北京时间本月 18 日中午，马斯克在 X 平台直播发布旗下 xAI 公司研发的最新聊天机器人 Grok 3。据马斯克透露，特斯拉用户很快能在驾驶过程中使用 Grok 3。

随着 Deepseek 等 AI 大模型 " 上车 "，AI 将在今后数年成为智能汽车的主线任务。如果说过去数年，特斯拉引领了全球电动化风潮，那么当下，谁能占领 AI 高地，便可主车圈沉浮。

在刚刚过去的 2024 年，特斯拉的困境显而易见：其全球销量出现同比下跌，这是十年内首次。而在中国市场，今年节后开工第一天，特斯拉中国就献上降价 " 大礼包 "。这条曾经搅动中国汽车市场的 " 鲶鱼 "，正在面临激烈的市场竞争。

全球投行咨询公司 Evercore ISI 的分析师 Chris McNally 直言，特斯拉目前的估值已严重透支了市场对其 AI 业务的预期。

市场研究公司 DataTrek Research 联合创始人 Nicholas Colas 分析认为，特斯拉超过 90% 的市值建立在对未来发展的预期上，而这种预期的兑现，充满未知。

作为一家上市公司，面对瞬息万变的电动汽车市场，无论是在中国，还是面向全球，特斯拉都需要用新的姿态，讲好 AI 新故事。

Grok 3 的出现，让人不禁想起特斯拉的押宝级 AI 产品—— FSD（即完全自动驾驶，Full Self Driving）。多年来，马斯克屡屡许下各类 FSD 即将实现的承诺，却又一次次失约。FSD 试用监管版已经在美国推出，渗透率数字至今仍不透明。

去年 5 月，马斯克极限 44 小时访华，被业界推测是为 FSD 入华而来。同年，特斯拉全球部署路线图显示，2025 年一季度将在中国和欧洲推出 FSD 功能。结合特斯拉在中国的种种举动——建立数据中心、参与检测汽车数据处理 4 项安全要求，FSD 似乎离中国越来越近了。但不久前，又有外媒指出，特斯拉 FSD 将延迟进入中国市场。

更现实的问题是，特斯拉的 AI 故事，真的能够在中国市场讲好吗？

本文为瞭望智库原创文章，如需转载请在文前注明来源瞭望智库（zhczyj）及作者信息，否则将严格追究法律责任。

100 万视频数据如何采集？

数据安全，是特斯拉首先要迈过的一道坎。

一般情况下，无人驾驶系统包括感知、规划和执行三个环节。在车辆行驶过程中，摄像头和雷达等传感器会不断收集周边环境信息，并配合预先载入的高精地图（也有厂商选择不需要高精地图，比如特斯拉），进行路线规划，并做出车辆动作决策。

各家厂商，给出的无人驾驶技术方案并不相同。

特斯拉 FSD 采用名为 " 神经网络路径规划 " 的无人驾驶方案，有别于此前所采用的基于规则的机器学习。两者之间的差别是：后者让机器直接学习行驶规则，比如 " 红灯停、绿灯行 "" 保持车道线正中行驶 " 等等。

而神经网络路径规划，是让机器模仿并无限贴近正常人类司机开车的行为。该项目负责人达瓦尔 · 史洛夫解释称，团队会采集和分析从特斯拉客户车辆上收集的大量视频画面，这些画面记录了真实人类司机的驾驶行为，然后标记人员会给这些视频进行评估打分，找出 "Uber 五星司机会采取的做法 "，最后用于训练机器。

两套机器学习路径，哪一条更科学、更容易实现商业化，业界是有争议的。但是有一点可以肯定，特斯拉的 FSD 方案需要大量训练数据支撑。

神经网络至少需要经过 100 万个视频片段的训练，才能达到较为良好状态，如果达到 150 万个视频片段更好。

特斯拉自动驾驶系统之所以得以快速迭代演化，很大程度上得益于其庞大的车队，以及由此带来的大量训练数据。

截至 2024 年 10 月，特斯拉全球车主已经超过 700 万，其中中国车主超过 170 万。与欧美国家相比，中国的道路交通环境复杂、混行特点明显，中国司机更是有自己的驾驶习惯。想让特斯拉学会中国司机的驾驶技能，就需要大量中国车主的真实驾驶数据。

