI訓(xùn)練中心正式投用，完成了“數(shù)據(jù)存儲(chǔ)-本土訓(xùn)練-算法優(yōu)化”的全鏈路閉環(huán)。此后，特斯拉在9城密集招募智駕測(cè)試技師，F(xiàn)SD獲得部分監(jiān)管批準(zhǔn)，目標(biāo)在今年第三季度獲得全面商用許可。

雖然FSD入華已取得重大進(jìn)展，但關(guān)鍵門檻仍未完全突破?。FSD入華需要通過?工信部（準(zhǔn)入）、公安部（道路安全）、網(wǎng)信辦（數(shù)據(jù)出境）三部門終審?，目前僅完成部分合規(guī)（如上海臨港AI訓(xùn)練中心投用、數(shù)據(jù)本地存儲(chǔ)），同時(shí)?由于美國出口管制，高算力芯片依然受限，美國與中國道路的巨大差異也使復(fù)雜路況適配成為關(guān)鍵挑戰(zhàn)?。

FSD V14.3是被馬斯克稱為“最后一塊拼圖”的更新，是一次實(shí)現(xiàn)無監(jiān)督端到端自動(dòng)駕駛前的最后一項(xiàng)重大架構(gòu)升級(jí)，此次更新將完成從“肌肉記憶”式反應(yīng)向?邏輯推理能力?的底層進(jìn)化。

和國內(nèi)常見的智駕系統(tǒng)相比，F(xiàn)SD的最大特點(diǎn)在于其以算法為核心驅(qū)動(dòng)，通過模擬人類的視覺系統(tǒng)實(shí)現(xiàn)對(duì)復(fù)雜駕駛場(chǎng)景的理解。

FSD純視覺感知?僅靠8個(gè)攝像頭，通過?HydraNets（九頭蛇網(wǎng)絡(luò)）提取多任務(wù)特征，借助“RegNet（正則網(wǎng)絡(luò)結(jié)構(gòu)）+BiFPN（雙向特征金字塔網(wǎng)絡(luò)）”作為主干?網(wǎng)絡(luò)提取圖像特征，再由?“BEV（鳥瞰圖）空間轉(zhuǎn)換層+Transformer”?構(gòu)建3D環(huán)境向量空間，實(shí)現(xiàn)時(shí)空一致感知。

從FSD V12起，全面取消規(guī)則引擎，轉(zhuǎn)向神經(jīng)網(wǎng)絡(luò)直接輸出控制指令?，基于?UniAD類全棧Transformer架構(gòu)?，將“感知-預(yù)測(cè)-規(guī)劃”一體化，支持從像素到轉(zhuǎn)向/油門的端到端可導(dǎo)訓(xùn)練。

Occupancy Network（占用網(wǎng)絡(luò)）?則替代了傳統(tǒng)3D框檢測(cè)，對(duì)非結(jié)構(gòu)化空間（如路沿、錐桶、飛來物）建模為體素網(wǎng)格，提升遮擋與復(fù)雜場(chǎng)景魯棒性。

同時(shí)，利用全球超10億英里真實(shí)數(shù)據(jù)（中國版訓(xùn)練用30億公里本土數(shù)據(jù)）進(jìn)行4D向量空間標(biāo)注?，并結(jié)合 Dojo超算?（720+TOPS算力）訓(xùn)練，形成“數(shù)據(jù)→模型→OTA→再采集”閉環(huán)。

當(dāng)然，F(xiàn)SD也并沒有那么完美。純視覺方案的問題依然比較明顯，比如當(dāng)光線的急劇變化或者黑暗光線造成的錯(cuò)覺，依然會(huì)導(dǎo)致系統(tǒng)出現(xiàn)不穩(wěn)定，例如進(jìn)入隧道突然剎車，垃圾袋飛起導(dǎo)致車輛急剎車的情況都有出現(xiàn)。同時(shí)，視覺方案需要大量的數(shù)據(jù)供神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，當(dāng)進(jìn)入到一個(gè)陌生環(huán)境，這個(gè)環(huán)境中的參與者、交通標(biāo)志、障礙物如果有諸多不同，那么系統(tǒng)也會(huì)成為“睜眼瞎”。

從市場(chǎng)反饋看，特斯拉FSD在北美市場(chǎng)滲透率超30%，雖然純視覺方案在美國表現(xiàn)出了優(yōu)異性能，但可能低估了中國路況的復(fù)雜程度。這對(duì)于純視覺方案來講，都需要用大量的中國本土數(shù)據(jù)進(jìn)行重新訓(xùn)練。同時(shí)國內(nèi)不同區(qū)域、不同省份的紅綠燈也有諸多區(qū)別，這對(duì)FSD也是一項(xiàng)大挑戰(zhàn)。

