降价，特斯拉FSD入华的最佳选择

作者：于宗申

超越特斯拉的 FSD，是中国车企一直以来的目标。

早在 2020 年底，何小鹏便在微博公开宣战马斯克。

「明年开始，（特斯拉）在中国的自动驾驶要有被我们打得找不着东的思想准备，至于国际，我们会相遇的。」

到了 2023 年 4 月，余承东更是在发布会上用数据「碾压」特斯拉。

「华为 ADS2.0 在匝道汇入成功率方面已经达到 98.86%，在行业遥遥领先，特斯拉是 88.16％，当然大家不要笑话特斯拉，因为特斯拉比全世界其他品牌好很多。」

在隔空打了几年嘴仗之后，特斯拉的 FSD 终于加快了入华的脚步。

11 月 20 日，特斯拉中国官网在中国车主手册上更新加入了 FSD Beta 相关内容。

11 月 23 日晚，特斯拉中国针对「FSD 入华」的传闻作出了回应：「目前确实正在推进中」。

特斯拉的灵魂终于要来了，中国车企镇得住吗？

01 FSD 入华，特斯拉有备而来

和 FSD 入华这个消息一起出现的，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 入华显然是有备而来。

2021 年 8 月，特斯拉在第一届 AI DAY 上推出了基于 Transformer 的 BEV。

自此之后，华为、小鹏、蔚来、理想、百度等多家厂商迅速跟进，纷纷推出了基于 BEV+Transformer 的智驾方案。

在这个时期，特斯拉虽然有一定的先发优势，但是和中国车企的智驾方案没有拉开显著的代际差距。

双方都是在感知端通过 BEV+Transformer 架构基本实现了神经网络运算，但是下游的规划和控制仍以规则算法为主。

即使是引入了更多神经网络的 FSD V11，也有大约 30 万行 C++控制代码。

而只要涉及到规则算法，那特斯拉 FSD 进入中国后就要重新编写控制代码，来适应中国的交通法规和道路情况，甚至还要在中国重新组建一支自动驾驶算法团队。

水土不服之下，特斯拉 FSD 大概率会折戟沙场。

然而即将上线的 FSD V12 逆转了这一局势，通过端到端的自动驾驶，和中国车企拉开了代际差距。

FSD 每一次大版本迭代，本质上都是将更多的子任务交给神经网络完成，降低人工规则的参与程度。

FSD V12，则实现了将几乎全部的子任务都交由神经网络来完成，人工编程的 C++控制代码由 V11 的 30 万行缩减到了 3000 行，实现了「完全端到端」的自动驾驶，即「在神经网络模型中输入图像后，将直接输出转向、加速、制动等控制指令，期间不需要任何规则代码。」

端到端自动驾驶的核心优势，在于能大幅提升模型的性能上限和训练效率。

传统的自动驾驶中，模型的性能上限取决于规则代码的质量，各车企智驾能力的差距，本质上就是规则代码的差距。

但是有限的代码，无论如何都覆盖不了无限的场景，工程师们只能在遇到边缘场景后不断给模型打补丁。

所谓的智能驾驶，其实根本就没有智能，也看不懂规则，只是按照人类写下的规则驾驶罢了。

FSD V12 的端到端自动驾驶则完全不同，模型性能的上限不再由规则代码决定，而是由数据和算力决定。

端到端的智驾模型可以模拟人类思考，通过大量的训练「学会」开车。

用来训练的数据越多，算力越强，模型的性能也就越好，甚至可能会出现大语言模型中的「涌现」概念，也就是类似于人类的「开窍」、「厚积薄发」。

实现了端到端自动驾驶的 FSD，只需要用充足的本土行驶数据训练智驾模型，便能实现更好的智驾体验。

同时，得益于大幅减弱了规则代码的数量，特斯拉也并不需要在中国建立数千人的智驾算法团队，仅需 20 人左右的本地运营团队和数百人的数据标注团队，便能实现 FSD 的顺利落地。

