特斯拉在中國啟用 AI 訓練中心以助力 FSD 願景
特斯拉（Tesla）採取了果斷行動，正式在中國啟用了一座專用的 AI 訓練中心，以鞏固其在這個全球最大電動車市場的地位。此進展已由特斯拉全球副總裁陶琳（Grace Tao）證實，標誌著該公司在遵守中國嚴格的數據主權（Data Sovereignty）法規的同時，部署全自動駕駛（Full Self-Driving，FSD）能力的策略發生了關鍵轉向。
多年來，驅動特斯拉神經網路的「數據飛輪（Data Flywheel）」在北美迅速運轉，但在中國卻因跨境數據傳輸限制而面臨摩擦。有了這座新設施，特斯拉（Tesla）現在可以於在地處理數據，完成了與小鵬（Xpeng）和華為（Huawei）等激進國內對手競爭所需的開發閉環。
策略轉向：從模擬到在地運算
該中心的啟動解決了特斯拉在亞洲自動駕駛（Autonomous Driving）開發長期以來的瓶頸。中國的網絡安全法嚴格禁止出口地圖和駕駛數據，這實際上切斷了特斯拉位於美國的超級電腦與中國道路上數百萬輛車產生的豐富且混亂的數據集之間的聯繫。
此前，正如執行長馬斯克（Elon Musk）所指出的，特斯拉依靠模擬和公開的網路影片來訓練其中國的進階駕駛輔助系統（Advanced Driver Assistance Systems，ADAS）模型。這種折衷方案雖然具有創新性，但缺乏中國交通特有的真實世界邊緣案例（Edge Cases）的保真度，例如密集的電動機車流、複雜的路口和非標準的路標。
根據陶琳的說法，新中心擁有「足以支持輔助駕駛功能開發的算力」。雖然具體的浮點運算次數（Teraflop）數據尚未披露，但該設施的運作狀態暗示特斯拉現在正積極利用本土數據訓練其神經網路。這一轉變使系統能夠直接從當地駕駛者的行為和路況中學習，以地面實況學習（Ground-truth learning）取代了高度依賴模擬的近似值。
加速反饋循環
建立在地訓練基礎設施對於特斯拉在 FSD v12 及更高版本中所追求的「端到端（End-to-End）」神經網路架構至關重要。在這種架構中，系統攝取影片作為輸入並輸出控制指令，繞過了硬編碼的啟發式規則。這種方法需要海量的特定區域影片數據來實現有效的泛化。
新中心的關鍵技術優勢：
- 延遲降低（Latency Reduction）： 實現快速的迭代循環，從車隊收集的數據可以在不離開國境的情況下進行攝取、標註和訓練。
- 場景針對性（Scenario Specificity）： 能夠針對「中國特有」的邊緣案例進行模型微調，例如激進的切車（Cut-ins）或獨特的道路標線。
- 合規性（Compliance）： 完全遵守工業和信息化部（MIIT）關於數據在地化的指令。
邁向 L3 級自動駕駛的競賽
特斯拉此舉正值中國自動駕駛領域的領先窗口期開始收窄之際。國內車企並未等待特斯拉追趕；他們從第一天起就積極部署基於在地數據訓練的 L2+ 和 L3 級系統。
2026 年，預計將有數千輛來自中國製造商、具備 L3 能力的車輛上路，這些車輛利用高精地圖和光學雷達（LiDAR）——後者是特斯拉明確拒絕使用的感測器。競爭格局已從純粹的電動車硬體轉向軟體霸權。
下表概述了特斯拉與其主要中國競爭對手在自動駕駛就緒程度方面的現狀。
表：特斯拉 FSD 與中國主要競爭對手比較
| 功能/指標 | 特斯拉 (FSD/智能輔助駕駛) | 國內對手 (小鵬/華為 ADS/理想汽車) |
|---|---|---|
| 訓練數據來源 | 此前為模擬；現正轉向在地真實世界數據 | 在地真實世界數據（原生優勢） |
| 感測器方案 | 純視覺（攝影機） | 融合感知（攝影機 + 光學雷達 + 毫米波雷達） |
| 地圖策略 | 無圖（即時感知） | 高精地圖（高精度）+ 無圖混合方案 |
| 目前可用性 | 受限（「智能輔助駕駛」） | 城市 NOA（自動輔助導航駕駛）已廣泛部署 |
| 付費模式 | 正轉向訂閱制（2026 年 2 月） | 綑綁銷售或多種訂閱變體 |
商業與監管路線圖
儘管新訓練中心標誌著技術上的就緒，但監管時間表仍不明朗。雖然馬斯克對 2026 年初獲得 FSD 批准表示樂觀，但當地報導顯示北京方面的態度更為謹慎。目前，特斯拉在中國提供的功能套件被命名為「智能輔助駕駛（Intelligent Assisted Driving）」，這極有可能是為了管理消費者預期和符合監管合規而採用的稱呼。
在商業上，特斯拉正在統一其全球變現策略。據報導，從 2 月 14 日起，該公司將停止 FSD 的一次性購買選項，全面轉向訂閱模式。此舉降低了中國消費者的准入門檻，有可能提高採用率，進而增加流入新訓練中心的訓練數據量。
Creati.ai 洞察：算力方程式
從 AI 基礎設施的角度來看，該中心的運作不僅僅是一項合規性的勾選練習；它是對特斯拉在美國以外複製其 Dojo 超級電腦架構能力的考驗。
該中心的效能將很大程度上取決於可用的運算硬體質量。由於美國的出口管制限制了中國實體獲取最高端 NVIDIA GPU（如 H100）的管道，特斯拉是否在限制措施前採購了足夠的硬體，或者他們是否正在利用作為專有解決方案的自研晶片（Dojo），仍有待觀察。
如果特斯拉能成功在中國鏡像其美國的訓練閉環，FSD 性能的提升可能是指數級的。然而，他們追逐的是不斷變動的目標。華為等公司正利用其自有的昇騰（Ascend）AI 晶片構建大規模運算叢集，使他們免受地緣政治硬體危機的影響。特斯拉在中國的成功現在將不僅取決於它售出的汽車，還取決於這座新訓練中心內晶片的效率。
