馬斯克情人節 “揮刀自宮”！為了一己私利，還是造福全人類？

最近這段時間，特斯拉的大新聞可以説是一個接着一個。 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，為用户提供服務。 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 日公佈，特斯拉最新的 AI5 芯片設計接近完成，目標是在 9 個月內完成設計週期（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。 而秘密宏圖第四篇章的第一步，就始於 FSD！ 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 的活躍用户需要連續 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 的用户數據。2025 年，FSD 用户同比增長 38%、月付用户增長超 100%，但總付費人數只有約 110 萬名，滲透率還不到 12%。 這也就是説，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 用起來才行。 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，體驗可以説是天壤之別。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，都在用户手裏。但實際上，每天都要用到 FSD 的重度用户根本沒得選，只能先行買斷。 第四步，是按月付費。 對新車主來説，雖然不能買斷了，但月付的門檻會低很多。少吃兩頓大餐，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。 對特斯拉來説，這手 “一魚三吃” 既榨乾了現有用户的錢包，又拓寬了用户羣體，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。 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·温寧格表示：“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才行。 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。 簡單來説，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，才會打方向盤；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”，它會説 “建議吃點容易消化的碳水和蛋白質、避免油膩，賽前一兩個小時吃最好，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。 滿血版 FSD，即將入華？ 瞭解完 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。 雖説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。 對特斯拉來説，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。 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，才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核。 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。 電動車公社風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。