02 追赶特斯拉，中国车企起码 2 年

对于中国车企来说，跟上特斯拉 FSD V12 的脚步不是一件容易的事。

从 FSD 自身发展经历来看，从大模型上车到实现端到端自动驾驶，特斯拉用了两年半时间。

• 2021 年 9 月，特斯拉发布了 BEV+Transformer 架构，大模型开始上车。

• 2022 年 9 月，特斯拉 FSD V11 采用了占用网络技术（Occupancy），进一步叠加完善 3D 空间识别。

• 2023 年初，特斯拉开始正式训练端到端模型。

• 2024 年初，FSD V12 有望正式落地。

然而目前中国的厂商，比如华为、小鹏、理想、蔚来等企业，普遍在 2023 年才实现 BEV+Transformer 架构上车，比特斯拉落后近两年。

和特斯拉一样专注纯视觉方案的极越，也才在刚发布的极越 01 上实现了 BEV+Transformer+Occupancy 架构，比特斯拉落后一年。

中国车企作为追赶者，或许可以缩短技术研发上的时间。

但是想超越特斯拉，也绝不能忽视其在数据和算力方面的优势——毕竟决定端到端模型性能上限的，就是数据和算力。

数据方面，在 FSD V12 版本训练初期，特斯拉便投喂了约 1000 万个特斯拉车主的驾驶视频片段，而这还远不是特斯拉的上限。

《马斯克传》中提到，特斯拉每天可以访问来自车主的 1600 亿帧视频，用于 FSD 的训练。截至目前，特斯拉 FSD 累积行驶里程已超 5 亿英里，Autopilot 使用里程已经超过 90 亿英里。

庞大数据的背后，是特斯拉全球 450 万的销量支撑。在中国市场，特斯拉目前也有 160 万的销量，足以进行模型训练。

反观中国车企，蔚小理累计销量分别为 43 万、38 万和 58 万，华为旗下问界和阿维塔累计销量 16 万，在数据规模上和特斯拉有较大的差距。

而销量超过特斯拉的比亚迪，目前并未将智能驾驶作为核心业务发展。

由于汽车行业规模效应明显，更容易出现「强者恒强」的马太效应，想在销量和数据规模上超越特斯拉，需要大量的时间成本。

在算力方面，追赶特斯拉同样并非易事。

早在 2022 年，特斯拉算力中心的算力已经达到了 2EFlops。

2023 年 8 月，特斯拉又启动了 10000 块英伟达 H100GPU 组成的算力集群，能提供 10EFLOPS 规模的算力。

同时，特斯拉自研的 Dojo 超算中心也于今年 7 月开始量产，预计至 2024 年底投入 10 亿美元，届时 Dojo 的算力将达到 100EFLOPS。

国内厂商中，目前华为的算力最高，为 2.8EFLOPS。

其次为吉利，算力 810PFLOPS（1EFLOPS=1000PFLOPS），理想汽车、毫末智行和小鹏汽车的算力分别为 750PFLOPS、670PFLOPS 和 600PFLOPS。

即使是算力最高的华为，也和特斯拉存在较大的算力差距，而要想追上特斯拉，则需要大量的资金投入。

据了解，一片 H100 芯片官方售价 3.5 万美元，在黑市甚至被炒到 30-40 万元人民币，10000 块 H100 芯片最低也要花费 25 亿人民币。

再结合 Dojo 计算机上投入的 10 亿美元，特斯拉今明两年在算力上的投入将达到 100 亿人民币的规模，而蔚小理 2022 年全年的研发投入，也不过 108 亿、52 亿和 68 亿。

对于中国车企而言，要想在智能驾驶领域追上特斯拉，技术、数据（销量）、算力和资金四个方面缺一不可。

但从目前的情况来看，还没有车企能满足全部的要求。

03 鲇鱼特斯拉，或将再引降价潮

特斯拉 FSD V12 虽然在技术方面有优势，但能否占领市场还要看价格。

出于政策原因，特斯拉在中国采集到的数据必须留在中国，这就意味着如果特斯拉想在中国训练出与美国版本能力相近的 FSD，就必须在中国建立数据中心和类似 Dojo 的超算中心。

