最近這段時間，特斯拉的大新聞可以說是一個接着一個。

先是馬斯克宣佈，2月14日要在北美和加拿大地區停售FSD，後續只以199美元/月（約合人民幣1400元）的月付會員模式，為用戶提供服務。

允許終身版FSD「跟人不跟車」的轉讓權益，也將於3月31日正式結束。

這也就意味着，想獲得FSD的永久使用權，只能在情人節之前掏出8000美元買斷。不出意外的話，這就是最後上車的機會了。

緊接着，馬斯克又在1月19日公布，特斯拉最新的AI5芯片設計接近完成，目標是在9個月內完成設計周期（業內普遍需要1-3年），同時下一代AI6芯片已經啓動研發。

相比上一代的HW 4.0，AI5算力提升了約5倍（2000-2500TOPS），不僅能讓FSD的體驗更進一步、實現質的飛躍，還會用於CyberCab無人駕駛出租車、Optimus人形機器人和Neuralink腦機接口，堪稱「一芯四用」。

更關鍵的是，AI5的設計取向並不是極致高算力，而是成本和功耗。

在馬斯克看來，只有把單位算力的成本和功耗打下來，才能迅速走量，打造出包含9000萬台特斯拉汽車、上百億台機器人，規模前所未有的「機器人軍隊」。

為此，特斯拉不光要找台積電、三星和英特爾三家大廠代工，還需要自建一座晶圓月產能100萬片的TeraFab芯片工廠（tera意為萬億），來滿足海量的芯片需求。

建設工廠的工期，也必須從原本的5年壓縮到一兩年，才能支撐特斯拉在AI領域的先發優勢。

至於馬斯克到底想要搞什麼大事情……

1月21日，特斯拉在官網更新了品牌使命，從之前的「加速世界向可持續能源的轉變」，變成了「建設一個富足非凡的世界」。

特斯拉副總裁陶琳也在微博上表示，特斯拉接下來的目標是全面擁抱AI，通過特斯拉的汽車和機器人迅速發展生產力，讓每個人都能過上自己想要的生活。

而祕密宏圖第四篇章的第一步，就始於FSD！

01. 醉翁之意不在酒？

簡單算一筆賬，會發現FSD其實是漲價了，而且漲得真不少。

原本只要不賣車，FSD能一直用到車輛報廢。即便賣車了，要麼能回收權益、轉到自己的下一台特斯拉上，要麼隨車一起賣，還能多回點血。

但如果從一次性買斷變成按月付費，滿打滿算也就能開5年，根本用不到很多人換車的時間點。

所以消息一經發布，美國網友率先炸開了鍋。

有人認為，這是特斯拉慣用的漲價逼單操作了，區別只是「先付」還是「後付」。只要你想用FSD，怎麼都逃不掉這一刀；

也有人認為馬斯克飄了，FSD技術還沒完全成熟就想着「割韭菜」，轉成月付後只會更難賣；

還有人扒出，馬斯克是為了一己私利，才強行推動FSD月付會員制——

去年11月，特斯拉股東大會通過了新的CEO績效獎勵。

馬斯克要想拿到萬億薪酬，需要在10年內讓特斯拉市值增長近6倍、年利潤從170億提升到4000億美元，還要達成一系列苛刻條件。

其中之一，就是FSD的活躍用戶需要連續3個月突破1000萬。

要知道，QQ音樂這類國民級APP，超級會員總數也不過1500萬人。

按照這個數字來算，單是每月199美元的「FSD會員費」，就能為特斯拉帶來20億美元的利潤，一年夠買60萬台特斯拉Model 3！

然而理想很美好，現實很骨感。

從去年開始，特斯拉財報首次公開了FSD的用戶數據。2025年，FSD用戶按年增長38%、月付用戶增長超100%，但總付費人數只有約110萬名，滲透率還不到12%。

