原标题：特斯拉FSD踏入国门遭遇技术挑战 谁是智能驾驶“解药良方”？
近日，据知情人士透露，上海临港管委会正在推进10辆特斯拉FSD在区内落地测试，上海自动驾驶示范区已经向特斯拉发放了道路测试牌照。这也就意味着，特斯拉FSD在中国全面落地已为时不远。
关于特斯拉FSD，国内主要存在两种不同的声音，一认为它很先进，如果落地国内市场，必将引发智能驾驶新一轮“鲶鱼效应”，实现良币驱逐劣币；二则认为，FSD不足为惧，国内车企已利用时间差迎头赶上。不过目前又出现了第三种声音，中国正在全面发力的车路云一体化或将与FSD分庭抗礼，成为迈向高阶自动驾驶的另一条技术路径，这也是中国在自动驾驶棋局中的战略机遇所在。
当前，业界针对如何实现更安全的自动驾驶在技术路线选择方面尚存争议。舶来品FSD与本土的车路云一体化，谁更适合中国自动驾驶的需要？特斯拉所倡导的纯单车智能路线，能否成为未来车路云一体化的“拦路虎”？两者在智驾技术赛道上将一决高下，还是走向融合？
FSD全面落地是“毒”是“药”？
首先，我们必须要承认特斯拉FSD的领先性。一个无法否认的事实是：现行的很多智驾方案都是摸着特斯拉过河，特斯拉在技术路线以及功能层面实现了对行业的引领。
近几年，特斯拉每年的AI Day就是行业技术的风向标。在2021年8月举行的AI Day上，特斯拉首次展示了基于“BEV+Transformer”的感知范式，通过3D鸟瞰视觉与神经网络的融合，有效提升了车辆感知 度，利于后续规划控制算法的实施，促进端到端自动驾驶框架的发展。
但在这个时间点，国内车企大多在走“多传感器融合+激光雷达+高精地图”的路线，对于特斯拉的解决方案基本持观望态度。也就是从这年开始，特斯拉智驾开始了向Tesla Vision的过渡，拿掉了车上的毫米波雷达。
在2022年的AI Day上，特斯拉基于BEV又提出了占用网络（Occupancy Network，OCC），引入“体素”这一概念，通过将空间分割为体积不等的体素，预测其是否被占用，从而解决通用障碍物的识别问题。这一方案极大提升了智驾的感知能力，同时也为去激光雷达、去高精地图提供了更多确定性。
AI Day之后不久，特斯拉正式宣布拿掉超声波传感器。此时，特斯拉靠着“8个摄像头+大算力芯片”实现了智驾，在纯视觉上越走越远。直到这个时候，很多车企才确信，纯视觉智驾确实是可行，各家才正式行动起来，去高精地图、去激光雷达说法也逐渐成为业内主流。
特斯拉的最大优势在于单车智能的持续进化能力。2023年年初，马斯克透露特斯拉已经开启端到端自动驾驶方案的开发。同年8月，马斯克首次直播亲测FSD v12，全程仅接管一次。2024年1月，特斯拉面向普通用户推送FSD v12测试版本，3月向北美车主推送FSD v12.3.1版本，现在最新版已经来到FSD v12.4.1。
虽然特斯拉FSD在美国表现出了优异性能，但它可能低估了中国路况的复杂程度。相比之下，中国车企更擅长结合中国的实际道路环境开发智驾技术，从而在驾驶风格、安全性等层面实现“超车”。比如针对常见的“鬼探头”“加塞”情况，中国车企都会在智驾方案中加入更有针对性的解决办法。从效果来看，中国市场中大多数高阶智驾已经拥有了相当出色的完成度，而针对中国路况的优化又会带来更多安全感，这些都是特斯拉FSD暂时没有的产品特质。
FSD的全面落地有可能将加剧自动驾驶技术竞争，而国内企业纷纷摩拳擦掌，大有与之一决高下的架势。近期，小鹏汽车董事长兼CEO何小鹏曾公开称，特别欢迎特斯拉FSD进入中国；华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东也表示，欢迎特斯拉FSD入华，华为智驾即使是不带激光雷达的版本也比特斯拉FSD更好，带激光雷达的性能更佳。他还表示，只有竞争之后才能看到谁做得更好。
智能驾驶的另一个答案
事实上，FSD也并非一片坦途。业内的普遍共识是，端到端模型理论上有比现今模块化的自动驾驶系统更高的能力上限，但同时也无限放大了神经网络黑盒不可解释的问题，不可解释、不可控的性质会导致系统虽然能够处理复杂场景，但是简单场景很可能相比目前主流系统会产生退步，甚至是犯很多“弱智”的错误。其次，随着模型能力提升，改进模型需要的数据更多，每10000公里的行驶数据，只有1公里能训练模型，而且每训练一遍，都需要消耗大量算力。
模型的迭代永无尽头，在解决一个问题的同时，会带来更多新的问题。在今年特斯拉股东大会上，马斯克承认了当前FSD所面临的挑战，其主要限制并非是训练数据量的问题，而是测试AI模型的效率以及判断新模型是否更优秀的水平能力。当AI模型在数千英里的行驶过程中仅出现一次需要人工干预的情况时，如何迅速而准确地评估新模型的优劣就变得尤为困难。
