特斯拉FSD进入中国市场，却未能完全识别红灯

特斯拉 FSD 入华：从期待到现实的挑战

蛰伏6年，几经推迟，特斯拉FSD（Full Self-Driving）终于在中国市场首次亮相。那些早早押注未来的车主们，此刻成了首批双向套利者——左手解锁北美同源的智能驾驶体验，右手还能通过租赁车辆创收。

由于愿意为马斯克这个“大饼”多花64,000元的用户寥寥无几，FSD在中国市场显得尤为稀缺。不少车主纷纷做起了租赁生意，以日计价出租车辆，收益远超传统租车行，成功将64,000元的沉没成本转化为收入来源。

然而，在流量狂欢的背后，是技术本土化面临的严峻考验。社交平台上充斥着关于“五分钟三次误判变道”和“十二分驾照不够扣”的实战视频，给科技信徒们带来了一次冰桶挑战般的体验。

FSD 的中国市场首秀：戴着镣铐跳舞

特斯拉此次之所以引起行业震动，是因为这是他们第一次在中国市场推出接近美国FSD功能的核心能力。特斯拉的辅助驾驶系统分为三个层级：基础版Autopilot、增强版EAP和进阶版FSD。尽管FSD自2019年起就向中国用户开放订阅，但受限于监管和技术问题，这一核心功能始终未能真正落地。

严格来说，这次推送给中国用户的并非FSD的完全体。该系统被严格限制在受控道路范畴，无法实现车位到车位的全场景自动驾驶。此次更新的重点功能包括：

- 在城市主干道自动执行导航路线

- 精准识别交通信号灯并完成转向动作

- 根据实时路况自主变道

- 在未设置目的地时智能规划行驶路径

启用功能后，用户可选择“轻松”、“标准”或“迅捷”三种驾驶风格，并允许设定最高速度偏离值。驾驶舱摄像头也会同步激活，用于注意力监测。

FSD 在中国的真实表现：水土不服

尽管功能看似全面，但在实际道路中，FSD的表现却暴露出明显的不适应。测试中，车辆多次未能识别红灯，甚至误闯非机动车道和公交车道。面对中国特色的复杂路况，如电动自行车的无序穿插和临时占道的快递车辆，FSD显得手足无措。

在凤凰车研所对搭载HW4.0硬件的Model 3焕新版进行的80公里实测中，FSD四次需要手动接管，暴露了其困境。例如，在应掉头的复杂路口，FSD固执地驶入左转车道，未作任何提示便重新规划路线；在隧道等常规场景，gps信号中断导致功能失效。

此外，这套系统在面对中国特色路况时，表现出明显的“双重人格”：在常规道路上，变道决策干净利落，转弯动作行云流水；但一旦遇到复杂路况，如导流岛和临时占道车辆，FSD立即变得手足无措。

数据缺失与本土化难题

有观点认为，特斯拉FSD进入中国会引发“鲶鱼效应”，但忽视了游戏规则的改变。不同于2014年以开放专利搅动电动化浪潮的姿态，如今的特斯拉正深陷技术路线的悖论之中。

马斯克在2025年初的财报电话会议上提到，FSD入华面临两大挑战：一是训练数据无法出境，二是美国不允许FSD在中国训练。特斯拉目前的做法是使用公开视频“喂给”FSD，但这远不及实地采集的数据质量高。

自从FSD切换到“端到端”技术架构后，数据变得尤为重要。这套将传感器数据直接映射为控制指令的架构，在北美凭借千万级车辆数据锻炼出了惊人的泛化能力。但在中国，它却遭受着“无米之炊”的致命伤。纯视觉方案的本质是将摄像头捕捉的二维像素流转化为三维驾驶决策，这种转换需要海量现实场景的支持。

在美国，系统能精准预判滑板少年突然窜出的轨迹；在洛杉矶，它能熟练处理十六车道立交的路径选择。但在中国，面对潮汐般涌动的3亿电动自行车穿行者，其“数据驱动”优势瞬间化为劣势。特斯拉工程师不得不翻找中国道路视频，试图拼凑出复杂的交通图景。

本土玩家的优势

相比之下，小鹏、华为、理想等本土智驾玩家更懂中国的道路。他们用脚丈量每一寸土地，验证每一个十字路口的微观动力学。在昨晚的对比测试中，小鹏汽车智驾产品总监袁婷婷表示，小鹏智驾更懂中国的道路，“这也是为什么小鹏在中国这么多省市都一一去验证，实际线下跑了这么多测试的原因。”

当本土玩家用实际行动丈量每一寸道路时，特斯拉FSD却像隔着毛玻璃观察中国，其训练集里缺失的不仅是特殊路况，更是潜藏在每个十字路口的“道路社会学”。

FSD 的定价困境

特斯拉FSD在中国市场的高定价也成为一个难题。截至2024年3月，北美市场特斯拉保有量约200万辆，其中28.5万用户选装了FSD，选装率仅19%。而在中国市场，FSD缺失的六年里，竞争格局发生了巨大变化。小鹏P7+将高速领航、远程召唤等功能作为标配，比亚迪海鸥在7.88万元价位嵌入L2智驾，这些本土玩家重新定义了“科技平权”的内涵。

64,000元的选装价格在中国市场显然缺乏竞争力。即便“满血版”FSD成功进入国内，也不会对特斯拉销量提升有太大帮助。特斯拉若要实现年度销售目标，还需付出更多努力。

总的来说，特斯拉FSD在中国市场的首秀充满了期待与挑战，能否成功取决于其能否迅速适应中国复杂的交通环境并解决数据和定价问题。