这 170 万，就是特斯拉 FSD 能否在中国顺利 " 跑起来 " 的数据底盘。

这时，特斯拉会碰到两个问题：

第一，车主是否愿意主动提供数据。

2024 年 4 月，中国汽车工业协会、国家计算机网络应急技术处理协调中心发布《关于汽车数据处理 4 项安全要求检测情况的通报（第一批）》，特斯拉等 6 家企业的共计 76 款车型符合全部 4 项合规要求，包括车外人脸信息等匿名化处理、默认不收集座舱数据、座舱数据车内处理、处理个人信息显著告知四项合规要求。

上文中所提及的汽车数据处理 4 项安全要求，官方给出了详细的检测标准。

" 默认不收集座舱数据要求 " 一项，标准包括：" 除非驾驶人自主设定，汽车应默认设定为不收集座舱数据的状态 "，以及 " 应提供便利的终止收集座舱数据的方式 "。

" 座舱数据车内处理要求 " 一项，标准包括：" 除实现语音识别、远程查看车内情况、云存储功能以及依据相关规定向监管或执法机构传输数据的情形外，汽车不应向车外提供座舱数据。"

也就是说，如果特斯拉车主不主动进行设定，汽车是不允许收集座舱数据的。

那么，有多少中国车主愿意主动分享自己的驾驶行为数据？

再者，根据要求，座舱数据不能随意 " 出车 "。那么即使有大批车主主动分享自己的数据，这些视频数据也需要统一交由特斯拉进行分析、标记、处理，才能完成机器学习的闭环，这又涉及数据存储、处理本地化问题（下文会涉及）。

第二，一旦涉及收集大量数据，特斯拉 FSD 上路和测绘行为有高度重叠性。

地图测绘涉及国土安全，关系重大。

很多自动驾驶厂商会采用高精地图提供辅助。特斯拉一直宣称自己不需要高精地图，仅靠摄像头和提供感知方案就可以实现 FSD。

但是，不需要高精地图，并不等于没有制作高精地图这一动作。

我国自然资源部《关于促进智能网联汽车发展维护测绘地理信息安全的通知》对于智能网联汽车测绘活动给出的官方定义是：

智能网联汽车安装或集成了卫星导航定位接收模块、惯性测量单元、摄像头、激光雷达等传感器后，在运行、服务和道路测试过程中对车辆及周边道路设施空间坐标、影像、点云及其属性信息等测绘地理信息数据进行采集、存储、传输和处理的行为，属于《中华人民共和国测绘法》规定的测绘活动，应当依照测绘法律法规政策进行规范和管理。

也就是说，只要车辆采集、存储、传输和处理车辆及周边道路设施地理信息数据，就相当于参与了测绘活动。

特斯拉的 FSD 需要百万的视频片段作为学习素材。这样大规模收集和分析相关数据，是否会被判定为地图测绘行为，是值得商讨的。

由于涉及国土安全，大部分欧美国家对于外资企业参与测绘是持高度警惕态度的。

根据《中华人民共和国测绘法》《外国的组织或者个人来华测绘管理暂行办法》《外商投资准入特别管理措施 ( 负面清单 ) 》等相关法律法规，外资企业在中国申请测绘资质是受到一定限制的。

