要说世界上赚钱最快的CEO，那非马斯克莫属，前不久，马斯克再次闪电现身中国，停留时间不超过24小时，却拉动特斯拉股价大涨超15%，市值增加超821亿美元。一改因今年一季度产销双下滑的股票颓势，打了个漂亮的翻身战。

对于马斯克而言，中国不能白来，每次都要有实质性的合作成果诞生。回想2019年，特斯拉落户中国，上海超级工厂当年开工，当年建成，当年投产，“雪中送暖气”般地解决了特斯拉的产能瓶颈，直接帮特斯拉股价突破了1万亿美元大关。

随后的2023年中国行，特斯拉宣布将在上海“加码投资”，在临港新片区投资建设全球第二家储能系统Megapack超级工厂，并且和宁德时代董事长曾毓群交谈甚欢。

那么时隔一年的再次来华，尤其还是临时“鸽了”印度，那么马斯克自然想要落实得更多。

首当其冲就是在华落地特斯拉FSD自动驾驶技术了。

截至目前，中国相关部门尚未批准特斯拉FSD功能的使用，尽管中国用户可以花64,000元购买FSD软件。但中国车主可以使用的仅是特斯拉的辅助驾驶Autopilot功能，其中包含花32,000元增购的EAP。相比基础AP，EAP增加了自动辅助变道、自动辅助导航驾驶（NOA）等，仍需要驾驶员进行主动监控，并没有实现真正的自动驾驶。而FSD官网称其“完全自动驾驶能力”，可用于城市公共道路，包括自动停车、自动变道和交通导航，并且随着不断进化发展，在美落地的FSD V12版本已经可以实现全程90%以上的点到点自动驾驶功能。

那么如此优秀的自动驾驶软件，为什么马斯克为其摇旗呐喊这么久，却一直无法落地国内呢？FSD完全体入华的还需要落实几个重要的事情。

信息安全至关重要，特斯拉需保证数据安全

道路数据安全在当今具有很多战略上的作用，作为道路参与者的特斯拉智能汽车，其对道路信息的收集能力要比太空中的遥感卫星更加精细。尤其特斯拉FSD自动驾驶功能的实现还十分依赖对道路信息的收集，其工作原理便是依靠视觉摄像头实时收集道路数据，通过算力大模型进行自动驾驶操作。并且行驶过程中的所有道路信息不是“过眼云烟”的瞬时数据，而是会记录下来。

特斯拉的FSD在更新V12版本之后，就已经开始使用上神经网络大模型功能，这是一个通过摄像头进行驾驶场景的收集，最后用大模型进行多批次的大批量深度学习，出现问题就继续多投喂同类型驾驶信息来进行深度学习，直至问题修复。FSD在北美已经积累了超20亿公里的道路数据，正是凭借如此海量数据训练、不断丰富算力大模型，才让FSD做到完全的自动驾驶。

所以，特斯拉曾因为可能收集隐私信息而被人质疑，好在，现在终于有了转机！特斯拉顺利通过了安全数据审核，拿到了关键的“绿灯”认证，这无疑是为它在中国市场注入了一剂强心剂。并且，早在2023年8月14日，特斯拉就已经宣布，已经在中国建立了数据中心，实现了数据存储的本地化。所有在中国大陆市场销售车辆产生的数据，都会存储在中国境内。

可以说，FSD落地中国的先决条件已经达成，其数据安全问题基本已经得到解决。

除了棘手的数据安全问题已经解决大半，特斯拉FSD功能的实现还需要用到导航地图，特斯拉由于自身没有地图测绘资质，便需要和有资质的图商合作。目前特斯拉已经在和百度公司接洽，并已经取得了进展。

有米之炊巧妇难为 特斯拉能否另辟蹊径

随着国家带头为特斯拉的通行开绿灯，可以预见的是，特斯拉FSD在中国的大数据收集工作，在理论层面已经没有太大难点。

虽然已经有了数据收集的可能，但让FSD真正运行起来的是庞大的算力支持，通俗点说，特斯拉已经有米下锅，但缺少烧饭用的火来去处理这锅生米啊！想要做神经网络，首先应当具备超算中心，这是智能驾驶企业们的入门配置。

在北美地区，为了用大量数据训练模型，特斯拉早在 2019 年之前就采购大量 GPU ，建设名为 Dojo 的算力中心，并持续扩大到现在已经积累了等同 3.5 万张 H100 的算力。

除了购买英伟达现有GPU以外，特斯拉开始自研芯片以求降本增效。在2022年的AI Day中，特斯拉管理层认为自研的一个Dojo芯片能够具备6个GPU芯片的机器学习计算能力，而其成本不超过一个GPU的购买成本。

