降價，特斯拉FSD入華的最佳選擇互聯網+
導讀
超越特斯拉的 FSD，是中國車企一直以來的目標。
超越特斯拉的 FSD，是中國車企一直以來的目標。
超越特斯拉的 FSD，是中國車企一直以來的目標。
早在 2020 年底，何小鵬便在微博公開宣戰馬斯克。
「明年開始，（特斯拉）在中國的自動駕駛要有被我們打得找不著東的思想準備，至于國際，我們會相遇的。」
到了 2023 年 4 月，余承東更是在發布會上用數據「碾壓」特斯拉。
「華為 ADS2.0 在匝道匯入成功率方面已經達到 98.86%，在行業遙遙領先，特斯拉是 88.16％，當然大家不要笑話特斯拉，因為特斯拉比全世界其他品牌好很多。」
在隔空打了幾年嘴仗之后，特斯拉的 FSD 終于加快了入華的腳步。
11 月 20 日，特斯拉中國官網在中國車主手冊上更新加入了 FSD Beta 相關內容。
11 月 23 日晚，特斯拉中國針對「FSD 入華」的傳聞作出了回應：「目前確實正在推進中」。
特斯拉的靈魂終于要來了，中國車企鎮得住嗎？
01 FSD 入華，特斯拉有備而來
和 FSD 入華這個消息一起出現的，還有 FSD V12 版本（端到端自動駕駛）即將發布的消息。
結合這兩條消息不難看出，特斯拉 FSD 入華顯然是有備而來。
2021 年 8 月，特斯拉在第一屆 AI DAY 上推出了基于 Transformer 的 BEV。
自此之后，華為、小鵬、蔚來、理想、百度等多家廠商迅速跟進，紛紛推出了基于 BEV+Transformer 的智駕方案。
在這個時期，特斯拉雖然有一定的先發優勢，但是和中國車企的智駕方案沒有拉開顯著的代際差距。
雙方都是在感知端通過 BEV+Transformer 架構基本實現了神經網絡運算，但是下游的規劃和控制仍以規則算法為主。
即使是引入了更多神經網絡的 FSD V11，也有大約 30 萬行 C++控制代碼。
而只要涉及到規則算法，那特斯拉 FSD 進入中國后就要重新編寫控制代碼，來適應中國的交通法規和道路情況，甚至還要在中國重新組建一支自動駕駛算法團隊。
水土不服之下，特斯拉 FSD 大概率會折戟沙場。
然而即將上線的 FSD V12 逆轉了這一局勢，通過端到端的自動駕駛，和中國車企拉開了代際差距。
FSD 每一次大版本迭代，本質上都是將更多的子任務交給神經網絡完成，降低人工規則的參與程度。
FSD V12，則實現了將幾乎全部的子任務都交由神經網絡來完成，人工編程的 C++控制代碼由 V11 的 30 萬行縮減到了 3000 行，實現了「完全端到端」的自動駕駛，即「在神經網絡模型中輸入圖像后，將直接輸出轉向、加速、制動等控制指令，期間不需要任何規則代碼。」
端到端自動駕駛的核心優勢，在于能大幅提升模型的性能上限和訓練效率。
傳統的自動駕駛中，模型的性能上限取決于規則代碼的質量，各車企智駕能力的差距，本質上就是規則代碼的差距。
但是有限的代碼，無論如何都覆蓋不了無限的場景，工程師們只能在遇到邊緣場景后不斷給模型打補丁。
所謂的智能駕駛，其實根本就沒有智能，也看不懂規則，只是按照人類寫下的規則駕駛罷了。
FSD V12 的端到端自動駕駛則完全不同，模型性能的上限不再由規則代碼決定，而是由數據和算力決定。
端到端的智駕模型可以模擬人類思考，通過大量的訓練「學會」開車。
用來訓練的數據越多，算力越強，模型的性能也就越好，甚至可能會出現大語言模型中的「涌現」概念，也就是類似于人類的「開竅」、「厚積薄發」。
