在自动驾驶的世界里，没有一个产品像特斯拉FSD（Full Self-Driving）那样，同时承载着最狂热的赞美与最尖锐的质疑。
有人用它完成过数千公里无接管的跨州旅行，感叹“AI已经比人开得更好”。
也有人因为它未能识别横停的卡车或逆光下的障碍物，险些付出生命的代价。
FSD不是神，也不是魔。
它是一家公司把技术推到极致、又把边界藏得太深的结果。
---
一、FSD真正的强大：不是吹出来的，是跑出来的
特斯拉敢走纯视觉路线，并非一时冲动，而是一场基于数据飞轮的豪赌。
数据规模是它的护城河。
目前特斯拉在全球有超过600万辆搭载硬件的车辆，累计真实路况行驶里程已超过100亿英里（其中FSD使用里程超过20亿英里）。每一脚油门、每一次刹车、每一个路口决策，都在训练同一个AI模型。这种数据闭环，行业无人能及。
技术迭代速度肉眼可见。
从BEV+Transformer感知架构，到彻底转向端到端神经网络（FSD V12），特斯拉砍掉了数十万行人工规则代码，让AI直接从“看到”到“执行”。结果是：无保护左转更果断、车道选择更自然、对行人意图的判断更像人类。
实际表现：确实惊艳。
2024年，多位博主测试FSD V12从洛杉矶到旧金山（约600公里），全程零接管。在北美开阔路况下，它的平稳性、遵守交规程度、避免路怒的能力，已经超过了不少人类司机。
低成本、可复制、持续OTA进化——这是FSD最硬的底气。
---
二、争议缠身：问题不在于“不够强”，而在于“预期太满，边界模糊”
FSD最大的敌人，从来不是激光雷达，而是它自己的名字。
“Full Self-Driving”是误导性的命名。
它本质是L2级辅助驾驶——系统可以完成驾驶任务，但人类必须全程监控、随时接管。然而“全自动驾驶”这四个字，让大量用户误以为可以放手、看手机、甚至睡觉。2023年加州车管局正式指控特斯拉虚假宣传，正是基于这一事实。
纯视觉的物理短板无法回避。
摄像头能做的事很多，但也有天然天花板：
· 逆光/眩光：直接导致感知置信度下降
· 暴雨/大雾：能见度骤降，算法再强也受限
· 静态异形障碍物：比如侧翻的卡车、施工锥桶、掉落的路面物体——视觉模型训练中此类样本极少，容易漏检
这不是“黑料”，这是物理规律。
真实事故不是假设。
NHTSA（美国国家公路交通安全管理局）已对FSD启动多次调查，多起致命事故中，FSD在事故发生前几秒仍在运行，且未能对静止障碍物做出反应。最近一起典型案例：2023年，一辆Model 3在逆光行驶中撞上停在路边的消防车，FSD未识别、未制动。
用户权益的隐形代价。
FSD在美国售价高达8000-12000美元，在中国更是6.4万元人民币，但功能迟迟不能完整落地（城市道路FSD在中国至今未正式推送）。老车主卖车时，FSD也无法随车转移或退款——这让不少人愤怒地称之为“期货中的期货”。
技术狂奔的同时，安全底线、法规边界、用户知情权，都没有跟上。
---
三、路线之争：没有对错，只有不同路况与安全观
行业一直分两派，不是偶然。
维度 特斯拉 华为/小鹏等
传感器方案 纯视觉（8个摄像头） 激光雷达+毫米波雷达+摄像头
核心理念 成本最小化、规模最大化、模仿人类驾驶 冗余感知、极端场景兜底
优势场景 地广人稀、路标清晰、光照稳定 城市拥堵、人车混流、恶劣天气
成本 低 高（激光雷达千元级/颗）
没有谁更高明。
FSD的逻辑是：人类只靠两只眼睛就能开车，AI为什么不能？
多传感器的逻辑是：机器可以拥有超人的感知能力，为什么不用？
两条路都在通向未来，只是速度不同、代价不同、适应的环境不同。
有意思的是，随着激光雷达价格从数万美元降到数百美元，以及4D成像雷达的成熟，部分“纯视觉派”也开始重新考虑传感器融合——但特斯拉依然坚持，这是信仰，也是效率。
---
四、普通人最该记住的一句话
不管FSD的演示多震撼，不管马斯克在X上怎么说——
它现在，依然是辅助驾驶，不是自动驾驶。
你可以信任它，但不要交给它。
你可以放松双脚，但不能松开注意力。
具体建议：
· ✅ 适合信任的场景：高速巡航、晴朗天气、车道线清晰、车流规律
· ⚠️ 必须高度警惕的场景：逆光行驶、暴雨/雪/雾、路面有静止异形障碍物、施工区
· 🚫 绝对不要做的事：睡着、坐到后排、完全脱离方向盘不看路
技术可以激进，生命不能冒险。
---
五、写在最后：FSD不是答案，但它是这个时代最重要的试验
FSD证明了AI真的可以开车。
也提醒了我们：技术不能没有边界。
它不完美，但足够重要。
它不神圣，但足够真实。
自动驾驶的终点还远未到达。
但FSD已经写下了最浓墨重彩的一笔——
不是因为它正确，而是因为它勇敢地把人类对未来的想象，压进了一行行代码里。
而我们每个人，在享受它的惊艳之前，首先要学会与它的不确定性和平共处。
10个月宝宝每天需要喝多少奶粉？