特斯拉FSD入华在即，车路协同何去何从？

随着特斯拉完全自动驾驶（Full-Self Driving，以下简称“FSD”）入华脚步临近，业界关于“车路协同何去何从”的讨论愈发激烈。尽管FSD与车路协同本质上并非同维竞争，但FSD入华有望促进单车智能的快速发展，进而对车路协同带来深刻而复杂的影响。本文将简要分析FSD入华是否会改变车路协同发展格局，并试图回答“车路协同是否有必要继续推进”“下一步该如何做”等热点问题，以期抛砖引玉，为进一步推动国内自动驾驶行业发展提供参考和启示。

一、FSD入华为何会引发车路协同“恐慌”？

FSD入华是特斯拉与中国市场的“双向奔赴”。当前，新能源汽车市场竞争日趋激烈，特斯拉面临着销量下滑、利润下降的双重压力，加快FSD入华不仅是特斯拉推动全球化战略、展示创新技术的需要，更是其寻求新增长点、应对当前挑战的重要策略。作为全球最大的汽车市场之一，中国对自动驾驶的积极政策支持以及消费者对新技术的高接受度，将为FSD技术推广与应用提供良好的环境。而FSD入华也将为中国自动驾驶行业注入新活力，有助于推动国内自动驾驶技术创新和市场竞争，促进相关法规和标准的制定和完善，进一步提升中国在全球自动驾驶领域的话语权和影响力。

尽管FSD入华将加剧自动驾驶竞争，但国内企业普遍持乐观态度。特斯拉FSD在硬件自研、软件算法、数据闭环能力、量产规模等方面具备领先优势，并且凭借端到端技术提高了其模型的能力上限，FSD入华后对国内自动驾驶领域的影响不言而喻。但我们发现，国内自动驾驶企业对FSD入华并不悲观，多数认为其技术能力可以挺过FSD本土化适配的“窗口期”并展开竞争。近期，小鹏汽车董事长兼CEO何小鹏曾公开称，特别欢迎特斯拉FSD进入中国；华为常务董事、终端BG CEO、智能汽车解决方案BU董事长余承东也表示，欢迎特斯拉FSD入华，华为智驾即使是不带激光雷达的版本也比特斯拉FSD更好，带激光雷达的性能更佳。

FSD为何会在车路协同领域引发“恐慌”？作为纯视觉路线的代表，FSD入华后将与国内主流的融合感知技术路线形成竞争，是单车智能领域的“内斗”，又为何被认为会“误伤”车路协同？其背后主要原因是车路协同正面临发展困境，“政策热、市场冷”的局面无法打破。

自2016年以来，我国陆续出台了一系列政策并实施多个试点项目，持续推进车路协同发展。但由于车路协同系统复杂性高、路侧设施覆盖率低且分布较散、标准不统一等原因，导致车路协同效果难以显现，车企推动车路协同功能“上车”意愿普遍较低，多数车企仍以单车智能发展路线为主。此外，车路协同基础设施长期依赖政府投入，面临着投资大、回报率低的难题，尚未形成市场化的商业环境，严重制约着车路协同的发展，而随着地方债务规模不断升级，现有模式难以为继，车路协同发展正在陷入僵局。

二、FSD入华究竟是“毒”还是“药”？

FSD入华会是压垮车路协同的“最后一根稻草”吗？与车路协同亟待破局不同，单车智能因为大模型技术带来的颠覆性变革，有望率先迎来技术“质变”节点。目前，除特斯拉之外，已有多家车企及智驾供应商开始发力端到端方案，元戎启行已将端到端模型适配到量产车上并将于今年上市；小鹏汽车将在年内推动端到端全面上车；蔚来也将在年内推出基于端到端的主动安全能力；华为在4月发布了乾崑ADS3.0系统，搭载车型将在明年上半年量产上市。在此背景下，如果FSD成功落地国内市场，将引发自动驾驶行业的“鲶鱼效应”，强化单车智能路线的影响力，并吸引更多企业加大在单车智能领域的投入，悲观者认为这将进一步挤压车路协同的发展空间。

事实上，车路协同与单车智能并不矛盾，单车智能是“点”的提升，车路协同是“面”的统筹。车路协同诞生之初就是为了解决单车智能无法解决的问题，二者的关系是相互促进、互为补充。车路协同可以弥补单车智能在复杂场景下的不足，通过超视距感知、实时信息共享等，提高自动驾驶的可靠性和安全性。目前，FSD仍无法解决自动驾驶安全问题，即便是在有着广泛应用和技术验证的美国市场，FSD近期也因未识别火车险些酿成事故，美国国家公路交通安全管理局（NHTSA）已多次对涉及FSD和Autopilot模式的事故进行调查。而国内企业如果能够将单车智能与车路协同技术融合，不仅可以形成新的差异化解决方案，还能进一步提高自动驾驶安全性，或将产生“1+1＞2”的效果。

