說了多年的期貨，終於要兌現了。

非常意外，特斯拉 FSD 搞了個突然襲擊，就這樣在國內正式推送上線了。

2 月 25 日消息，特斯拉官宣在華正式發佈「FSD 功能」，軟體版本為 2024.45.32.12，更新名稱為城市道路 Autopilot 自動輔助駕駛。

此前，馬斯克罕見透露了 FSD 入華面臨的雙重窘境，給人以特斯拉會繼續跳票的感覺。2025 年 2 月初，在特斯拉的財報電話會議上，馬斯克提到 FSD 入華有兩大挑戰：一邊是在華訓練資料無法出境，另一邊美國又不允許 FSD 在華訓練。

對此，特斯拉目前的解法也很直接——FSD 通過短影片訓練。馬斯克表示，特斯拉會網際網路上找一些中國道路的視訊，然後拿去給 FSD 先訓練著。即便如此，馬斯克已經感受到了中國道路的複雜度，他認為其中一項挑戰就是中國的公車專用車道，馬斯克形容其「非常複雜」。

而這次 FSD 在國內的正式推送，毫無疑問又將為本已經白熱化的國內智駕之戰，再添一把火。

特斯拉官方將旗下的輔助駕駛軟體產品分為兩種，分別是 Autopilot 和 Full Self-Driving。前者此前已在中國市場上線，可以提供包括定速巡航、車道保持等基礎 L2 輔助駕駛功能。

而對應著更高階智駕功能的 FSD，儘管早就開放了訂閱，但始終沒有正式對中國車主開放使用。

今天，特斯拉終於表示，將在 2024.45.32.12 軟體中分批次更新，更新後將主要新增以下 4 個核心功能，分別為：

在通行受控道路和城市道路上，根據導航路線引導車輛駛出匝道和交叉口

在路口識別交通訊號燈進行直行，左轉，右轉，掉頭等動作

根據速度和路線自動進行變道動作

在不設定導航路線時，會根據道路實際情況選擇最優道路行駛

極客公園查閱特斯拉官網，發現其對應的自動變道、自動輔助轉向、識別交通標示等功能，均為 FSD 所對應的進階功能。

此前，特斯拉已經通過 OTA 升級釋放了自動泊車、高級智能召喚等 FSD 對應的泊車場景功能。

本次 OTA 所升級的，均為特斯拉 FSD 軟體對應的功能 | 圖片來源：特斯拉官網

所以，儘管特斯拉在本次 OTA 升級的通知中，仍然將本次更新描述為「對現有 Autopilot 功能的 OTA 升級」，但實際上已經正式下放了 FSD 對應的功能。

極客公園致電特斯拉中國 400 客戶熱線，得到的回覆是：目前此前升級後的相關功能，將優先推送至搭載特斯拉最新 AI4.0 硬體的車型，車主需訂閱特斯拉 FSD 功能才能使用對應服務。

特斯拉 AI4.0 對應著純視覺智駕硬體方案，但特斯拉官方並沒有公佈具體搭載 AI4.0 的車型車次名單。去年 12 月，特斯拉中國區總經理陶琳曾表示，目前中國市場在售的全系車型均搭載 AI4 晶片。

目前，特斯拉 FSD 在國內訂閱價格為 6.4 萬元，且只提供一次性買斷選項。而購買 Autopilot 增強版輔助系統（買斷費 3.2 萬元）的車主，暫不能使用以上 OTA 功能。搭載其他硬體版本的車輛目前也並沒有推送相關功能。

儘管特斯拉官方足夠低調，但 FSD 這次真的來了。

對於特斯拉 FSD 入華，國內玩家普遍持歡迎態度。

華為常務董事、終端 BG 董事長、智能汽車解決方案 BU 董事長余承東此前多次提及特斯拉的 FSD，表示「有信心贏得競爭」。2024 年 5 月，問界新 M7 煥新發佈會上，余承東表示華為團隊去美國舊金山、加拿大多倫多等地進行了測試，從結果來看，等特斯拉 FSD 入華後，華為有信心干翻對手，「特斯拉 FSD 做得很棒，方案不依賴高精地圖，但我們的方案更好更安全。

