0
2025年4月，華為在上海發布了乾崑ADS 4.0，宣布高速L3級自動駕駛商用方案正式落地。幾乎同一時間，特斯拉的FSD V13正在北美Early Access用戶手中快速迭代——從任意停車位自主出發，無需建圖即可完成泊車入位。
兩套系統隔著太平洋遙遙對望。一套代表硅谷的極簡主義哲學：砍掉激光雷達、刪光40萬行規則代碼，讓一個神經網絡從頭學到尾。另一套代表中國工程的冗余思維：激光雷達加攝像頭再加毫米波，每個傳感器都是安全網的一根繩索。
這不是簡單的"誰更強"的問題。這是兩種工程哲學的碰撞，也是中美兩國在智能駕駛領域最深層次的技術路線分歧。而隨著2026年FSD入華進程加速和AI5芯片量產上車，這場原本各自發展的平行線即將在中國市場迎來第一次真正的交手。
全球累計行駛16億英里的純視覺系統，與11家車企22款在售車型的多傳感融合陣營，誰能先觸達L4的天花板？答案可能比大多數人想象的更復雜。
要理解FSD為什么讓整個行業坐不住，得先看它做了什么。
2023年8月，馬斯克直播展示了FSD V12的第一個測試版。那是行業里第一個真正意義上的端到端自動駕駛系統——輸入是攝像頭的視頻流，輸出直接是方向盤轉角和油門剎車指令。中間沒有感知模塊、沒有決策模塊、沒有規劃模塊，只有一個巨大的神經網絡在做"看到畫面→決定怎么開"這件事。
在此之前，傳統自動駕駛系統的架構像一座層層審批的政府大樓：攝像頭看到的畫面先經過"感知部門"識別出車道線、車輛、行人；然后傳給"預測部門"判斷這些物體下一秒會去哪；再交給"規劃部門"計算最優路徑；最后由"控制部門"執行轉向和加減速。每一層都有自己的規則代碼，特斯拉在V12之前的版本里積累了超過40萬行C++代碼來處理各種場景。
V12把這一切推翻了。40萬行規則代碼被壓縮到接近于零，取而代之的是純數據驅動的神經網絡。效果如何？根據公開報道，FSD用戶的干預頻率（MPI，即平均每次人工接管之間行駛的里程數）在V12推送后出現了數量級的改善。
半年后發布的V13則更進一步。這是第一個專門為HW4原生優化的版本。之前V12雖然能在HW4的車上運行，但本質上還是在用新硬件跑舊模型。V13徹底重構了底層架構，支持全分辨率36Hz的視頻輸入，甚至加入了音頻輸入通道。
特斯拉AI部門的一位高級工程師這樣形容V13的代碼："看上去很像猛禽V3火箭發動機，非常干凈。"這句話的信息量很大——它意味著特斯拉不僅在減少代碼量，更在追求一種極端的架構純凈度。
但純凈不等于完美。在實際路測中，FSD仍然會出現令人意外的失誤——比如有評測者記錄到車輛"怒闖左轉紅燈"的情況。這恰恰暴露了端到端方案的深層挑戰：當一個系統完全依賴數據驅動時，它的上限取決于訓練數據的覆蓋廣度和質量，而真實世界的長尾場景幾乎是無限的。
2025年10月，特斯拉發布FSD V14，整合了Robotaxi項目的技術，采用端到端神經網絡架構，模型參數量較前代大幅提升，并將導航與路徑規劃深度整合。2025年12月31日，一輛搭載該系統的Model 3在無人為干預下完成了全程約4397公里的自動駕駛橫穿美國行程。
如果說特斯拉的答案是"少即是多"，那華為給出的答案是"多一層保障就多一分安全"。
2025年4月22日，華為在上海發布乾崑ADS 4.0。這次發布會傳遞的核心信息很明確：高速L3級自動駕駛商用解決方案正式落地。這意味著搭載ADS 4.0的車輛在高速公路上已經可以在特定條件下實現法律意義上的L3級自動駕駛——駕駛員不需要全程注視前方，出了事故責任由車企承擔。
這是一個里程碑式的宣告。因為到目前為止，全球范圍內能夠提供商用L3方案的供應商屈指可數，奔馳和本田分別在德國和美國獲得了有限度的L3認證，而華為直接把戰場選在了路況復雜程度遠超歐美的高速公路網絡上。
ADS的技術路線與FSD截然不同。它采用的是多傳感器融合方案：激光雷達負責精確測距和三維重建，攝像頭負責語義理解（紅綠燈、交通標志、車道類型），毫米波雷達負責速度探測和在惡劣天氣下的兜底感知。三組傳感器各自輸出結果后，經過融合算法交叉驗證，最終輸出統一的感知結論。
這種設計的核心邏輯是冗余即安全。當攝像頭因為強逆光暫時致盲時，激光雷達仍然可以準確探測前方障礙物；當激光雷達因為暴雨產生噪點時，毫米波雷達可以穿透雨幕確認目標存在。任何一個傳感器的失效都不會導致整個系統的崩潰——就像飛機的雙引擎設計，一個失效另一個仍能維持飛行。