這也就是說，要想在短時間內帶動FSD的銷量，只靠苦哈哈地賣車根本不夠，還是得讓更多的特斯拉車主，把FSD用起來纔行。

於是乎，特斯拉才祭出了咱們開頭提到的，堪稱教科書級別的商業謀略。

第一步，先砍權益。

前段時間，北美和加拿大地區的Model 3/Y就已經不再標配EAP（取消車道居中、僅保留自適應巡航），輔助駕駛能力甚至不如很多老舊燃油車：

第二步，是贈送30~90天FSD試用權「先嚐後買」。

考慮到美國人均單程通勤距離24km，有沒有FSD，體驗可以說是天壤之別。即便當下沒轉化成訂單，也是合格的種草——「早晚會用上FSD，你逃不掉的」。

第三步，是猶豫期逼單。

表面上看，買或者不買，買斷或月付的選擇權，都在用戶手裏。但實際上，每天都要用到FSD的重度用戶根本沒得選，只能先行買斷。

第四步，是按月付費。

對新車主來說，雖然不能買斷了，但月付的門檻會低很多。少喫兩頓大餐，就能體驗讓車自己開一個月的樂趣，不常用的時候還能手動關閉。真開10年的話，未必會比買斷貴。

對特斯拉來說，這手「一魚三喫」既榨乾了現有用戶的錢包，又拓寬了用戶羣體，還把一錘子買賣變成了未來源源不斷的現金流，堪稱神來之筆。

唯一的問題，就是FSD的體驗到底值不值這個價，能讓多少人買單了。

02. 春江水暖鴨先知？

今年1月21日，美國保險公司Lemonade宣佈：只要特斯拉車主激活FSD，車險保費就能直接打5折。後期隨着FSD技術逐步成熟，保費還會進一步下調。

Lemonade聯合創始人兼總裁沙伊·溫寧格表示：「FSD能夠360°觀察環境、從不犯困、具備毫秒級的反應速度，事故率也顯著低於人類駕駛員。」

這份第三方背書，可謂含金量滿滿。畢竟保費是保險公司的命脈，每輛車每年少收1000多美元，必然需要大幅降低的事故率作為支撐纔行。

早在2024年，更新V12版本、啓用端到端算法的FSD，就有了幾分老司機的風範。

面對鬼探頭、多車通行的複雜路口、路障和繞行等場景，它都能像真人一樣，給出迅速而精確的處理方案，操作也是前所未有地絲滑。

（想進一步了解的小夥伴，請戳這篇：太瘋狂了！特斯拉刪除99%代碼，FSD卻更好用了！智駕的終極答案竟然是它？）

簡單來說，輔助駕駛會分為感知、決策、執行這3部分，分別對應人類駕駛時的眼睛、大腦和手腳。

FSD之所以流暢，就是因為特斯拉的端到端算法通過「預判」，大幅度降低了從感知到決策、從決策到執行之間的延遲。

這就好比新手司機變道，打轉向燈、看後視鏡、確認安全距離都要幾秒鐘時間，纔會打方向盤；而FSD這類老司機，一整套動作如行雲流水般一氣呵成。

體現在數據上，就是特斯拉每秒能輸出36個執行動作，而很多車每秒只能輸出10個左右。

2025年，FSD的V14版本又迎來了突飛猛進的變化。

一位車主從洛杉磯出發，開啓FSD橫跨整個美國，前往南卡羅來納。全程4400公里、用時68小時，包括高速、市區、充電停車等各種使用場景，甚至還去賽道溜了一圈。

最終的接管次數，是0。

雖然這位老哥為了實現0接管，特意繞開了需要停車的邊境檢查站，美國的路況也並不複雜，只是證明了FSD能力的下限。

但到了今年，FSD又搭上了xAI的快車。

告訴它「我一會要打場球賽，現在又困又餓，給點建議，直接導航」，它會說「建議喫點容易消化的碳水和蛋白質、避免油膩，賽前一兩個小時喫最好，附近有個賽百味，要導航嗎？」