然而，中國復(fù)雜路況所帶來的本土化挑戰(zhàn)也為國產(chǎn)方案提供了差異化的生存空間。中國城市道路在人車混行、非標(biāo)行為等方面具有獨(dú)特復(fù)雜性，在極窄路、復(fù)雜博弈等場(chǎng)景下，中國場(chǎng)景中訓(xùn)練的大模型已展現(xiàn)出局部領(lǐng)先的優(yōu)勢(shì)。這意味著，F(xiàn)SD入華后，行業(yè)不會(huì)出現(xiàn)“一種路線通吃”的局面，而是在全球通用能力與本土場(chǎng)景適配的雙重競(jìng)爭(zhēng)格局下，形成技術(shù)迭代的良性加速循環(huán)。

純視覺 VS 多模態(tài)感知融合

早在2021年，馬斯克在接受媒體采訪時(shí)就曾聲稱：“自動(dòng)駕駛汽車應(yīng)當(dāng)使用與人類司機(jī)相同的感覺駕駛汽車，人依靠眼睛和智力駕駛汽車，自動(dòng)駕駛汽車也應(yīng)當(dāng)這樣。”

馬斯克認(rèn)為，道路和交通規(guī)則本身是基于人類視覺設(shè)計(jì)的，純視覺方案能最貼近人類駕駛習(xí)慣，是通向完全自動(dòng)駕駛的“第一性原理”。

他多次批評(píng)激光雷達(dá)是“錯(cuò)誤的解決方案”，稱其在復(fù)雜道路環(huán)境中效率低下，而視覺系統(tǒng)結(jié)合生物神經(jīng)網(wǎng)絡(luò)才是最優(yōu)解。之所以特斯拉只采用視覺方案，是為了讓車載計(jì)算機(jī)更加“專注”，一旦增加雷達(dá)等相關(guān)數(shù)據(jù)，會(huì)使系統(tǒng)獲得超過它處理能力的冗余數(shù)據(jù)，如此會(huì)對(duì)軟件產(chǎn)生負(fù)面影響。

近年來，隨著計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)的快速發(fā)展，純視覺方案的感知能力顯著提升，尤其是在物體檢測(cè)、目標(biāo)跟蹤和路徑規(guī)劃等關(guān)鍵任務(wù)上取得了突破性進(jìn)展。

從方案部署角度，純視覺方案主要依靠攝像頭這一單一硬件，降低了系統(tǒng)集成難度和硬件成本。但其依賴的算法對(duì)場(chǎng)景的高效感知與理解，特別是在惡劣天氣（如大霧、大雨或積雪環(huán)境）和受光照條件影響較大的復(fù)雜工況下，如何確保可靠性仍是其核心挑戰(zhàn)之一。其次，該方案需要處理大量的圖像數(shù)據(jù)，這對(duì)自動(dòng)駕駛系統(tǒng)的數(shù)據(jù)處理和存儲(chǔ)能力提出了更高的要求，增加了系統(tǒng)的復(fù)雜性和能耗。

為了克服單一傳感器的局限性，多模態(tài)感知融合成為自動(dòng)駕駛領(lǐng)域另一條主流技術(shù)路徑。相比于依靠攝像頭的純視覺感知方案，激光雷達(dá)與攝像頭的融合感知方案，可以帶來全局信息獲取能力的提升，為行駛安全增添了多重保障。

激光雷達(dá)最大優(yōu)勢(shì)在于測(cè)距精度非常高，通常可以達(dá)到厘米級(jí)別，遠(yuǎn)高于傳統(tǒng)的雷達(dá)和攝像頭技術(shù)。通過高密度、高精度的三維點(diǎn)云數(shù)據(jù)，激光雷達(dá)能夠精確感知周圍環(huán)境中的物體位置、形狀和距離，被廣泛應(yīng)用于構(gòu)建周圍環(huán)境的幾何模型，特別是在復(fù)雜城市場(chǎng)景中，它的高空間分辨率和測(cè)距能力極大地提高了障礙物識(shí)別和建圖精度。激光雷達(dá)不依賴環(huán)境光照條件，能夠在白天、夜晚以及光線復(fù)雜的環(huán)境中工作，這使得激光雷達(dá)特別適用于多變的戶外環(huán)境，如城市街道、隧道和夜間駕駛等場(chǎng)景。

