特斯拉FSD来中国:技术、合规与市场,是哪个敲开了门?

一、特斯拉FSD要来中国了

2026年5月21日，特斯拉官方宣布监督版FSD（FSD Supervised）可在包括中国在内的10个国家与地区使用，消息一出，微博热搜瞬间引爆，A股智驾概念股应声涨停。然而，当消费者咨询特斯拉官方客服时，得到的回复却是：“FSD功能现在在国内暂时还不能使用，目前还在审批当中”。

官宣与落地之间存在的断层，并非单纯的“狼来了”式误读，而是一个结构性的分析切口——特斯拉FSD技术落地中国，究竟处于怎样的真实进展阶段？其技术方案能否有效适应全球最为复杂的交通路况？对中国现有智驾产业格局是“降维打击”还是“伪命题”？

这些问题背后，涉及数据主权、监管博弈、技术路线对峙与商业模型适配等多重维度的交叉判断。本文试图从监管演进、技术架构、产业格局与具体场景四个递进层次，系统解析FSD落地中国这一事件的结构性意义。

二、由来已久落地努力

要理解FSD此番官宣的真实分量，需回溯其入华历程中的四次关键节点。

阶段一：早期铺垫（2021—2024）。2021年，特斯拉上海数据中心建成投入使用，成为中国首个满足《汽车数据安全管理若干规定》的外资车企数据中心。这一基础设施布局，为后续的数据本地化存储奠定了基础。但彼时FSD核心模型的训练仍主要依赖美国Cortex超级集群，中国版模型迭代周期较美国延长3倍以上。

阶段二：首次推送与紧急叫停（2025年2—3月）。2025年2月底，特斯拉中国宣布向部分HW4.0（AI 4.0芯片）车主分批推送城市道路Autopilot自动辅助驾驶功能，被多家媒体视为FSD入华的初步落地。然而，这一推送旋即触发了监管合规问题：其一，功能命名包含“自动驾驶”字样，与国内L2级辅助驾驶“不得使用自动驾驶等误导性表述”的监管要求相悖；其二，存在数据跨境传输的合规隐患。仅仅一周后，限时免费试用被叫停，特斯拉迅速将官网名称从“FSD智能辅助驾驶功能”改为“智能辅助驾驶”。

阶段三：底层能力搭建（2025年下半年—2026年初）。2026年2月，特斯拉上海临港AI训练中心正式投用，实现“数据存储—本地训练—算法优化”全链路本土化闭环〔依据：百度百科；华创证券研报〕。据媒体报道，英伟达计划向中国市场交付H200芯片模组，但特斯拉上海AI训练中心是否已实际搭载H200尚待进一步确认。本地训练能力的建立解决了此前“数据在国内、训练在国外”的结构性算力缺位问题。

阶段四：官宣与审批并行（2026年5月至今）。5月21日的官宣引发了市场的强烈反响，但也恰恰暴露了信息差——特斯拉海外社交媒体与特斯拉中国官方客服之间的口径并不一致。实际情况是，FSD监督版已进入可用名单，但尚未完成全面监管审批。特斯拉CFO在26Q1财报电话会中明确表示，目标于2026年Q3获得全面批准。据多家媒体透露，截至2026年5月，特斯拉中国已启动覆盖北京、上海等9座城市的智驾测试技师招聘。

理解这一背景后，方能判断：此次官宣并非FSD在中国的“开关式落地”，而是一系列基础设施、合规能力与监管互动累积至临界点后的“功能性宣告”。真正决定FSD能否在中国大规模铺开的，是监管审批通道、数据合规闭环与本土化测试验证三大前置条件的同时满足。

三、特斯拉FSD为什么能来？监管、技术与市场三重分析

（一）监管博弈：数据主权与合规门槛的双重约束

FSD落地中国的核心障碍并非技术本身，而是围绕数据安全与驾驶辅助功能边界的监管体系。

数据合规方面，特斯拉早期面临的核心矛盾在于：中国道路采集数据须本地存储，但模型训练所需的算力中心长期依赖美国Cortex集群，形成“数据不出境但模型在境外训练”的灰色地带。2026年2月上海AI训练中心的投用，使特斯拉得以在本地完成完整的训练闭环。与此同时，据公开报道，监管部门正为外资车企提供更清晰的数据出境合规框架。有消息称FSD V12.4.3已通过数据出境安全评估初审。