余承東在 2024 年 8 月享界 S9 發佈會上表示，「去美國體驗了特斯拉 FSD，上限很高，但下限很低，路上停的白色和綠色貨車不減速直接撞上，可能是識別成白雲和樹木了，一旦出問題就是車毀人亡。」

2024 年 11 月，小鵬汽車董事長、CEO 何小鵬在接受媒體採訪時表示，特斯拉 FSD 技術如果進入中國，將對包括小鵬汽車、華為在內的智能駕駛公司產生正面影響。不僅將推動自動駕駛行業的快速發展，還將促使使用者獲得更加優質的產品。

2025 年 1 月，地平線副總裁、首席架構師蘇箐表示，「如果拋開和人類的比較，今天你一定要讓我找一個對標對象，我還是會選擇 FSD，因為我確確實實覺得特斯拉整個團隊的素質和創新精神值得讓人敬佩，我自己去試過後，能看到他們在技術上是有很多獨到之處，甚至在某些地方有斷代式的領先。」

煥新 Model Y 的智能駕駛 | 圖片來源：特斯拉中國官網

特斯拉 FSD 入華，將使得中國汽車市場進入智能駕駛的全面戰爭。

相比電動化，智能化一般要被認為落後兩三年。雖然電動化的滲透率已經接近 50% 左右，但搭載高階智駕系統的車型佔比只有不到 10%。

不久前，比亞迪正式推出「天神之眼」高階智能駕駛系統，一次性上市了 21 款新車，覆蓋王朝網和海洋網兩大系列，甚至還有價格親民的 7.88 萬元海鷗。

如果說，比亞迪主打普惠，那特斯拉 FSD 如華則推動高階智駕突破天花板。

地平線創始人兼 CEO 余凱博士曾表示，智能駕駛將在 2025 年迎來真正的拐點，未來三年智駕體驗將進入「脫手開」的時代，智駕行業也將進入競爭的關鍵時期。這背後是多模態大模型、端到端訓練和算力等方面的發展，為智能駕駛的普及與突破提供了條件。

特斯拉 FSD 入華將引發中國智能駕駛產業的「鯰魚效應」，加速競爭格局的分化。華為、小鵬、理想等企業，憑藉強大的端到端技術能力和持續的研發投入，已具備了與特斯拉直接競爭的實力，並能夠通過快速的技術迭代應對競爭。目前，華為 ADS 3.0 系統已實現車位到車位的全自動駕駛，小鵬的 XNGP 系統也憑藉其卓越的性能和使用者體驗，已使訂單佔比超過 70%。

相比之下，部分技術基礎較為薄弱的合資品牌和腰尾部車企可能面臨較大的壓力，尤其在高階智能駕駛，這些企業可能不得不放棄自研轉向供應商，或者轉向低端輔助駕駛市場。

從中長期來看，自主品牌通過不斷積累資料和演算法迭代，將逐步縮小與特斯拉之間的差距。特別是華為、小鵬等具備較強技術研發能力的企業，可能在局部領域實現對特斯拉的超越。就像 2020 年，特斯拉 Model 3 國產後，加速了中國新能源市場從政策驅動轉向市場驅動，催生了比亞迪、蔚小理、問界、小米等實力玩家。

在經歷了數年的等待之後，特斯拉 FSD 終於在中國市場落地。這一步不僅將增強特斯拉在國內市場的競爭力，同時也加速中國新能源汽車競爭格局的轉折。從單純的電動化競爭過渡到智能化的比拚，也就是說了多年中國新能源汽車「下半場」正式拉開帷幕。更重要的是，這一步不僅是智能駕駛技術普及的前奏，更是對燃油車市場的最後一擊。 (極客公園)

這個AI領域千億級市場，將輻射千家萬戶。

DeepSeek-R1橫空出世，打響了大模型比拚性價比的第一槍。

Meta、OpenAI等國外頭部大模型廠商紛紛復刻或變相降價。比DeepSeek-R1晚兩周發佈的OpenAI o3-mini模型，定價比前代模型o1-mini降低了超6成，比前代完整版的o1模型便宜超9成。

