超越特斯拉的FSD一直是中國車企的目標。
早在2024年底，何小鵬就在微博上公開向馬斯克宣戰。
從明年開始，（特斯拉）在中國的自動駕駛必須做好被我們打敗的心理準備，至於世界，我們會見面的。 」
2024年4月，俞承東在新聞發布會上用資料碾壓特斯拉。
華為ADS20 在 ramp 合併成功率方面已達到 9886%，遠居行業前列，特斯拉8816.當然，不要嘲笑特斯拉，因為特斯拉比世界上其他品牌要好得多。 」
經過幾年的口水戰，特斯拉的FSD終於加速進入中國。
11月20日，特斯拉中國官網更新，將FSD測試版內容納入中文車主手冊。
11月23日晚間，特斯拉中國回應了FSD進入中國的傳聞：確實在推廣中。
特斯拉的靈魂終於來了，中國車企能扛得住嗎？
FSD進入中國，特斯拉蓄勢待發
除了FSD進軍中國的訊息外，還有FSD V12版本（端到端自動駕駛）即將發布的訊息。
結合這兩條訊息，不難看出，特斯拉FSD進軍中國顯然是有備而來的。
2021 年 8 月，特斯拉在首屆 AI Day 上推出了基於 Transformer 的 BEV。
此後，華為、小鵬汽車、蔚來汽車、理想等多家廠商迅速效仿，推出基於BEV+Transformer的智慧型駕駛解決方案。
在此期間，特斯拉雖然擁有一定的先發優勢，但並未與中國車企的智慧型駕駛解決方案拉開明顯的代溝。
雙方在感知端基本通過BEV+Transformer架構實現神經網路計算，但下游規劃和控制仍以常規演算法為主。
即使是引入更多神經網路的 FSD v11，也有大約 300,000 行 C++ 控制項**。
只要涉及到規則演算法，特斯拉FSD在進入中國後就要重寫控制**，以適應中國的交通法規和路況，甚至在中國重建一支自動駕駛演算法團隊。
在適應水土的條件下，特斯拉FSD極有可能在戰場上失敗。
然而，即將推出的FSD V12扭轉了這一局面，通過端到端的自動駕駛，它拉開了與中國汽車製造商的代溝。
FSD 的每一次重大迭代本質上都會將更多的子任務交給神經網路，從而降低對人類規則的參與程度。
FSD V12 實現了幾乎所有的子任務都由神經網路完成，手動程式設計的 C++ 控制**從 V11 中的 300,000 行減少到 3,000 行，實現了完整的端到端自動駕駛，即在神經網路模型中輸入影象後，直接輸出轉向、加速、制動等控制指令，期間無需任何規則**。
端到端自動駕駛的核心優勢在於，可以大大提高模型的效能上限和訓練效率。
在傳統的自動駕駛中，車型效能的上限取決於規則的質量，而各車企智慧型駕駛能力的差距，本質上就是規則上的差距。
但是，有限**在任何情況下都無法覆蓋無限場景，工程師只有在遇到邊緣場景後才能不斷修補模型。
所謂智慧型駕駛，其實根本沒有智慧型，看不懂規則，只是按照人類寫的規則去開車。
FSD V12的端到端自動駕駛則完全不同，車型效能的上限不再由規則**決定，而是由資料和算力決定。
端到端的智慧型駕駛模型可以模擬人類思維，通過大量的訓練來學習駕駛。
用於訓練的資料越多，算力越強，模型的效能就越好，甚至可能出現大型語言模型中的“湧現”概念，即類似於人類的“啟蒙”和積累。
FSD實現了端到端的自動駕駛，只需要訓練具有足夠本地駕駛資料的智慧型駕駛模型，即可實現更好的智慧型駕駛體驗。
同時，得益於規則數量大幅減少**，特斯拉不需要在國內組建一支擁有數千種智慧型駕駛演算法的團隊，只需要乙個20人左右的本地運營團隊和乙個上百人的資料標註團隊，就可以實現FSD的順利實施。
要趕上特斯拉，中國車企至少需要2年
對於中國汽車製造商來說，要跟上特斯拉的FSD V12並不容易。
從FSD自身的開發經驗來看，特斯拉從大型車型到實現端到端自動駕駛，用了兩年半的時間。
2024年9月，特斯拉發布BEV+Transformer架構，大型車型開始搭載。
2022 年 9 月，特斯拉的 FSD V11 採用了占用技術，以進一步提高 3D 空間識別能力。
2024年初，特斯拉正式開始訓練端到端車型。
