超越特斯拉的FSD一直是中国车企的目标。
早在2024年底，何小鹏就在微博上公开向马斯克宣战。
从明年开始，（特斯拉）在中国的自动驾驶必须做好被我们打败的心理准备，至于世界，我们会见面的。 」
2024年4月，俞承东在新闻发布会上用数据碾压特斯拉。
华为ADS20 在 ramp 合并成功率方面已达到 9886%，远居行业前列，特斯拉8816.当然，不要嘲笑特斯拉，因为特斯拉比世界上其他品牌要好得多。 」
经过几年的口水战，特斯拉的FSD终于加速进入中国。
11月20日，特斯拉中国官网更新，将FSD测试版内容纳入中文车主手册。
11月23日晚间，特斯拉中国回应了FSD进入中国的传闻：确实在推广中。
特斯拉的灵魂终于来了，中国车企能扛得住吗？
FSD进入中国，特斯拉蓄势待发
除了FSD进军中国的消息外，还有FSD V12版本（端到端自动驾驶）即将发布的消息。
结合这两条消息，不难看出，特斯拉FSD进军中国显然是有备而来的。
2021 年 8 月，特斯拉在首届 AI Day 上推出了基于 Transformer 的 BEV。
此后，华为、小鹏汽车、蔚来汽车、理想等多家厂商迅速效仿，推出基于BEV+Transformer的智能驾驶解决方案。
在此期间，特斯拉虽然拥有一定的先发优势，但并未与中国车企的智能驾驶解决方案拉开明显的代沟。
双方在感知端基本通过BEV+Transformer架构实现神经网络计算，但下游规划和控制仍以常规算法为主。
即使是引入更多神经网络的 FSD v11，也有大约 300,000 行 C++ 控件**。
只要涉及到规则算法，特斯拉FSD在进入中国后就要重写控制**，以适应中国的交通法规和路况，甚至在中国重建一支自动驾驶算法团队。
在适应水土的条件下，特斯拉FSD极有可能在战场上失败。
然而，即将推出的FSD V12扭转了这一局面，通过端到端的自动驾驶，它拉开了与中国汽车制造商的代沟。
FSD 的每一次重大迭代本质上都会将更多的子任务交给神经网络，从而降低对人类规则的参与程度。
FSD V12 实现了几乎所有的子任务都由神经网络完成，手动编程的 C++ 控制**从 V11 中的 300,000 行减少到 3,000 行，实现了完整的端到端自动驾驶，即在神经网络模型中输入图像后，直接输出转向、加速、制动等控制指令，期间无需任何规则**。
端到端自动驾驶的核心优势在于，可以大大提高模型的性能上限和训练效率。
在传统的自动驾驶中，车型性能的上限取决于规则的质量，而各车企智能驾驶能力的差距，本质上就是规则上的差距。
但是，有限**在任何情况下都无法覆盖无限场景，工程师只有在遇到边缘场景后才能不断修补模型。
所谓智能驾驶，其实根本没有智能，看不懂规则，只是按照人类写的规则去开车。
FSD V12的端到端自动驾驶则完全不同，车型性能的上限不再由规则**决定，而是由数据和算力决定。
端到端的智能驾驶模型可以模拟人类思维，通过大量的训练来学习驾驶。
用于训练的数据越多，算力越强，模型的性能就越好，甚至可能出现大型语言模型中的“涌现”概念，即类似于人类的“启蒙”和积累。
FSD实现了端到端的自动驾驶，只需要训练具有足够本地驾驶数据的智能驾驶模型，即可实现更好的智能驾驶体验。
同时，得益于规则数量大幅减少**，特斯拉不需要在国内组建一支拥有数千种智能驾驶算法的团队，只需要一个20人左右的本地运营团队和一个上百人的数据标注团队，就可以实现FSD的顺利实施。
要赶上特斯拉，中国车企至少需要2年
对于中国汽车制造商来说，要跟上特斯拉的FSD V12并不容易。
从FSD自身的开发经验来看，特斯拉从大型车型到实现端到端自动驾驶，用了两年半的时间。
2024年9月，特斯拉发布BEV+Transformer架构，大型车型开始搭载。
2022 年 9 月，特斯拉的 FSD V11 采用了占用技术，以进一步提高 3D 空间识别能力。
2024年初，特斯拉正式开始训练端到端车型。