按照特斯拉在美国的节奏，FSD 在中国落地起码需要一年的时间和 100 亿的资金投入。

一年以上的落地时间无疑给了中国车企喘息甚至超车的机会，100 亿的「重复建设」则显著拉高了特斯拉 FSD 的成本。

截止目前，特斯拉在华累计销量为 160 万辆，如果这 160 万辆车都购买 FSD 的话，那特斯拉每辆车的智驾研发成本便仅有 6250 元。

但显然让每一位特斯拉车主都购买 FSD 是一件不可能的事。

根据中信证券的数据，在北美地区，特斯拉 FSD 在 Model 3 上的渗透率为 5%-7%，在 Model Y 上的渗透率为 12%-13%。

如果中国地区的渗透率按与北美相近的 10% 来计算，那每辆车的智驾研发成本便是 6.25 万元，低于 FSD 在北美 1.2 万美元（8.4 万人民币）的售价。

然而和中国车企相比，每辆车 6.25 万的智驾成本则略显昂贵。

• 比如问界 M5 智驾版在硬件上比标准版贵了 3 万元，华为 ADS 2.0 智驾包限时售价 1.8 万元（原价 3.6 万），累计智驾成本 4.8 万元；

• 智界 S7 智驾版硬件成本 4 万元，华为 ADS 2.0 智驾包限时售价 1.8 万元（原价 3.6 万），累计智驾成本 5.8 万元；

• 小鹏 G6 的 Max 版本比 Pro 版本硬件成本贵 2 万，XNGP 免费，累计智驾成本 2 万元；

• 理想 L7 的 Max 版本比 Pro 版本硬件成本贵 4 万，城市 NOA 免费，累计智驾成本 4 万元；

• 和特斯拉同样采用了纯视觉方案的极越 01 智驾包原价 4.9 万，上市期间价格 1.99 万。

目前特斯拉中国的官网上，FSD 的售价为 6.4 万元，在价格战打的火热的当下，特斯拉 FSD 的价格竞争力非常有限。

在北美市场，特斯拉高价卖 FSD 的核心秘诀在于其自有的商业保险体系。

特斯拉自有保险的保费直接与车主驾驶行为的危险程度挂钩，驾驶行为越安全，保费也就越低。

而在特斯拉的评定体系中，使用 FSD 是最安全的驾驶行为。通过使用 FSD，车主每年可以省下 5000 美元以上的保费，远高于 FSD 一年 2388 美元的订阅价格。

不过目前中国市场特斯拉每年的保费在 7000 元左右，低于 FSD 每年 1.7 万的订阅价格。如果特斯拉不降低 FSD 的订阅价格，即使将北美的保险模式搬到中国，也无法促进 FSD 的销量。

降价，是特斯拉 FSD 进入中国市场的最佳选择。

由于特斯拉 FSD 采用了纯视觉方案，主要的智驾成本在研发上，随着 FSD 销量的提升，平均单车成本也会下降。

因此特斯拉可以反向操作，通过降价的方式提升 FSD 的渗透率，从而降低成本。

2023 年上半年，中国汽车市场 L2 级自动驾驶的渗透率已经达到了 40%，如果特斯拉 FSD 渗透率能达到这个水平，那单车的智驾研发成本便能下降到 2.5 万元。

2.5 万的价格低于目前市场上智能驾驶的平均水平，大概率会继续拉高 FSD 的渗透率，从而进一步降低特斯拉单车的智驾成本。

降低价格——提高渗透率——摊薄成本——再次降低价格，特斯拉在汽车上连环降价引发的价格战，或许将在智驾领域再来一次。

对于使用了激光雷达的中国厂商而言，降低智驾成本并不是一件轻松的事。

虽然单颗激光雷达的价格已经通过规模效应，从几年前的几十万元降低到了现在的几千元。

但是考虑到边际效应递减，激光雷达成本进一步降低所需要的销量规模将远高于之前，短期内注定难以实现。

降低不了激光雷达的单价，车企便只能从降低激光雷达的数量上下手了。

比如华为智驾方案从 ADS1.0 到 ADS2.0 的演变过程中，激光雷达数量从 3 颗减少至 1 颗。

短期来看，减少激光雷达的数量确实能快速降低智驾成本。

但从长期来看，特斯拉 FSD 的单车智驾成本会随着销量的提升不断下降。

而激光雷达方案的单车智驾成本始终和硬件成本挂钩，硬件降本潜力远没有软件降本潜力大。

一旦特斯拉 FSD 率先在中国实现了规模化，便将在技术和价格上具备双重优势。

因此，特斯拉在中国建立数据中心和超算中心的窗口期，是中国车企分秒必争的生死时刻。

虽然没有一家中国车企能同时满足技术、数据（销量）、算力和资金这四个方面的要求，但每家车企也都各具优势。

在技术上，极越实现了 BEV+Transformer+OCC 架构，和特斯拉技术路线的差距最小。

在数据上，比亚迪在今年 8 月份便实现了 500 万辆新能源车的销量，规模超过特斯拉。

同时，生成式 AI 的发展一定程度上也缓解了车企数据不足的问题，虽然生成式 AI 在数据量上或许难以匹敌特斯拉，但其优点是能用较低的算力生成特定的驾驶场景，从而针对性地训练模型的能力。

在算力和资金上，任正非表示华为每年投入 30-50 亿美元用于基础理论研究，即将到来的第四次工业革命，基础就是大算力，「华为将致力于打造中国坚实的算力底座，为世界构建第二选择」。

换个角度看，FSD 就像是特斯拉的另一条鲇鱼，加速推动中国车企补足在智能驾驶上的短板。