【文/观察者网专栏作者 心智观察所】

2月25日，特斯拉宣布推出城市道路Autopilot自动辅助驾驶功能，此举标志着备受期待的全自动驾驶FSD功能正式进入中国市场，特斯拉为中国客户分批次更新软件。本次特斯拉FSD在中国的版本包括交通信号识别、导航辅助、智能变道等功能，同时摄像头还可识别驾驶员注意力情况。

随着驾驶辅助技术在中国越来越普遍，特斯拉FSD正式入华，也为中国智驾竞赛添了一把火。

比亚迪、小鹏等国产品牌已经推出了各自的高阶智驾系统，如比亚迪的"天神之眼"和小鹏计划推出的L3级自动驾驶。特斯拉的加入将进一步刺激技术创新，推动整个行业向更高级别的自动驾驶迈进。

心智观察所将在本文中，带你回顾总结影响中美自动驾驶竞争的关键技术和政策因素。

为什么自动驾驶难如登天？

想象这样一个场景：一群由工程师、业余爱好者和发明家组成的"杂牌军"，带着他们自制的自动驾驶机器，来到美国南加州干旱的莫哈韦沙漠。他们的目标是让这些"钢铁司机"完成150英里（约241公里）的赛道，赢取100万美元奖金。但最终无人成功——表现最好的卡内基梅隆大学团队，他们的机器也仅跑了7.4英里便败下阵来。  

这是2004年由美国国防部高级研究计划局（DARPA）发起的自动驾驶挑战赛。尽管当时的技术尚显稚嫩，DARPA的尝试绝非徒劳——当年卡内基梅隆团队的两名成员，后来成为谷歌旗下Waymo的创始人，而如今Waymo已是自动驾驶领域的领头羊。  

20年过去，自动驾驶仍未迎来类似ChatGPT的"开窍时刻"，更多时候仍像是张未兑现的支票。但两种技术路线的激烈竞争，为这个领域注入了新的活力。  

如果说将AI植入聊天机器人是技术革命，那么自动驾驶将是改变人类生活方式的"工业革命"。从技术层面看，它是通向机器人时代的钥匙；从经济角度看，它能让人类从方向盘前解放。

以美国为例，自动驾驶将每年为美国劳动者节省240亿小时——相当于每人多出整整12天假期。这些时间可以转化为亲子陪伴、工作产出，或是单纯的放松休憩。  

为什么自动驾驶难如登天？

真正的完全自动驾驶，意味着车辆能在任何路况下自主行驶，这需要同时解决两大难题：既要造出媲美人眼的"视觉系统"（通过摄像头和传感器），又要复刻人类大脑的"驾驶本能"（依赖深度神经网络）。

想象日常驾驶场景：要瞬间判断侧方卡车的行驶轨迹，要识别暴雨中突然窜出的孩童，要在0.3秒内完成刹车反应——这些对人类而言近乎本能的判断，对机器却是需要精密计算的系统工程。更棘手的是，自动驾驶必须建立绝对安全的社会信任：它能否在机场的车流中游刃有余？又能否应对街头混乱的交通生态？  

即便困难重重，这项技术的商业前景依然诱人。根据美国智库的一项研究：到2035年，仅客运领域就能创造4000亿美元收入，更将释放数万亿美元的社会效益——美国若能普及25%的自动驾驶车辆，预计可避免144万起事故，节省数十亿美元医疗开支。

双雄争霸：模块化VS端到端

未来好像还挺远？但无人驾驶这事儿其实已经快摸到门槛了！现在有两个门派在较劲：一个是Waymo的"积木搭房子"，也就是模块化的路线，另一个是特斯拉的"一口闷"大法，专业说法就是端到端——这俩都靠最近爆红的变形金刚，哦不，Transformer模型撑腰。

先说"积木派"，就像流水线工人分工干活。比如用三个Transformer：一个当眼睛看路况，一个当大脑规划路线，第三个当手脚控制油门刹车。每个机器人各司其职，工程师们可以挨个调教优化，哪里坏了修哪里。不过有意思的是，本来想简化问题，结果搞出一堆流程反而更麻烦了。

再看特斯拉的"一口闷"派，直接让一个Transformer大胃王吃下所有数据。摄像头拍啥它就看啥，方向盘油门刹车它全包，就像人类开车一样边开边学。这种路子倒是更接近咱们学车的过程——多开几次就会了。

这俩门派用的Transformer模型，和你们天天聊天的ChatGPT、DeepSeek其实是亲戚。不过人家不是处理文字，是专门处理视觉信息的超级视觉家！比传统图像处理技术更擅长分析摄像头画面、激光雷达这些复杂数据，就像给车装了24K钛合金狗眼。

现在整个行业都赌疯了：只要给这些视觉模型喂够数据和算力，自动驾驶就能突飞猛进。不过这里有个要命的问题——车载电脑得够强！手机上的聊天AI可以靠云端服务器，但自动驾驶必须自己车上就能实时处理，毕竟生死就在0.5秒之间。

举个吓人的例子：8个高清摄像头拍30帧视频，开一小时能存满4000张DVD！Waymo要是派40辆车上路，一天产生的数据量就能塞满整个美国国会图书馆。车载电脑得用特制芯片才能扛住这种数据洪流，还不能有半秒卡顿——毕竟刹车晚0.1秒可能就是人命关天。