實現了端到端自動駕駛的 FSD，只需要用充足的本土行駛數據訓練智駕模型，便能實現更好的智駕體驗。
同時，得益于大幅減弱了規則代碼的數量，特斯拉也并不需要在中國建立數千人的智駕算法團隊，僅需 20 人左右的本地運營團隊和數百人的數據標注團隊，便能實現 FSD 的順利落地。
02 追趕特斯拉，中國車企起碼 2 年
對于中國車企來說，跟上特斯拉 FSD V12 的腳步不是一件容易的事。
從 FSD 自身發展經歷來看，從大模型上車到實現端到端自動駕駛，特斯拉用了兩年半時間。
然而目前中國的廠商，比如華為、小鵬、理想、蔚來等企業，普遍在 2023 年才實現 BEV+Transformer 架構上車，比特斯拉落后近兩年。
和特斯拉一樣專注純視覺方案的極越，也才在剛發布的極越 01 上實現了 BEV+Transformer+Occupancy 架構，比特斯拉落后一年。
中國車企作為追趕者，或許可以縮短技術研發上的時間。
但是想超越特斯拉，也絕不能忽視其在數據和算力方面的優勢——畢竟決定端到端模型性能上限的，就是數據和算力。
數據方面，在 FSD V12 版本訓練初期，特斯拉便投喂了約 1000 萬個特斯拉車主的駕駛視頻片段，而這還遠不是特斯拉的上限。
《馬斯克傳》中提到，特斯拉每天可以訪問來自車主的 1600 億幀視頻，用于 FSD 的訓練。截至目前，特斯拉 FSD 累積行駛里程已超 5 億英里，Autopilot 使用里程已經超過 90 億英里。
龐大數據的背后，是特斯拉全球 450 萬的銷量支撐。在中國市場，特斯拉目前也有 160 萬的銷量，足以進行模型訓練。
反觀中國車企，蔚小理累計銷量分別為 43 萬、38 萬和 58 萬，華為旗下問界和阿維塔累計銷量 16 萬，在數據規模上和特斯拉有較大的差距。
而銷量超過特斯拉的比亞迪，目前并未將智能駕駛作為核心業務發展。
由于汽車行業規模效應明顯，更容易出現「強者恒強」的馬太效應，想在銷量和數據規模上超越特斯拉，需要大量的時間成本。
在算力方面，追趕特斯拉同樣并非易事。
早在 2022 年，特斯拉算力中心的算力已經達到了 2EFlops。
2023 年 8 月，特斯拉又啟動了 10000 塊英偉達 H100GPU 組成的算力集群，能提供 10EFLOPS 規模的算力。
同時，特斯拉自研的 Dojo 超算中心也于今年 7 月開始量產，預計至 2024 年底投入 10 億美元，屆時 Dojo 的算力將達到 100EFLOPS。
國內廠商中，目前華為的算力最高，為 2.8EFLOPS。
其次為吉利，算力 810PFLOPS（1EFLOPS=1000PFLOPS），理想汽車、毫末智行和小鵬汽車的算力分別為 750PFLOPS、670PFLOPS 和 600PFLOPS。
即使是算力最高的華為，也和特斯拉存在較大的算力差距，而要想追上特斯拉，則需要大量的資金投入。
據了解，一片 H100 芯片官方售價 3.5 萬美元，在黑市甚至被炒到 30-40 萬元人民幣，10000 塊 H100 芯片最低也要花費 25 億人民幣。
再結合 Dojo 計算機上投入的 10 億美元，特斯拉今明兩年在算力上的投入將達到 100 億人民幣的規模，而蔚小理 2022 年全年的研發投入，也不過 108 億、52 億和 68 億。
對于中國車企而言，要想在智能駕駛領域追上特斯拉，技術、數據（銷量）、算力和資金四個方面缺一不可。
但從目前的情況來看，還沒有車企能滿足全部的要求。
03 鲇魚特斯拉，或將再引降價潮
特斯拉 FSD V12 雖然在技術方面有優勢，但能否占領市場還要看價格。