在车主资源共享意愿不明，且国家对地理测绘监管严格的情况下，特斯拉 FSD 如何合理合规地采集、处理和分析海量数据，是一个难题。

高性能 GPU 芯片从哪里来？

特斯拉要迈过的第二道坎，事关芯片。

根据中国的数据保护法律法规，即使特斯拉能够合法合规进行数据采集，那么这些数据也不能轻易出境，而是要在中国本土进行存储、处理和分析。

目前，特斯拉已经在中国建立数据中心，达成存储本地化要求。

同理，服务于特斯拉 FSD 的超算中心，也要在中国本土建设运营。

这就涉及较为棘手的芯片问题。

目前美国的特斯拉超算中心主要涉及英伟达 A100、H100、H200 芯片，以及特斯拉自研的 D1 芯片。

美国得克萨斯州工厂的超算集群 "Cortex"，用于训练 FSD 和人形机器人擎天柱（Optimus）的神经网络。去年 8 月 4 日，马斯克在参观 "Cortex" 的时候透露，这个集群拥有约 10 万颗英伟达 H100 和 H200 芯片。

上述两款芯片皆是高性能 GPU（图形处理器）产品。

而 GPU 芯片，是目前美国极力进行出口管制的产品。

2023 年 10 月，英伟达发布公告称，已收到美国政府题为 " 实施附加出口管制：某些先进计算项目；超级计算机和半导体最终用途；更新和更正 " 的通知，适用于 " 总处理性能为 4800 或更高 "，并为数据中心设计或销售的产品，即 A100、A800、H100、H800 和 L40S 的出货。

今年 1 月 13 日，美国政府宣布推出 " 人工智能扩散临时最终规则 "（Interim Final Rule on Artificial Intelligence Diffusion），将芯片出口对象划分了三个级别 " 朋友圈 "，享有不同等级的 AI 配置权限。中国等 22 个国家和地区位于第三等级，将几乎完全被禁止从美国进口先进的 AI 处理器。

更重要的是，新规严格限制全球科技公司在非美国盟友国家建设大规模 AI 数据中心，即便在美国境外训练的模型，如使用美国 GPU 部件，也将面临长臂管辖。

虽然新规尚未正式生效，但美国政府的芯片出口管制走向纵深已成事实。即使特斯拉可以在中国本土建立超算中心，也要解决芯片供应问题。理论上，在华自产自用是最妥切的路径。

目前，特斯拉已经推出自研芯片 D1。这也符合马斯克的一贯作风：要对产品——不管是汽车还是火箭——核心供应链实现绝对控制。

特斯拉一手打造的 Dojo 超级计算机系统，使用视频片段训练人工智能系统，是 FSD 的定制 " 训练场 "。Dojo 项目的核心，就是使用特斯拉自研 D1 芯片。

特斯拉在 2021 年的 AI Day 上展示了其 D1 芯片，由台积电制造，采用 7 纳米制造工艺，拥有 500 亿个晶体管，芯片面积为 645mm²，峰值算力为 362TFL。

只是目前，出于性能、量产等种种考虑，D1 芯片对于英伟达的替代仍未完成。马斯克去年 6 月在 X 平台上曾言：特斯拉的目标是在接下来的大约 18 个月内实现 " 半特斯拉 AI 硬件，半英伟达 / 其他 "。

这意味着，特斯拉超算系统对于英伟达芯片的依赖仍在继续。

马斯克本人对于自研芯片的态度也摇摆不定。

在 2023 年特斯拉第二季度的电话会议中，马斯克突然表示，自研芯片，毫无必要。他说：" 如果英伟达能够给我们足够的 GPU，也许我们就不需要 Dojo，但他们无法满足我们的需求。"

可以预见的是，特斯拉 FSD 想要顺利入华，就要像特斯拉国产化路径一样，在中国构建起一个从芯片生产供应到超算中心落地的完整闭环。

只靠 " 眼睛 " 是否安全？

交通安全，是考验特斯拉的第三道坎。

" 我看起来在以非常没有礼貌的方式驾驶。"2022 年，CNBC 曾采访过三位参与特斯拉 FSD beta 计划的车主，其中一位车主丹 · 埃尔德如是说。埃尔德表示，他在一段曲折道路上行驶时，特斯拉自动改变车道，差点切入另一名司机的车道，他只能赶紧手动结束系统控制。

