Elon Musk's Valentine's Day "self-castration"! For personal gain, or for the benefit of all humanity?

最近这段时间，特斯拉的大新闻可以说是一个接着一个。

先是马斯克宣布，2 月 14 日要在北美和加拿大地区停售 FSD，后续只以 199 美元/月（约合人民币 1400 元）的月付会员模式，为用户提供服务。

允许终身版 FSD“跟人不跟车” 的转让权益，也将于 3 月 31 日正式结束。

这也就意味着，想获得 FSD 的永久使用权，只能在情人节之前掏出 8000 美元买断。不出意外的话，这就是最后上车的机会了。

紧接着，马斯克又在 1 月 19 日公布，特斯拉最新的 AI5 芯片设计接近完成，目标是在 9 个月内完成设计周期（业内普遍需要 1-3 年），同时下一代 AI6 芯片已经启动研发。

相比上一代的 HW 4.0，AI5 算力提升了约 5 倍（2000-2500TOPS），不仅能让 FSD 的体验更进一步、实现质的飞跃，还会用于 CyberCab 无人驾驶出租车、Optimus 人形机器人和 Neuralink 脑机接口，堪称 “一芯四用”。

更关键的是，AI5 的设计取向并不是极致高算力，而是成本和功耗。

在马斯克看来，只有把单位算力的成本和功耗打下来，才能迅速走量，打造出包含 9000 万台特斯拉汽车、上百亿台机器人，规模前所未有的 “机器人军队”。

为此，特斯拉不光要找台积电、三星和英特尔三家大厂代工，还需要自建一座晶圆月产能 100 万片的 TeraFab 芯片工厂（tera 意为万亿），来满足海量的芯片需求。

建设工厂的工期，也必须从原本的 5 年压缩到一两年，才能支撑特斯拉在 AI 领域的先发优势。

至于马斯克到底想要搞什么大事情……

1 月 21 日，特斯拉在官网更新了品牌使命，从之前的 “加速世界向可持续能源的转变”，变成了 “建设一个富足非凡的世界”。

特斯拉副总裁陶琳也在微博上表示，特斯拉接下来的目标是全面拥抱 AI，通过特斯拉的汽车和机器人迅速发展生产力，让每个人都能过上自己想要的生活。

而秘密宏图第四篇章的第一步，就始于 FSD！

醉翁之意不在酒？

简单算一笔账，会发现 FSD 其实是涨价了，而且涨得真不少。

原本只要不卖车，FSD 能一直用到车辆报废。即便卖车了，要么能回收权益、转到自己的下一台特斯拉上，要么随车一起卖，还能多回点血。

但如果从一次性买断变成按月付费，满打满算也就能开 5 年，根本用不到很多人换车的时间点。

所以消息一经发布，美国网友率先炸开了锅。

有人认为，这是特斯拉惯用的涨价逼单操作了，区别只是 “先付” 还是 “后付”。只要你想用 FSD，怎么都逃不掉这一刀；

也有人认为马斯克飘了，FSD 技术还没完全成熟就想着 “割韭菜”，转成月付后只会更难卖；

还有人扒出，马斯克是为了一己私利，才强行推动 FSD 月付会员制——

去年 11 月，特斯拉股东大会通过了新的 CEO 绩效奖励。

马斯克要想拿到万亿薪酬，需要在 10 年内让特斯拉市值增长近 6 倍、年利润从 170 亿提升到 4000 亿美元，还要达成一系列苛刻条件。

其中之一，就是 FSD 的活跃用户需要连续 3 个月突破 1000 万。

要知道，QQ 音乐这类国民级 APP，超级会员总数也不过 1500 万人。

按照这个数字来算，单是每月 199 美元的 “FSD 会员费”，就能为特斯拉带来 20 亿美元的利润，一年够买 60 万台特斯拉 Model 3！

然而理想很美好，现实很骨感。

从去年开始，特斯拉财报首次公开了 FSD 的用户数据。2025 年，FSD 用户同比增长 38%、月付用户增长超 100%，但总付费人数只有约 110 万名，渗透率还不到 12%。

