2月25日，特斯拉FSD向中国市场的部分车型分批次推送。不过，此次推送的并非其在美国声名大噪、具备完全自动驾驶能力的FSD，而是“FSD智能辅助驾驶功能”。

智驾下半场对决来临，“FSD”的到来是否会成为国内汽车企业最强劲的对手？中国科学院院士、中国电动汽车百人会副理事长欧阳明高在中国电动汽车百人会论坛（2025）专家媒体交流会上表示，因中国汽车企业广泛接入Deepseek，对特斯拉FSD入华后国内企业在智能驾驶领域继续居于领先地位保持信心。“DeepSeek相关技术变革有望降低端到端自动驾驶的算力、算法的技术门槛，对自动驾驶的加速到来会起到巨大的推动作用。”欧阳明高表示，同时，随着“全民智驾”时代的到来，有助于大量采集数据，也会加速自动驾驶技术的迭代升级。

车百智库调研报告《特斯拉FSD发展情况及影响》深入分析了FSD的基本情况、FSD与其他智驾方案的比较。

智能驾驶任务可以通过规则算法和模型两种方式完成，前者由工程师人工定义规则（工匠模式），后者基于数据训练迭代（机器模式）。

考虑到智能驾驶的核心挑战是解决无穷无尽的边缘场景（Corner Case），以有限人力解决无限长尾问题的成本和时间难以估量，数据驱动、模型化成为必然趋势。通过训练环节的算力、数据、工具布局，推理环节的端到端全模块神经网络化，特斯拉FSD真正实现了数据驱动，其技术上限、迭代速度和拟人化程度均得到了指数级提升。

FSD已进入商用落地阶段。2021年起，特斯拉基于自研芯片、BEV+Transformer算法、Dojo算力平台打造FSD方案；同年7月起，FSD V9 Beta版本开始小范围测试。2023年，FSD Beta V12版本开始采用端到端方案测试。2024年3月V12版本正式在北美范围内全量推送，特斯拉端到端自动驾驶率先进入商用阶段。

1.技术层面，FSD的算力、数据、工具、算法存在先发优势

数据驱动体系下，算法是决定上限的“菜谱”，云端算力是“燃料”，数据是“食材”，工具是“厨具”，共同决定企业智驾技术水平。特斯拉在算力、数据、工具、算法层面形成阶段性领先。

算力方面，特斯拉算力规模超过国内厂商一个数量级。2023年一季度，特斯拉云端算力达到35 EFLOPS（以下简称E），超过华为车BU（3.3E）、百度极越（2.2E）、蔚来（1.4E）、理想（1.2E）、吉利（0.81E）、长城（0.67E）、小鹏（0.6E）等企业已公开自建算力总和的3倍。且特斯拉不受芯片法案影响，具备自研AI训练芯片能力，算力增长空间很大。马斯克表示，2024年底算力将提升至100 EFLOPS。

数据方面，特斯拉凭借规模优势、低成本硬件预埋积累了全球最多的高质量行车数据。截至2024年4月，特斯拉全球保有量超过600万辆，FSD累计行驶里程已达到12.5亿英里（20亿公里），与华为的2.2亿公里、小鹏XNGP的0.7亿公里相比存在优势。

此外，特斯拉采用纯视觉感知方案以实现低成本的硬件预埋，各车型采用标准化硬件配置以保证采集数据的格式统一。FSD累计学习的高质量视频片段在2023年9月已超过1000万个，专家估算目前已超过2000万个，这一规模的数据量仅采集成本就需要50-80亿元人民币。

数据闭环工具方面，特斯拉具备先发优势。特斯拉2016年最早落地影子模式打造数据采集的标杆方案；2021年率先实现4D标注降低数据标注工作量；在2022-2023年已可以处理PB（PB，1PB=220GB）级数据；2023年实现小时级模型迭代（国内头部企业仍处于天级）。

算法层面，特斯拉技术进展领先1.5年，量产进度领先。技术进展方面，企业端到端技术均处于由分段式向一体式过渡阶段，而FSD已实现了规控模块的神经网络化，感知-规控模块之间实现了可导向量的无损传递，神经网络化更加彻底，大概领先国内1.5年左右；落地进展方面，特斯拉2023年11月向内部员工推送基于端到端的FSD V12 Beta版本，2024年4月向北美用户全量推送。而国内除小鹏汽车、华为、元戎启行宣布2024年量产以外，已公开的端到端量产时间点多在2025年。

2.产品层面，FSD与国内方案各有优劣

当前阶段，FSD在北美以车车博弈为主的环境下展示出较强的拟人化程度，但在中国城市场景下仍需提升应对人车混行和各地交通标识差异的能力，达到商用级体验需进行1-1.5年的本土化适配，国内头部企业能够在窗口期内将产品拟人化程度提升至FSD同一量级。 

远期看，考虑到产品体验的提升是一个斜率逐渐降低的幂次函数，特斯拉基于算力、数据的迭代速度优势在产品层面的作用将被缩小，难以拉开差距。但应持续关注特斯拉是否会借助更大规模的数据和算力产生类似于chatgpt的“涌现”效应，更快到达下一个质变节点，如L4无人驾驶。

欲了解更多，请关注车百智库调研报告《特斯拉FSD发展情况及影响》