0
2025年4月，华为在上海发布了乾崑ADS 4.0，宣布高速L3级自动驾驶商用方案正式落地。几乎同一时间，特斯拉的FSD V13正在北美Early Access用户手中快速迭代——从任意停车位自主出发，无需建图即可完成泊车入位。
两套系统隔着太平洋遥遥对望。一套代表硅谷的极简主义哲学：砍掉激光雷达、删光40万行规则代码，让一个神经网络从头学到尾。另一套代表中国工程的冗余思维：激光雷达加摄像头再加毫米波，每个传感器都是安全网的一根绳索。
这不是简单的"谁更强"的问题。这是两种工程哲学的碰撞，也是中美两国在智能驾驶领域最深层次的技术路线分歧。而随着2026年FSD入华进程加速和AI5芯片量产上车，这场原本各自发展的平行线即将在中国市场迎来第一次真正的交手。
全球累计行驶16亿英里的纯视觉系统，与11家车企22款在售车型的多传感融合阵营，谁能先触达L4的天花板？答案可能比大多数人想象的更复杂。
要理解FSD为什么让整个行业坐不住，得先看它做了什么。
2023年8月，马斯克直播展示了FSD V12的第一个测试版。那是行业里第一个真正意义上的端到端自动驾驶系统——输入是摄像头的视频流，输出直接是方向盘转角和油门刹车指令。中间没有感知模块、没有决策模块、没有规划模块，只有一个巨大的神经网络在做"看到画面→决定怎么开"这件事。
在此之前，传统自动驾驶系统的架构像一座层层审批的政府大楼：摄像头看到的画面先经过"感知部门"识别出车道线、车辆、行人；然后传给"预测部门"判断这些物体下一秒会去哪；再交给"规划部门"计算最优路径；最后由"控制部门"执行转向和加减速。每一层都有自己的规则代码，特斯拉在V12之前的版本里积累了超过40万行C++代码来处理各种场景。
V12把这一切推翻了。40万行规则代码被压缩到接近于零，取而代之的是纯数据驱动的神经网络。效果如何？根据公开报道，FSD用户的干预频率（MPI，即平均每次人工接管之间行驶的里程数）在V12推送后出现了数量级的改善。
半年后发布的V13则更进一步。这是第一个专门为HW4原生优化的版本。之前V12虽然能在HW4的车上运行，但本质上还是在用新硬件跑旧模型。V13彻底重构了底层架构，支持全分辨率36Hz的视频输入，甚至加入了音频输入通道。
特斯拉AI部门的一位高级工程师这样形容V13的代码："看上去很像猛禽V3火箭发动机，非常干净。"这句话的信息量很大——它意味着特斯拉不仅在减少代码量，更在追求一种极端的架构纯净度。
但纯净不等于完美。在实际路测中，FSD仍然会出现令人意外的失误——比如有评测者记录到车辆"怒闯左转红灯"的情况。这恰恰暴露了端到端方案的深层挑战：当一个系统完全依赖数据驱动时，它的上限取决于训练数据的覆盖广度和质量，而真实世界的长尾场景几乎是无限的。
2025年10月，特斯拉发布FSD V14，整合了Robotaxi项目的技术，采用端到端神经网络架构，模型参数量较前代大幅提升，并将导航与路径规划深度整合。2025年12月31日，一辆搭载该系统的Model 3在无人为干预下完成了全程约4397公里的自动驾驶横穿美国行程。
如果说特斯拉的答案是"少即是多"，那华为给出的答案是"多一层保障就多一分安全"。
2025年4月22日，华为在上海发布乾崑ADS 4.0。这次发布会传递的核心信息很明确：高速L3级自动驾驶商用解决方案正式落地。这意味着搭载ADS 4.0的车辆在高速公路上已经可以在特定条件下实现法律意义上的L3级自动驾驶——驾驶员不需要全程注视前方，出了事故责任由车企承担。
这是一个里程碑式的宣告。因为到目前为止，全球范围内能够提供商用L3方案的供应商屈指可数，奔驰和本田分别在德国和美国获得了有限度的L3认证，而华为直接把战场选在了路况复杂程度远超欧美的高速公路网络上。
ADS的技术路线与FSD截然不同。它采用的是多传感器融合方案：激光雷达负责精确测距和三维重建，摄像头负责语义理解（红绿灯、交通标志、车道类型），毫米波雷达负责速度探测和在恶劣天气下的兜底感知。三组传感器各自输出结果后，经过融合算法交叉验证，最终输出统一的感知结论。
这种设计的核心逻辑是冗余即安全。当摄像头因为强逆光暂时致盲时，激光雷达仍然可以准确探测前方障碍物；当激光雷达因为暴雨产生噪点时，毫米波雷达可以穿透雨幕确认目标存在。任何一个传感器的失效都不会导致整个系统的崩溃——就像飞机的双引擎设计，一个失效另一个仍能维持飞行。
