马斯克来华，引爆FSD产业

马斯克于2024年4月28日访华，并获总理接见。据路透社，马斯克访华讨论FSD入华并希望获批准，并将数据传输到国外以训练算法。

①布林肯刚离开北京，媒体立刻报道马斯克来华。

②周日下午到达，贸促会会长会见马斯克。

③随后，总理会见。我方表态：中国的超大规模市场将始终向外资企业敞开；马斯克表态：特斯拉今年将在训练和推理人工智能方面投入约100亿美元，后者主要用于汽车。 

④之后，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：特斯拉通过国家汽车数据安全要求。可见双方从上层到场景和细节已经基本沟通摸索结束。

而据海外媒体 Teslascope ：特斯拉将 FSD 引入中国市场的时间暂定在了今年夏天。

1、FSD时间线梳理：

2022年11月，特斯拉向北美测试用户推送 FSD Beta V11；

2023年9月，特斯拉CEO埃隆·马斯克于硅谷帕洛阿尔托直播测试FSD Beta V12；

2023年11月23日，特斯拉中国回应，FSD落地中国正在推进的消息属实；

2024年3月，特斯拉向北美用户推送FSD V12.3（监督版）并开启免费试用；

#2024年4月28日，马斯克访问中国

2、海外测试进展：

FSD V12已累计行驶超过3000亿英里，当前基于视觉端到端的神经网络方案已经实现了更好的拓展性，数据收集能力更加强大；

用户反馈显示，#FSDV12改进了车道选择和多车博弈处理，并增加了自动靠边停车和路口调头等特性，进一步提升了自动化驾驶体验。

3、售价变化：

当前特斯拉美国FSD V12买断价由12000美元降至8000美元，包月价格由199美元降至99美元，增强版自动辅助驾驶功能（EAP）取消收费；

#当前特斯拉中国FSD V11买断价64000元，EAP买断价32000元，近日EAP订阅制上线，售价每月699元/每季1399元。

4、当前预期：

#4月20日，马斯克在社交媒体"X"上的回复中表态，FSD入华"可能很快就会到来"，#本次访问中国预计将推动相关进程；

FSD V12.3（监督版）未来有望在300万辆车上使用，Hardware 3.0预计有望拓展到180万辆车，当前已有一半车主正在使用；

特斯拉可能与部分整车厂达成许可协议，授权其他车企使用FSD技术，但协议可能会在签署后的2-3年后才发挥作用；

#特斯拉将于8月展示基于FSD技术的Robotaxi。

5、FSD入华为什么这么受关注？

FSD进入V12版本之后，马斯克多次公开讲到特斯拉的FSD已经进入了ChatGPT时刻，自动驾驶的拐点将要到来，并且宣布了8月8日将推出自己的Robotaxi，自动驾驶将迈向L4级时代。对特斯拉而言，中国是特斯拉的第二大市场，FSD承载了特斯拉商业模式由硬件向软件升级的核心希望，FSD入华将进一步打开中国的软件收费市场。对中国而言，智能驾驶的发展阶段已经走过了硬件上车的阶段，到了软件迭代功能升级落地应用的阶段。而在应用落地阶段，最核心的问题在于消费者是否会愿意为智驾买单，这也是国内智能驾驶行情的核心驱动因素。国内的高阶智驾能力还不足以实现让消费者买单，行业需要有类似FSD V12这样的龙头对消费者进行教育，同时推动国内行业商业模式的变革。

6、FSD入华会带来什么变化？

FSD入华将解决市场对智驾的几大担忧：一是消费者付费意愿的问题，FSD入华大概率是V12的版本，甚至未来将实现L4级的Robotaxi，消费者一定会为L4级自动驾驶买单。二是商业模式升级的问题，FSD入华之后大概率选择的是软件收费的模式，最新国内特斯拉EAP功能已经开启了订阅模式，费用699元/月，特斯拉的示范效应叠加智驾体验的龙头效应，未来行业商业模式会逐步由硬件升级到软件和服务。三是国内外技术差异的问题，FSD能够入华也就意味着国内外的技术代差不大（我们预计在一年半），国内玩家有机会快速跟进（否则FSD入华作为鲶鱼的意义将不再）。因此，FSD入华将极大的加速智能化落地的进程，给国内行业带来绝佳的机会。

7、机会在哪？

FSD入华最大的机会在三个方面：一是国内领先的玩家，FSD入华会快速完成消费者教育和商业模式的升级，国内能够率先跟进的玩家（民族支柱产业，最终格局仍旧是国内企业为主）将最为受益，华为（长安、赛力斯、北汽、江淮等）和新势力（小鹏、理想、蔚来）目前国内领先。二是智能化的零部件龙头（域控制器的德赛西威、华阳集团、科博达、均胜电子等；线控底盘的伯特利、耐斯特等；车载软件的中科创达等；车载半导体的北京君正、裕太微等）。三是特斯拉产业链龙头（拓普、旭升、三花、银轮等）。近期，“以旧换新”政策保障了今年整车需求景气将延续向上，而FSD入华将有望成为引爆智驾行情的导火索。

8、总结

1）参考马斯克上一轮访华，23年5月30日-6月1日，逗留时间短，但极大提振市场情绪，特斯拉股价2天涨幅超5%，国内T链同步大涨。

2）上一轮访华期间，并没有如外界想象的，当场宣布任何成果。

3）巧合的是，本次和上次访华的时点，均是在特斯拉股价触底之后；23年以马斯克访华为标志，特斯拉股价随后开启一轮强势上涨，也点燃了国内T链和智驾产业链的行情。需注意，特斯拉当时的上涨原因是基本面改善和事件催化（通用/福特接入NACS、FSD进展、Model3获7500美金补贴等）+推涨科技股的宏观环境（TAMAMA指数大幅跑赢标普500）。

