数据在中国，算力在美国，特斯拉FSD会不会“停止发育”？
电观
闯红灯、走自行车道、掉头车道直行……特斯拉FSD在中国市场推送之后，成为“高阶违章智驾”。
但是，很多专业人士，以及《电动汽车观察家》的体会是：特斯拉FSD的基础能力非常强，如果这些“水土不服”的问题解决，它将是中国市场最好的智驾之一，甚至可能争夺第一。
尤其是，当智驾研发走向端到端大模型阶段之后，数据+算力的进化速度是惊人的。
眼跟前的例子是，理想汽车在特斯拉FSD V12首个采用端到端大模型之后，也采用了这一新技术方案，如今理想汽车的智驾，至少已经可以和华为、小鹏一较高下。
所以，比起特斯拉FSD入华后的初期表现更重要的问题是：FSD在中国为什么会这样？它会很快变强吗？
这是和中国智驾企业生死攸关的问题。
01
走错道，是无意，还是故意？
大家在使用特斯拉FSD的过程中，发现了很多共性的问题。
比如对于异形红绿灯识别不清，会闯红灯；主辅路识别不清；经常走自行车道、公交车道、压实线……
这导致开特斯拉FSD虽然可以不接管或者少接管，但是会大量违章。知名车评人陈震在测试FSD的过程中，就收到了7张违章罚单。
特斯拉为什么会犯这些低级错误呢？
这涉及地图数据、自身定位和模型的决策。
首先一个略意外的信息是——特斯拉采用了百度的轻图。
轻图是介于高精地图和导航地图之间的地图。在车企对高精地图的更新速度、成本表示不满之后，百度等图商推出了这一产品。
百度的轻图（LD），和高精地图（HD）相比，信息要少。轻图没有定位层信息，车道层也只有拓扑信息，而不一定有详细道路边界。
轻图的好处在于，它是以天为单位更新的，另外成本要小得多。
目前，国内主流智驾方案，都实现了无图——无高精地图，但是也有一部分用了轻图。相对来说，有了轻图加持，智驾方案要容易一些。
这样的话，为什么特斯拉还会出现走错车道、压实线、走自行车道等问题呢？
一位车企的智驾技术负责人表示，特斯拉的这些问题，很多是导航和定位的问题，“FSD的定位芯片太烂了。”
另外，在中国有很多特殊工况，比如可变车道，限时公交车道，文字指引的直行待行区等等。这些即便是轻图，也是无法解决的。
不过，一位智驾地图公司的负责人则表示，特斯拉FSD这些错误可能有三种原因，其一，是地图数据有问题；其二，地图数据没有问题，但是FSD在定位时存在问题，问题不一定是定位芯片，也可能是模型的感知问题；其三，地图数据和定位都没有问题，但是模型认为，有的车道，走了也没有关系，像自行车道、实线、公交车道，它对于行驶边界的认知还没有本地化。
可以肯定的是，特斯拉确实没有像华为、小鹏、理想那样，有那么多的本地数据，来进行大模型的训练。
由于中国对汽车数据的监管，汽车数据只能本地化存储，未经批准不得向境外传输。
马斯克曾经表示，特斯拉只能从互联网上寻找中国道路的视频片段来训练。此外，业内人士广泛推测，特斯拉还用了中国台湾地区和韩国的数据来训练。
关于公交车道，马斯克曾经表示，中国公交车道有时限行，有时又不限行，非常复杂。
特斯拉智驾的负责人也曾提及，关于实线，美国只是建议不能越过，但中国是禁止的。
总体来说，特斯拉FSD就像是“加州老司机”，还没有好好学习中国路况和交规，就在中国开车了。所以，它在常规驾驶中，展现出成熟、老道的一面，但是在处理和美国不同的路况、交通标识时，就暴露出所谓“水土不服”的问题。
02
数据和算力“碰不到一起”
但是，无论如何，都不能轻视特斯拉FSD的学习能力。
按端到端大模型的开发策略，针对特斯拉FSD目前遇到的问题，中国智驾企业的方案是对症下药——右转不好，就“喂”给模型大量右转的视频片段，让它强化右转能力；红绿灯识别不清楚，就“喂”红绿灯的视频片段，强化红绿灯识别能力。