这也就是说，要想在短时间内带动 FSD 的销量，只靠苦哈哈地卖车根本不够，还是得让更多的特斯拉车主，把 FSD 用起来才行。

于是乎，特斯拉才祭出了咱们开头提到的，堪称教科书级别的商业谋略。

第一步，先砍权益。

前段时间，北美和加拿大地区的 Model 3/Y 就已经不再标配 EAP（取消车道居中、仅保留自适应巡航），辅助驾驶能力甚至不如很多老旧燃油车：

第二步，是赠送 30~90 天 FSD 试用权 “先尝后买”。

考虑到美国人均单程通勤距离 24km，有没有 FSD，体验可以说是天壤之别。即便当下没转化成订单，也是合格的种草——“早晚会用上 FSD，你逃不掉的”。

第三步，是犹豫期逼单。

表面上看，买或者不买，买断或月付的选择权，都在用户手里。但实际上，每天都要用到 FSD 的重度用户根本没得选，只能先行买断。

第四步，是按月付费。

对新车主来说，虽然不能买断了，但月付的门槛会低很多。少吃两顿大餐，就能体验让车自己开一个月的乐趣，不常用的时候还能手动关闭。真开 10 年的话，未必会比买断贵。

对特斯拉来说，这手 “一鱼三吃” 既榨干了现有用户的钱包，又拓宽了用户群体，还把一锤子买卖变成了未来源源不断的现金流，堪称神来之笔。

唯一的问题，就是 FSD 的体验到底值不值这个价，能让多少人买单了。

春江水暖鸭先知？

今年 1 月 21 日，美国保险公司 Lemonade 宣布：只要特斯拉车主激活 FSD，车险保费就能直接打 5 折。后期随着 FSD 技术逐步成熟，保费还会进一步下调。

Lemonade 联合创始人兼总裁沙伊·温宁格表示：“FSD 能够 360°观察环境、从不犯困、具备毫秒级的反应速度，事故率也显著低于人类驾驶员。”

这份第三方背书，可谓含金量满满。毕竟保费是保险公司的命脉，每辆车每年少收 1000 多美元，必然需要大幅降低的事故率作为支撑才行。

早在 2024 年，更新 V12 版本、启用端到端算法的 FSD，就有了几分老司机的风范。

面对鬼探头、多车通行的复杂路口、路障和绕行等场景，它都能像真人一样，给出迅速而精确的处理方案，操作也是前所未有地丝滑。

简单来说，辅助驾驶会分为感知、决策、执行这 3 部分，分别对应人类驾驶时的眼睛、大脑和手脚。

FSD 之所以流畅，就是因为特斯拉的端到端算法通过 “预判”，大幅度降低了从感知到决策、从决策到执行之间的延迟。

这就好比新手司机变道，打转向灯、看后视镜、确认安全距离都要几秒钟时间，才会打方向盘；而 FSD 这类老司机，一整套动作如行云流水般一气呵成。

体现在数据上，就是特斯拉每秒能输出 36 个执行动作，而很多车每秒只能输出 10 个左右。

2025 年，FSD 的 V14 版本又迎来了突飞猛进的变化。

一位车主从洛杉矶出发，开启 FSD 横跨整个美国，前往南卡罗来纳。全程 4400 公里、用时 68 小时，包括高速、市区、充电停车等各种使用场景，甚至还去赛道溜了一圈。

最终的接管次数，是 0。

虽然这位老哥为了实现 0 接管，特意绕开了需要停车的边境检查站，美国的路况也并不复杂，只是证明了 FSD 能力的下限。

但到了今年，FSD 又搭上了 xAI 的快车。

告诉它 “我一会要打场球赛，现在又困又饿，给点建议，直接导航”，它会说 “建议吃点容易消化的碳水和蛋白质、避免油腻，赛前一两个小时吃最好，附近有个赛百味，要导航吗？”