國內的大模型廠商也迅速做出反應。2月13日，百度宣佈文心一言將於4月1日全面免費開放。文心一言此前採取基礎版免費、專業版收費的模式，專業版定價59.9元/月，連續包月優惠價49.9元/月。

這場看似僅僅是價格層面的競爭，實則背後蘊含著更為深層次的較量，其不僅是技術實力的比拚，也是對使用者市場的爭奪。

在這場沒有硝煙的商戰中，中國算力市場正經歷著深刻的變革。

最近發佈的《2025年中國人工智慧計算力發展評估報告》（以下簡稱《報告》），把中國算力發展的四大變化，從“幕後”搬到了“台前”。

▲中國AI應用場景發展（圖源：IDC 2025）

大模型從“大力出奇蹟”，轉向“四兩撥千斤”

第一大變化體現在算力效率方面，DeepSeek通過演算法最佳化，大幅降低大模型訓練、推理對高端GPU的依賴，突破了“算力軍備競賽”的傳統路徑‌。

模算效率的顯著提升，正是DeepSeek能夠實現高性價比的核心因素之一。

DeepSeek的論文顯示，DeepSeek-R1訓練成本僅557萬美元，不足OpenAI同類產品的5%，卻能在數學競賽、程式碼生成等任務中超越GPT-4模型。這意味著DeepSeek-R1以較低的算力成本投入，也能實現高性能產出，即模算效率較高。

這其中的模算效率（Model Computation Efficiency）就是，AI模型的訓練和推理過程中用來衡量模型精度與計算資源利用效率的綜合指標，它反映了模型在特定硬體平台上，以最小的算力消耗實現最高精度的能力。

DeepSeek“四兩撥千斤”的研發模式，更加注重演算法創新、架構最佳化和資源的高效利用，這或許將帶動業界對於模算效率的追求。IDC中國副總裁周震剛接受採訪時稱，未來，大模型廠商們的關注點將從追求參數量規模，轉變為追求模型訓練、推理、部署等環節的性價比。

此外，DeepSeek使用MoE（混合專家模型）架構實現了更高的成本效益，而Dense架構在相同參數量下擴展的計算成本較高。浪潮資訊高級副總裁劉軍在接受採訪時回顧：“去年開始，大家發現基於Dense架構的模型，再往前去演化到要訓練一個超過五千億、一兆參數量的模型時，所需的算力、時間、資料量，都是當前技術條件下實現不了的。有企業做過一個評估，在這種情況下，需要20萬張卡訓練一年，才能把一個兆的Dense模型高品質訓練出來。”

因此，MoE展現出來的在計算成本、模型性能等方面的優勢，或將引發業界對於該架構的一波模仿借鑑。

當下，企業接入DeepSeek模型主要有兩種策略。一方面，國內大模型廠商、晶片廠商、AI硬體廠商、營運商、AI應用開發商等相繼接入DeepSeek模型671B滿血版；另一方面，有的企業會根據自身業務需求選擇接入DeepSeek參數量較小的模型，或者選擇蒸餾DeepSeek模型將其與自家模型相結合，從而提高模型性能、降低應用成本。

這種多形態、多參數的模型協同發展，才是大模型生態應有的狀態。在浪潮資訊高級副總裁劉軍看來，把DeepSeek-R1模型的能力蒸餾到一些小模型上，實際會促進AI技術的擴散。

智能算力市場井噴，推理算力成“香餑餑”

將目光放到整個算力市場，我們可以發現第二大變化，國內智能算力規模正極速擴張，需求結構也正被重塑。

《報告》顯示，2024年中國智能算力規模達725.3EFLOPS，同比增長74.1%，是近5年來的總量最高峰。這也是近年來中國智能算力規模擴張速度最快的一次。

相比於國內通用算力，智能算力的增幅已經達到同期通用算力增幅的3倍以上。2024年中國通用算力規模為71.5EFLOPS，同比增長20.6%。

▲2020年至2028年，中國智能算力和通用算力規模及預測（圖源：IDC 2025）

這意味著，過去一年內，AI晶片、AI伺服器、AI訓練、AI推理和AI應用的市場規模也在快速膨脹。例如，2024年中國AI加速計算伺服器市場規模為190億美元，同比大幅增長86.9%。

