Tesla FSD
Tesla（特斯拉）是全球最大的电动汽车公司，也是自动驾驶领域最具争议性的玩家。Tesla 的自动驾驶策略与行业主流截然不同：放弃激光雷达、依赖纯视觉，通过数百万辆车的数据飞轮迭代进化。这一路线被批评者称为"危险的冒险"，被支持者视为"正确的终局"。
核心理念：纯视觉路线
Tesla CEO Elon Musk 于 2019 年在 Autonomy Day 上发表了著名言论：
"LiDAR 是傻瓜的差事。依赖 LiDAR 的人注定失败。"
Tesla 纯视觉路线的逻辑： 1. 人类用眼睛开车：道路系统是为人眼设计的（交通标志、标线、信号灯均为视觉信号），AI 也应该用"眼睛"驾驶 2. 规模经济：摄像头成本极低（每个 < $50），LiDAR 成本极高（每套数千至数万美元），纯视觉方案可大规模部署 3. 数据飞轮：全球数百万台 Tesla 车辆同时采集数据，纯视觉系统可从真实人类驾驶行为学习
FSD 芯片演进
Tesla 的自动驾驶能力与芯片能力深度绑定，是唯一自研 AI 芯片的整车厂：
| 代际 | 型号 | 发布时间 | AI 算力 | 主要变化 |
|---|---|---|---|---|
| HW1 | Mobileye EyeQ3 | 2014 | 约 4 TOPS | 依赖第三方，功能简单 |
| HW2 | NVIDIA Tegra X2 | 2016 | 约 12 TOPS | 具备深度学习潜力 |
| HW2.5 | NVIDIA Parker + Pascal GPU | 2017 | 约 100 TOPS | 过渡版，双系统冗余 |
| HW3 / FSD Chip | 自研 NPU × 2 | 2019 | 144 TOPS × 2 = 288 TOPS | 完全自研，双芯冗余，效率提升 21 倍 |
| HW4 / AI4 | 自研第二代 | 2023 | 约 300–500 TOPS | 支持更高分辨率摄像头，承载 FSD V12–V14 及 Robotaxi/Cybercab |
| AI5 | 自研第三代 | 2026 流片 | 官方宣称约 AI4 的 40 倍 | 2026年4月流片，台积电+三星（2nm）双代工；工程样片2026年底，规模上车预计2027年后，初期产能优先供应 Optimus 机器人与数据中心 |
HW3 FSD Chip 技术亮点（Tesla Autonomy Day 2019 披露）： - 制程：Samsung 14nm，60 亿晶体管 - 每颗芯片含 2 个 NPU（Neural Processing Unit），设计算力 72 TOPS/颗 - 每帧推理能耗仅 2 W，远优于同等算力 GPU - 双芯片封装提供硬件冗余，任一芯片失效另一个接管
HW4 的摄像头升级： - 摄像头分辨率从 1.2 MP 提升至 5 MP（部分车型） - 新增高动态范围（HDR）传感器，改善逆光和隧道场景 - 由 8 个摄像头调整为 7 个（去除 B 柱摄像头，新增 Autopilot 摄像头）
神经网络架构演进
Tesla 的感知算法历经多代革命性演进：
早期（2016–2019）：逐摄像头 2D 检测
各路摄像头独立运行 2D 目标检测，通过几何融合（三角测量）估计 3D 位置。问题：融合误差大，遮挡场景表现差。
BEV 感知范式（2021 AI Day）
Tesla 引入将多摄像头特征统一投影至鸟瞰视角（BEV）的感知架构：
8路摄像头帧 （当前帧 + 历史帧队列）
│
RegNet 图像骨干（特征提取）
│
BiFPN 特征融合
│
Transformer（空间位置编码，跨摄像头注意力）
│
BEV 特征图（统一 3D 表示）
│
┌───────────────────────────┐
│ 车道线检测 │ 目标检测 │
│ 占用网格 │ 可行驶区域 │
└───────────────────────────┘
时序融合： 利用历史帧建立视频级 BEV 特征，解决单帧遮挡问题。这是纯摄像头补偿深度估计不确定性的关键技术。
Occupancy Network（2022 AI Day）
将三维空间划分为体素网格，预测每个体素的占据概率和语义类别： - 可以表示任意形状的障碍物（不受边界框限制） - 可以表示地面、墙壁、植被等非车辆障碍物 - 输出为"世界的 3D 密集表示"，供规划模块使用
端到端 FSD V12（2023）
Tesla 宣布将超过 300,000 行的 C++ 模块化代码替换为统一端到端神经网络：
- 输入：8 路摄像头图像序列
- 处理：大规模 Transformer 神经网络（无手工规则）
- 输出：车辆控制量（转向角、油门、制动）
- 训练：海量人类驾驶行为的模仿学习
Elon Musk 表示："FSD V12 是真正的 AI，不是愚蠢的代码。"城区驾驶表现获得大幅提升，处理路口等复杂场景的能力明显增强。
V13 与 V14（2024–2026）