驾驶辅助功能边界方面，监管层持续收紧对“自动驾驶”等表述的使用。2026年2月，工信部与市场监管总局联合规定L2级辅助驾驶系统不得使用“自动驾驶”等误导性词汇。在此背景下，特斯拉中国官网于2026年5月24日完成更名，将“FSD智能辅助驾驶功能”改为“特斯拉辅助驾驶”，定价6.4万元一次性买断模式保持不变。

这一合规框架意味着：FSD在中国的定位被明确框定在L2+辅助驾驶范畴，驾驶员须全程保持注意力、随时准备接管并承担全部法律责任。这不仅是一个功能边界的定义，更深刻影响了特斯拉的商业模型——在无法实现真正无人驾驶的情况下，6.4万元的一次性买断定价，与其他本土车企的标配免费策略形成鲜明价格落差，用户付费意愿将成为检验FSD商业可行性的关键变量。

（二）技术架构：纯视觉端到端路线的“本土适应性检验”

FSD监督版延续特斯拉全球统一的纯视觉技术路线，采用BEV+Transformer感知框架，并逐步向端到端世界模型演进。FSD v12已实现数据驱动的决策控制，取消了传统规则模块；而V14.3在此基础上完成了更大规模的底层架构革新——以AI神经网络彻底替换了负责控制转向、油门、制动等功能的约30万行手写C++规则代码，网络参数量较前代增加约10倍，搭载自回归Transformer技术，具备3—5秒时空记忆与5—10秒路况预判能力。据行业研报分析，编译器优化带来的系统反应速度提升约20%。

这一技术路线的核心特征在于“学习”而非“编程”。端到端模型通过数亿公里的视觉数据训练，直接从摄像头像素输入映射到控制指令输出，其优势在于泛化能力强、行为更趋近人类驾驶直觉，但瓶颈在于对从未见过的“长尾场景”存在“幻觉”风险。中国道路环境的特殊之处在于：据媒体报道，马斯克曾指出中国路况复杂度为美国10倍以上。非机动车高频穿插、可变车道、公交专用道的时段限制、城中村窄道会车等场景密度远高于北美市场。

在此前的本地化测试中，FSD中国版暴露出的问题包括：公交车道误判率据车主反馈最高可达91%，有车主晒出罚单截图显示10分钟内出现4次压实线变道；此外，早期版本还存在无法识别临时或地面信号灯等场景问题。这些问题反映了端到端模型在面对中国特有场景时的“训练数据不足”困境——即使上海数据中心已积累大量本土道路数据（据媒体报道，年增量数据超50亿帧图像、约30亿公里里程），但长尾场景的覆盖仍然需要时间的累积。

（三）市场格局：“鲶鱼效应”与结构性错位

从市场规模看，FSD落地中国面临一个略显矛盾的结构性背景。一方面，中国智能驾驶市场正处于快速渗透期：2025年中国城区NOA车型交付207万辆，同比上涨155%，渗透率达到15%〔依据：市场数据报道，建议从乘联会进一步核实〕。另一方面，特斯拉自身在中国的基本盘却在收缩：据乘联分会数据，2026年4月特斯拉中国零售份额为3.1%〔依据：乘联分会〕，相较历史高点有所回落。

这一错位意味着：FSD入华的技术意义可能大于其短期商业意义。从技术视角看，特斯拉FSD若能在中国市场验证其纯视觉端到端路线的有效性，将对全球自动驾驶的技术路线选择产生深远影响。从商业视角看，FSD的6.4万元买断价格不仅远高于本土智驾方案（华为ADS约1—2万元），还面临着八成用户不愿或仅愿付两万元以内选装费的现实约束。能否推出中国市场适配的订阅模式（如北美99美元/月），将成为验证用户付费意愿的关键观察点。

