特斯拉FSD進(jìn)入中國的首個24小時，國內(nèi)智駕圈炸開了鍋。一時間，主機廠、車主、KOL、KOC扎堆開始直播測試，首輪戰(zhàn)罷結(jié)果出奇一致，關(guān)于吐槽的點，是導(dǎo)航拉胯、闖紅燈、不認(rèn)路、市區(qū)超速、接管頻次高，甚至是逆行，而好評的點，都在最核心的博弈規(guī)控上，效果基本能用絲滑和果斷來總結(jié)，按照馬斯克的隔空解釋，由于復(fù)雜的不可抗力因素，目前在中國地區(qū)上架的FSD V13.2.6，道路數(shù)據(jù)是從互聯(lián)網(wǎng)抓取學(xué)習(xí)訓(xùn)練后的版本（美版最新為V13.2.8），要這么說，F(xiàn)SD在中國刷題一段時間后，很有可能會優(yōu)化掉這些問題，那，到時候，特斯拉FSD的段位會在華為、理想、小鵬之上嗎？6萬4的一口價，還會降嗎？

煥新Model Y等新版本，“半血FSD”首戰(zhàn)落后不多？

需要明確的是，特斯拉首次在中國推送的FSD，只開通了其中一部分功能，因為在2024.45.32.12推送里，更新內(nèi)容只提到了3個，城市道路Autopilot自動輔助駕駛、車內(nèi)攝像頭、新版本地圖。所謂的城市道路Autopilot自動輔助駕駛，其實就是對現(xiàn)有NOA輔助功能做了細(xì)節(jié)優(yōu)化，支持掉頭、無保護(hù)轉(zhuǎn)彎、變道、上下匝道等，車內(nèi)攝像頭則是用來判定駕駛員注意力，就這些功能而言，和眼下國內(nèi)主流高階智駕所覆蓋的場景基本一致，不過，按照第一波測試的結(jié)果來看，問題多出在了對數(shù)據(jù)處理的準(zhǔn)確性上。

有幾個典型的案例，比如車輛完成右轉(zhuǎn)后，感知端在夜間能識別道路劃線，但也毅然占用了非機動車道，另外，當(dāng)前方識別到擁堵工況時，果斷進(jìn)行壓實線變道超車，這兩個反規(guī)控基本邏輯的現(xiàn)象，說明了一件事，F(xiàn)SD在感知架構(gòu)端的數(shù)據(jù)吸入穩(wěn)定性，基本沒有太大問題，而且漫游掉頭甚至?xí)约阂?guī)劃新路線（有測試顯示，T字路口車輛掉頭后自行駛?cè)爰佑驼就瓿蓳Q道），從整個規(guī)控的邏輯來看，效果明顯相對激進(jìn)，可能有人會反駁這個觀點，因為在不少測試過程中，還出現(xiàn)了違反交通道路標(biāo)識行駛的行為，如果說感知端獲取數(shù)據(jù)的能力不低，為何連最基本、也是最簡單的道路標(biāo)線也沒識別出來？

難不成，百度地圖在道路網(wǎng)的數(shù)據(jù)有滯后？這個推理明顯不成立，因為特斯拉的這套端到端，底層架構(gòu)也是不依賴高精地圖驅(qū)動的，所以從根本來講，可以看成是系統(tǒng)的學(xué)習(xí)量還遠(yuǎn)遠(yuǎn)不夠，尤其是不熟悉道路結(jié)構(gòu)和有中國特色的交通標(biāo)識，這一點，似乎印證了馬斯克在推文中的解釋，但還是有一處疑點，既然這次在中國只是解鎖了FSD一部分功能，但，從底層架構(gòu)來看，F(xiàn)SD已經(jīng)是one model一段式端到端了，理論上是無法進(jìn)行模塊化拆分的，所以很有可能，中國版FSD V13.2.6，是基于上一代V12版本訓(xùn)練后得來的，也不排除是基于已在北美公開推送的V13.2.8早期版本。

無論如何，從這兩代版本在海外的實測結(jié)果來看，接管頻次基本都不會超過兩位數(shù)，而接管率又是眼下國內(nèi)市場對高階智駕水平的標(biāo)尺，所以這又回到了前面提到的問題上，F(xiàn)SD在國內(nèi)，感知和算法都不是美版的完全體，因為質(zhì)量再好的仿真訓(xùn)練數(shù)據(jù)，也不能完全代替真實數(shù)據(jù)，所以，倘若特斯拉在有條件允許的范圍內(nèi)，在國內(nèi)進(jìn)行大規(guī)模測試，以上出現(xiàn)的問題必然會被優(yōu)化掉，但，全國657座城市，路網(wǎng)結(jié)構(gòu)和環(huán)境各不相同，相比北美多以直線或高速路為主的交通網(wǎng)絡(luò)明顯更復(fù)雜，特斯拉會花多久實現(xiàn)FSD的完全體呢？畢竟在煥新Model Y交付后，車主即便掏了6萬4買FSD，也不支持推送目前版本，所以最后的答案，很有可能是為了盡快匹配新車，訓(xùn)練迭代周期壓縮到一個月內(nèi)。