ADS 4.0的另一项重要突破是"无图城市NCA"——不再依赖高精地图就能在城市环境中开启导航辅助驾驶。这对中国市场的意义格外重大，因为中国的城市道路改造频率极高（据统计部分一线城市年均道路变更率达15%以上），高精地图的更新成本和维护难度远高于欧美国家。华为选择走无图路线，本质上是适应中国本土环境的务实选择。
截至2026年初的数据，华为乾崑智驾的合作版图已经扩展到11家车企、超过22款在售车型。从赛力斯问界系列到奇瑞智界，从长安阿维塔到北汽享界，再到岚图和东风猛士，华为正在以"不造车"的方式渗透进中国汽车产业的每一个关键节点。其官方发布的安全报告显示，搭载乾崑智驾的车辆每10万公里的碰撞率比行业平均值低30%以上。
而ADS 5.0的研发已经在紧锣密鼓地进行中。按照华为披露的路线图，5.0版本将支持L4级无图自动驾驶，预计2026年推出。单版本研发投入高达100亿元——这个数字本身就是一个信号：华为在这个赛道上的投入力度不是"试试看"，而是all in。
把FSD和ADS放在一起比较，很容易陷入"谁更好"的简单二元判断。但这种判断忽略了一个更重要的问题：它们解决的不是同一个问题，或者说，它们对"什么才是好的自动驾驶"有着根本不同的定义。
特斯拉的逻辑链条是这样的：
人类的驾驶行为本身就是端到端的——眼睛看到路面信息，大脑直接做出操控决策，中间不存在"先感知再规划再控制"的分阶段过程。既然人类能靠视觉开车，那机器也应该能做到。而且如果采用多传感器融合，不同传感器之间的数据校准和融合本身就是巨大的工程负担，增加了系统的复杂度和潜在故障点。所以最优解是：只用摄像头 + 端到端大模型 + 海量数据训练。
这套逻辑有一个隐含前提：只要数据量够大，模型够强，纯视觉就能达到甚至超越人类驾驶水平。而从目前的证据来看，这个前提正在被逐步验证——FSD的干预频率确实在持续下降。
华为的逻辑链条则是这样的：
自动驾驶首先是一个安全问题，然后才是一个体验问题。在任何情况下，安全性都不应该依赖于单一技术路径的成功。激光雷达提供的绝对深度信息是视觉无法替代的安全冗余，尤其是在高速公路这种容错率极低的场景下。此外，中国的路况复杂度（人车混行、非标交通参与者、高频道路变更）远高于美国郊区为主的使用环境，多传感器融合在中国市场具有天然的适应性优势。再加上高精地图从有图到无图的渐进式过渡策略，可以让系统在每个阶段都保持可控的安全性边界。
这两套逻辑谁更有道理？答案可能是：都对，但适用场景不同。
在美国，FSD面对的是宽阔的高速公路、规范的路口设计和相对简单的城市路况。纯视觉+端到端的方案在这种环境下如鱼得水——数据集中、场景重复度高、长尾问题相对可控。而在中国，自动驾驶系统需要应对狭窄胡同里的电动三轮车、突然横穿马路的行人、施工围挡导致的临时改道，以及每三个月就可能翻修一次的城市主干道。在这种环境下，激光雷达的多一层感知能力和无图方案的灵活适配性，可能比纯粹的算力堆叠更有实际价值。
这也是为什么FSD入华后的表现将成为真正的试金石。如果纯视觉端到端在中国复杂路况下能达到接近北美的水准，那将是对特斯拉技术路线最有力的背书。反之，如果入华后FSD频繁出现水土不服，那多 sensor 融合阵营的合理性将得到进一步强化。
抛开技术细节，FSD和ADS各自的真正护城河其实不在芯片或算法层面，而在数据生态和商业模式的构建上。
特斯拉的数据飞轮逻辑：每一辆在路上跑的特斯拉都在采集驾驶数据并回传云端用于模型训练 → 更好的模型通过OTA推送到所有车辆 → 驾驶体验提升吸引更多车主购买/订阅FSD → 更多车辆上路采集更多数据。这是一个经典的正向循环。截至2025年的数据，特斯拉全球保有量已超过700万辆，其中相当一部分开通了FSD功能（具体比例未公布，但按北美约70%的选配率估算，全球FSD激活车辆可能在300-400万辆量级）。这意味着每天有海量的真实驾驶数据在源源不断地流入特斯拉的训练管道。
更重要的是，特斯拉采用的是"影子模式"——即使FSD没有被激活，后台的神经网络也在实时运行并输出自己的驾驶决策，与人类司机的实际操作进行比对。当两者的差异超出阈值时，这段数据就会被标记为"有价值样本"上传。这意味着即使没有开通FSD的特斯拉车主也在不知不觉中为特斯拉的模型进化做贡献。这种数据采集效率是其他任何厂商都无法复制的。