特斯拉的上述自动变道行为，很像在模仿某些技术娴熟的 " 老司机 " 在抢行、欺负新手。这和特斯拉采用模仿人类的方式训练机器有极大相关性。这种训练方式能否 " 调教 " 出足够安全的驾驶模式，是存疑的。

关于 FSD 安全性的另一个疑虑，来自特斯拉所采用的纯视觉方案。上述另一位参与 FSD 测试的车主就表示，该功能在雪地或者恶劣天气下无法正常工作。这也是特斯拉 FSD 最为人诟病的一点。

在高阶自动驾驶赛道，车企为解决安全性问题，一般采取融合感知方案，配置多种不同特性的传感器、取长补短，使车辆在任何场景下，特别是极端场景下，也能 " 看清 " 路面、做出准确判断。

以下是各类传感器的基本特点：

摄像头最贴近人眼功能，也是自动驾驶最主流的传感设备，但受环境影响大，强光和雨雪天气下识别物体能力会显著下降；

激光雷达提供高精度距离测量和三维空间信息，不受光照条件影响，但对物体的识别能力有限，需要和其他传感器配合；

毫米波雷达可以探知较远距离，对于远距离目标探测有绝对优势，抗干扰力强，但对于物体识别分辨率较低；

超声波雷达适合短距离物体测量和障碍物检测，成本很低，主要用于停车辅助，但探测范围有限，目标识别分辨率相对较低。

可见，单一感知设备再完备，也自带缺陷。

为保证安全性，自动驾驶的技术冗余也会拓展到交通基础设施层面，比如中国很多地区都在探索的车联网（V2X）场景，通过车与车之间、车与基础设施之间的直接通信，获取实时路况信息，提高驾驶安全性。

这里涉及一个基本共识：所有的技术冗余，都是为了保证无人驾驶比有人驾驶安全。

换言之，无人驾驶车辆除了能够达到人类的驾驶水平，还应突破人眼视觉盲区，处理好长尾场景。这些长尾场景发生概率低、难以提前预知，包括交通信号灯故障的路口、突然出现的醉驾车辆等等。

特斯拉显然没有那么重视冗余。

一些行业专家因此表示，特斯拉 FSD 采用的 " 纯视觉方案 "，可能会在能见度较低的条件下引发问题，因为这些车辆没有配备一套备用传感器。

2016 年美国的一起事故发生时，特斯拉车辆正在使用自动驾驶模式（AP），特斯拉公司事后发表声明称，" 在明亮的天色映衬下 " 自动驾驶系统没有识别出突然横在面前的白色牵挂卡车，没有制动，导致事故发生。显然，特斯拉的视觉方案还没有达到万无一失。

最近，一段同样发生在美国的视频显示，特斯拉汽车径直开上了与道路平行的轻轨轨道，这段轨道与普通道路车道非常相似，轨道与地面齐平，车辆可以驶过。这不由令人怀疑，特斯拉的 " 眼睛 " 是不是又看错了。

如果说，在低阶自动驾驶阶段，特斯拉 AP 系统只具备辅助驾驶功能，司机和车辆如何摊派责任尚可争论，那么，在完全自动驾驶阶段，一旦发生事故，FSD 就应该承担主要责任。

美国国家公路交通安全管理局（NHTSA）已经启动过多次针对特斯拉的调查，尤其是在 FSD 系统的表现上。2024 年 10 月，NHTSA 在收到 4 起撞车事故报告后，开始对 240 万辆配备 FSD 软件的车辆展开调查。NHTSA 表示，这些事故发生时，道路能见度都较低（如阳光刺眼、起雾或空中扬尘），且 FSD 系统都处于运行模式。

无论是特斯拉的 " 纯视觉方案 "，还是神经网络规划系统，甚至是特斯拉公关团队，是否都为 FSD 的安全性做好了准备？

在中国，对于交通安全的监管力度只会比美国更大。