儘管此前業界對大模型的Scaling law（規模法則）是否失效有所爭議，但在當下的AI發展處理程序中，其仍佔主導地位。這也是推動AI算力需求持續增長的主要原因之一。

《報告》中提到，基於傑文斯悖論的現象反映出，DeepSeek實現的演算法效率提升，並未抑制算力需求，反而帶動了更多的使用者和場景，進一步推動了大模型的普及與應用落地。這也有助於AI行業重構產業創新範式，並加強資料中心、邊緣及端側算力建設。

▲目前及未來三年應用AI對企業帶來的價值（圖源：IDC 2025）

不過，單單堆疊訓練算力的策略並不能一勞永逸。越來越多大模型廠商轉向加速開發大模型的多模態能力，並尋找落地場景。多模態模型的應用、AI Agent熱潮隨之出現，並且知識管理、對話式應用、內容生成、行銷、視訊生成等都成為了生成式AI技術的熱門落地場景。

在應用落地側，這會大幅激發AI推理需求。

如聊天機器人、音視訊圖像等的生成、辦公場景的AI助手等，在實際的應用場景中都較為依賴AI推理能力。因此，《報告》中預測，後續用於推理的算力規模，將會超過用於訓練的算力規模。

在全球AI伺服器市場中，未來生成式AI伺服器的佔比，將從2025年的29.6%，提升至2028年的37.7%。

▲2023年至2028年，全球生成式AI和非生成式AI伺服器市場規模預測（圖源：IDC 2025）

在真實的業務場景中實現“降本增效”是AI技術發展的重要一環。未來，隨著大模型相關技術逐漸成熟，以及生成式AI應用不斷拓展，推理場景的需求日益增加，推理伺服器的佔比將大幅提高。IDC的資料顯示，預計到2028年，推理工作負載佔比將會達到73%。

▲2024年至2028年，中國AI伺服器工作負載預測（圖源：IDC 2025）

這一發展趨勢也在浪潮資訊的業務中得到了印證。據浪潮資訊高級副總裁劉軍透露，近期公司接到的大部分都是推理算力的訂單，現階段推理算力的投資回報率高，帶來的使用者體驗也更好，所以推理算力的規模會大幅提升。

算力供應方式多元化，企業AI選擇更多了

第三大變化來自算力供應的方式。蛋糕做大了，下場分蛋糕的人也多了。

去年有一大很明顯的市場趨勢是，一方面，AI算力基礎設施的供給結構趨於多元化，另一方面，使用者對智能算力基礎設施和服務能力的需求，也在發生深刻變化。

在供給端，其形成了資料中心服務商、雲服務商、硬體廠商和相關AI創企多點提供AI算力資源的格局。

在需求端的變化則集中於兩點：

首先，生成式AI將進一步推動企業，使用AI就緒的資料中心託管設施、生成式AI伺服器叢集等智算服務，這可以幫助企業縮短部署時間，降低資本成本。

IDC資料顯示，2024年中國智算服務市場整體規模達到50億美元；其預計2025年中國智算服務市場整體規模將達到79.5億美元，2028年達到266.9億美元，2023年至2028年的年複合增長率將達到57.3%。

▲2023年至2028年，中國智算服務細分市場規模預測（圖源：IDC 2025）

其次，用於推理的一體機也開始受到市場追捧。

IDC中國副總裁周震剛解釋說，早前企業基於雲服務部署AI的案例比較多，而用一體機的比較少。但是DeepSeek模型爆火後，企業對於一體機的需求隨之大幅上升，開始注重私有化部署。

因此，後續一段時間內，“開源+一體機”可能會成為企業AI服務的爆款模式。

據不完全統計，目前市面上至少已有60家DeepSeek一體機企業，其中既有京東雲、移動雲、聯通雲等雲服務提供商，也有聯想、華為等大廠。基於一體機，企業便可以通過“開箱即用”的方式，快速接入更強大的AI能力。

