“圍棋中，棋薄而走在前端者有之，棋厚在后追趕者亦有之。棋薄，先聲奪人，盡得先機；棋厚，積蓄力量，拼勁十足。攻守雙方在不斷變換的節奏里，于變局中開新局?！?br/>

近日，據知情人士透露，上海臨港管委會正在推進10輛特斯拉FSD在區內落地測試，上海自動駕駛示范區已經向特斯拉發放了道路測試牌照。這也就意味著，特斯拉FSD在中國全面落地已為時不遠。

關于特斯拉FSD，國內主要存在兩種不同的聲音，一認為它很先進，如果落地國內市場，必將引發智能駕駛新一輪“鯰魚效應”，實現良幣驅逐劣幣；二則認為，FSD不足為懼，國內車企已利用時間差迎頭趕上。不過目前又出現了第三種聲音，中國正在全面發力的車路云一體化或將與FSD分庭抗禮，成為邁向高階自動駕駛的另一條技術路徑，這也是中國在自動駕駛棋局中的戰略機遇所在。

當前，業界針對如何實現更安全的自動駕駛在技術路線選擇方面尚存爭議。舶來品FSD與本土的車路云一體化，誰更適合中國自動駕駛的需要？特斯拉所倡導的純單車智能路線，能否成為未來車路云一體化的“攔路虎”？兩者在智駕技術賽道上將一決高下，還是走向融合？

FSD全面落地是“毒”是“藥”？

首先，我們必須要承認特斯拉FSD的領先性。一個無法否認的事實是：現行的很多智駕方案都是摸著特斯拉過河，特斯拉在技術路線以及功能層面實現了對行業的引領。

近幾年，特斯拉每年的AI Day就是行業技術的風向標。在2021年8月舉行的AI Day上，特斯拉首次展示了基于“BEV+Transformer”的感知范式，通過3D鳥瞰視覺與神經網絡的融合，有效提升了車輛感知精確度，利于后續規劃控制算法的實施，促進端到端自動駕駛框架的發展。

但在這個時間點，國內車企大多在走“多傳感器融合+激光雷達+高精地圖”的路線，對于特斯拉的解決方案基本持觀望態度。也就是從這年開始，特斯拉智駕開始了向Tesla Vision的過渡，拿掉了車上的毫米波雷達。

在2022年的AI Day上，特斯拉基于BEV又提出了占用網絡（Occupancy Network，OCC），引入“體素”這一概念，通過將空間分割為體積不等的體素，預測其是否被占用，從而解決通用障礙物的識別問題。這一方案極大提升了智駕的感知能力，同時也為去激光雷達、去高精地圖提供了更多確定性。

AI Day之后不久，特斯拉正式宣布拿掉超聲波傳感器。此時，特斯拉靠著“8個攝像頭+大算力芯片”實現了智駕，在純視覺上越走越遠。直到這個時候，很多車企才確信，純視覺智駕確實是可行，各家才正式行動起來，去高精地圖、去激光雷達說法也逐漸成為業內主流。

特斯拉的最大優勢在于單車智能的持續進化能力。2023年年初，馬斯克透露特斯拉已經開啟端到端自動駕駛方案的開發。同年8月，馬斯克首次直播親測FSD v12，全程僅接管一次。2024年1月，特斯拉面向普通用戶推送FSDv12測試版本，3月向北美車主推送FSD v12.3.1版本，現在最新版已經來到FSD v12.4.1。

雖然特斯拉FSD在美國表現出了優異性能，但它可能低估了中國路況的復雜程度。相比之下，中國車企更擅長結合中國的實際道路環境開發智駕技術，從而在駕駛風格、安全性等層面實現“超車”。比如針對常見的“鬼探頭”“加塞”情況，中國車企都會在智駕方案中加入更有針對性的解決辦法。從效果來看，中國市場中大多數高階智駕已經擁有了相當出色的完成度，而針對中國路況的優化又會帶來更多安全感，這些都是特斯拉FSD暫時沒有的產品特質。

FSD的全面落地有可能將加劇自動駕駛技術競爭，而國內企業紛紛摩拳擦掌，大有與之一決高下的架勢。近期，小鵬汽車董事長兼CEO何小鵬曾公開稱，特別歡迎特斯拉FSD進入中國；華為常務董事、終端BG董事長、智能汽車解決方案BU董事長余承東也表示，歡迎特斯拉FSD入華，華為智駕即使是不帶激光雷達的版本也比特斯拉FSD更好，帶激光雷達的性能更佳。他還表示，只有競爭之后才能看到誰做得更好。

智能駕駛的另一個答案

事實上，FSD也并非一片坦途。業內的普遍共識是，端到端模型理論上有比現今模塊化的自動駕駛系統更高的能力上限，但同時也無限放大了神經網絡黑盒不可解釋的問題，不可解釋、不可控的性質會導致系統雖然能夠處理復雜場景，但是簡單場景很可能相比目前主流系統會產生退步，甚至是犯很多“弱智”的錯誤。

其次，隨著模型能力提升，改進模型需要的數據更多，每10000公里的行駛數據，只有1公里能訓練模型，而且每訓練一遍，都需要消耗大量算力。

模型的迭代永無盡頭，在解決一個問題的同時，會帶來更多新的問題。在今年特斯拉股東大會上，馬斯克承認了當前FSD所面臨的挑戰，其主要限制并非是訓練數據量的問題，而是測試AI模型的效率以及判斷新模型是否更優秀的水平能力。當AI模型在數千英里的行駛過程中僅出現一次需要人工干預的情況時，如何迅速而準確地評估新模型的優劣就變得尤為困難。