出于政策原因，特斯拉在中國采集到的數據必須留在中國，這就意味著如果特斯拉想在中國訓練出與美國版本能力相近的 FSD，就必須在中國建立數據中心和類似 Dojo 的超算中心。
按照特斯拉在美國的節奏，FSD 在中國落地起碼需要一年的時間和 100 億的資金投入。
一年以上的落地時間無疑給了中國車企喘息甚至超車的機會，100 億的「重復建設」則顯著拉高了特斯拉 FSD 的成本。
截止目前，特斯拉在華累計銷量為 160 萬輛，如果這 160 萬輛車都購買 FSD 的話，那特斯拉每輛車的智駕研發成本便僅有 6250 元。
但顯然讓每一位特斯拉車主都購買 FSD 是一件不可能的事。
根據中信證券的數據，在北美地區，特斯拉 FSD 在 Model 3 上的滲透率為 5%-7%，在 Model Y 上的滲透率為 12%-13%。
如果中國地區的滲透率按與北美相近的 10% 來計算，那每輛車的智駕研發成本便是 6.25 萬元，低于 FSD 在北美 1.2 萬美元（8.4 萬人民幣）的售價。
然而和中國車企相比，每輛車 6.25 萬的智駕成本則略顯昂貴。
目前特斯拉中國的官網上，FSD 的售價為 6.4 萬元，在價格戰打的火熱的當下，特斯拉 FSD 的價格競爭力非常有限。
在北美市場，特斯拉高價賣 FSD 的核心秘訣在于其自有的商業保險體系。
特斯拉自有保險的保費直接與車主駕駛行為的危險程度掛鉤，駕駛行為越安全，保費也就越低。
而在特斯拉的評定體系中，使用 FSD 是最安全的駕駛行為。通過使用 FSD，車主每年可以省下 5000 美元以上的保費，遠高于 FSD 一年 2388 美元的訂閱價格。
不過目前中國市場特斯拉每年的保費在 7000 元左右，低于 FSD 每年 1.7 萬的訂閱價格。如果特斯拉不降低 FSD 的訂閱價格，即使將北美的保險模式搬到中國，也無法促進 FSD 的銷量。
降價，是特斯拉 FSD 進入中國市場的最佳選擇。
由于特斯拉 FSD 采用了純視覺方案，主要的智駕成本在研發上，隨著 FSD 銷量的提升，平均單車成本也會下降。
因此特斯拉可以反向操作，通過降價的方式提升 FSD 的滲透率，從而降低成本。
2023 年上半年，中國汽車市場 L2 級自動駕駛的滲透率已經達到了 40%，如果特斯拉 FSD 滲透率能達到這個水平，那單車的智駕研發成本便能下降到 2.5 萬元。
2.5 萬的價格低于目前市場上智能駕駛的平均水平，大概率會繼續拉高 FSD 的滲透率，從而進一步降低特斯拉單車的智駕成本。
降低價格——提高滲透率——攤薄成本——再次降低價格，特斯拉在汽車上連環降價引發的價格戰，或許將在智駕領域再來一次。
對于使用了激光雷達的中國廠商而言，降低智駕成本并不是一件輕松的事。
雖然單顆激光雷達的價格已經通過規模效應，從幾年前的幾十萬元降低到了現在的幾千元。
但是考慮到邊際效應遞減，激光雷達成本進一步降低所需要的銷量規模將遠高于之前，短期內注定難以實現。
降低不了激光雷達的單價，車企便只能從降低激光雷達的數量上下手了。
比如華為智駕方案從 ADS1.0 到 ADS2.0 的演變過程中，激光雷達數量從 3 顆減少至 1 顆。
短期來看，減少激光雷達的數量確實能快速降低智駕成本。
但從長期來看，特斯拉 FSD 的單車智駕成本會隨著銷量的提升不斷下降。
而激光雷達方案的單車智駕成本始終和硬件成本掛鉤，硬件降本潛力遠沒有軟件降本潛力大。
一旦特斯拉 FSD 率先在中國實現了規模化，便將在技術和價格上具備雙重優勢。