ADS 4.0的另一項重要突破是"無圖城市NCA"——不再依賴高精地圖就能在城市環境中開啟導航輔助駕駛。這對中國市場的意義格外重大，因為中國的城市道路改造頻率極高（據統計部分一線城市年均道路變更率達15%以上），高精地圖的更新成本和維護難度遠高于歐美國家。華為選擇走無圖路線，本質上是適應中國本土環境的務實選擇。
截至2026年初的數據，華為乾崑智駕的合作版圖已經擴展到11家車企、超過22款在售車型。從賽力斯問界系列到奇瑞智界，從長安阿維塔到北汽享界，再到嵐圖和東風猛士，華為正在以"不造車"的方式滲透進中國汽車產業的每一個關鍵節點。其官方發布的安全報告顯示，搭載乾崑智駕的車輛每10萬公里的碰撞率比行業平均值低30%以上。
而ADS 5.0的研發已經在緊鑼密鼓地進行中。按照華為披露的路線圖，5.0版本將支持L4級無圖自動駕駛，預計2026年推出。單版本研發投入高達100億元——這個數字本身就是一個信號：華為在這個賽道上的投入力度不是"試試看"，而是all in。
把FSD和ADS放在一起比較，很容易陷入"誰更好"的簡單二元判斷。但這種判斷忽略了一個更重要的問題：它們解決的不是同一個問題，或者說，它們對"什么才是好的自動駕駛"有著根本不同的定義。
特斯拉的邏輯鏈條是這樣的：
人類的駕駛行為本身就是端到端的——眼睛看到路面信息，大腦直接做出操控決策，中間不存在"先感知再規劃再控制"的分階段過程。既然人類能靠視覺開車，那機器也應該能做到。而且如果采用多傳感器融合，不同傳感器之間的數據校準和融合本身就是巨大的工程負擔，增加了系統的復雜度和潛在故障點。所以最優解是：只用攝像頭 + 端到端大模型 + 海量數據訓練。
這套邏輯有一個隱含前提：只要數據量夠大，模型夠強，純視覺就能達到甚至超越人類駕駛水平。而從目前的證據來看，這個前提正在被逐步驗證——FSD的干預頻率確實在持續下降。
華為的邏輯鏈條則是這樣的：
自動駕駛首先是一個安全問題，然后才是一個體驗問題。在任何情況下，安全性都不應該依賴于單一技術路徑的成功。激光雷達提供的絕對深度信息是視覺無法替代的安全冗余，尤其是在高速公路這種容錯率極低的場景下。此外，中國的路況復雜度（人車混行、非標交通參與者、高頻道路變更）遠高于美國郊區為主的使用環境，多傳感器融合在中國市場具有天然的適應性優勢。再加上高精地圖從有圖到無圖的漸進式過渡策略，可以讓系統在每個階段都保持可控的安全性邊界。
這兩套邏輯誰更有道理？答案可能是：都對，但適用場景不同。
在美國，FSD面對的是寬闊的高速公路、規范的路口設計和相對簡單的城市路況。純視覺+端到端的方案在這種環境下如魚得水——數據集中、場景重復度高、長尾問題相對可控。而在中國，自動駕駛系統需要應對狹窄胡同里的電動三輪車、突然橫穿馬路的行人、施工圍擋導致的臨時改道，以及每三個月就可能翻修一次的城市主干道。在這種環境下，激光雷達的多一層感知能力和無圖方案的靈活適配性，可能比純粹的算力堆疊更有實際價值。
這也是為什么FSD入華后的表現將成為真正的試金石。如果純視覺端到端在中國復雜路況下能達到接近北美的水準，那將是對特斯拉技術路線最有力的背書。反之，如果入華后FSD頻繁出現水土不服，那多 sensor 融合陣營的合理性將得到進一步強化。
拋開技術細節，FSD和ADS各自的真正護城河其實不在芯片或算法層面，而在數據生態和商業模式的構建上。
特斯拉的數據飛輪邏輯：每一輛在路上跑的特斯拉都在采集駕駛數據并回傳云端用于模型訓練 → 更好的模型通過OTA推送到所有車輛 → 駕駛體驗提升吸引更多車主購買/訂閱FSD → 更多車輛上路采集更多數據。這是一個經典的正向循環。截至2025年的數據，特斯拉全球保有量已超過700萬輛，其中相當一部分開通了FSD功能（具體比例未公布，但按北美約70%的選配率估算，全球FSD激活車輛可能在300-400萬輛量級）。這意味著每天有海量的真實駕駛數據在源源不斷地流入特斯拉的訓練管道。
更重要的是，特斯拉采用的是"影子模式"——即使FSD沒有被激活，后臺的神經網絡也在實時運行并輸出自己的駕駛決策，與人類司機的實際操作進行比對。當兩者的差異超出閾值時，這段數據就會被標記為"有價值樣本"上傳。這意味著即使沒有開通FSD的特斯拉車主也在不知不覺中為特斯拉的模型進化做貢獻。這種數據采集效率是其他任何廠商都無法復制的。