借用英偉達機器人業務負責人Jim Fan的評價，特斯拉很可能已經通過了物理圖靈測試。

在這背後，不只有特斯拉領先的算法、訓練AI大模型的上百EFLOPS算力中心，同樣離不開海量數據的支持。

截止到今年1月份，FSD累計行駛里程已達百萬億公里，其中城市複雜路況超40萬億公里；Robotaxi的路測時間，也超過了1000萬小時。

每天產生的數據，相當於人類500年的駕駛時長。

而特斯拉的獨門絕技，就是能高效利用數據的「視頻訓練」。

它能通過車端的微小模型，在海量的數據中尋找異形障礙物、行人、車輛失控等極端場景，並記錄FSD的操作和人工干預的時間節點。

這些場景會在特斯拉創造的虛擬世界模型裏復現，讓FSD上百萬次地「練車」。通過在錯誤中成長和學習，來迅速提升FSD應對突發狀況的能力。

正因如此，美國版FSD的實際體驗，才能看齊自家的Robotaxi。

03. 滿血版FSD，即將入華？

了解完FSD的技術原理，機智的小夥伴應該已經發現了——

正是前端的數據，造就了FSD在中美兩地最大的不同。

雖說絕大部分的複雜訓練已經在美國完成了，能適應多種路況，在澳大利亞、韓國等國家也收穫了不少好評。但中國有形態各異的交通參與者，日新月異的基建也會讓路況複雜許多。

識別各式路標，熟悉道路規則，規避弱勢羣體，甚至要和交規進行博弈……想讓FSD「從能用變成好用」，不僅需要數據，更需要時間。

對特斯拉來說，在中國既沒有大規模車隊提供海量數據，車輛數據和環境數據也很難出境，意味着只能用視頻訓練模型進行本土化調優，提升極端場景下的輔助駕駛能力。

而在中國自建的訓練中心，算力規模又無法和美國總部相提並論。

所以在短期內，特斯拉並不會祭出在美國的「殺招」、用月付會員制完全替代買斷制，FSD也依然會維持在6.4萬元的「高價」。

但長期來看，滿血版FSD入華的時間點，很可能已經不再遙遠。

馬斯克在前段時間的採訪中表示，「歐洲在2月份有可能會用上滿血版FSD，中國會在隨後推進。」

特斯拉副總裁陶琳也在媒體溝通會上直言，「雖然沒有正式推送，但FSD一直在針對中國市場進行適配，能力一直在成長，未來會以最佳的狀態亮相。」

到那時，特斯拉這條電動鯰魚，很可能會再次攪動市場，掀起新的驚濤駭浪。

04. 寫在最後

回顧輔助駕駛領域的發展，會發現一個有意思的現象。

上一代技術能力的上限，往往會成為下一代技術能力的起點。

起初的規則算法，是嘗試讓輔助駕駛系統理解人類世界運行的邏輯，並嚴格執行。

如果理解有困難，就加上BEV「鳥瞰圖」、Occupancy「2D轉3D」、高精度地圖等各種技術，配上激光雷達和毫米波雷達的3D點雲數據，先讓它看清這個世界。

但規則算法，沒辦法窮舉所有的極端案例，並把這些寫進系統裏。算法越複雜，對算力的要求就越高；遇到沒見過的場景，還會突然懵逼、愣在原地。

所以，纔出現了端到端算法和VLM大模型。

在這一階段，輔助駕駛系統會觀察人類司機，模仿學習他們在遇到特殊情況下的操作，同時在每個時間點用人類語言解釋「遇到了什麼情況、為什麼要這麼做」。

這就有點像成千上萬個老司機手把手帶同一個徒弟，事後還會覆盤、反思、整改，學得非常快。

然而弊端是，身為「老司機合集」的它會繼承人類司機的壞習慣，也沒有真正理解背後的物理世界和交規的安全原則。

於是，VLA大模型和世界模型橫空出世，讓強化學習成了業界公認的主流方案。

從學習人類怎麼開車、到自己探索怎麼開車……只要數據夠多、模擬出的場景夠多，輔助駕駛系統就能在不斷的試錯中，找到適合的最優解。

但它的天花板，最多隻是「最強老司機」。距離真正的自動駕駛，依然有很長的路要走。

要想做到L4，不只是「具備自動駕駛能力」，還要留出更多的冗餘設計、驗證安全性和可靠性，還需要通過一系列法規的考覈。

在不久的將來，一定會有新一代的技術出現，推動輔助駕駛進一步向自動駕駛發展。

至於這次的領頭羊還會不會是特斯拉？

那就要看中國品牌的進步速度，夠不夠快了。