因此，特斯拉在中國建立數據中心和超算中心的窗口期，是中國車企分秒必爭的生死時刻。
雖然沒有一家中國車企能同時滿足技術、數據（銷量）、算力和資金這四個方面的要求，但每家車企也都各具優勢。
在技術上，極越實現了 BEV+Transformer+OCC 架構，和特斯拉技術路線的差距最小。
在數據上，比亞迪在今年 8 月份便實現了 500 萬輛新能源車的銷量，規模超過特斯拉。
同時，生成式 AI 的發展一定程度上也緩解了車企數據不足的問題，雖然生成式 AI 在數據量上或許難以匹敵特斯拉，但其優點是能用較低的算力生成特定的駕駛場景，從而針對性地訓練模型的能力。
在算力和資金上，任正非表示華為每年投入 30-50 億美元用于基礎理論研究，即將到來的第四次工業革命，基礎就是大算力，「華為將致力于打造中國堅實的算力底座，為世界構建第二選擇」。
換個角度看，FSD 就像是特斯拉的另一條鲇魚，加速推動中國車企補足在智能駕駛上的短板。
然而即將上線的 FSD V12 逆轉了這一局勢，通過端到端的自動駕駛，和中國車企拉開了代際差距。
FSD 每一次大版本迭代，本質上都是將更多的子任務交給神經網絡完成，降低人工規則的參與程度。
FSD V12，則實現了將幾乎全部的子任務都交由神經網絡來完成，人工編程的 C++控制代碼由 V11 的 30 萬行縮減到了 3000 行，實現了「完全端到端」的自動駕駛，即「在神經網絡模型中輸入圖像后，將直接輸出轉向、加速、制動等控制指令，期間不需要任何規則代碼。」
端到端自動駕駛的核心優勢，在于能大幅提升模型的性能上限和訓練效率。
傳統的自動駕駛中，模型的性能上限取決于規則代碼的質量，各車企智駕能力的差距，本質上就是規則代碼的差距。
但是有限的代碼，無論如何都覆蓋不了無限的場景，工程師們只能在遇到邊緣場景后不斷給模型打補丁。
所謂的智能駕駛，其實根本就沒有智能，也看不懂規則，只是按照人類寫下的規則駕駛罷了。
FSD V12 的端到端自動駕駛則完全不同，模型性能的上限不再由規則代碼決定，而是由數據和算力決定。
端到端的智駕模型可以模擬人類思考，通過大量的訓練「學會」開車。
用來訓練的數據越多，算力越強，模型的性能也就越好，甚至可能會出現大語言模型中的「涌現」概念，也就是類似于人類的「開竅」、「厚積薄發」。
實現了端到端自動駕駛的 FSD，只需要用充足的本土行駛數據訓練智駕模型，便能實現更好的智駕體驗。
同時，得益于大幅減弱了規則代碼的數量，特斯拉也并不需要在中國建立數千人的智駕算法團隊，僅需 20 人左右的本地運營團隊和數百人的數據標注團隊，便能實現 FSD 的順利落地。
02 追趕特斯拉，中國車企起碼 2 年
對于中國車企來說，跟上特斯拉 FSD V12 的腳步不是一件容易的事。
從 FSD 自身發展經歷來看，從大模型上車到實現端到端自動駕駛，特斯拉用了兩年半時間。
然而目前中國的廠商，比如華為、小鵬、理想、蔚來等企業，普遍在 2023 年才實現 BEV+Transformer 架構上車，比特斯拉落后近兩年。
和特斯拉一樣專注純視覺方案的極越，也才在剛發布的極越 01 上實現了 BEV+Transformer+Occupancy 架構，比特斯拉落后一年。
中國車企作為追趕者，或許可以縮短技術研發上的時間。
但是想超越特斯拉，也絕不能忽視其在數據和算力方面的優勢——畢竟決定端到端模型性能上限的，就是數據和算力。
數據方面，在 FSD V12 版本訓練初期，特斯拉便投喂了約 1000 萬個特斯拉車主的駕駛視頻片段，而這還遠不是特斯拉的上限。