浪潮資訊上周推出的元腦R1推理伺服器，就是其中一員。浪潮資訊方面稱，該產品通過系統創新和軟硬協同最佳化，單機即可部署運行DeepSeek-R1滿血版671B的模型。

據浪潮資訊高級副總裁劉軍透露，“最近兩個禮拜，來找我們諮詢購買能帶動滿血版DeepSeek-R1模型的AI伺服器的客戶數，正直線上升。”

第四大變化是城市AI算力排名。

《報告》的資料顯示，目前國內各城市正通過加大AI投資、吸納人才以及提供政策支援等舉措，持續為AI發展提升競爭優勢。

可以看到，在中國各城市的AI算力排行榜中，北京和杭州依然穩居排行榜前兩位，上海的排名則從2023年的第四位上升至第三位。

這3座城市的AI策略各有所側重。其中，北京聚集了一大批大模型企業，憑藉大量人才、成熟的企業和有力的政策扶持，持續位居首位。杭州早在2021年就提出要成為具有全球影響力的AI頭雁城市，並頒布了諸多政策支援AI發展；上海的優勢在於，其正加速推動AI世界級產業叢集建設等工作，並表現出色。

此外，廣州、成都、天津、廈門等城市的AI算力全國排名均有所提升。

▲中國各城市AI計算力發展評估TOP 10（圖源：IDC 2025）

AI影響下，不同行業的AI應用滲透度排名也發生了變化。

排名第一的是網際網路行業，其AI相關應用的滲透率更高。在該行業中，AI原生應用已覆蓋問答、寫作、客服、路線規劃、生活指導、學習助手、角色扮演、視訊生產、圖片企業智能客服、智能銷售分析等多個場景。

金融行業從2023年的第四名，上升至2024年的第二名。製造行業2024年的排名相較於2023年前進了一位。這是由於金融行業積累了海量的資料，可以用於AI訓練，為其進行風險評估等提供決策依據；在製造業方面，由AI驅動的機器人和自動化裝置可以完成重複性高、勞動強度大的工作任務。

▲中國AI行業應用滲透度（圖源：IDC 2025）

結語：未來算力發展既要“擴容”，

從這四大變化可以看出，國內算力產業的發展正呈現出蓬勃向上的態勢。與此同時，更為迫切的算力發展挑戰也被擺到了算力提供商面前。未來，如何持續最佳化計算架構，如何進一步提升智算中心的算力資源利用率，如何完善資料中心的監控系統和故障恢復機制，都亟需新的解決方案。

針對此，《報告》也提出瞭解決辦法，那就是算力提供商可以根據自身情況，採用算力“擴容”和“提效”平行策略來部署AI算力。

其中，擴容包括增加智算中心的數量和種類，注重智算中心建設的區域分佈和技術先進性，以加強算力供給能力。

提效包括以用定建，以應用為導向規劃AI基礎設施；提高模型架構效率；最佳化算力基礎設施架構，包括計算架構、記憶體層次架構、智能調度演算法等；使用高品質的資料集，並搭建統一的資料儲存和訪問介面，以提高算力利用率。

未來，大模型產業的底層技術創新加速、場景應用逐漸鋪開，都將為國內算力市場注入新活力。 (智東西)

近日，特斯拉股價開啟了一輪“猛烈反彈”。7月第一周，特斯拉股價累計漲幅超27%，7月5日的收盤價為251.55美元，只花了一周的時間，特斯拉就抹平了上半年的所有跌幅。

對於特斯拉突如其來的“狂飆”，不少業內人士認為與其二季度的交付資料有關。今年二季度，特斯拉全球交付超44.4萬輛電動車，環比增長14.7%，優於華爾街機構預期的43.8萬輛。

不過，雖然特斯拉二季度的交付資料不錯，但仍然比去年同期的46.6輛少了。所以，交付數量並不是推動特斯拉股價狂飆的唯一因素，在人工智慧、儲能業務方面的“新故事”，可能才是特斯拉的“市值光環”。