- FSD V13（2024 年底起推送，面向 HW4/AI4 车辆）：引入更大规模模型与强化微调（Reinforcement Fine-Tuning），显著减少接管，支持从泊车位到泊车位的"端到端全程"驾驶
- FSD V14（2025–2026）：为 Robotaxi 无监督运营铺路的主力版本；2026 年 6 月 v14.3.x 推送至 HW4 车辆，同月面向老款 HW3 车辆推出裁剪版 FSD V14 "Lite"，回应了 HW3 车主长期的升级焦虑
数据飞轮
Tesla 最核心的竞争壁垒不是算法，而是数据：
车队规模
- 全球 FSD 激活车辆：2024 年约 200 万辆，此后随中国等市场落地继续增长——仅 NHTSA 2026 年针对 FSD 的调查就覆盖约 290 万辆美国车辆
- 每天数据量：约 160 PB 视频数据（按每辆车 8 路摄像头 × 每天 30 分钟行驶估算）
影子模式（Shadow Mode）
Tesla 系统在实车行驶中持续运行自动驾驶推断，记录： - 若系统自主接管，会做出什么决策 - 实际人类驾驶与系统预测的差异（"介入触发器"）
这些差异数据被自动标记为需要改进的训练样本，无需人工标注。每次 OTA 推送后，Tesla 可以评估全球车队的"虚拟干里程"（Shadow miles）。
自动标注（Auto-Labeling）
由于没有 LiDAR，Tesla 无法直接获取精确 3D 标注。解决方案：
离线重建（Offline Reconstruction）： 1. 收集同一地点多辆车多次经过的视频 2. 利用多帧 + 多视角点云重建精确 3D 场景 3. 用高质量重建结果为单帧摄像头图像提供伪 LiDAR 标注 4. 规模化自动标注替代手工标注
这一流程使 Tesla 能以极低的人工成本生成海量高质量训练数据。
Dojo 超级计算机（已转向）
Tesla 曾自研 Dojo 超算集群，专为神经网络训练设计： - 自研 D1 训练芯片（2021 发布），峰值算力 362 TFLOPS @ FP32 - 训练瓦片（Training Tile）= 25 × D1 芯片，用 SerDes 直连，无需 NVLink - 原目标：构建 100 ExaFLOP 规模的训练能力，摆脱对 NVIDIA GPU 的依赖
结局： 2025 年 8 月，特斯拉解散 Dojo 团队，训练基础设施回归大规模 NVIDIA/AMD GPU 集群；自研算力路线转向 AI5/AI6 芯片——马斯克提出车端推理芯片与数据中心训练芯片将统一架构（外界称之为"Dojo 3"思路）。Dojo 的兴衰说明：垂直整合到训练芯片层的成本极高，即使是特斯拉也难以同时打赢两场芯片战争。
FSD 功能现状（截至 2026 年年中）
功能版本历史
| 版本 | 发布时间 | 主要能力 |
|---|---|---|
| Autopilot（HW1） | 2015 | ACC + LKA，高速公路 L2 |
| Autopilot 2.0 | 2016 | 自动变道、自动泊车 |
| FSD Beta V9 | 2021 | 城区街道辅助驾驶（需持续监督） |
| FSD V11 | 2022 | 统一单一驾驶栈（城区+高速） |
| FSD V12 | 2023 | 端到端神经网络，城区能力大幅提升 |
| FSD V13 | 2024 | 强化微调，"泊车位到泊车位"全程端到端（HW4） |
| FSD V14 | 2025–2026 | 支撑 Robotaxi 无监督运营；2026年6月向 HW3 老车型推送裁剪版 V14 Lite |
定价策略
| 区域 | 购买选项 | 价格（参考） |
|---|---|---|
| 美国 | 买断 | $8,000 |
| 美国 | 月订阅 | $99 / 月 |
| 中国 | 买断 | 约 64,000 元人民币 |
| 中国 | 月订阅 | 约 756 元 / 月 |
监管争议
- NHTSA 调查：多项 Autopilot / FSD 涉事事故（前方静止车辆、紧急车辆）触发调查，召回数百万辆并通过 OTA 修复
- FSD 调查升级（2026）：NHTSA 针对 FSD 闯红灯/逆行等违章行为的调查（EA26002）于 2026 年 3 月升级为"工程分析"（Engineering Analysis），覆盖约 290 万辆——这是通常先于召回的阶段
- 致命事故调查（2026）：2026 年 6 月得州 Katy 一辆 Model 3 冲入民宅致一名 76 岁女性死亡，NHTSA 启动专项碰撞调查、NTSB 另行立案；特斯拉称数据显示加速踏板被踩到底，覆盖了系统
- "完全自动驾驶"命名争议：美国加州 DMV 认为该名称具有误导性（实际仍是 L2 级，需驾驶员监督），强制要求 Tesla 澄清
- 加州"并非自动驾驶服务"认定（2026）：2026 年 3 月加州 CPUC 明确特斯拉在湾区的"Robotaxi"是以包车（限行专车）牌照、配备人类司机运营，特斯拉尚未申请无人驾驶运营许可