从产业竞争层面看，FSD入华最直接的影响并非“取而代之”，而是激活技术迭代的加速度。正如特斯拉2020年国产化对新能源汽车产业的“鲶鱼效应”一样，FSD的落地有望将行业竞争重心从硬件配置（激光雷达数量、算力TOPS值）转向用户真实体验的差异化。

四、与落地并存的争议

争议一：FSD对本土车企是“降维打击”还是“伪命题”？

持“降维打击”论者认为，FSD的端到端纯视觉路线在算法范式上领先，全球累计行驶里程据媒体报道约100亿英里〔依据：36氪等，需注意区分海外版与国内版里程〕，构成数据壁垒。持“伪命题”论者则指出，本土车企早已在中国路况场景中完成了先发积累——华为ADS 5.0在算法范式上已趋近端到端，激光雷达方案在“鬼探头”、施工障碍等场景中具有更高的感知容错率。2025年9月中国智驾战力天梯榜的测评结果提供了量化参照：特斯拉在场景榜单中位居第一，华为则在安全榜和效率榜上双双夺冠。这意味着双方各有优劣势，而非单向超越。

争议二：纯视觉 vs. 激光雷达——路线之争的终点在哪？

特斯拉坚持纯视觉路线，认为人类驾驶仅依赖双目视觉即可完成驾驶任务，“更多传感器不代表更安全”。以华为、小鹏为代表的本土方案则采用“激光雷达+高精地图过渡至无图”策略，在感知层面增加冗余。两种路线在中国道路环境下的表现差异已显现：纯视觉路线在泛化能力和拟人化程度上更优，但对极端光照条件（如强逆光）、非常规障碍物（如路面散落物）的识别鲁棒性存疑；激光雷达路线在恶劣天气下的表现同样面临挑战。FSD在中国的本土化验证，将成为检验纯视觉路线能否跨越复杂场景鸿沟的关键。

争议三：数据主权与全球化技术协同的边界在哪？

这是被商业讨论中容易忽略却最具长期影响的问题。特斯拉上海数据中心和美国Cortex集群之间本应有的高效数据-模型协同通道，因数据出境监管而受到结构性限制。虽然上海AI训练中心的投用缓解了这一矛盾，但中国版FSD模型能否与全球版本保持同步迭代速度，仍存在不确定性——除非中国本地数据训练出的模型能够达到与美国版本同等的质量水平，否则“两个版本并行演进”就必然面临分化。

五、落地可能场景分析

场景一：城区公交专用道驾驶

以FSD在上海内环高架下的城区道路测试为例。公交专用道在中国各大城市的设置规则并不统一：有的仅在工作日早晚高峰限行，有的全天限行，有的同时段可借用但不可长期占用。2025年早期FSD中国版在公交专用道识别上，据车主反馈误判率最高可达91%，并出现了在限行时段驶入专用道、压实线强行变道的情况。这一问题同时折射出纯视觉端到端模型的两层挑战：其一，端到端模型依赖训练数据覆盖度，而中国大量路段上的公交专用道标线磨损、被遮挡等非理想条件，可能未在训练数据中得到充分呈现；其二，模型需要在“合理借用”与“违章占用”之间做出精确的规则性判断，而单纯依靠数据驱动的神经网络，并不天然具备区分这种社会规范边界的能力。上海AI训练中心投用后，通过本地训练，这一问题预计将得到持续改善——但需要累积足够多的“失败案例”作为模型的负反馈样本。

场景二：无保护左转与人车混行

另一个典型场景是无信号灯路口的左转。中国城市普遍存在“弱势交通参与者”（外卖电动车、闯红灯行人等）高频穿插的情况，这与北美市场以机动车为主的路权结构差异巨大。据第三方测评，2026年5月FSD中国版在无保护左转场景下的成功率约为92%（百公里接管约14.5次）〔依据：什么值得买测评，垂直社区数据，非官方〕；而同期华为ADS 5.0对应数据为99.5%、0.3次〔依据：同来源〕。这一差距反映了在极端复杂的路口场景中，纯视觉方案仍需进一步优化，但成功率数据也表明本地训练后已有显著改善。

