对特斯拉 FSD（完全自动驾驶功能）V13.2.2 版本进行了 3 天 15 小时超 500 公里的深度体验，在美国洛杉矶的多种场景下测试其性能，并对比中国智能驾驶情况分析其进入中国面临的问题，具体内容如下：

1. 车位到车位功能表现

• 原地启动与窄路脱困：FSD V13.2.2 更新倒车能力后，原地启动时可灵活规划路径，在窄路有较强脱困能力，如在狭小路径和死胡同也能成功掉头，但在极窄死胡同曾被困住。且在小路上优先选择其他方式而非掉头，表现出一定智能性。

• 停车场表现不佳：在大型露天停车场和地库场景表现差，依赖车辆传感器和导航，因导航在停车场不准确且无法识别地面箭头文字信息规划路径，常像走迷宫，进入停车场后能否泊入车位也具随机性。测试发现其最信任目的地 GPS 坐标，常忽略导航路线自行规划，有抄近道惊喜或进死胡同惊吓的情况。这是由于特斯拉未规划车位到车位功能，只是新模型训练副产品。

2. 公开道路表现出色

• 稳定性和响应速度优势： 三天几百公里仅主动接管一次，车辆轨迹和方向盘稳定，无多余摆动。红绿灯响应速度上，红灯变绿到车机显示平均 0.373 秒、到车辆加速到 1 英里每小时平均 1.41 秒，相比华为 ADS 3.0、小米端到端和智己端到端有一定优势，且在动态场景决策速度快，如能迅速利用车道空挡、处理连续变道超车时机合理。

• 适应美国交通规则： 很好理解美国交通规则及隐含逻辑，如在 stop 标志、行人过马路、支路让行等场景表现合规，还会灵活借用自行车道和临停车道超车，虽部分行为涉及压实线但在加州等州属轻微违规，甚至能压双黄线合法进入加油站，展示出对法规的准确把握。

3. 存在严重 bug： 无法应对大逆光，不能有效识别闸机抬杆、两根立柱间铁链和路沿等，这些问题在全量推送版本中存在，影响使用安全。

4. 与中国智能驾驶对比及入华挑战

• 研发环节分析： FSD 预训练出色，但过去特斯拉在中国基本不做本土化微调。鉴于中美路况、交通参与者和路口情况差异大，不微调直接入华体验会差，需全面微调模型并合理定价才能参与竞争。

• 技术细节探讨： FSD 可能通过导航地图潜融合模型训练实现看到摄像头视野外道路，其研发策略倾向端到端模型，可能放弃专项问题定义和修复，转向端到端收敛问题范式，但自 2022 年 AID 后特斯拉不再披露 FSD 研发细节。

原视频：