图片来源@视觉中国

文丨新眸，作者丨阮雪，编辑丨桑明强

一直以来，自动驾驶都是各大新能源车企发布会上的常客。

和PPT上激动人心的说辞不同，自动驾驶最初的新鲜感，已经略显听觉疲劳，加上一些车企频频发生安全事故，理解自动驾驶技术原理后的消费者，开始回归冷静。人们思考的问题也从最开始的自动驾驶是否安全，变成质疑自动驾驶的命题真伪。

个中原因，并不是人们等不到新技术，而是等待的时间太过漫长。

“我一开始就知道Autopilot这道题不好解，但没想到是这么难解。”2022年开年，当马斯克做客Lex Fridman的播客聊到自动驾驶时，他也坦然承认这道题已经超过原本计划的难度。

今年，是特斯拉研究自动驾驶的第8个年头，但如果按照严格的自动驾驶分级来说，它的技术仍停留在L3级别上，FSD虽然透露着特斯拉对Full Self-Drive的期待，但也流露着发展上的无奈。

不过马斯克似乎仍然是乐观的，在他看来，特斯拉FSD在2022年就能实现 L4 级别自动驾驶，同样预言：FSD的事故率至少要比人类低2-3倍。试图再次拉高人们对自动驾驶的期待和想象。

但显然，仅仅给予人们想象是不够的，FSD带给特斯拉的也不该只有想象。比起象征性的完全自动驾驶，活在现实中的人们曾一再看低FSD的商业价值，仿佛这是从它诞生起就注定的命运。

薛定谔的自研

“重要性和价值潜力”，这是马斯克在特斯拉发布2021年四季度财报后，召开业绩说明电话会时强调FSD的用词。再之后，特斯拉向其它车企开放”完全自动驾驶”功能(FSD)就出现在了他的推特上，同时他还宣称，如果其他车企想要通过自行研发，来实现类似的功能至少需要5年的时间。

特斯拉用了多久呢？再谈FSD前，我们先聊聊Autopilot。

同样在推特上，从2013年马斯克的一个设想出发，Autopilot被建立。在当时的业内人士看来，Autopilot仅仅是一款L2级自动驾驶系统，严格来说是一个辅助驾驶系统，而这意味着，它可以在特定条件下协助车主完成基本的驾驶任务，但绝非完全的自动驾驶。

在官方的功能设定里，也没有想过让它承载全自动驾驶的使命，这背后有着特斯拉和第一位合作伙伴Google的核心分歧和被叫停的合作半自动驾驶项目。

转而牵手Mobileye，成了特斯拉当时的无奈选择，由此，2014年特斯拉AP HW1.0问世，搭载了1个前向的毫米波雷达、1个前视摄像头、12个超声波雷达、1套高精度电子辅助制动系统（线控刹车）以及1块搭载 Mobileye EyeQ3 芯片的主板，虽然完成了最初的功能设定，但又没能完全符合马斯克的预期。

直到2015年10月底，特斯拉的自动驾驶才算正式登上历史舞台，随后，每一次的技术更新，完全自动驾驶的到来都会成为马斯克新的Flag。同样在这一年，特斯拉在中国正式发布了V7.0版本的车载系统，增加了车辆自动驾驶方面的功能，包括自动车道保持、自动变道和自动泊车。

但是，两家公司的合作并没有持续多久，一方面不满于Mobileye进程缓慢，另一方面不满Mobileye利用特斯拉车主驾驶数据来改善芯片算法。于是乎，2016年7月，特斯拉停止了与Mobileye的合作，宣布所有车辆均采用英伟达自动驾驶芯片。

与此同时，特斯拉的自研项目也悄悄启动。和英伟达自动驾驶芯片解决方案主要依靠功效较大的GPU不同，特斯拉把重点放在了团队自研设计的NPU（神经网络加速器）上，主要用于图像处理，在集成芯片中空间占比最大，承担最大的工作量。

据新眸粗略统计，FSD芯片从设计、到测试再到量产共历经18个月。 

2019 年 4 月份，特斯拉在 Autopilot HW 3.0 平台上成功推出自研的FSD 主控芯片，实现了自动驾驶芯片+神经网络算法的垂直整合。回顾特斯拉自动驾驶的升级之路，在Autopilot硬件先行、软件更新的基础策略上FSD的诞生，是将它智能化的色彩涂抹得更深。

2014-2016年发布的AP1已经初步实现了自动巡航、自动转向、自动辅助变道、自动泊车、召唤等辅助驾驶功能；2018年的AP2升级了召唤功能，并新增自动辅助导航驾驶；直到2019年后，FSD的推出，特斯拉才进一步实现了智能召唤以及新增红绿灯、停车标志识别控制等功能。

关于FSD的建立，除了合作厂商技术更新速度的不理想外，还有着特斯拉对于自动驾驶解法上的追求，就像Pete Bannon 在 FSD 量产后曾经说过的那样，“特斯拉开始研发FSD的原因是，我们发现市场上没有一种芯片是从底层出发为自动驾驶和深度神经网络设计的。”

自动驾驶谜题 

可以解放双手，或许是现在对于自动驾驶最大的误解。

事实上，仍然没有任何一家自动驾驶的研发公司能够实现完全自动驾驶，驾驶员的主动监控仍被放在首要位置上。FSD本质上仍然是自动辅助驾驶系统的进化版，它在驾驶员主动监控的情况下实现的车道内自动辅助转向、加速和制动，最终的作用被定义为：减少枯燥的驾驶操作，提升驾驶乐趣。