- 中国市场推进：2024 年获准在上海测试 FSD，但数据本地化要求使中国版本需要单独训练
Robotaxi 服务与 Cybercab
服务落地历程
Tesla 的 Robotaxi 已从概念走向实际运营，但节奏明显慢于马斯克此前的公开承诺：
| 时间 | 进展 |
|---|---|
| 2024-10 | Cybercab 概念车发布 |
| 2025-06 | 奥斯汀（Austin）首发 Robotaxi 服务，基于 Model Y 改装，车内配安全监督员 |
| 2026-02 | 首辆 Cybercab 在得州超级工厂下线 |
| 2026-04 | 服务扩展至达拉斯、休斯敦（初期运营区约 25 平方英里）；Robotaxi 应用上线 Android |
| 2026-04 | Cybercab 进入连续生产爬坡，目标年中约 1,000 辆/周 |
| 2026-06 | 奥斯汀运营范围扩大至几乎整个都会区 |
| 2026-07 | 进入迈阿密，首次走出得州/加州（受益于佛州无需专门许可的宽松法规） |
规模现实： 尽管城市数量增长较快，无监督（unsupervised）运营的车辆规模仍然很小——第三方追踪显示 2026 年年中奥斯汀约 20–25 辆，达拉斯/休斯敦各数辆。马斯克在 2026 年一季度财报会上表示目标为"2026 年底覆盖美国十余个州"，但同期多个已宣布城市的落地时间出现推迟。
安全数据： 截至 2026 年 2 月，奥斯汀车队累计行驶约 80 万英里，向 NHTSA 上报碰撞 14 起（约每 5.7 万英里一起）。第三方分析认为该事故率高于可比人类驾驶水平，成为监管审视的重要依据。
Cybercab
- 无方向盘和踏板（L5 设计）
- 纯视觉感知，搭载 AI4 计算硬件
- 目标零售价 < $30,000
- 定位：建立 Tesla 自营 Robotaxi 车队，同时保留车主将私家车接入共享网络的长期愿景（截至 2026 年年中该共享模式仍未启动）
与 Waymo 的战略对比：
| 维度 | Waymo | Tesla |
|---|---|---|
| 核心假设 | 安全驱动规模（先验证安全，再扩大） | 规模驱动安全（数据越多越安全） |
| 商业路径 | 专用 Robotaxi 车队运营 | 私家车共享网络 + 专用 Cybercab |
| 成本结构 | 高（多传感器 + HD Map） | 低（纯摄像头 + 轻地图） |
| 上市规模 | 数千辆 | 目标数百万辆（借助现有产线） |
| 2026 年年中实况 | 约 4,000 辆，10 余个都会区，约 50 万单/周 | 数十辆无监督车辆，4 个城市，规模未公开 |
截至 2026 年年中，两条路线的差距仍然明显：Waymo 以更高的单车成本换取了可规模化的全无人运营，而 Tesla 的低成本硬件尚未转化为无监督车队规模。Tesla 的赌注在于：一旦 FSD 达到足够可靠性，其产线与保有量可以在极短时间内完成 Waymo 需要数年才能实现的扩张。
参考资料
- Tesla. Autonomy Day Presentation, April 2019.
- Tesla. AI Day Presentations, 2021, 2022.
- M. Bojarski et al. End to End Learning for Self-Driving Cars. NVIDIA, arXiv:1604.07316, 2016.
- NHTSA. Tesla Autopilot / FSD Investigation Reports, 2022–2026（含 EA26002 工程分析）.
- 中国信通院. 智能网联汽车发展报告, 2024.
- Electrek. Tesla Robotaxi launches in Dallas and Houston with small geofences, 2026-04-18. https://electrek.co/2026/04/18/tesla-robotaxi-launches-dallas-houston-small-geofences/
- Electrek. Tesla starts rolling out FSD v14 Lite to HW3 vehicles, 2026-06-29. https://electrek.co/2026/06/29/tesla-fsd-v14-lite-hw3-rollout/
- CNBC. NHTSA investigates fatal Tesla crash in Katy, Texas, 2026-06-22. https://www.cnbc.com/2026/06/22/tesla-nhtsa-model-3-crash-autopilot-katy-texas.html