攝像頭作為模擬人眼的視覺工具，能捕獲豐富的語義信息，用于識(shí)別車道線、交通標(biāo)志、行人和車輛類型等。攝像頭在晴天和光照良好的條件下表現(xiàn)出色，但強(qiáng)光、陰影和夜間等復(fù)雜光照條件會(huì)顯著降低其性能。

毫米波雷達(dá)在感知速度和距離信息方面表現(xiàn)優(yōu)異，尤其在雨雪天氣和低可見度環(huán)境中，能夠可靠工作。但其空間分辨率不足以精確識(shí)別靜態(tài)或復(fù)雜形態(tài)的物體。

超聲波雷達(dá)則更多應(yīng)用于如泊車場(chǎng)景中的障礙物檢測(cè)短距離環(huán)境感知，但其探測(cè)距離較短，無法滿足復(fù)雜場(chǎng)景需求。

比如Waymo的第五代Robotaxi，配備了8顆攝像頭、5顆雷達(dá)以及3顆激光雷達(dá)，而第六代Robotaxi更是配備了13顆攝像頭、4顆激光雷達(dá)、6顆毫米波雷達(dá)以及一系列外部音頻接收器，為駕駛員提供360度環(huán)視視野，最遠(yuǎn)探測(cè)距離達(dá)500米，極大提升了車輛在不同光照條件、極端天氣下的適應(yīng)能力。

在2024年12月的理想AI Talk對(duì)話節(jié)目中，理想汽車CEO李想被問及“特斯拉沒有用激光雷達(dá)，你們?yōu)槭裁匆谩睍r(shí)，他坦言保留激光雷達(dá)是為了安全。

李想表示，中國路況與美國不同，深夜駕駛時(shí)可能會(huì)遇到尾燈損壞的大貨車，甚至大貨車會(huì)停在主路上。在這種情況下，激光雷達(dá)可以看到200米遠(yuǎn)的距離，而攝像頭在無光環(huán)境下的可視距離只有100多米。這使得激光雷達(dá)能夠?qū)崿F(xiàn)130公里/小時(shí)的AEB自動(dòng)緊急制動(dòng)功能。

AEB的關(guān)鍵性能指標(biāo)包括剎停速度與誤報(bào)率，激光雷達(dá)能實(shí)現(xiàn)更遠(yuǎn)距離的探測(cè)，對(duì)物體的檢測(cè)也更加靈敏，在高速場(chǎng)景里保證了更高的剎停速度，在城區(qū)里則有效降低誤報(bào)率。因此，不少業(yè)內(nèi)人士認(rèn)為，激光雷達(dá)除了承擔(dān)安全冗余的角色，更是實(shí)現(xiàn)AEB功能必不可少的感應(yīng)器，是“功能件”。

事實(shí)上，純視覺與感知融合的路線分歧本質(zhì)是“算法驅(qū)動(dòng)”與“硬件驅(qū)動(dòng)”的理念之爭(zhēng)。特斯拉壓押注于通過海量數(shù)據(jù)訓(xùn)練出“全能算法”，最終實(shí)現(xiàn)“無雷達(dá)”的純視覺自動(dòng)駕駛；而國內(nèi)車企則選擇用硬件堆砌安全冗余，通過多傳感器互補(bǔ)應(yīng)對(duì)復(fù)雜場(chǎng)景。

單一技術(shù)的安全威脅在于安全冗余能力的不足，視覺可能“看不見”，激光雷達(dá)可能“看不懂”。在真實(shí)場(chǎng)景中，一場(chǎng)大霧足以讓視覺系統(tǒng)失效，一個(gè)反光物體可能讓激光雷達(dá)誤判，任何單一傳感器的“脆弱性”都可能成為系統(tǒng)性風(fēng)險(xiǎn)的導(dǎo)火索。

通過將激光雷達(dá)、攝像頭、毫米波雷達(dá)等多種傳感器的感知數(shù)據(jù)進(jìn)行融合處理，能夠提供更為準(zhǔn)確、完整的環(huán)境信息。這種融合感知技術(shù)能夠充分利用各種傳感器的優(yōu)勢(shì)，通過在時(shí)間和空間上對(duì)不同傳感器的信息進(jìn)行對(duì)齊和優(yōu)化，從而彌補(bǔ)單一傳感器的缺陷。

不過，融合感知技術(shù)的推廣仍面臨成本、技術(shù)和法規(guī)等多方面的挑戰(zhàn)。首先，融合感知技術(shù)需要集成多種傳感器，這增加了系統(tǒng)的復(fù)雜性和成本。其次，不同傳感器之間的數(shù)據(jù)融合需要高精度的校準(zhǔn)和同步，這對(duì)技術(shù)實(shí)現(xiàn)提出了很高的要求。