一個月后再戰(zhàn)，F(xiàn)SD會穩(wěn)贏中國智駕？

之所以說至少一個月，本質(zhì)還得從FSD的底層技術(shù)架構(gòu)來聊。作為純視覺智駕方案，依然是以BEV+Transformer為基底的感知網(wǎng)絡(luò)架構(gòu)，這也是目前中國智駕在感知端采用的技術(shù)，不同的是，增加激光雷達(dá)之后，利用實時掃圖的能力來構(gòu)建3D環(huán)境數(shù)據(jù)，超聲波雷達(dá)、毫米波雷達(dá)和攝像頭再以輔助提供高精度數(shù)據(jù)支撐，所以從數(shù)據(jù)的輸入端來比較，不同的就是后者多了一份安全冗余。

由于不配激光雷達(dá)，所以在自注意力機制的架構(gòu)之外，Occupancy道路拓?fù)湔加镁W(wǎng)絡(luò)的作用就很重要了，結(jié)合視頻數(shù)據(jù)把世界環(huán)境分成無數(shù)個單元格，再將障礙物坐標(biāo)匹配到相應(yīng)的網(wǎng)格中，再通過Transformer或改進(jìn)的LSTM結(jié)構(gòu)融合歷史幀數(shù)據(jù)，優(yōu)化動態(tài)物體軌跡進(jìn)行預(yù)測，由此來實現(xiàn)類似3D環(huán)境的建模，所以FSD在國內(nèi)大量實測的本質(zhì)，就是為了訓(xùn)練積卷神經(jīng)網(wǎng)絡(luò)中的HydraNets，來提高同時處理車道線檢測、障礙物識別、交通信號解析等任務(wù)的能力，提升計算效率，覆蓋長尾場景。

就目前華為ADS、理想AD MAX、蔚來NOP或小鵬XNGP，基本都需要車端高算力平臺來支撐（至少雙Orin 508TOPS方案），而特斯拉FSD滿足的必要條件，是HW4.0，算力預(yù)估不超過500TOPS，就車端算力硬件來看，這部分中美智駕沒有拉開太大差距，但，端到端的本質(zhì)，是通過海量高質(zhì)量人類駕駛數(shù)據(jù)，來實現(xiàn)最佳的模仿效果，而海量數(shù)據(jù)中的難點，是高質(zhì)量場景的稀缺性，和駕駛數(shù)據(jù)質(zhì)量參差不齊，動輒千萬Clips的高質(zhì)量數(shù)據(jù)回流，也就形成了規(guī)模門檻，目前理想最新的V13版本，已經(jīng)用到了基于1000萬Clips的AD訓(xùn)練模型，罕見且較難的corner case基本都能平穩(wěn)處理，回到FSD來看，短期拿下復(fù)雜的中國道路數(shù)據(jù)，其實并不是沒有可能。

答案還在云端高算力架構(gòu)，特斯拉自研的D1芯片集群，也就是其Dojo超級計算機，和傳統(tǒng)的GPU架構(gòu)相比，Dojo系統(tǒng)的核心就是高帶寬和低延遲的訓(xùn)練體系，如今，整套系統(tǒng)的算力已經(jīng)到了100000PFLOPS，算力儲備幾乎是去年全球的11%，參考目前比較主流的幾家中國智算中心的數(shù)據(jù)，商湯12000PFLOPS、華為3500PFLOPS、長安1420PFLOPS、吉利810PFLOPS、理想750PFLOPS、毫末670PFLOPS、小鵬600PFLOPS，龐大的算力儲備明顯能應(yīng)對超大規(guī)模的訓(xùn)練，按照以往更新頻率來看，小版本迭代基本在2-4周完成，側(cè)重性能優(yōu)化和特定場景修復(fù)，大版本周期則在6-12個月，像V12切換V13，其中會涉及到架構(gòu)級別的改進(jìn)。

至于Grok3，其對FSD的幫助可以看作是間接性的，比如能利用LLM語義解析能力，提升端到端系統(tǒng)對復(fù)雜交通規(guī)則的理解能力，也能對新場景和人類駕駛員的行為重新建模，來間接縮短FSD迭代周期，所以不出意外，在中國至少刷一個月題，屆時FSD的能力上限必然會有明顯變化。是否會超過華為小鵬理想，目前能推測到的是，在復(fù)雜路口的博弈能力會基本類似，但在包括提前制動或跨層漫游尋車位這些細(xì)節(jié)體驗上，F(xiàn)SD可能還不是中國智駕的對手，當(dāng)然了，按照端到端訓(xùn)練和學(xué)習(xí)成正比的關(guān)系再推測，在中國展示出斷崖式領(lǐng)先，在未來也不是沒有可能的。