马斯克情人节“挥刀自宫”！为了一己私利，还是造福全人类？

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！

01. 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。

02. 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。

（想进一步了解的小伙伴，请戳这篇：太疯狂了！特斯拉删除99%代码，FSD却更好用了！智驾的终极答案竟然是它？）

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。

03. 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。

04. 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。