業內人士指出，投資機構開始意識到特斯拉可能是美股市場上最被低估的“AI投資標的”，有分析團隊估算，特斯拉全自動駕駛（FSD）業務估值或高達1兆美元，超過了特斯拉8000億美元左右的市值。

今年4月，隨著馬斯克訪華一同而來的，還有FSD即將入華的消息，也是從此時開始，特斯拉的股價就開始持續修復，國內新能源車企的智能駕駛業務也迎來積極調整，特斯拉這條“鯰魚”，已經開始攪動國內的智駕市場了。

特斯拉引發“鯰魚效應”，“端到端”一夜崛起

今年1月，特斯拉正式向普通車主推送了最新版本的全自動駕駛FSD Beta V12，這一版本在2023年就已經發佈了內測版，並被業內人士稱為是自動駕駛的“里程碑時刻”。

從技術層面上來看，特斯拉FSD V12與當前車企通用的智駕方案，在實現路徑上有著本質的區別。FSD V12採用的是“端到端”技術路線，只需輸入原始資料就能直接輸出最終結果的AI模型，可以通過觀察和模仿人類駕駛行為來最佳化駕駛決策，反應速度更快。

而傳統的智駕方案通常是將感知、決策和控制分為獨立的模組，每個模組專注於解決特定的問題，再依靠人工程式設計根據不同場景提前定義規則，讓智能駕駛基於規則來執行。

傳統智駕方案的好處是模組化的處理簡化了系統開發的難度，利於問題回溯與研發迭代；但缺點是基於人工設想的規則難以覆蓋道路駕駛的邊緣場景，難以應對城市道路上的突發情況，導致使用體驗不如預期。

此外，為了應對這些非常少見，卻又不能缺少的邊緣場景，一家企業可能需要數千個工程師，將90%的精力花費於編寫corner case的程式碼上，這也增加了智能駕駛迭代的成本和難度。

但據馬斯克表示，FSD採用“端到端”技術之後，只需要用3000行程式碼就能替代原來的30萬多萬行程式碼。

因此，作為世界首個“端到端”AI自動駕駛模型，FSD V12從誕生之初就備受關注，特別是在新能源汽車競爭已經進入白熱化階段的當下，消費者已經逐漸對車企卷價格、卷組態、卷行銷等招數“脫敏”，新能源汽車行業也急需一個“新故事”來刺激消費者的購買慾，而特斯拉FSD就成為了攪動智駕行業的“鯰魚”。

一直以來，特斯拉在自動駕駛技術方面都以獨立獨行的姿勢在發展。相較於國內大多數自動駕駛方案供應商們所選擇的激光雷達路線，特斯拉從2015年開始自動駕駛研究時，就一直堅持純視覺自駕方案FSD，馬斯克甚至表示，“任何依賴激光雷達的人都註定要失敗，昂貴的感測器是不必要的”。

開始的時候，外界認為馬斯克之所以堅持純視覺路線，是因為激光雷達的成本太高，但事實上，隨著技術成熟和規模效應，激光雷達的價格已從超10萬美元降至數百美元。

所以，馬斯克堅持純視覺路線的另一原因，則被認為是其對“第一性原理”的信仰。馬斯克認為既然人類是通過眼睛觀察來駕駛汽車的，那麼攝影機作為最接近人類眼睛的感測器，其視覺能力也能夠超越雷達融合方案。

目前來看，外界對FSD V12的反饋普遍不錯，小鵬汽車董事長何小鵬表示，FSD在矽谷和高速表現極好，可以達到很高的分數；輝達CEO黃仁勳則稱讚FSD是目前最先進的系統。

因此，隨著4月馬斯克訪華而傳來的“FSD即將入華”消息，也引起了新能源車圈的熱門話題。不少車圈人士，比如何小鵬、余承東等均表示支援；但也有人認為，考慮到中國較為複雜的路面情況和資料安全，FSD入華恐怕還有不少“未知數”。