內(nèi)部人“信任危機(jī)”仍待解除

就在特斯拉FSD入華進(jìn)行得如火如荼，一場(chǎng)由內(nèi)部員工引發(fā)的“信任危機(jī)”又將FSD安全性推上風(fēng)口浪尖。

5月29日，路透社發(fā)布深度調(diào)查報(bào)告，直指特斯拉FSD軟件的安全宣傳存在數(shù)據(jù)漏洞。特斯拉此前宣稱FSD安全性達(dá)人類駕駛員10倍，但核查顯示該結(jié)論在統(tǒng)計(jì)口徑、對(duì)比邏輯上均站不住腳，多位內(nèi)部數(shù)據(jù)標(biāo)注員與工程師亦公開表示不認(rèn)可FSD的自動(dòng)駕駛安全性。

這些數(shù)據(jù)標(biāo)注員的核心工作，是審核海量FSD行車影像并訓(xùn)練系統(tǒng)修正錯(cuò)誤。他們透露，工作中頻繁看到FSD車輛出現(xiàn)超速行為，但這類高頻基礎(chǔ)問題，并未得到工程師和管理層的優(yōu)先重視，資源反而更多投向罕見的極端場(chǎng)景。除了超速，F(xiàn)SD還多次出現(xiàn)無法避讓緊急車輛、在校車旁未停車、險(xiǎn)些撞到行人甚至撞擊動(dòng)物等危險(xiǎn)情況，這些真實(shí)發(fā)生的隱患，讓內(nèi)部人員對(duì)系統(tǒng)安全性徹底喪失信心。

在數(shù)據(jù)對(duì)比層面，特斯拉將FSD觸發(fā)安全氣囊的事故率與聯(lián)邦政府覆蓋各類輕微事故的整體事故率進(jìn)行對(duì)標(biāo)，這一口徑差異使安全性倍數(shù)被人為放大。卡內(nèi)基梅隆大學(xué)教授菲利普·庫普曼直言：“這就好比說‘我的噴氣式飛機(jī)比你的二戰(zhàn)轟炸機(jī)快’，所以呢？”十余位交通安全領(lǐng)域?qū)＜乙恢抡J(rèn)定，此類統(tǒng)計(jì)屬于誤導(dǎo)性營銷表述，而非嚴(yán)謹(jǐn)?shù)陌踩u(píng)估。

特斯拉的Robotaxi試點(diǎn)同樣暴露了依賴人工兜底的現(xiàn)實(shí)。猶他州數(shù)據(jù)標(biāo)注團(tuán)隊(duì)在Cybercab發(fā)布會(huì)前夕翻倍至300人，提前數(shù)月對(duì)特定路線進(jìn)行標(biāo)注訓(xùn)練。有前員工將此形容為“提前拿到期末考試答案”。奧斯汀運(yùn)營近一年后，實(shí)際部署車輛僅約50臺(tái)，且僅限精心圈定的有限區(qū)域運(yùn)行。

對(duì)此，美國國家公路交通安全管理局已將FSD相關(guān)調(diào)查升級(jí)，涉及約320萬輛車。荷蘭、瑞典、芬蘭、丹麥和挪威等歐洲多國監(jiān)管機(jī)構(gòu)也對(duì)其安全性提出質(zhì)疑，導(dǎo)致FSD在歐洲的審批遇阻。

隨著輔助駕駛正從早期試點(diǎn)邁向規(guī)模化普及階段，這一過程需要技術(shù)創(chuàng)新與用戶體驗(yàn)的平衡共進(jìn)。純視覺與多傳感器感知融合并沒有絕對(duì)的優(yōu)劣之分，無論技術(shù)路徑如何選擇，以用戶為中心的安全體驗(yàn)遠(yuǎn)勝于技術(shù)“炫技”。

在關(guān)乎生命安全的領(lǐng)域，穩(wěn)步構(gòu)建可靠的技術(shù)體系，讓用戶在每一次出行中感受到有溫度、可信賴的技術(shù)守護(hù)，才是輔助駕駛技術(shù)普惠大眾的正確打開方式。FSD入華帶來的行業(yè)碰撞，也將反向倒逼國內(nèi)高階智駕技術(shù)加速迭代，在良性競(jìng)爭(zhēng)中推動(dòng)整個(gè)國內(nèi)智能輔助駕駛產(chǎn)業(yè)走向成熟。