借用英伟达机器人业务负责人 Jim Fan 的评价，特斯拉很可能已经通过了物理图灵测试。

在这背后，不只有特斯拉领先的算法、训练 AI 大模型的上百 EFLOPS 算力中心，同样离不开海量数据的支持。

截止到今年 1 月份，FSD 累计行驶里程已达百万亿公里，其中城市复杂路况超 40 万亿公里；Robotaxi 的路测时间，也超过了 1000 万小时。

每天产生的数据，相当于人类 500 年的驾驶时长。

而特斯拉的独门绝技，就是能高效利用数据的 “视频训练”。

它能通过车端的微小模型，在海量的数据中寻找异形障碍物、行人、车辆失控等极端场景，并记录 FSD 的操作和人工干预的时间节点。

这些场景会在特斯拉创造的虚拟世界模型里复现，让 FSD 上百万次地 “练车”。通过在错误中成长和学习，来迅速提升 FSD 应对突发状况的能力。

正因如此，美国版 FSD 的实际体验，才能看齐自家的 Robotaxi。

满血版 FSD，即将入华？

了解完 FSD 的技术原理，机智的小伙伴应该已经发现了——

正是前端的数据，造就了 FSD 在中美两地最大的不同。

虽说绝大部分的复杂训练已经在美国完成了，能适应多种路况，在澳大利亚、韩国等国家也收获了不少好评。但中国有形态各异的交通参与者，日新月异的基建也会让路况复杂许多。

识别各式路标，熟悉道路规则，规避弱势群体，甚至要和交规进行博弈……想让 FSD“从能用变成好用”，不仅需要数据，更需要时间。

对特斯拉来说，在中国既没有大规模车队提供海量数据，车辆数据和环境数据也很难出境，意味着只能用视频训练模型进行本土化调优，提升极端场景下的辅助驾驶能力。

而在中国自建的训练中心，算力规模又无法和美国总部相提并论。

所以在短期内，特斯拉并不会祭出在美国的 “杀招”、用月付会员制完全替代买断制，FSD 也依然会维持在 6.4 万元的 “高价”。

但长期来看，满血版 FSD 入华的时间点，很可能已经不再遥远。

马斯克在前段时间的采访中表示，“欧洲在 2 月份有可能会用上满血版 FSD，中国会在随后推进。”

特斯拉副总裁陶琳也在媒体沟通会上直言，“虽然没有正式推送，但 FSD 一直在针对中国市场进行适配，能力一直在成长，未来会以最佳的状态亮相。”

到那时，特斯拉这条电动鲶鱼，很可能会再次搅动市场，掀起新的惊涛骇浪。

写在最后

回顾辅助驾驶领域的发展，会发现一个有意思的现象。

上一代技术能力的上限，往往会成为下一代技术能力的起点。

起初的规则算法，是尝试让辅助驾驶系统理解人类世界运行的逻辑，并严格执行。

如果理解有困难，就加上 BEV“鸟瞰图”、Occupancy“2D 转 3D”、高精度地图等各种技术，配上激光雷达和毫米波雷达的 3D 点云数据，先让它看清这个世界。

但规则算法，没办法穷举所有的极端案例，并把这些写进系统里。算法越复杂，对算力的要求就越高；遇到没见过的场景，还会突然懵逼、愣在原地。

所以，才出现了端到端算法和 VLM 大模型。

在这一阶段，辅助驾驶系统会观察人类司机，模仿学习他们在遇到特殊情况下的操作，同时在每个时间点用人类语言解释 “遇到了什么情况、为什么要这么做”。

这就有点像成千上万个老司机手把手带同一个徒弟，事后还会复盘、反思、整改，学得非常快。

然而弊端是，身为 “老司机合集” 的它会继承人类司机的坏习惯，也没有真正理解背后的物理世界和交规的安全原则。

于是，VLA 大模型和世界模型横空出世，让强化学习成了业界公认的主流方案。

从学习人类怎么开车、到自己探索怎么开车……只要数据够多、模拟出的场景够多，辅助驾驶系统就能在不断的试错中，找到适合的最优解。

但它的天花板，最多只是 “最强老司机”。距离真正的自动驾驶，依然有很长的路要走。

要想做到 L4，不只是 “具备自动驾驶能力”，还要留出更多的冗余设计、验证安全性和可靠性，还需要通过一系列法规的考核。

在不久的将来，一定会有新一代的技术出现，推动辅助驾驶进一步向自动驾驶发展。

至于这次的领头羊还会不会是特斯拉？

那就要看中国品牌的进步速度，够不够快了。

电动车公社

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。