华为小鹏联手"绞杀"特斯拉

国内智驾圈即将迎来“决战紫禁之巅”时刻。

先是小鹏在3月2号的媒体体验日上正式向全球展示第二代VLA智能驾驶系统。再是华为紧接其后、在3月4号发布了“双光路图像级896线”的激光雷达。这两家分别代表两种智驾方案的TOP级公司，终于在各自技术路线的下一步迭代上，刺刀见红了。

我们暂且不讨论华为和小鹏谁才是国内智驾的NO.1，因为场外那个“大象”终于动了——马斯克亲口确认，特斯拉的FSD将于3月或4月获得全面批准、正式入华。

一个是全球公认的T0级智驾方案，两个是中国内卷战场上厮杀出来的、不同技术路线的王者。2026年，三方即将在中国这个全球最大、最复杂的智能驾驶市场上演最刺激的肉搏。

这不是一场简单的技术比拼，而是关乎未来十年智能汽车话语权的生死战。华为用激光雷达筑墙，小鹏用VLA模型押宝，特斯拉则用纯视觉和数据飞轮光速发育。

三种技术路线、三种底层哲学，但只有一个结局、一个赢家。

A. 

要理解这场战争的本质，我们需要先搞明白三家的技术路线到底在争什么。

抛开那些玄乎的技术名词和花里胡哨的名字。智驾方案说到底就是解决一个问题：怎么让车看懂这个世界，并做出正确反应。

华为选择用钞能力解决问题。核心就一个字，堆。尽可能的堆激光雷达。

最新发布的896线激光雷达，堪称车载感知领域的"核弹级"产品。要知道目前主流的激光雷达还在128线、192线徘徊，而华为直接拉高4倍，效果自然也是指数级提升。

暴力堆料的工作原理其实很简单：想象你在一个漆黑的房间里，用手电筒扫描四周。普通激光雷达像是一个手电筒，只能看到模糊的轮廓。而大批量的激光雷达，相当于同时打开了两组超级探照灯，一个广角看全景，一个长焦盯细节，两者叠加形成高清画中画效果。

优点显而易见——可以直接测量汽车周围全向的物体距离和三维轮廓，甚至能在120米外稳定识别高度仅为14厘米的小目标。极高的精准度带来了极其稳定的效果，而且不受恶劣天气影响。

但缺点同样致命，那就是贵，而且死贵。激光雷达单颗成本近千，896线激光雷达目前只搭载在尊界S800和问界M9上。虽然华为表示后续会向合作车企开放，但成本门槛很难突破。

此外，多传感器融合意味着系统极其复杂，对算法融合能力要求极高。而且硬件出厂后，就很难再跟上软件迭代的速度了。

与华为的“堆料”相反，特斯拉做的是减法，即去掉价格高昂的激光雷达，只用摄像头。让汽车像人一样，通过摄像头观看世界、再通过神经网络理解世界。

FSD系统采用纯视觉方案，就是依靠车身周围的8个摄像头捕捉画面，通过端到端神经网络直接输出驾驶指令。这套系统的核心不是"看清"每个物体的精确距离，而是"理解"整个场景的语义和逻辑——就像人类司机开车时，并不会去计算前车的精确距离，而是凭经验判断“这个距离够不够安全”。

优点在于上限极高且成本低廉。特斯拉可以在每辆车上标配摄像头，从而收集海量数据。更重要的是，视觉信息包含丰富的语义信息——交通灯的颜色、路牌的含义、行人的意图，这些都能被神经网络学习理解。一旦算法成熟，其泛化能力和场景适应性将远超激光雷达方案。

但缺点在当下同样明显：纯视觉方案对算法的依赖度极高，需要海量数据喂养。在国内，这套系统还面临水土不服的严峻挑战——中国道路的复杂程度全球罕见，电动车流密集、临时信号灯频繁、非机动车混行、加塞插队成风等等，这些都是纯视觉方案的短板。因为它“没见过”，自然就“看不懂”，所以测试时常出现误闯黄灯、压实线变道、无法识别待行区等毛病。

相比特斯拉，小鹏就更聪明也更“鸡贼”了。VLA方案的工作原理和特斯拉的纯视觉高度相似：引入语言模型，让系统不仅能感知环境，还能“理解”环境中的语义信息。比如看到“前方施工”的路牌，系统能读懂文字含义，而不仅仅是识别出“这是一个牌子”。

而且新发布的第二代VLA还实现了飞跃：第一代VLA像是带了个翻译官，先看画面、翻译成文字描述，再根据文字思考怎么做。第二代VLA则是直接“看懂”画面，像人类一样凭直觉反应，省去了中间环节。

优点在于极高的场景适应性和上限。通过海量数据喂养，VLA可以学习到国内车道上那些不讲武德的行为，比如强行加塞、鬼探头、电动车逆行等。这些难以规则化的场景，恰恰是数据驱动模型的强项。小鹏的目标是实现“人车一体”，让智驾系统像老司机一样，对于复杂路况下意识做出最正确的反应。

缺点在于技术难度极高且需要长期投入。VLA模型参数量巨大，对车端算力和云端训练基础设施要求极高。此外，作为新兴技术路线，其稳定性和安全性仍需时间验证。小鹏选择这条路线，等于是在和特斯拉进行一场“看谁的有效数据多、看谁的车载算力强”的军备竞赛。

B. 