这和人们想象中的自动驾驶有着明显区隔，但现实应用和实现技术突破本身就存在逻辑上的倒置。

自动驾驶的核心技术被分为三个部分：感知、规划和控制。放置到具体的行车场景中，感知就相当于人开车时看路、获得路面信息，规划相当于在脑子里处理路面信息并且输出驾驶决策，控制就相当于人操控手脚进行驾驶。比起操控运行，感知和规划才是自动驾驶的最大难题。

关于感知的解决方案，在智能汽车领域分成了两大派系，一类是激光雷达等高精密元件进行路况识别，提升汽车的感知能力，国内厂商逐渐开始采用摄像头+高精地图+激光雷达的综合方案；另一类是以特斯拉为代表的摄像头派，坚信视觉的力量，认为人之所以能够有效辨别路况是因为可以依靠眼睛捕获信息，同时成本较低，可以通过算法升级迭代实现各项功能。

比起感知元件的高成本和高识别错误率，马斯克认为，“如果人类依赖自身视觉来识别周围环境，那么摄像头也同样能实现人眼功能。”摄像头摄取的环境数据在经过视觉算法处理后，系统将通过深度学习模型进行自我培训，从而达到全范围认知路况，增进系统控制精度的目的。

FSD承袭了这样的视觉解决方案，依靠摄取数据增进ADAS系统性能，可以说特斯拉海量的行车数据都成为了它的养料。特斯拉FSD系统的优势也在高速图像处理、NPU、SRAM三个方面得到体现。

就目前来看，在高速图像的处理性能上，特斯拉的图像处理器SIP已达到了最快的消费级视频传输DP1.4标准; 而用来存放NPU的计算结果，具有缓存功能的SRAM容量已达到2TB/秒，理论上满足了自动驾驶L5级别的需求。

在汽车厂商纷纷拼算力的时代，Hardware3.0版本集成了2颗FSD芯片，总算力达144TOPS，将于2022年推出的自研Hardware4.0版本，预计性能将是HW3.0的3倍，能达到432TOPS，显然特斯拉仍然开在一众友商前面。

与之对应的，特斯拉的商业模式也跑在了最前面。

软件定义汽车

汽车越来越像是行走的计算机，并不仅仅体现在驾驶体验和技术升级上，围绕着自动驾驶商业化的展开探讨，FSD是无法回避的话题。

特斯拉采取“自研系统及芯片 + 造车”的商业模式，既可降低长期成本，也同时可从车辆销售中获取收益。举个简单的例子，仅2021年，特斯拉就已经获得了105%的毛利增长率。

随着自动驾驶功能的不断升级，FSD的价格也在不断的上涨，仿佛在引证着马斯克关于FSD商业潜力的预测，而软件定义汽车的倾向也变得更加明显。

自特斯拉2015年开通AP系统，价格为2500美元/套，后上调至 5000 美元/套。而在2019年三月前，用户可以在5000美元的EAP（Enhanced Autopilot）包之外，额外支付 3000 美元获得 FSD（此时并不包含任何功能）。

就在同年4月，特斯拉取消了EAP，将EAP功能移到FSD中，FSD 涨价到 6000 美元/套，用户可免费获得 Basic Autopilot（BAP）功能。20年10月，FSD Beta 版本推出配备城市道路完全自动驾驶测试功能，价格上调至10000 美元/套，一月特斯拉 FSD 再次涨价至 1.2 万美元。

每逢更新必涨价，成了FSD的常态。

图：特斯拉FSD收费提升表（来源：特斯拉，国信证券经济研究所）

去年7月，特斯拉推出FSD订阅包加深了汽车软件化的印象，一次性付费和订阅式付费的双轨运行，一定程度上打开了汽车厂商们关于商业化的新想象。

比如大众营销主管曾经传递了另外一种付费模式信息：大众汽车未来可以以每小时7欧元（约合人民币55元）的价格向客户销售完全自动驾驶的汽车，即按使用时间付费模式。自动驾驶服务付费模式多样也成为车企在成本、利润与用户消费水平之间寻找到平衡点的方式。

比起硬件发展自带的天花板效应，软件和服务体系的升级提供了新的盈利模式，由此带来的盈利空间，已经跳脱出传统汽车的经营逻辑。

仅以FSD的一次性付费模式为例：收入预计将从2020年的9.50亿美元快速增长至2025年的141.76亿美元，CAGR达72%。以FSD净利率为55%测算，2025年FSD盈利空间已经近78亿美元，价格背后的技术更新，也成了利润增长的硬道理。

在这种逻辑下，与其说人们低估了FSD，不如说是对自动驾驶太高的期待和误解让人们对技术升级造成了忽视，而马斯克一次次Flag的倒塌，也让人们对自动驾驶产生了失望感。

但不能否认的事实是，除了FSD之外，特斯拉在汽车生态系统的搭建也正在将汽车从“行走的计算机”转变为“行走的第三空间”，那些出现在PPT上的正在逐步被实现，不过有一点需要认清：没有人能够给出最终的截至日期，即便那个人是马斯克。

但正如奔跑在马路上的特斯拉一样，FSD也始终在路上，甚至永远不会有终点。