FSD v12 預計將於 2024 年初正式推出。
不過，目前中國廠商，如華為、小鵬汽車、理想企業、蔚來等企業，一般要到2024年才能實現BEV+Transformer架構，比特斯拉晚了近兩年。
像特斯拉一樣專注於純視覺解決方案的極越，剛剛在剛剛發布的極越01上實現了BEV+Transformer+Occupancy架構，比特斯拉晚了一年。
作為追趕，中國汽車製造商或許可以縮短技術研發時間。
但是，想要超越特斯拉，就不能忽視它在資料和算力方面的優勢——畢竟，是資料和算力決定了端到端車型效能的上限。
資料方面，在FSD v12版訓練之初，特斯拉給大約1000萬特斯拉車主喂了駕駛**片段，這與特斯拉的上限相去甚遠。
馬斯克的傳記提到，特斯拉每天可以從車主那裡獲得 1600 億幀**用於 FSD 培訓。 迄今為止，特斯拉的FSD已經累計行駛了超過5億英里，Autopilot已經使用了超過90億英里。
龐大資料的背後，是特斯拉450萬輛的全球銷量。 在中國市場，特斯拉目前也有160萬輛的銷量，對於車型訓練來說已經足夠了。
另一方面，中國車企方面，魏小麗的累計銷量分別為43萬輛、38萬輛和58萬輛，華為的文傑和阿維塔的累計銷量為16萬輛，在資料規模上與特斯拉差距較大。
銷量超過特斯拉的比亞迪目前並未將智慧型駕駛作為其核心業務發展。
由於汽車行業規模效應明顯，更容易產生“強者永遠強”的馬太效應，在銷量和資料規模上超越特斯拉需要花費大量時間。
在算力方面，趕上特斯拉也不是一件容易的事。
早在 2022 年，特斯拉計算中心的算力就已經達到了 2eflops。
2023 年 8 月，特斯拉推出了由 10,000 個 NVIDIA H100GPU 組成的算力集群，可提供 10EFLOPS 的算力。
同時，特斯拉自主研發的道場超算中心也於今年7月開始量產，預計到2024年底將投資10億美元，屆時道場的算力將達到100EFLOPS。
在國內廠商中，華為目前算力最高，為28eflops。
緊隨其後的是吉利，算力為810 pflops（1eflops=1000 pflops），理想汽車、陌陌智行和小鵬汽車的算力分別為750 pflops、670 pflops和600 pflops。
即使是算力最高的華為，與特斯拉的算力差距也很大，要趕上特斯拉，需要大量的資金投入。
據了解，一款H100晶元的官方售價為35萬美元，甚至在黑市上推測到30-40萬元，1萬顆H100晶元至少要花費25億元。
加上在Dojo電腦上投入的10億美元，特斯拉今明兩年在算力上的投入將達到100億元，而魏曉麗2024年的研發投入只有108億、52億和68億。
對於中國車企來說，要想在智慧型駕駛領域趕超特斯拉，技術、資料（銷量）、算力和資本缺一不可。
但從目前的情況來看，沒有一家車企能夠滿足所有要求。
鲶魚特斯拉，或將導致另一波降價潮
雖然特斯拉FSD V12在技術方面有優勢，但能否占領市場就要看**了。
出於政策原因，特斯拉在中國收集的資料必須留在中國，這意味著如果特斯拉想在中國訓練與美國版本類似的FSD，就必須在中國建立資料中心和類似Dojo的超級計算中心。
按照特斯拉在美國的節奏，FSD在中國落地至少需要一年的時間和100億元人民幣。
一年多的落地時間無疑給了中國車企喘口氣甚至超車的機會，而100億的重複建設，更是大幅增加了特斯拉FSD的成本。
截至目前，特斯拉在中國的累計銷量為160萬輛，如果這160萬輛汽車與FSD一起購買，特斯拉每輛車的智慧型駕駛研發成本將僅為6250元。
但顯然，讓每個特斯拉車主都購買FSD是一件不可能的事情。
根據中信**的資料，在北美，特斯拉FSD滲透率在Model 3上為5%-7%，在Model Y上為12%-13%。
如果以與北美相似的10%的速度計算中國的滲透率，那麼每輛車的智慧型駕駛研發成本為625萬元，比北美的FSD少120,000 美元 （8.）40,000元）。
然而，與中國汽車公司相比，每輛車是6輛25萬元的費用略顯貴。
