受技术挑战的特斯拉FSD，智能驾驶的“解药妙方”是谁？

“在围棋中，有一些人走在前面，也有一些人走在后面。棋薄，先赢，先赢；棋厚，积蓄力量，努力工作。在不断变化的节奏中，攻防双方在变化中开启了新的游戏。”

近日，据知情人士透露，上海临港管理委员会正在推进区内10辆特斯拉FSD落地检测，上海自动驾驶示范区已向特斯拉发放道路检测牌照。这意味着特斯拉FSD在中国全面落地已经不远了。

关于特斯拉FSD，中国主要有两种不同的声音。首先，它非常先进。如果落地中国市场，必将引发新一轮智能驾驶“鲶鱼效应”，实现良币驱逐劣币；第二，我认为FSD不够害怕，国内汽车公司已经利用时差赶上了它。然而，目前有第三种声音。中国正在全力以赴的车路云一体化，可能会与FSD抗衡，成为进入高级自动驾驶的另一条技术路径，这也是中国在自动驾驶棋局中的战略机会。

目前，如何实现更安全的自动驾驶在R&D路线的选择上仍存在争议。谁更适合中国自动驾驶的需求，因为进口FSD与本土车路云融为一体？特斯拉倡导的纯自行车智能路线能否成为未来车路云一体化的“绊脚石”？两者将在智能驾驶技术跑道上竞争还是融合？

FSD全面落地是“毒”还是“药”？

首先，我们必须承认特斯拉FSD的领先地位。一个不可否认的事实是，目前很多智能驾驶计划都是摸着特斯拉渡河，特斯拉在技术路线和功能上推动了行业。

近几年，特斯拉每年的AI Day是行业技术的风向标。AI于2021年8月举行。 在Day上，特斯拉首次展示了基于“BEV Transformer“通过3D俯视视觉与神经网络的结合，感知范式有效提高了车辆感知的准确性，有利于后续规划控制算法的实施，促进了端到端自动驾驶框架的发展。

但是在这个时候，国内大部分车企都在走“多传感器融合” 激光雷达 “高精度地图”的路线基本上对特斯拉的解决方案持观望态度。也就是说，从今年开始，特斯拉智能驾驶开始向Teslas Vision的过渡，取下车内毫米波雷达。

在2022年的AI 在Day上，特斯拉基于BEV提出了占用网络。（Occupancy Network，OCC），引入“体素”的概念，通过将空间分割成不同体积的体素来预测是否被占用，从而解决一般障碍物的识别问题。这个方案大大提高了智能驾驶的感知，同时也为激光雷达和高精度地图的去除提供了更多的确定性。

AI 在Day之后不久，特斯拉正式宣布取下超声传感器。此时，特斯拉依靠“8个摄像头” “大算率芯片”完成了智能驾驶，在纯视觉上越走越远。直到这时，很多车企才确信纯视觉智能驾驶真的可行，各家公司才正式开始行动。去高精度地图和激光雷达的说法逐渐成为行业主流。

自行车智能的持续进化能力是特斯拉最大的优势。2023年初，马斯克透露，特斯拉已开始研发端到端自动驾驶计划。同年八月，马斯克首次直播FSD亲测。 v12，整个过程只接管一次。2024年1月，特斯拉向普通用户推送FSD 三月份向北美车主推送v12测试版FSD v12.3.1版本，现在最新版本已经到了FSD v12.4.1。

虽然特斯拉FSD在美国表现出了出色的性能，但是它可能低估了中国路况的复杂性。相比之下，中国汽车公司更擅长将智能驾驶技术与中国的具体道路环境相结合，从而在驾驶风格、安全性等方面实现“超车”。例如，针对常见的“鬼探头”和“加塞”情况，中国汽车公司应该在智能驾驶计划中加入更有针对性的解决方案。从效果来看，中国市场的高级智能驾驶大多完成率优异，对中国路况的优化会带来更多的安全感，这是特斯拉FSD暂时没有的商品特性。

FSD的全面落地可能会加剧自动驾驶技术的竞争，而国内企业则跃跃欲试，大有可为。近日，小鹏汽车董事长兼首席执行官何小鹏公开表示，特别欢迎特斯拉FSD进入中国；华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东也表示，欢迎特斯拉FSD进入中国。即使没有激光雷达版本，华为智能驾驶也比特斯拉FSD好，性能更好。同时，他也表示，只有在竞争之后，才能看到谁做得更好。

另一个智能驾驶的答案

事实上，FSD并不是一条平坦的道路。业内普遍认为，理论上端到端模型的能力上限高于今天的模块化自动驾驶系统，但同时也无限放大了神经网络黑盒无法解释的问题。无法解释和控制的特性会导致系统能够处理复杂的场景，但与目前的主流系统相比，简单的场景很可能会出现退步甚至犯很多“低级”的错误。

其次，随着模型技能的提高，需要更多的数据来改进模型。每10000公里的行驶数据只能训练一公里的模型，每次训练都需要花费大量的计算率。

在解决问题的同时，模型迭代永远不会结束，会带来更多的新问题。在今年的特斯拉股东大会上，马斯克承认FSD面临的主要限制不是训练信息量，而是检测AI模型的效率和判断新模型是否更好的标准能力。当AI模型在1000多英里的行驶过程中只需要人工控制一次时，如何快速准确地评价新模型的优缺点就变得尤为困难。