场景三：技术路线的直接对标

2025年9月的一场城市NOA横评路测中，特斯拉FSD V13.2在上海路况下平均接管次数为5.73次，综合评分2.05分，而同场测试中小鹏、理想的接管次数分别为1.51次和1.47次。这一数据直观反映了FSD在2025年阶段“水土不服”的具体程度。但必须注意的是，该测评时间为2025年9月，彼时上海AI训练中心尚未投入使用，FSD的核心训练仍依赖美国数据。2026年2月本地训练闭环形成后，差距已显著收窄。多个信息来源均认为，特斯拉、华为、理想、小鹏与Momenta构成当前智驾领域的“第一阵营”。

六、路线图与展望

第一，FSD监督版在中国的定位已经明确为L2+级辅助驾驶系统。因此，将其与“完全自动驾驶”对标并不准确，二者的监管地位、法律责任归属和技术成熟度要求存在本质差异。

第二，监管审批——而非技术成熟度——是决定FSD在中国推广节奏的首要变量。据公开消息，目标于2026年Q3获得全面批准是当前最具可参照性的官方时间指引，在此之前FSD在华的实质功能仅以试点形式小范围释放。

第三，FSD在中国产业层面的意义，短期更多在于“情绪修复”与“竞争加速”，而非市场份额的立即重塑。特斯拉2026年在华零售份额的变化，使FSD的商业价值更多体现为提升单车毛利率和巩固用户粘性，而非通过软件收入从根本上扭转销量下滑趋势。

第四，纯视觉端到端路线能否在中国市场完成验证，是本次落地的长期看点。若验证成功，其对全球自动驾驶技术路线的影响将远超出商业竞争范畴。

展望一：2026年Q3至年底的窗口期，若特斯拉如期获得全面批准，全量推送将覆盖AI 4.0（HW4.0）以上车型。当前已在小范围试点中覆盖的9座核心城市，将进一步扩展至更多城区和道路类型。订阅模式是否上线、定价策略如何调整，将是观测其中国市场战略的重要信号。

展望二：Robotaxi的前置铺垫，特斯拉在中国为Robotaxi布局的招聘和Cybercab量产信息，暗示FSD的技术部署本质上是在为L4级出行服务积累运营资质和经验。目前的L2+版FSD更像是监管审核框架下的最小可行产品，其真正商业图景远未完全打开。

展望三：行业竞争格局的重塑，智驾赛道正在经历从“硬件军备竞赛”到“算法体验竞赛”的转型。特斯拉FSD的落地可能加速这一进程，尤其是推动整车厂在交互体验、无图化能力和长尾场景处理等维度形成差异化。但正如已有评论所提示，竞争的本质是“做蛋糕”而非“切蛋糕”——一个更成熟的智驾市场将使所有参与者受益，而非零和博弈。

总的来看，特斯拉FSD落地中国，不是一个简单的“产品上线”事件，而是全球最大汽车市场中，数据主权、技术路线与监管框架三者交织之下的一次复合博弈。其最终影响，取决于三个关键变量的协同进展：监管审批的速度、本地化模型的质量，以及中国消费者对L2+辅助驾驶付费意愿的真实表达。

—

免责声明

本文仅供一般性信息参考，不构成任何法律、投资或专业建议。文中观点仅代表作者个人或整理时的理解，可能与实际情况存在偏差。

作者：张烽，万商天勤律师事务所合伙人，

上海金融与法律研究院副院长，

国富量子（00290.HK）创新研究院副院长，

上海市浦东新区科幻协会理事，

上海市浦东管理咨询行业协会理事，

香港RWA全球产业联盟学术委员会副主任，

中国移动通信联合会元宇宙与人工智能产业工作委员会常务委员，

上海区块链技术协会智库专家和科技评价专家，