虽然特斯拉已经有了现成的超算中心可以处理FSD庞大的数据，但由于前面提到的数据敏感性，以及FSD想要落地中国的前提，在中国获得的感知数据肯定是不能传回美国用作训练使用的，那这就要在中国本地部署训练环境了。但问题的关键在于美国相关部门并不允许有一颗可以用作训练AI的芯片进入中国。

2022 年 10 月，美国官方发布了一份人工智能芯片对华出口指南，具体细则不过多赘述，现实影响则是，英伟达的A100和H100等 AI 芯片不再允许出口到中国。即使后来英伟达发布了符合美国出口要求的A100和A800两款AI芯片，但也再次禁售。

尽管英伟达并不愿意放弃中国巨大的AI芯片市场，再次“定制”了四款符合美国最新法规的AI芯片，但根据公开数据，合规的H20性能参数只有A100的一半左右，甚至只有H100的七分之一，与一些国产芯片相比，也就是60%左右。

没有了庞大算力支持，FSD就像是被拔了牙齿的老虎，空有蛮力，但缺少核心竞争力。而这便是FSD想要在华落地所需解决的最大问题了。

摆在马斯克和特斯拉面前的有两种方法，一种是把中国的数据带走训练，另一种是在中国大规模部署AI算力中心，这两种办法虽然都能彻底实现FSD的全部功能，但很显然，因为众所周知的原因，这两条路都走不通。

这时候，特斯拉可以说是左右为难，但并不是陷入僵局。

处理FSD的数据信息所需要的算力自然是没有上限，越高越好，这也是为什么特斯拉一直在扩充自己超算中心的算力。但FSD所需算力一定是有个下限，所以FSD的落地也并不是没有可能。

目前，国内吉利、蔚来、毫末智行、小鹏、理想等，都已经在搭建云端超算中心，传统互联网企业百度、腾讯、阿里和华为等也都有自己的算力中心。特斯拉如果与国内相关企业达成合作，共同投资或租用算力是一个不错的办法。当然，特斯拉跟华为的合作不太可能，毕竟FSD真落地中国后，彼此是最大的竞争对手。按照特斯拉追求极致成本的企业文化来看，自建一个算力中心也不是没有可能。

虽然我国AI芯片相比英伟达有一定差距，但如果以数量优势补齐单颗芯片差距，对于消费者使用来说并无什么太大区别。

FSD落地中国 定价和后续成本成为关键

目前有关数据安全以及算力支持上的两大拦路虎或许可以解决，但真正落地还是有不少问题。

如果按照特斯拉与在华企业合作的路线来说，算力的不足，恐怕难以支撑在华超170万特斯拉车主的算力需求，虽然并不是每一位特斯拉车主都会购买FSD，但不断上涨的车主数量势必会加大算力需求。届时特斯拉是将FSD功能下调，还是继续购买算力？是需要企业认真思考的。

其次，租用或是自建算力中心，其成本势必会增高，那么FSD目前64,000元的一口价极大可能会上调，并且目前的服务策略也并不符合实际用车需求，目前EAP和FSD都是跟车不跟人，也就是说你换车了还得重新购买。那么特斯拉推出按月收费定制策略也迫在眉睫。

等落地后，由于特斯拉FSD在美国训练的模型并不是在中国道路和车辆条件情况下进行的训练，进入中国后同样的模型还需要在中国市场进行训练和磨合。所以从现在开始到特斯拉FSD真正落地，还应该有一段时间。

如果说FSD落地只是过了第一关的话，那最麻烦的还是使用FSD行驶时造成的事故该如何界定。要知道特斯拉所宣传的是完全自动驾驶，在等级划分时，自动驾驶在发生事故需要企业负责。目前交管局对特斯拉FSD落地可能带来怎样的交通执法新挑战尚未表态。一切后续问题还有待各方磨合。

写在最后

由于FSD系统的上车难度不高，尤其是在硬件上的配置，特斯拉老款HW3.0的硬件仅有144TOPS的算力，以及多颗视觉摄像头，这已经可以实现FSD的全部功能了。相比国内车企动辄数百TOPS的算力以及多颗数千元造价的激光雷达，特斯拉的低成本将是一个核心优势。很可能是其他低价格车型快速落地智能驾驶的一条新选择。

特斯拉FSD进入国内会有一个环境适配的过程，一旦适应成功，那对于中国新能源汽车的智能发展将再次产生“鲶鱼效应”。

现在就看马斯克如何在中美两国进行斡旋，以及使用哪种办法使得FSD落地中国吧。