但在6月中旬，據財新報導，一名接近上海市政策制定部門的人士稱，上海自動駕駛示範區已向特斯拉發放了道路測試牌照，FSD可能正在測試。雖然特斯拉中國對此未有回應，但“FSD入華”顯然已經成為國內車圈必須直面的競爭因素。

大模型加速“上車”，車企開展軍備競賽

在去年特斯拉發佈了首個“端到端”自動駕駛模型FSD V12之後，多家新能源車企也開始對旗下的智能駕駛業務進行調整，並紛紛發佈了端到端模型的“上車”規劃。

小鵬汽車是國內首個發佈量產上車的端到端模型的整車企業，預計在2024年第三季度實現全國範圍內的無障礙駕駛。去年，小鵬汽車智駕負責人吳新宙離職後，目前由曾任阿里巴巴達摩院的自動駕駛實驗室營運負責人袁婷婷，擔任小鵬自動駕駛產品高級總監。

蔚來則單獨設立了一個大模型部，專門負責端到端的模型研發。據蔚來自動駕駛副總裁任少卿表示，蔚來已經在佈局端到端，預計今年將實現上車量產。

理想雖然在5月對智駕團隊的規模進行了縮減，但依然保留了演算法研發團隊，主要負責無圖城市NOA以及端到端智駕的研發。在近日舉辦的智駕發佈會中，理想發佈了基於端到端模型、VLM視覺語言模型和世界模型的全新自動駕駛技術架構，並在7月內向使用者推送 “全國都能開”的無圖NOA。

華為則在今年4月發佈了ADS 3.0端到端架構，並表示將於8月隨著享界S9正式上市。據辰韜資本發佈的《2024端到端自動駕駛行業研究報告》顯示，端到端方案上車量產時間預計會出現在2025年。

長城汽車則在3月宣佈將引入元戎啟行作為第二家智能駕駛供應商，元戎將為長城提供端到端的智能駕駛方案，今年計畫落地三款車。

車企扎堆“端到端”背後，一方面是它們對智能駕駛應用落地的迫切追求，近年，車圈的同質化競爭趨勢已經越來越明顯，所以智能駕駛成為各家的必爭之地。

但即便是新勢力中將智能駕駛做到前列的小鵬，也只是完成了NGP覆蓋243座城市的目標，隨著“FSD入華”，車企提升智駕能力也將變得更加迫切，誰能更高效、更低成本地支援城市NOA，誰就能搶先一步與友商拉開差距。

另一方面，在智駕升級的壓力之下，各大車企也通過大量實踐、試錯，逐漸認識到“端對端”是提升智能能力的“有效解法”，在自動駕駛領域，端到端大模型將能帶來更加突出的演算法能力躍升。

但端到端對自動駕駛來說，可能是“有效解法”，但卻不一定是“最佳解法”。馬斯克曾發文表示，特斯拉今年將在綜合訓練和推理人工智慧方面（主要用於汽車）投入約100億美元，任何公司如果不能達到這一水平的支出，且不能高效地進行支出，就無法競爭。

這其實也揭示了端到端模型背後的三大棘手問題：高品質資料、算力和演算法。首先，自動駕駛系統需要大量的高品質訓練資料，但收集、標註和維護這些資料也成為了一項挑戰。

比如馬斯克就曾在自傳中提到，特斯拉全球200萬台車每天可收集1600億幀的駕駛視訊，但絕大多數視訊都是無用的。毫末智行資料智能科學家賀翔曾表示，資料佔端到端自動駕駛開發成本的80%。

另外，要將來自於不同的感測器、裝置和環境的資料用於自動駕駛的訓練和應用，就需要進行精準的資料對齊，這不僅需要先進的演算法和技術支援，還需要對這個領域有深入理解。

最後，算力問題也是攻克端到端方案的必由之路，就連馬斯克都曾抱怨FSD的最大限制因素是算力，如果以上述其提到的百億元作為“算力門檻”，即便不考慮國內主機廠和智駕廠商能否購買到足夠多的高算力GPU，光研發費用就已經攔下了不少車企。