可見，FSD的發展始終受制于端到端模型的進化成效和車端計算能力，一旦單車智能的進化遇到瓶頸或停滯，其因感知局限而發生事故的概率也將提升。

安全長尾問題是制約高級別自動駕駛落地的主要因素之一，即使解決了90%的自動駕駛問題，但剩余的10%問題可能需要投入百倍的精力才能攻克。為了解決這一痛點，馬斯克開始考慮車與道路的交互，特斯拉將著重測試路口的復雜狀況，并在數千個美國復雜路口進行有針對性地測試。

任何技術路線都不止一條，車路云一體化作為智能駕駛安全系數更高的另一條路被放到前臺。車路云一體化是在車路協同的基礎上進一步發展而來，它不僅包括車輛與道路的協同，還涉及到云平臺的集成，通過新一代信息與通信技術，將人、車、路、云的物理空間和信息空間融為一體，實現全面的系統協同感知、決策與控制。

從FSD與車路云一體化兩者關系來看，其本質上并非同維競爭。單車智能是“點”的提升，車路協同是“面”的統籌。車路云一體化誕生之初就是為了解決單車智能無法解決的問題，二者的關系是相互促進、互為補充。車路云一體化可以彌補單車智能在復雜場景下的感知不足，通過整合交通關鍵要素、超視距感知、實時信息共享等方式，提高自動駕駛的可靠性和安全性。

單車智能是車路云一體化的基礎，通過發揮車路云一體化所具備的雙數據感知、復雜場景協同決策、群體智能等優勢為車輛賦能，將未知場景轉化為已知場景，降低不安全場景的安全風險，實現自動駕駛運行設計域（ODD）不斷擴展，進一步提升自動駕駛汽車的性能和安全性。

事實上，FSD即便是在有著廣泛應用和技術驗證的美國市場，近期也因未識別火車險些釀成事故，美國國家公路交通安全管理局（NHTSA）已多次對涉及FSD和Autopilot模式的事故進行調查。而國內車企如果能夠將單車智能與車路云一體化技術充分融合，不僅可以形成新的差異化解決方案，還能進一步提高自動駕駛的安全性，實現1+1>2的效果。

誰將先飲萬億“頭啖湯”？

對于中國，車路云一體化無疑是一次難的產業戰略機遇，其將協同帶動新型基礎設施的數字化、智能化發展。從產業鏈上看，車路云一體化產業鏈主要涵蓋四大方面：車載設備、路側基礎設施、云控平臺以及通信網絡。

車載設備主要就是C-V2X車載終端、車輛數字身份證書載體。路側基礎設施建設，不僅涉及LTE-V2X直連通信路側單元（RSU）、聯網交通標識，還包括路側感知設備、邊緣計算系統。云控平臺是實現車輛協同感知、協同決策和協同控制的關鍵環節，要對大量交通數據進行處理。通信網路涵蓋了C-V2X網絡、光承載網等設備，是車路云一體化的基礎設施。

目前，車路云一體化主要面臨“兩率低”問題，即路側設備覆蓋率不高且不均勻和車端設備滲透率低。一方面，C-V2X車聯網路側基礎設施RSU覆蓋率較低，未形成規模部署，缺乏全域打通；另一方面，車載終端滲透率較低，導致車輛間信息交互和協作能力不強。車路城協同基礎設施建設主要集中在各城市示范區的部分道路路段，無法形成連續的智能網聯環境，難以滿足智能網聯車輛規?；瘻y試驗證、數據訓練、功能優化等需求，進而導致基礎設施使用率偏低。

而中國龐大的公路網絡以及機動車保有量為車路云一體化提供了豐富的驗證場景和數據來源。2023年，全國公路總里程544萬公里，其中高速公路18萬公里，機動車保有量是4.35億輛。據《車路云一體化智能網聯汽車產業產值增量預測》報告預測，2025年/2030年我國車路云一體化智能網聯汽車產業總產值增量分別為7295億元/25825億元，年均復合增長率為28.8%。

瑞銀證券亞洲工業行業主管、中國研究部副總監徐賓此前表示，路側基礎設施建設是車路云協同中容易被忽視的方面。隨著基建投資變得愈發重要，車路云協同將成為拉動新基建的有效手段之一。

瑞銀預計，從2022年到2040年，中國路側投資規模有望達到3000億美元，其中，路側端系統供應商、智能建筑工程和建設公司將成為直接受益者。自動駕駛公司、受益于早期車端自動駕駛價值滲透的汽車及汽車零部件公司、技術公司，如攝像頭、激光雷達生產商，都將獲得更多訂單。

技術路線雖各有差異，但最終都將殊途同歸。隨著智能駕駛正在成為各車企競爭的焦點，以FSD為代表的端到端技術不再神秘和神化。對中國車企來說，FSD的全面落地可以倒逼國內智能駕駛正向發展，而車路云一體化作為與FSD并行的技術路線，將與其一道共同促進更安全的自動駕駛早日到來，推動自動駕駛真正走進千家萬戶。