《馬斯克傳》中提到，特斯拉每天可以訪問來自車主的 1600 億幀視頻，用于 FSD 的訓練。截至目前，特斯拉 FSD 累積行駛里程已超 5 億英里，Autopilot 使用里程已經超過 90 億英里。
龐大數據的背后，是特斯拉全球 450 萬的銷量支撐。在中國市場，特斯拉目前也有 160 萬的銷量，足以進行模型訓練。
反觀中國車企，蔚小理累計銷量分別為 43 萬、38 萬和 58 萬，華為旗下問界和阿維塔累計銷量 16 萬，在數據規模上和特斯拉有較大的差距。
而銷量超過特斯拉的比亞迪，目前并未將智能駕駛作為核心業務發展。
由于汽車行業規模效應明顯，更容易出現「強者恒強」的馬太效應，想在銷量和數據規模上超越特斯拉，需要大量的時間成本。
在算力方面，追趕特斯拉同樣并非易事。
早在 2022 年，特斯拉算力中心的算力已經達到了 2EFlops。
2023 年 8 月，特斯拉又啟動了 10000 塊英偉達 H100GPU 組成的算力集群，能提供 10EFLOPS 規模的算力。
同時，特斯拉自研的 Dojo 超算中心也于今年 7 月開始量產，預計至 2024 年底投入 10 億美元，屆時 Dojo 的算力將達到 100EFLOPS。
國內廠商中，目前華為的算力最高，為 2.8EFLOPS。
其次為吉利，算力 810PFLOPS（1EFLOPS=1000PFLOPS），理想汽車、毫末智行和小鵬汽車的算力分別為 750PFLOPS、670PFLOPS 和 600PFLOPS。
即使是算力最高的華為，也和特斯拉存在較大的算力差距，而要想追上特斯拉，則需要大量的資金投入。
據了解，一片 H100 芯片官方售價 3.5 萬美元，在黑市甚至被炒到 30-40 萬元人民幣，10000 塊 H100 芯片最低也要花費 25 億人民幣。
再結合 Dojo 計算機上投入的 10 億美元，特斯拉今明兩年在算力上的投入將達到 100 億人民幣的規模，而蔚小理 2022 年全年的研發投入，也不過 108 億、52 億和 68 億。
對于中國車企而言，要想在智能駕駛領域追上特斯拉，技術、數據（銷量）、算力和資金四個方面缺一不可。
但從目前的情況來看，還沒有車企能滿足全部的要求。
03 鲇魚特斯拉，或將再引降價潮
特斯拉 FSD V12 雖然在技術方面有優勢，但能否占領市場還要看價格。
出于政策原因，特斯拉在中國采集到的數據必須留在中國，這就意味著如果特斯拉想在中國訓練出與美國版本能力相近的 FSD，就必須在中國建立數據中心和類似 Dojo 的超算中心。
按照特斯拉在美國的節奏，FSD 在中國落地起碼需要一年的時間和 100 億的資金投入。
一年以上的落地時間無疑給了中國車企喘息甚至超車的機會，100 億的「重復建設」則顯著拉高了特斯拉 FSD 的成本。
截止目前，特斯拉在華累計銷量為 160 萬輛，如果這 160 萬輛車都購買 FSD 的話，那特斯拉每輛車的智駕研發成本便僅有 6250 元。
但顯然讓每一位特斯拉車主都購買 FSD 是一件不可能的事。
根據中信證券的數據，在北美地區，特斯拉 FSD 在 Model 3 上的滲透率為 5%-7%，在 Model Y 上的滲透率為 12%-13%。
如果中國地區的滲透率按與北美相近的 10% 來計算，那每輛車的智駕研發成本便是 6.25 萬元，低于 FSD 在北美 1.2 萬美元（8.4 萬人民幣）的售價。
然而和中國車企相比，每輛車 6.25 萬的智駕成本則略顯昂貴。