由此可见，FSD的发展一直受到端到端模型的进化效果和车辆计算能力的限制。一旦自行车智能的进化遇到瓶颈或停滞，由于感知局限而发生事故的概率也会增加。

长尾安全问题是制约高级自动驾驶落地的主要因素之一。即使90%的自动驾驶问题得到了解决，剩下的10%的问题也可能需要100倍的精力才能解决。为了解决这个痛点，马斯克开始考虑汽车与路面的互动，特斯拉将重点检测路口的复杂情况，并在美国成千上万的复杂路口进行有针对性的检测。

任何技术路线都不止一条。作为智能驾驶安全性能较高的另一条路线，车路云一体化被放在前台。车路云一体化是在车路协同的基础上进一步发展起来的。它不仅包括车辆与路面的协同，还包括云平台的整合。通过新一代信息与通信技术，将人、车、路、云的物理空间与信息空间融为一体，实现系统的全面协同感知、决策和控制。

就FSD与车路云一体化两者的关系而言，本质上并非同维竞争。自行车智能是“点”的提升，车路协调是“面”的统筹。车路云一体化诞生之初，就是为了解决自行车智能无法解决的问题，两者的关系是相互促进、相互补充的。通过整合交通核心要素、超视距感知、实时信息共享等方式，可以弥补自行车智能在复杂场景中的感知不足，从而提高自动驾驶的可靠性和安全性。

自行车智能是车路云一体化的基础。通过充分发挥车路云一体化的双数据感知、复杂场景协同决策、群体智能等优点，赋能车辆，将未知场景转化为已知场景，降低不安全场景的安全风险，实现自动驾驶运行设计领域。（ODD）不断扩大，进一步提高自动驾驶汽车的性能和安全性。

事实上，即使FSD在美国市场得到了广泛的应用和技术验证，美国国家公路交通安全管理局最近也因未识别列车而发生事故。（NHTSA）对涉及FSD和Autopilot模式的事故进行了多次调查。如果国内汽车公司能够充分融合自行车智能和车路云一体化技术，不仅可以产生新的多元化解决方案，还可以进一步提高自动驾驶的安全性，实现1 1>2的效果。

谁会先喝万亿“头头汤”？

对于中国来说，车路云一体化无疑是一个艰难的产业战略机遇，它将合作推动新基础设施的数字化和智能化发展。从产业链来看，车路云一体化产业链主要涵盖车载设备、路边基础设施、云控平台、通信网络四个方面。

C-V2X车载终端、车辆数字身份证媒介是主要的车载设备。不仅涉及LTE-V2X直连通信路侧单元的路侧基础设施，（RSU）、网络交通标志，还包括路边感知设备，边缘计算系统。云控制平台是实现车辆协同感知、协同决策、协同控制的重要环节，需要处理大量的交通数据。通讯网络包括C-V2X网络、光承载网络等设施，是车路云一体化的基础设施。

当前，车路云一体化主要面临“两率低”的问题，即路侧设备覆盖率不高，车端设备渗透率不均匀。一方面，C-V2X车联网路侧基础设施RSU覆盖率低，未形成规模布局，缺乏全球开放；另一方面，车载终端的渗透率很低，导致车辆之间信息交互和协作能力不强。车路城市协同基础设施建设主要集中在各城市示范区的部分道路上，无法形成连续的智能网络环境，无法满足智能网络车辆的大规模测试验证、数据训练、功能优化等需求，导致基础设施利用率低下。

而且中国庞大的公路网络和机动车保有量为车路云一体化提供了大量的验证情境和信息来源。2023年，全国公路总里程达到544万公里，其中高速公路达到18万公里，机动车数量达到4.35亿辆。根据《车路云一体化智能联网汽车产业产值增量预测》的报告，2025年/2030年我国车路云一体化智能联网汽车产业总增量分别为7295亿元/25825亿元，年平均复合增长率为28.8%。

瑞银证券亚洲工业行业主管、中国研究部副总监徐宾此前表示，路边基础设施是车路云协同中容易被忽视的一个层面。随着基础设施投资的日益重要，车路云协同将成为推动新基础设施建设的有效手段之一。

瑞银预计，2022年至2040年，中国道路侧投资总额预计将达到3000亿美元，其中道路侧端系统供应商、智能建筑工程和制造公司将成为直接受益者。自动驾驶公司、汽车零部件企业、技术公司，如相机、激光雷达制造商等，得益于初期汽车自动驾驶价值的渗透，将获得更多订单。

虽然技术路线不同，但最终还是会并肩而立。随着智能驾驶逐渐成为各汽车公司竞争的焦点，以FSD为代表的端到端技术不再神秘和神化。对于中国汽车公司来说，FSD的全面落地可以迫使国内智能驾驶向前发展，而车路云一体化作为与FSD并行的技术路线，将推动更安全的自动驾驶早日到来，推动自动驾驶真正进入千家万户。

本文来自微信公众号“极智GeeTech”（ID:gh作者：半山，36氪经授权发布，_ace6129f9cd5)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com