FSD入华或对车路协同产生“以点带面”的效果，成为解决车路协同目前困局、激发其内在潜力的“药引”。一方面，FSD入华将促进单车智能技术水平提升，使车辆对路侧设施规模、种类的需求降低，未来可能仅需在部分区域部署路侧设施，这将大幅减少基础设施建设费用、减轻城市财政压力，推动城市全域基础设施建设；另一方面，FSD入华将给国内车路协同企业带来较大的竞争压力，促使其加快产品创新和技术融合，进一步降低落地成本。未来随着道路建设成本与产品成本“双降”，城市推行车路协同设施全域覆盖将更具可行性，而只有形成了广泛区域的车路协同设施覆盖，才能带来显著的智慧出行体验，进而提高车路协同车载终端上车率，逐步推动其实现规模化、商业化应用。

车路协同在强化单车智能的同时，还能有效提升公共安全监管能力和城市应急响应水平。车路协同可以为单车提供更丰富的环境感知数据，促进车辆之间的信息共享，还能实时监控交通流量和车辆行为，缓解城市交通拥堵、降低二次事故概率。此外，车路协同设施还可以通过安装在路侧的传感器和监测设备，实时监测道路的各种参数和状况，采取预防性维护措施，避免道路坍塌等严重事故发生。在紧急情况下，如交通事故或自然灾害，车路协同系统还可以快速传递信息，协调救援力量、减少救援时间，提高城市应急响应效率。

三、车路协同与单车智能将融合式发展

由以上分析可知，单车智能将推动车路协同解决“规模化和商业化”的瓶颈问题，而车路协同将助力单车智能解决“长尾问题”以及广域的交通信息交互需求（例如几公里外的桥梁坍塌等信息）。FSD的入华将有效推动单车智能与车路协同相互赋能，呈融合式发展。FSD将推动单车智能的快速发展和车路协同技术的升级迭代，以道路建设成本与产品成本的“双降”支撑城市全域基础设施覆盖和商业化应用落地，最终以可持续的闭环应用牵引反向推动单车智能和车路协同产品的更新和技术的迭代，形成融合式发展的中国特色方案。为加速二者融合式发展，具体建议如下：

加强政策支持、加快标准建立，解决自动驾驶行业发展“堵点”。一是鼓励企业和科研机构加大对人工智能、大模型、大算力等技术的研究，并出具资金支持、税收优惠等政策措施；二是从道路测试、示范应用到准入登记、使用管理、交通违法及事故处理、法律责任认定等方面进行全链条立法，并积极推动自动驾驶在更多细分场景的商业化应用推广；三是加快推动车辆测试准入、产品准入、运营准入等标准建立；推动道路基础设施标准之间、道路基础设施与车标准之间以及跨域标准的互联互通。

促进算力资源高效共享，提升算力资源利用效率。大模型的引入对算力资源提出了新的需求，自动驾驶企业在算力资源方面的成本不断攀升，如何避免因算力资源短缺限制企业发展极其重要。为应对此问题，建议国家统筹公共算力资源建设，形成国家级、区域级算力集群，改变智算建设“小、散”局面，集中建设一批智算单一大集群。同时促进产业协同，推动不同行业之间闲置算力资源的共享。

充分释放数据价值，支撑自动驾驶算法迭代。此前，基于“双智”、车联网先导区等试点的建设，城市积累了大量的路侧数据、车端数据以及城市端数据，建议由政府或研究机构牵头，以课题等形式，组织车企、解决方案商、数据企业等共同参与，在1-2个城市探索数据如何赋能自动驾驶价值提升，促进车企模型和算法快速迭代。同时引导企业尽快提高自身算法等技术能力，充分释放每个数据的价值。

建立健全安全监管体系，为自动驾驶行业保驾护航。一是加强数据监管体系，智驾汽车产业的后台数据数量十分庞大，且涉及多个行业领域，关系国家安全组成部分，应加强数据采集、处理、传输、使用全链条的合规合法。二是加强全过程的自动驾驶车辆监管体系，建设自动驾驶汽车监管平台，对自动驾驶汽车产品、服务及其供应链存在的网络安全风险和数据信息安全风险进行监督管理，确保车辆行驶全过程监管及责任事故的可追溯。

加快融合技术创新和商业模式探索。自动驾驶以及车路协同产业链企业应与高校、科研机构等开展深度合作，强化与人工智能、大模型等领域的跨产业协同，加快技术更新、降低产品成本，探索形成差异化的市场竞争方案，构建完善融合生态系统。同时积极推动车路协同实质性地向车路城协同转变，以城市更多的应用需求推动大数据、大模型、大算力等技术的落地，新技术的应用也能系统化解决车辆出行安全与效率低、交通拥堵、停车难和城市治理水平不高等瓶颈问题，探索形成可复制、可推广的新商业模式。