那么，特斯拉能不能这么做呢？
特斯拉是行业第一个大规模建设数据、算力，用来训练智驾大模型的企业。到2024年10月，特斯拉的超算中心Dojo，总算力将达到惊人的100EFlops。然而，Dojo部署在美国。
而中国的驾驶数据，只能存储在中国。根据中国《汽车数据安全管理若干规定（征求意见稿）》（下称《汽车数据规定》），个人信息或者重要数据应当依法在境内存储，确需向境外提供的，应当通过国家网信部门组织的数据出境安全评估。
2021年5月，特斯拉也曾经透露，已经在中国建立数据中心，将所有中国市场销售车辆所产生的数据都将存储在境内。
特斯拉包含FSD功能的配置还需要加价6.4万元
除了存储、外传的限制，采集数据，也有限制。个人信息需要车主授权，而且必须脱敏使用之外，高于国家公开发布地图精度的地理、位置信息，可能会被视为测绘行为——这需要国家测绘局颁发的测绘资质企业，才能采集。
国内智驾企业当前正在大量收集车主的驾驶信息。上述车企智驾负责人就表示，该数据需要有甲级测绘资质的企业来采集存储，并且需要定期报审。
除此之外，中国智驾行业已经开始了数据的共享和交易。
恺望数据就是一家专注自动驾驶数据服务的公司，业务包含了智驾数据共享和交易。恺望数据创始人、CEO于旭表示，“大家（智驾企业）都需要就是更适配场景的真实数据，来帮助它（模型）能达到更准确的程度。”像特斯拉所采用的互联网上的视频数据，作为通用数据，是无法满足垂类大模型的训练需求的。
于旭介绍，在智驾开发走上AI模式之后，各企业都面临数据不足的情况。但与此同时，各企业又都通过测试车、采集车等方式收集了很多数据，“只是这些数据分布在不同的一些地方”另外和场景的适配度、算法模型的匹配度需要加工处理。“我们就是要让这些数据共享和交易起来。”
在今年两会上，全国人大代表、长安汽车董事长朱华荣就有提案说，智能网联汽车行业可供利用的有效数据增多，数据的共享、共建成为获得海量数据的高效途径，因此应当建立相应的安全法规，推动智能网联汽车数据共享。
以此推导，特斯拉同样也可以用以上这些方法来获取大量的驾驶行为数据。
不过，“FSD的困境不在于数据的获取，而是自我的纠结——数据不能出境，但马斯克又不想把模型放到中国训。”上述智驾负责人表示。
“数据和算力碰不到一起。”上述智驾地图负责人也说。
03
会给特斯拉“开后门”吗？
如果无法通过大量采集数据并训练模型来解决FSD本地化问题，特斯拉有别的招吗？
很多业内朋友笑谈：就看主管部门会不会给特斯拉“开后门”了。
不过，上述智驾负责人表示，FSD不一定需要中国数据的方式来解决问题。比如，交通标牌标识可以构造仿真数据来训练。
特斯拉FSD经常走自行车道
此外，作为智驾大模型，也可以类似于ChatGPT、DeepSeek，通过提供更多提示词，“即使不改变模型，也能有办法提高识别率。”
另外，FSD还需要进一步提升，让车端也具有实时识别和理解文字的能力，用以解决中国文字提示的公交车道限行时间、左转待转线、潮汐车道问题。
数据的采集和使用，也可能会有政策口子。
于旭提到，“国家现在也非常鼓励跨境数据的合作。”
她介绍，以上海临港为例，作为国家指定的离岸港，在这里做数据加工和处理和出境是合规的。特斯拉也是注册在临港，“从数据交易、数据共享的角度上，是否能有一些政策性的打开，我觉得是有可探讨的可能性。”
总体来说，作为AI的智驾大模型，大量的数据和强大的算力依旧是“大力出奇迹”的法宝。上述车企智驾负责人说，如果特斯拉FSD“解决数据来源和训练问题，提升会很快。”
