5月21日，特斯拉通过海外社交媒体宣布，监督版FSD（Full Self-Driving Supervised）已在中国等10个国家和地区开放使用。车主群沸腾了一晚上，第二天我去上海长宁一家特斯拉交付中心问销售，对方摊手："系统里还没看到推送名单，您可能还得等。"
21经济网次日报道了同样的情况——官方宣称落地，一线门店普遍反馈暂未收到大规模推送通知。这种"来了"又"没完全来"的状态，恰恰是FSD在中国落地节奏的真实写照：合规审查、数据本地化适配、分批灰度推送，每一步都在收紧。
砍掉40万行代码之后
V13是特斯拉端到端（End-to-End）架构的产物。雷峰网的对比报道提到，这套硅谷极简主义方案砍掉了约40万行规则代码，让一个神经网络从摄像头像素输入直接学到方向盘转角输出。过去的智驾系统靠"If-Else"逻辑判断，遇到没见过的场景就容易卡壳。
北京亦庄早高峰是个不错的试金石。电动车、外卖骑手和行人交织在一起，车道线被占用是常态。传统规则系统碰到非机动车借道，往往因为"未检测到明确车道线"而急刹或犹豫。V13的反应更像一个开了几年车的老司机——它会观察周围车辆的微小位移，提前预判意图，然后平滑避让，而不是死守车道线等到最后一刻踩死刹车。
这种泛化能力来自海量视频训练。不需要高精地图，不需要为每一条虚线重新标注，模型靠"物理直觉"理解什么是让行、什么是抢行。但黑盒决策的代价也摆在那：当车辆做出一个看似冒险实则合理的变道时，坐在驾驶座上的人能不能信任神经网络的判断？这个问题目前没有标准答案。
数据留在境内，路感从零学起
FSD在中国跑起来，技术不是最难的关卡，数据才是。品玩此前报道，特斯拉为FSD入华建立了中国数据中心，所有中国用户的驾驶数据均在境内存储和处理。这意味着V13在中国学到的"路感"，完全基于中国路况。
优势在于，模型能拟合中国特色场景——加塞、环岛、无信号灯路口，这些北美路测数据里稀缺的工况，中国马路上随处可见。包袱在于数据闭环效率。华为、小鹏等本土车企拥有更密集的测试车队和更快的OTA节奏，特斯拉的数据收集和迭代速度需要时间追赶。
"监督版"三个字也值得琢磨。驾驶员必须随时准备接管，法律责任界定尚未完全清晰。这与Robotaxi追求的完全无人驾驶是两回事。特斯拉选了一条折中路线：先让系统跑起来，用人类监督换合规空间。
鲶鱼游进内卷的池子
中青在线6月3日的评论用了一个词——"智驾鲶鱼"。特斯拉入局前，华为乾崑ADS、小鹏XNGP等本土方案已经在无图城市NOA上跑出了第一梯队。今年4月，华为在上海发布乾崑ADS 4.0，宣布高速L3级自动驾驶商用方案落地。几乎同一时间，特斯拉FSD V13在北美Early Access用户手中快速迭代，从任意停车位自主出发，无需建图即可泊车入位。
两套系统隔着太平洋对望。一套砍掉激光雷达、删光规则代码，让神经网络从头学到尾；另一套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"，而是两种工程哲学的碰撞。
对消费者来说，现在不必着急等推送。特斯拉已在9个城市急招智驾人才，月薪最高3万元——这既是人才争夺，也是数据标注和算法优化的前置布局。FSD V13在中国的全面推送，大概率还要经历几个月的灰度测试。等技术验证和法规边界都跑明白了，坐在驾驶座上的人才能真正放松一只脚。