目前特斯拉中國的官網上，FSD 的售價為 6.4 萬元，在價格戰打的火熱的當下，特斯拉 FSD 的價格競爭力非常有限。
在北美市場，特斯拉高價賣 FSD 的核心秘訣在于其自有的商業保險體系。
特斯拉自有保險的保費直接與車主駕駛行為的危險程度掛鉤，駕駛行為越安全，保費也就越低。
而在特斯拉的評定體系中，使用 FSD 是最安全的駕駛行為。通過使用 FSD，車主每年可以省下 5000 美元以上的保費，遠高于 FSD 一年 2388 美元的訂閱價格。
不過目前中國市場特斯拉每年的保費在 7000 元左右，低于 FSD 每年 1.7 萬的訂閱價格。如果特斯拉不降低 FSD 的訂閱價格，即使將北美的保險模式搬到中國，也無法促進 FSD 的銷量。
降價，是特斯拉 FSD 進入中國市場的最佳選擇。
由于特斯拉 FSD 采用了純視覺方案，主要的智駕成本在研發上，隨著 FSD 銷量的提升，平均單車成本也會下降。
因此特斯拉可以反向操作，通過降價的方式提升 FSD 的滲透率，從而降低成本。
2023 年上半年，中國汽車市場 L2 級自動駕駛的滲透率已經達到了 40%，如果特斯拉 FSD 滲透率能達到這個水平，那單車的智駕研發成本便能下降到 2.5 萬元。
2.5 萬的價格低于目前市場上智能駕駛的平均水平，大概率會繼續拉高 FSD 的滲透率，從而進一步降低特斯拉單車的智駕成本。
降低價格——提高滲透率——攤薄成本——再次降低價格，特斯拉在汽車上連環降價引發的價格戰，或許將在智駕領域再來一次。
對于使用了激光雷達的中國廠商而言，降低智駕成本并不是一件輕松的事。
雖然單顆激光雷達的價格已經通過規模效應，從幾年前的幾十萬元降低到了現在的幾千元。
但是考慮到邊際效應遞減，激光雷達成本進一步降低所需要的銷量規模將遠高于之前，短期內注定難以實現。
降低不了激光雷達的單價，車企便只能從降低激光雷達的數量上下手了。
比如華為智駕方案從 ADS1.0 到 ADS2.0 的演變過程中，激光雷達數量從 3 顆減少至 1 顆。
短期來看，減少激光雷達的數量確實能快速降低智駕成本。
但從長期來看，特斯拉 FSD 的單車智駕成本會隨著銷量的提升不斷下降。
而激光雷達方案的單車智駕成本始終和硬件成本掛鉤，硬件降本潛力遠沒有軟件降本潛力大。
一旦特斯拉 FSD 率先在中國實現了規模化，便將在技術和價格上具備雙重優勢。
因此，特斯拉在中國建立數據中心和超算中心的窗口期，是中國車企分秒必爭的生死時刻。
雖然沒有一家中國車企能同時滿足技術、數據（銷量）、算力和資金這四個方面的要求，但每家車企也都各具優勢。
在技術上，極越實現了 BEV+Transformer+OCC 架構，和特斯拉技術路線的差距最小。
在數據上，比亞迪在今年 8 月份便實現了 500 萬輛新能源車的銷量，規模超過特斯拉。
同時，生成式 AI 的發展一定程度上也緩解了車企數據不足的問題，雖然生成式 AI 在數據量上或許難以匹敵特斯拉，但其優點是能用較低的算力生成特定的駕駛場景，從而針對性地訓練模型的能力。
在算力和資金上，任正非表示華為每年投入 30-50 億美元用于基礎理論研究，即將到來的第四次工業革命，基礎就是大算力，「華為將致力于打造中國堅實的算力底座，為世界構建第二選擇」。
換個角度看，FSD 就像是特斯拉的另一條鲇魚，加速推動中國車企補足在智能駕駛上的短板。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