所以，端到端模型看似是智能駕駛的“最優解”，但卻是“簡約不簡單”。而且，當前業內對“端對端”的概念也還沒有一個清晰的定義。

據辰韜資本研報顯示，自動駕駛架構的演進可以分為四個階段，分別是感知端到端；決策規劃模型化；模組化端到端；單一模型端到端。

最後階段的“端到端”將不再有感知、決策規劃等功能的明確劃分，而是真正像人腦一樣思考。但目前大部分車企的端到端模型仍停留在第一、第二階段，但無論處於哪一階段，廠商都喜歡往自己身上貼上“端到端”標籤，這也是“端到端”被認為難免摻雜水分的原因。

“車路雲”重磅登場，智能駕駛的另一路徑

所以，在成本、技術、資料量等限制之下，那些不曾提前佈局智能駕駛的車企，想要從零開始建構端到端模型，也幾乎是“不可能的任務”。

但據中信證券研報預測，到2026年，高速NOA/城市NOA的自動駕駛滲透率預計將達到20%，端到端模型的發展將催化各等級自動駕駛功能滲透率大幅提升。這是否意味著，掉隊的車企將再無追趕的可能？

有趣的是，此前一位長期關注特斯拉的博主發文表示，特斯拉把此前刪除的30萬行程式碼又悄悄地放了回去。雖然這一消息並沒有得到特斯拉的證實，也不能就此說明特斯拉是否又重新回到規則演算法技術路線，但至少可以給行業一個啟發，走向終點的不會只有一條捷徑。

小馬智行副總裁李衡宇曾表示，完全自動駕駛不太可能是單一的方法，一定是混合的，什麼方法能達到完全自動駕駛的安全性是人駕駛的10倍，我們就用什麼樣的方法。目前來看，將規則演算法和端到端大模型等技術和方案進行融合，可能也是解決方法之一。

除此之外，在去年被相關部門提出的“車路雲一體化”概念，不僅是近來的熱點政策，也成為了促成自動駕駛的另外一條技術路線。

業內人士認為，FSD的發展始終受制於端到端模型的進化成效和車端計算能力。而且，安全長尾問題始終是制約高等級自動駕駛落地的主要因素之一，即使解決了90%的問題，但剩餘的10%卻需要投入百倍的精力才能攻克。

因此，車路雲一體化作為安全係數更高的另一條路被放到前台，其關鍵是人、車、路、雲，對應的是交通參與者、車載終端、路側設施和雲端運算的融合與聯動。

但“車路雲一體化”與“端到端模型”之間，並不是同維競爭的關係，如果說單車智能是“點”，車路協同則是“面”，不管用什麼方式，能提升智能水平就是好方法，而“點面結合”也成為了更適合國內路況的另一個可能。

目前，華為已經宣佈將在下半年推出車路雲新產品，再加上背靠華為雲的華為ADS，這也成為了尚未“上車”智能駕駛車企的另一種選擇，光2024年，就約有10多款車將搭載華為ADS。

當然，無論是特斯拉將程式碼悄悄補上後的“規則演算法+端到端”融合智駕方案，還是以“蔚小理”為代表的自研智駕方案；或者是以華為為代表的智駕賦能平台，甚至未來也許會出現“車路雲”與智能駕駛的更深度融合，只能說“條條大路通羅馬”，端對端模型雖然熱門，卻並不一定適合所有車企。

有智駕從業者指出，從普通架構切換到端到端技術的成本非常高，鏈路也非常長，今年年底估計只有10%的功能切換到端到端。

這也是智能駕駛技術迭代過程中必須經歷的問題，考慮到我們離完全自動駕駛還有不少距離，在此之前，如果車企或智駕廠商押注單一技術路線，都可能帶來一定的風險。車圈雖然流行流量大戰，但終歸只有適合自己的，才是最好的。 (伯虎財經)

彙整鉅亨號中所有使用「鯰魚效應」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

特斯拉在華發佈 FSD，智駕的「狼」，真的來了

【DeepSeek】引發鯰魚效應，中國算力市場呈現“四變”

端到端，能讓特斯拉再次偉大嗎？