FSD來中國，真會卡在電瓶車？不出意外，煥新Model Y會在今年3月上市交付，同時，計劃在今年一季度內落地的FSD，可能終于要來了。去年12月初，FSD從第12代系統更新到了V13.2，按照馬斯克的說法，新系統的功能和體驗和之前完全不同，是效果最強的版本，從海外實測結果來看，從識別準確性到整套執行邏輯，博弈方案確實都比以往更進化，這也直接吊足了中國車主的胃口，那么，這套新系統在中國的智駕能力，大概在什么水平？和國產智駕技術比起來，FSD真的在領先位置上？  

不會避讓電瓶車，硬件和軟件誰出了問題？  

關于FSD V13.2的具體效果，之前我們曾分析過，簡單說有2個細節做了較大優化，一個是開啟條件不再受限，一個是接管率降了10倍左右。就目前國產智駕技術的功能來看，像三點式掉頭，無保護左轉，繞行、環島高效通行，城市或高速領航等，新版本的FSD基本也都有，似乎到了中國直接就能上路用，不過，在最近一次的海外實測中，有人發現FSD V13.2遇到中國特有的三輪電瓶車，通行率明顯受到影響，SR能識別到障礙物，并且選擇主動停車禮讓，沒完全降級，但需要接管完成人機共駕。

既然出現了corner case，那么在感知、規控、執行的端到端架構里，究竟哪個環節出了問題？首先，FSD作為純視覺智駕技術，感知架構獲取環境數據的途徑，只有通過攝像頭來完成，目前FSD的構成硬件條件，是HW四代芯片和7顆500萬像素攝像頭，芯片不用再贅述，7nm制程，20核CPU，內存從LPDDR4升級到GDDR6，單顆算力720TOPS，視頻信號轉化數據的能力基本不存在難題，雙目攝像頭最大探測距離424米，比華為最新的192線激光雷達還遠了將近一倍，36赫茲全分辨率視頻信號輸入，就是1秒能反復看36次視頻，總數據帶寬為每秒1.3千兆像素，以36赫茲運行，捕獲和推理之間的數據基本不存在延遲，理論上講，FSD在2021年放棄激光雷達之后，感知架構端對環境道路的數據處理能力，可以說是能和傳統激光雷達做正面對比的。  

所以，問題還是出在了軟件層面上。大家都知道，FSD的感知模塊，是基于HydraNets架構搭建的，簡單說就是整合了多個視覺識別任務到單一網絡上，通過以Transformer為主干網絡+BEV感知網絡，從而實現對車輛周圍環境的感知，這也是目前國內智駕系統的技術底層架構，但區別和核心，就在FSD用了Occupancy占用網絡，準確來講，這是一類結合了語義分割和柵格占據地圖法的技術，除了給圖像中的每個像素分配給一個3D占用特征，再將環境分多個柵格，并將每個柵格標記為占用或空閑的方法，最終可以對環境進行建模，并在此基礎上進行路徑規劃等操作，聽起來比較復雜，但我們劃個重點，“3D占用特征”，最直白的話來理解，就是通過感知硬件架構，把世界環境分成無數個單元格，再根據障礙物的形態、體積，給到對應的坐標數據，精度上甚至能做到厘米級，沒錯，小米正在做的BEV變焦技術，就和它有相當類似的效果，但，不同之處，就在于Occupancy網絡是可以不用像激光雷達做實時掃圖，或者反復深度學習做障礙物白名單標定，只要系統識別到，就立馬能出數據結果，在CNN卷積神經網絡的推演下，理論上說有路沒路都能開。  

但，FSD來中國前，遇到國內特有的電瓶車就罷工，難免產生了3個思考，1、入華后是否還得再教Occupancy學習認識一遍通用型障礙物？2、國內電瓶車保有量超3億，路況復雜程度更高，整合國內數據后，FSD做到適配上路大概要多久？3、一旦融入國內道路數據，大模型算法豈不是要超過北美版本？目前這三個問題都不好回答，唯一能證明的，只有等Grok 3重推在國內的端到端算法，而在這個過程之前，FSD至少得先拿到實測視頻數據才行，而推演后的新規控邏輯，不出意外最快也得超過2年，這似乎也就意味著，老車主花6萬4買的這項功能，今年可能至少又要損失一半了。  

FSD今年來中國，至少5家車企不怕？  

FSD帶著6萬4的買斷價格，來到中國未必是最好用的，但也是享受門檻最高的。今年，國內誰是FSD的最大競爭者，答案也不難找，有城區NOA，有智能泊車，還有越來越低的接管率，甚至還有3萬就能買斷的滿血高階智駕包，現在看來差不多已經成為基礎的智駕核心功能，FSD來了也是一樣在做這些，唯獨價格更高。從去年開始，包括華為GOD大網，理想如今的E2E+VLM，越來越多的國產智駕方案并入無圖純視覺城區NOA，高線束激光雷達成本降到4位數后，整車價格也有了再將一些的可能，總之，今年的FSD，會在效果和成本上，沒國產技術更值。

回到技術本身來說，FSD的transformer+BEV架構，確實是給了現如今國產智駕方案的技術基底，但二者的出發點不同，也是注定了在不同地區的市場場景上，端到端效果有所不同。FSD就是典型的以技術出發的智駕系統，而中國的端到端，純粹是從體驗的維度來做，甚至不惜會加入規則和記憶來優化。  

舉個例子，前面提到的occ占用網絡，讓FSD對環境推理的能力更強，而國內交通參與者極為復雜，更強調博弈能力，這不僅僅是在環境推理層面的思考，更多的也是在不影響通勤效率的同時，給安全行車兜底，所以本質上講，FSD和國內的主流智駕技術，沒有強弱之分，只有體驗細節優化上的不同，在Grok 3模型結合國內數據之后，那時可能才會分出一波技術先進性。  

但還是要講，華為現在的GOD大網、理想的E2E+VLM，亦或者是蔚來還沒推送的NWM，基本都已經有了下一步迭代的目標，也就是說，現在所謂的端到端（分段式），只是把感知和策劃放在了一起，極限少數的場景依然得靠規則驅動，而一體式大模型才是今后幾年內，整個智駕技術的發展趨勢，FSD用occ網絡+深度學習，成本在數據采集量和時間問題，雖然能解綁車端算力要求，但真正考驗的是背后的超級計算機，在推理效率上的極限，這也是純視覺智駕的技術立足根本。  

激光雷達方案正好相反，對車端算力平臺要求更高，而更高的算力，也意味著更容易處理復雜的場景，更何況，利用3D實時掃圖的特性給安全性兜底，一直都是國產技術的共識，所以能和FSD對抗的車企，至少會有華為鴻蒙智行下的四界、小米、理想、蔚來，以及擁抱國產智駕方案的奔馳、寶馬、豐田和本田。