比如M5智慧型駕駛版在硬體上比標準版貴3萬元，華為ADS 20 智慧型駕駛包限時售價 180,000元（原價3。60,000），智慧型駕駛累計成本為480000元;
智捷S7智慧型駕駛版硬體成本為4萬元，華為ADS 20 智慧型駕駛包限時售價 180,000元（原價3。60,000），智慧型駕駛累計成本為580000元;
小鵬G6Max版比Pro版貴2萬元，XNGP免費，累計售價2萬元
理想L7Max版比Pro版貴4萬元，市NOA免費，累計售價4萬元
而特斯拉，也採用了純視覺方案，極越01智慧型駕駛包原價為490,000，上市期間** 1990,000。
目前，在特斯拉中國官網上，FSD的價格是64萬元，在當前的熱戰中，特斯拉FSD的競爭力非常有限。
在北美市場，特斯拉**將FSD的核心秘密出售給自己的商業保險系統。
特斯拉自有保險的保費與車主駕駛行為的危險程度直接相關，駕駛行為越安全，保費越低。
在特斯拉的評級體系中，使用FSD是最安全的駕駛行為。 通過使用 FSD，車主每年可以節省超過 5,000 美元的保費，遠高於 FSD 的 $2,388 一年訂閱**。
不過，目前特斯拉在中國市場的年保費約為7000元，低於FSD的1元年保費70,000 個訂閱**。 如果特斯拉不減少其FSD訂閱**，即使將北美保險模式轉移到中國，也無法促進FSD的銷售。
此次降價是特斯拉FSD進入中國市場的最佳選擇。
由於特斯拉的FSD採用了純視覺解決方案，因此智慧型駕駛的主要成本在於研發，並且隨著FSD銷量的增加，每輛車的平均成本也將下降。
因此，特斯拉可以通過降價來逆轉操作，提高FSD的滲透率，從而降低成本。
2024年上半年，L2級自動駕駛在中國汽車市場的滲透率已經達到40%，如果特斯拉的FSD滲透率能夠達到這個水平，單車智慧型駕駛的研發成本可以下降到250,000元。
2.50,000**低於當前市場智慧型駕駛的平均水平，很可能會繼續提高FSD的滲透率，從而進一步降低特斯拉單車的智慧型駕駛成本。
降低**-提高滲透率-稀釋成本--降低**再次，特斯拉對汽車的一系列降價引發的**戰爭，或許又在智慧型駕駛領域了。
對於使用雷射雷達的中國廠商來說，降低智慧型駕駛成本並非易事。
雖然單個雷射雷達的第一級已經從幾年前的幾十萬元降到了現在的幾千元。
但考慮到邊際效應遞減，進一步降低雷射雷達成本所需的銷售規模將比以前高得多，短期內注定難以實現。
如果不能降低雷射雷達的單價，車企只能從減少雷射雷達數量入手。
例如，華為的智慧型駕駛解決方案從ADS1開始0 到 ads20，雷射雷達數量從3個減少到1個。
短期內，減少雷射雷達的數量確實可以快速降低智慧型駕駛的成本。
然而，從長遠來看，特斯拉FSD的成本將隨著銷量的增加而繼續下降。
然而，雷射雷達解決方案的單車智慧型駕駛成本始終與硬體成本掛鉤，硬體成本降低的潛力遠小於軟體。
一旦特斯拉FSD在國內率先實現規模化，將兼具技術優勢和**優勢。
因此，特斯拉在中國建立資料中心和超級計算中心的視窗期，對中國車企來說是乙個生死攸關的時刻。
雖然沒有一家中國車企能夠同時滿足技術、資料（銷量）、算力和資本的要求，但每家車企都有自己的優勢。
在技術方面，極躍已經實現了BEV+Transformer+OCC架構，與特斯拉的技術路線差距最小。
資料方面，比亞迪今年8月實現新能源汽車銷量500萬輛，超過特斯拉。
同時，生成式AI的發展也在一定程度上緩解了車企資料不足的問題，雖然生成式AI在資料量上可能無法與特斯拉相提並論，但其優勢在於能夠以較低的算力生成特定的駕駛場景，從而有針對性地訓練模型。
在算力和資金方面，任正非表示，華為每年投入30億至50億美元用於基礎理論研究，即將到來的第四次工業革命的基礎是大算力，華為將致力於在中國建設堅實的算力基礎，打造世界第二選擇。
從另乙個角度來看，FSD就像特斯拉的另一條鲶魚，加速推動中國車企彌補自己在智慧型駕駛方面的短板。