详细说明了三种路线的优劣，我们就可以聊聊这几年智驾圈里一个有意思的问题了：为什么国内车企在宣传自家智驾方案时，很少直接对比特斯拉FSD，甚至刻意回避提及这个名字？

其实这种集体沉默的背后，一是特斯拉FSD太远、被隔离在外。二是深深的忌惮，并非忌惮特斯拉、而是忌惮这种技术路线的高成长性。

目前特斯拉在全球拥有超过500万辆搭载智驾系统的车，每天收集的驾驶数据以千万公里计。更重要的是它的“数字孪生”：不管车主有没有开启智驾，系统都会在后台模拟决策、同时对比人类驾驶员的实际操作。一旦双方的决策出现不同时，系统会很快察觉并将这一数据上传至云端，由超脑分析对错。

等于说，所有特斯拉的车主都是它的免费试车员。这种数据收集能力是任何对手都难以企及的。

而且传统的智驾系统是基于工程师写下的成千上万条规则：如果遇到红灯，则停车；如果前车减速，则保持车距等等。这种方式上限很低，因为现实世界太复杂，规则永远写不完。特斯拉FSD则完全不同，它模仿人类大脑，让系统自己学习"什么是好的驾驶"，再加上试车员们不断上传的数据，它的迭代速度超乎想象的快。

所以，国内车企真正忌惮的不是FSD今天的表现，而是它明天的潜力。想象一下，当FSD在国内跑上千万公里后，将成为"最懂国内路况"的智驾系统。这种本土化优势一旦建立，会陷入“销量高—数据多—模型聪明—体验好—销量高”的正向循环。

这才是让国内车企恐惧的虹吸效应。智驾是一个赢家通吃的市场，用户只会选择最好用的那个。

C. 

听起来很先进、很恐怖。但问题来了：假如这条技术路线毫无缺陷，国内厂商们为什么不亦步亦趋的学呢？

答案是国内驾驶环境的地狱级难度。

比如说国内司机的加塞技术全球闻名。在高速匝道、拥堵路段，车辆之间的距离往往只有几十厘米，变道时机稍纵即逝。智驾系统如果过于保守，将永远被加塞。如果过于激进，又容易引发事故。这种即时“博弈”每秒钟都在变化，纯视觉方案根本学不过来。

再比如说北方的沙尘暴、南方的暴雨、长江中下游的团雾，这些极端天气会严重削弱摄像头的效能。纯视觉方案在这些场景下几乎"失明"，但激光雷达的优势就凸显出来了。

面对这种基数庞大、场景复杂、FSD难以处理解决的情况，华为和小鹏选择了两条最适合本土生态的路径：

华为的策略是"以力破巧"。既然国内路况复杂，那我就用最强的感知硬件，确保在任何情况下都能“看清”。通过多传感器融合，构建一个"无需学习，直接探测"的感知体系。不管AI见没见过这个场景，雷达都能把物体的形状、距离、速度测出来，交给系统做综合决策。这种"硬感知"能力，是应对中国复杂路况的最稳妥方案。

小鹏则选择了"以巧破力"。既然规则写不完，那就让AI自己去学，直接理解视觉信号背后的物理规律。让系统自己推理出"这个电动车可能要闯红灯"、"那辆车想加塞"这种复杂场景。再加上大量的本土数据训练，建立起"最懂中国路况"的智驾系统。

两条路线都打在了FSD最薄弱的点上。在FSD落地国内之初，必然会有一个长期的、适应的、学习的过程。语言模型的本土化、交通规则的适配、极端场景的训练，这些都需要时间。而这个过程，恰恰是它的软肋所在。

华为、小鹏、甚至比亚迪，都不会放过这个机会。

FSD入华，最大的可能也就是成为一条鲶鱼。它的存在，保证了国内厂商的技术水平下限不会太低；但上限，在没有重大技术突破的情况下，已经被华为、小鹏们锁死了。

这不是对特斯拉的轻视，而是对中国智能驾驶产业竞争力的客观预估。在这片全球最卷、最复杂、最残酷的市场上，能够活下来的，都是身经百战的老油条。FSD面对的不是一个对手，而是一整个生态的围剿。

这场"绞杀"的剧本，在FSD落地之前，就已经写好了。