華為的生態壁壘邏輯：華為的優勢不在于自有車輛的保有量（畢竟華為自己不造車），而在于合作車企的廣度和深度。11家車企、22款在售車型意味著ADS系統正在以遠超特斯拉的速度擴大裝車量。雖然這些車的數據不一定都能回傳給華為統一訓練（各家車企的數據政策不同），但在以下方面華為建立了獨特的優勢：
第一，本土化的數據閉環。華為與中國主要城市的交管部門和高精地圖服務商建立了深度合作關系，能夠獲取到特斯拉難以觸及的路網數據和交通規則更新。第二，整車控制的深度整合。ADS不僅是智駕系統，還與華為的鴻蒙座艙、數字底盤（XMC引擎）實現了跨域融合——懸架可以根據路況預判提前調整軟硬，大燈可以根據導航路線提前照亮彎道方向。這種整車級的能力整合是單一智駕供應商很難做到的。第三，法規層面的先發優勢。ADS 4.0已經拿到了高速L3商用的準入許可，這意味著在合規運營這條路上，華為比特斯拉領先了至少一到兩年。
兩種護城河各有千秋。特斯拉贏在數據的純粹性和模型的迭代速度上，華為贏在生態的完整性和本土化落地能力上。短期內誰也吃不掉誰。
站在2026年這個時間節點往未來看，有三件事將從根本上影響FSD與ADS競爭格局的走向。
第一，FSD入華的時間和質量。
這是當前最大的不確定性變量。馬斯克多次公開表示FSD將在2026年獲得中國監管部門的批準并推向中國市場。但如果入華后的FSD需要針對中國路況進行大量本地化適配——包括重新訓練模型以適應左側通行、復雜的路口博弈和非標交通參與者——那么入華初期版本的體驗可能不會太驚艷。參考特斯拉Autopilot在歐洲市場的表現，從美國版本到本地化成熟通常需要一年以上的時間窗口。而這個時間窗口恰好是中國本土智駕系統快速進化的關鍵期。如果FSD入華時ADS已經演進到5.0版本并實現了城市L4級別的可用性，那FSD面臨的競爭壓力將是前所未有的。
第二，AI5/HW5芯片上車后的能力釋放。
雷峰網(公眾號：雷峰網)此前的文章<mention-doc token="IywgdCS1dojqsUxUT89ctcytnbg" type="docx">HW5.0智駕硬件解析：純視覺方案還能領先多久？</mention-doc>詳細分析過，特斯拉的下一代智駕芯片AI5擁有2000-2500TOPS的驚人算力，是HW4的3-5倍、HW3的近20倍。這塊芯片預計將在2026年大規模搭載到新款Model Y等車型上。更大的算力意味著可以部署參數量更大、推理精度更高的大模型，而這正是端到端方案的上限所在——模型越大，對長尾場景的理解能力越強。如果AI5上車后FSD的能力出現又一次代際跳躍，那純視覺路線的可信度將被大幅增強。反之，如果算力翻倍但體驗改善有限，那行業對"算力崇拜"的質疑聲就會越來越響。
第三，L3/L4法規落地的節奏和標準。
目前全球范圍內關于L3及以上級別自動駕駛的責任認定框架仍在完善中。中國在這方面采取了相對審慎的態度——允許L3在限定場景（高速公路）下先行試點商用，但對L4城市自動駕駛的開放持謹慎態度。如果2026年-2027年間中國在L3/L4法規上取得突破性進展（比如明確責任劃分細則、建立保險配套體系），那擁有L3商用經驗的華為ADS將享受先發紅利。而如果法規推進速度慢于預期，那大家都在L2+的賽道上繼續內卷，FSD的訂閱制商業模式反而可能展現出更強的盈利能力。
回到文章開頭的問題：純視覺端到端和多傳感融合，誰離L4更近？
也許正確的答案不是"誰"，而是"在不同的市場和時間窗口里，兩者都可能先后觸達"。FSD大概率會在北美率先實現可商用的L4級能力——那里的路況足夠友好，數據積累足夠深厚，法規環境也相對寬松。
而ADS則有望在中國市場率先完成從L3到L4的跨越——這里有最復雜的路況作為最好的訓練場，有多傳感器融合帶來的安全冗余作為監管放心的基礎，還有整車生態整合帶來的差異化競爭力。
兩條路，通向同一個終點。區別只在于，誰先到達，以及到達之后能不能守住。
（雷峰網新智駕北京車展2026專題）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