FSD v12 预计将于 2024 年初正式推出。
不过，目前中国厂商，如华为、小鹏汽车、理想企业、蔚来等企业，一般要到2024年才能实现BEV+Transformer架构，比特斯拉晚了近两年。
像特斯拉一样专注于纯视觉解决方案的极越，刚刚在刚刚发布的极越01上实现了BEV+Transformer+Occupancy架构，比特斯拉晚了一年。
作为追赶，中国汽车制造商或许可以缩短技术研发时间。
但是，想要超越特斯拉，就不能忽视它在数据和算力方面的优势——毕竟，是数据和算力决定了端到端车型性能的上限。
数据方面，在FSD v12版训练之初，特斯拉给大约1000万特斯拉车主喂了驾驶**片段，这与特斯拉的上限相去甚远。
马斯克的传记提到，特斯拉每天可以从车主那里获得 1600 亿帧**用于 FSD 培训。 迄今为止，特斯拉的FSD已经累计行驶了超过5亿英里，Autopilot已经使用了超过90亿英里。
庞大数据的背后，是特斯拉450万辆的全球销量。 在中国市场，特斯拉目前也有160万辆的销量，对于车型训练来说已经足够了。
另一方面，中国车企方面，魏小丽的累计销量分别为43万辆、38万辆和58万辆，华为的文杰和阿维塔的累计销量为16万辆，在数据规模上与特斯拉差距较大。
销量超过特斯拉的比亚迪目前并未将智能驾驶作为其核心业务发展。
由于汽车行业规模效应明显，更容易产生“强者永远强”的马太效应，在销量和数据规模上超越特斯拉需要花费大量时间。
在算力方面，赶上特斯拉也不是一件容易的事。
早在 2022 年，特斯拉计算中心的算力就已经达到了 2eflops。
2023 年 8 月，特斯拉推出了由 10,000 个 NVIDIA H100GPU 组成的算力集群，可提供 10EFLOPS 的算力。
同时，特斯拉自主研发的道场超算中心也于今年7月开始量产，预计到2024年底将投资10亿美元，届时道场的算力将达到100EFLOPS。
在国内厂商中，华为目前算力最高，为28eflops。
紧随其后的是吉利，算力为810 pflops（1eflops=1000 pflops），理想汽车、陌陌智行和小鹏汽车的算力分别为750 pflops、670 pflops和600 pflops。
即使是算力最高的华为，与特斯拉的算力差距也很大，要赶上特斯拉，需要大量的资金投入。
据了解，一款H100芯片的官方售价为35万美元，甚至在黑市上推测到30-40万元，1万颗H100芯片至少要花费25亿元。
加上在Dojo电脑上投入的10亿美元，特斯拉今明两年在算力上的投入将达到100亿元，而魏晓丽2024年的研发投入只有108亿、52亿和68亿。
对于中国车企来说，要想在智能驾驶领域赶超特斯拉，技术、数据（销量）、算力和资本缺一不可。
但从目前的情况来看，没有一家车企能够满足所有要求。
鲶鱼特斯拉，或将导致另一波降价潮
虽然特斯拉FSD V12在技术方面有优势，但能否占领市场就要看**了。
出于政策原因，特斯拉在中国收集的数据必须留在中国，这意味着如果特斯拉想在中国训练与美国版本类似的FSD，就必须在中国建立数据中心和类似Dojo的超级计算中心。
按照特斯拉在美国的节奏，FSD在中国落地至少需要一年的时间和100亿元人民币。
一年多的落地时间无疑给了中国车企喘口气甚至超车的机会，而100亿的重复建设，更是大幅增加了特斯拉FSD的成本。
截至目前，特斯拉在中国的累计销量为160万辆，如果这160万辆汽车与FSD一起购买，特斯拉每辆车的智能驾驶研发成本将仅为6250元。
但显然，让每个特斯拉车主都购买FSD是一件不可能的事情。
根据中信**的数据，在北美，特斯拉FSD渗透率在Model 3上为5%-7%，在Model Y上为12%-13%。
如果以与北美相似的10%的速度计算中国的渗透率，那么每辆车的智能驾驶研发成本为625万元，比北美的FSD少120,000 美元 （8.）40,000元）。