可见，FSD的发展始终受制于端到端模型的进化成效和车端计算能力，一旦单车智能的进化遇到瓶颈或停滞，其因感知局限而发生事故的概率也将提升。
安全长尾问题是制约高级别自动驾驶落地的主要因素之一，即使解决了90%的自动驾驶问题，但剩余的10%问题可能需要投入百倍的精力才能攻克。为了解决这一痛点，马斯克开始考虑车与道路的交互，特斯拉将着重测试路口的复杂状况，并在数千个美国复杂路口进行有针对性地测试。
任何技术路线都不止一条，车路云一体化作为智能驾驶安全系数更高的另一条路被放到前台。车路云一体化是在车路协同的基础上进一步发展而来，它不仅包括车辆与道路的协同，还涉及到云平台的集成，通过新一代信息与通信技术，将人、车、路、云的物理空间和信息空间融为一体，实现全面的系统协同感知、决策与控制。
从FSD与车路云一体化两者关系来看，其本质上并非同维竞争。单车智能是“点”的提升，车路协同是“面”的统筹。车路云一体化诞生之初就是为了解决单车智能无法解决的问题，二者的关系是相互促进、互为补充。车路云一体化可以弥补单车智能在复杂场景下的感知不足，通过整合交通关键要素、超视距感知、实时信息共享等方式，提高自动驾驶的可靠性和安全性。
单车智能是车路云一体化的基础，通过发挥车路云一体化所具备的双数据感知、复杂场景协同决策、群体智能等优势为车辆赋能，将未知场景转化为已知场景，降低不安全场景的安全风险，实现自动驾驶运行设计域（ODD）不断扩展，进一步提升自动驾驶汽车的性能和安全性。
事实上，FSD即便是在有着广泛应用和技术验证的美国市场，近期也因未识别火车险些酿成事故，美国国家公路交通安全管理局（NHTSA）已多次对涉及FSD和Autopilot模式的事故进行调查。而国内车企如果能够将单车智能与车路云一体化技术充分融合，不仅可以形成新的差异化解决方案，还能进一步提高自动驾驶的安全性，实现1+1>2的效果。
谁将先饮万亿“头啖汤”？
对于中国，车路云一体化无疑是一次难的产业战略机遇，其将协同带动新型基础设施的数字化、智能化发展。从产业链上看，车路云一体化产业链主要涵盖四大方面：车载设备、路侧基础设施、云控平台以及通信网络。
车载设备主要就是C-V2X车载终端、车辆数字身份证书载体。路侧基础设施建设，不仅涉及LTE-V2X直连通信路侧单元（RSU）、联网交通标识，还包括路侧感知设备、边缘计算系统。云控平台是实现车辆协同感知、协同决策和协同控制的关键环节，要对大量交通数据进行处理。通信网路涵盖了C-V2X网络、光承载网等设备，是车路云一体化的基础设施。
目前，车路云一体化主要面临“两率低”问题，即路侧设备覆盖率不高且不均匀和车端设备渗透率低。一方面，C-V2X车联网路侧基础设施RSU覆盖率较低，未形成规模部署，缺乏全域打通；另一方面，车载终端渗透率较低，导致车辆间信息交互和协作能力不强。车路城协同基础设施建设主要集中在各城市示范区的部分道路路段，无法形成连续的智能网联环境，难以满足智能网联车辆规模化测试验证、数据训练、功能优化等需求，进而导致基础设施使用率偏低。
而中国庞大的公路网络以及机动车保有量为车路云一体化提供了丰富的验证场景和数据来源。2023年，全国公路总里程544万公里，其中高速公路18万公里，机动车保有量是4.35亿辆。据《车路云一体化智能网联汽车产业产值增量预测》报告预测，2025年/2030年我国车路云一体化智能网联汽车产业总产值增量分别为7295亿元/25825亿元，年均复合增长率为28.8%。
瑞银证券亚洲工业行业主管、中国研究部副总监徐宾此前表示，路侧基础设施建设是车路云协同中容易被忽视的方面。随着基建投资变得愈发重要，车路云协同将成为拉动新基建的有效手段之一。
瑞银预计，从2022年到2040年，中国路侧投资规模有望达到3000亿美元，其中，路侧端系统供应商、智能建筑工程和建设公司将成为直接受益者。自动驾驶公司、受益于早期车端自动驾驶价值渗透的汽车及汽车零部件公司、技术公司，如摄像头、激光雷达生产商，都将获得更多订单。
技术路线虽各有差异，但最终都将殊途同归。随着智能驾驶正在成为各车企竞争的焦点，以FSD为代表的端到端技术不再神秘和神化。对中国车企来说，FSD的全面落地可以倒逼国内智能驾驶正向发展，而车路云一体化作为与FSD并行的技术路线，将与其一道共同促进更安全的自动驾驶早日到来，推动自动驾驶真正走进千家万户。