4）关注FSD入华的潜在可能，马斯克4月20日也曾在推特回应入华传闻时说“It may be possible very soon”；但我们认为数据出境的可能性不高。一旦入华获批，FSD授权也将有想象空间。

5）当前对三工厂的预期不高；特斯拉Q1业绩会宣称，廉价车型能在现有产线上生产，也反映了这一点。

1、FSD v12.3为何好于v11

v12.3：马斯克称为重大改进。最新的版本v12.3.3用户推送没有采用Beta，而是改用了Supervised。在X平台上获得广泛好评，特斯拉自动驾驶负责人埃卢斯瓦米表示，目前的v12已经超越了过去几年积累的v11技术栈；从试驾反馈可以看出，在更为普及的v11.4.9中出现的狭窄道路减速的怪相被解决，能力愈发接近人类司机。

FSD v12的核心是从传统编程到基于神经网络的决策的转变。这使得车辆能够将原始摄像机镜头和车辆运动学直接处理为驾驶动作，比以往任何时候都更密切地模仿人类的认知过程。马斯克表示下一个版本v12.4将拥有显著的能力跃升，公司在算力层面的约束也愈发改善。我们认为，随着英伟达新GPU+DOJO算力的投入，端到端的FSD v12有望得到更强的优化。

当前FSD实际上是两套架构在运行，一套跑高速，采用v11的传统架构，规控简单，博弈少，利用代码约束注重高速场景下的安全性；另一套跑城区，采用端到端的架构，场景库复杂，博弈多，利用AI增强拟人性。    

图：FSD最新推送日志

对比v11，FSD v12做到了：

1）更果断顺畅的无保护左转：表现为犹豫程度降低，更像老司机，本质上是在算力堆叠下，经过大量数据训练的AI拥有更高的博弈推理能力，能够尽快抓住空挡做出决策，同时也更为激进，而原来的规控是base-ruled，拘泥于严格的交规约束。

2）遇到临停等突发情况绕行：表现为更加丝滑流畅，更少的顿挫和无意义的等待。这也是经过大量学习人类驾驶员行为后采取的措施。缺点在于压线绕行和窄距并行的情况增加。

3）复杂环岛驶离：在拥堵的环岛路段见缝插针，与周围的人类司机采取相似策略，逐步找到出口顺畅驶离，而在v11中往往中途会要求接管。

在特斯拉开启免费试用一个月并将v12.3向北美所有车主推送后，TeslaFi统计的版本占比中，v12.3占比从个位数迅速提升至22%，扩大用户接触面后，可以畅想未来一段时间的FSD装载率有望明显提升。

图：FSD装载版本的抽样统计

2、端到端的意义——更智能，更好的泛化（场景普适性，机器人），更高系统上限

所谓端到端，本质上是神经网络化，用深度学习的AI取代手写代码。好处在于：    

1）只需针对一个模型进行整体训练、调整优化，因此可以更好地集中资源；

2）由于不再是多个子模块间单独计算输出结果，大大降低了级联误差的概率，且共享主干网提高了计算效率，进而提升了系统性能的上限；

3）降本，减少人工代码意味着节约了大量时间和人力成本。

简言之，就是降本增效。通过transformer来提升规控的性能，实现联合优化，在数据和算力到位之后可以拥有更高的性能上限，泛化能力更强，并可联通世界模型，实现AI的自我演化。

图：端到端性能演进

端到端比拼的正是数据量&质+算力，百万级的车队规模采集的海量数据+算力领先的基础设施，为特斯拉构建了良好的数据闭环。FSD累计里程数已超3亿英里（约4.8亿公里），其采集的视频数据质量高是因为各车型较为统一的传感器配置+影子模式纠错，而根据特斯拉预计自研的Dojo超算有望达到100 EFLOPS（相当于100000 PFLOPS，国内主机厂算力目前在1000 PFLOPS左右）。

图：自动驾驶数据飞轮

图：Dojo算力规划    

尽管规划、执行端的要求（自由度）和处理方式不尽相同，但是自动驾驶汽车本质上是一种机器人，并通过模仿人类的驾驶行为习惯来实现车辆自主行驶，因此在车端跑通端到端可以为机器人提供一种先验积累。

在采用世界模型的情况下，通过端到端深度强化学习，AI可以理解物理世界的规律，在缺乏感知信息输入的情况下也可以通过想象来还原环境，类似于人类婴儿通过观察世界进行学习，并得出“常识”，可以直觉或推理来预测世界的变化，进而做出决策。

对于特斯拉而言，FSD的意义不仅在于以通过自动驾驶来积累AI的能力，更在于生态协同方面的赋能，具体体现在以下两方面：

1）算法复用，经验加成。FSD的开发经验为机器人算法软件提供帮助，可降低开发难度。

2）供应链和算力基础设施共用，降本增效。人形机器人采用与FSD相同的系统（如采用三目摄像头作为传感器，BOM成本约65美元），可以显著降低硬件成本；同样使用Dojo超算进行AI训练，加快数据驱动及软件迭代。此外，算法可以一定程度上弥补驱动器精度的不足，降低关节等硬件要求。

不止是汽车：超算+自动驾驶汽车+人形机器人，特斯拉的长期愿景是打造AGI的完整生态，而掌握大量数据，形成数据闭环将是AI时代的核心竞争力。

总结：端到端的架构意义在于，1）更好的拟人性+更高的系统上限（基于算力）；2）更好的泛化能力（跨ODD、跨城市和国家）；3）为机器人等其他人工智能领域提供借鉴。

图：特斯拉AI版图