华为的生态壁垒逻辑：华为的优势不在于自有车辆的保有量（毕竟华为自己不造车），而在于合作车企的广度和深度。11家车企、22款在售车型意味着ADS系统正在以远超特斯拉的速度扩大装车量。虽然这些车的数据不一定都能回传给华为统一训练（各家车企的数据政策不同），但在以下方面华为建立了独特的优势：
第一，本土化的数据闭环。华为与中国主要城市的交管部门和高精地图服务商建立了深度合作关系，能够获取到特斯拉难以触及的路网数据和交通规则更新。第二，整车控制的深度整合。ADS不仅是智驾系统，还与华为的鸿蒙座舱、数字底盘（XMC引擎）实现了跨域融合——悬架可以根据路况预判提前调整软硬，大灯可以根据导航路线提前照亮弯道方向。这种整车级的能力整合是单一智驾供应商很难做到的。第三，法规层面的先发优势。ADS 4.0已经拿到了高速L3商用的准入许可，这意味着在合规运营这条路上，华为比特斯拉领先了至少一到两年。
两种护城河各有千秋。特斯拉赢在数据的纯粹性和模型的迭代速度上，华为赢在生态的完整性和本土化落地能力上。短期内谁也吃不掉谁。
站在2026年这个时间节点往未来看，有三件事将从根本上影响FSD与ADS竞争格局的走向。
第一，FSD入华的时间和质量。
这是当前最大的不确定性变量。马斯克多次公开表示FSD将在2026年获得中国监管部门的批准并推向中国市场。但如果入华后的FSD需要针对中国路况进行大量本地化适配——包括重新训练模型以适应左侧通行、复杂的路口博弈和非标交通参与者——那么入华初期版本的体验可能不会太惊艳。参考特斯拉Autopilot在欧洲市场的表现，从美国版本到本地化成熟通常需要一年以上的时间窗口。而这个时间窗口恰好是中国本土智驾系统快速进化的关键期。如果FSD入华时ADS已经演进到5.0版本并实现了城市L4级别的可用性，那FSD面临的竞争压力将是前所未有的。
第二，AI5/HW5芯片上车后的能力释放。
雷峰网(公众号：雷峰网)此前的文章<mention-doc token="IywgdCS1dojqsUxUT89ctcytnbg" type="docx">HW5.0智驾硬件解析：纯视觉方案还能领先多久？</mention-doc>详细分析过，特斯拉的下一代智驾芯片AI5拥有2000-2500TOPS的惊人算力，是HW4的3-5倍、HW3的近20倍。这块芯片预计将在2026年大规模搭载到新款Model Y等车型上。更大的算力意味着可以部署参数量更大、推理精度更高的大模型，而这正是端到端方案的上限所在——模型越大，对长尾场景的理解能力越强。如果AI5上车后FSD的能力出现又一次代际跳跃，那纯视觉路线的可信度将被大幅增强。反之，如果算力翻倍但体验改善有限，那行业对"算力崇拜"的质疑声就会越来越响。
第三，L3/L4法规落地的节奏和标准。
目前全球范围内关于L3及以上级别自动驾驶的责任认定框架仍在完善中。中国在这方面采取了相对审慎的态度——允许L3在限定场景（高速公路）下先行试点商用，但对L4城市自动驾驶的开放持谨慎态度。如果2026年-2027年间中国在L3/L4法规上取得突破性进展（比如明确责任划分细则、建立保险配套体系），那拥有L3商用经验的华为ADS将享受先发红利。而如果法规推进速度慢于预期，那大家都在L2+的赛道上继续内卷，FSD的订阅制商业模式反而可能展现出更强的盈利能力。
回到文章开头的问题：纯视觉端到端和多传感融合，谁离L4更近？
也许正确的答案不是"谁"，而是"在不同的市场和时间窗口里，两者都可能先后触达"。FSD大概率会在北美率先实现可商用的L4级能力——那里的路况足够友好，数据积累足够深厚，法规环境也相对宽松。
而ADS则有望在中国市场率先完成从L3到L4的跨越——这里有最复杂的路况作为最好的训练场，有多传感器融合带来的安全冗余作为监管放心的基础，还有整车生态整合带来的差异化竞争力。
两条路，通向同一个终点。区别只在于，谁先到达，以及到达之后能不能守住。
（雷峰网新智驾北京车展2026专题）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