然而，与中国汽车公司相比，每辆车是6辆25万元的费用略显贵。
比如M5智能驾驶版在硬件上比标准版贵3万元，华为ADS 20 智能驾驶包限时售价 180,000元（原价3。60,000），智能驾驶累计成本为480000元;
智捷S7智能驾驶版硬件成本为4万元，华为ADS 20 智能驾驶包限时售价 180,000元（原价3。60,000），智能驾驶累计成本为580000元;
小鹏G6Max版比Pro版贵2万元，XNGP免费，累计售价2万元
理想L7Max版比Pro版贵4万元，市NOA免费，累计售价4万元
而特斯拉，也采用了纯视觉方案，极越01智能驾驶包原价为490,000，上市期间** 1990,000。
目前，在特斯拉中国官网上，FSD的价格是64万元，在当前的热战中，特斯拉FSD的竞争力非常有限。
在北美市场，特斯拉**将FSD的核心秘密出售给自己的商业保险系统。
特斯拉自有保险的保费与车主驾驶行为的危险程度直接相关，驾驶行为越安全，保费越低。
在特斯拉的评级体系中，使用FSD是最安全的驾驶行为。 通过使用 FSD，车主每年可以节省超过 5,000 美元的保费，远高于 FSD 的 $2,388 一年订阅**。
不过，目前特斯拉在中国市场的年保费约为7000元，低于FSD的1元年保费70,000 个订阅**。 如果特斯拉不减少其FSD订阅**，即使将北美保险模式转移到中国，也无法促进FSD的销售。
此次降价是特斯拉FSD进入中国市场的最佳选择。
由于特斯拉的FSD采用了纯视觉解决方案，因此智能驾驶的主要成本在于研发，并且随着FSD销量的增加，每辆车的平均成本也将下降。
因此，特斯拉可以通过降价来逆转操作，提高FSD的渗透率，从而降低成本。
2024年上半年，L2级自动驾驶在中国汽车市场的渗透率已经达到40%，如果特斯拉的FSD渗透率能够达到这个水平，单车智能驾驶的研发成本可以下降到250,000元。
2.50,000**低于当前市场智能驾驶的平均水平，很可能会继续提高FSD的渗透率，从而进一步降低特斯拉单车的智能驾驶成本。
降低**-提高渗透率-稀释成本--降低**再次，特斯拉对汽车的一系列降价引发的**战争，或许又在智能驾驶领域了。
对于使用激光雷达的中国厂商来说，降低智能驾驶成本并非易事。
虽然单个激光雷达的第一级已经从几年前的几十万元降到了现在的几千元。
但考虑到边际效应递减，进一步降低激光雷达成本所需的销售规模将比以前高得多，短期内注定难以实现。
如果不能降低激光雷达的单价，车企只能从减少激光雷达数量入手。
例如，华为的智能驾驶解决方案从ADS1开始0 到 ads20，激光雷达数量从3个减少到1个。
短期内，减少激光雷达的数量确实可以快速降低智能驾驶的成本。
然而，从长远来看，特斯拉FSD的成本将随着销量的增加而继续下降。
然而，激光雷达解决方案的单车智能驾驶成本始终与硬件成本挂钩，硬件成本降低的潜力远小于软件。
一旦特斯拉FSD在国内率先实现规模化，将兼具技术优势和**优势。
因此，特斯拉在中国建立数据中心和超级计算中心的窗口期，对中国车企来说是一个生死攸关的时刻。
虽然没有一家中国车企能够同时满足技术、数据（销量）、算力和资本的要求，但每家车企都有自己的优势。
在技术方面，极跃已经实现了BEV+Transformer+OCC架构，与特斯拉的技术路线差距最小。
数据方面，比亚迪今年8月实现新能源汽车销量500万辆，超过特斯拉。
同时，生成式AI的发展也在一定程度上缓解了车企数据不足的问题，虽然生成式AI在数据量上可能无法与特斯拉相提并论，但其优势在于能够以较低的算力生成特定的驾驶场景，从而有针对性地训练模型。
在算力和资金方面，任正非表示，华为每年投入30亿至50亿美元用于基础理论研究，即将到来的第四次工业革命的基础是大算力，华为将致力于在中国建设坚实的算力基础，打造世界第二选择。
从另一个角度来看，FSD就像特斯拉的另一条鲶鱼，加速推动中国车企弥补自己在智能驾驶方面的短板。