知名投资人周航近日撰文，基于其作为特斯拉车主的长期亲测体验，深入剖析了 FSD（全自动驾驶）为何能保持领先。他提出一个核心观点：特斯拉是世界上第一个完整跑出“智能复利”的公司，其领先并非来自单一技术，而是一套系统性的 AI 能力飞轮。
周航在文中透露，自从 FSD V12 引入以来，在他的实际使用中，系统承担驾驶任务的比例已超过 99%。从 2024 年初的 V12 到 2025 年 10 月起的 V14，每一代都有肉眼可见的提升，OTA 推送频率也越来越高。他甚至表示，为了用上支持最新系统的 HW4 硬件，不惜将 Model X 换成 Model Y。这种高频进化，已经根本性地改变了他的驾驶习惯乃至生活方式。
文章指出，在绝对的自动驾驶面前，汽车原有的价值体系正在失效。过去一百年，汽车的价值维度都围绕“车里坐着一个正在开车的人”这一前提设计，座椅包裹感、内饰豪华、人机交互都是为了减轻驾驶负担。当这个前提消失，这些价值便随之归零。周航比喻道，就像触摸屏出现后，没人再讨论手机键盘手感——不是键盘变差了，而是评价键盘的理由没有了。
那么，FSD 凭什么领先？周航分析，特斯拉靠的并非外界常说的“端到端”和“纯视觉”口号本身，而是其背后的系统性能力。他详细梳理了 FSD 的版本演进：V12 首次用端到端神经网络替代传统模块化流水线，让模型直接从真实人类驾驶轨迹学习；V13 补全了从停车启动到目的地自动泊车的完整行程；V14 则转向更难的样本和更快的反应，其中 V14.3 重写了车端 AI 编译器和运行时，使反应时间提升 20%。
关于算力，周航认为车端芯片算力低是结果而非原因。特斯拉 HW3 仅 144 TOPS，HW4 官方未公布，业内估算在几百 TOPS，远低于国内动辄上千 TOPS 的标称值。但真正的算力在云端。他引用特斯拉自动驾驶团队 Phil Duan 在 CVPR 上首次公布的训练算力曲线（按 H100 等效卡数）：2024 年中约 9 万张，2025 年全年 10 万到 12 万张，2026 年 3 月约 14 万张，2026 年 6 月约 28 万张，一个季度翻倍。相比之下，国内全部可查的智驾算力约 9 万张，仅为特斯拉的三分之一，且其中三分之二来自华为一家。
周航强调，通往自动驾驶的公司，首先必须是一家 AI 公司。特斯拉把驾驶问题定义成了 AI 问题，把车定义成了这个 AI 的传感器和执行器，把 28 万张卡当成了核心生产资料。一家汽车公司可以采购智驾方案，但采购不来这种定义方式。
他借用曾鸣教授新书《智能》中的概念“智能复利”来解释特斯拉的领先：AI 系统在执行任务中获得真实世界反馈，促进智能度提升，进而执行更复杂任务，获取更多反馈，形成正向循环。在 FSD 中，约 700 万台车的车队每天产生约 500 年的驾驶时长，但随机采样视频 90% 无用，真正有价值的是模型输出与人类司机操作不一致的片段。每一台在路上跑 FSD 的客户车，都在自动给下一版模型标注“我哪里还不行”。这些片段被云端大模型离线自动标注，生成三维真值，进入训练，产出更好模型，再推送到更多车上，暴露更多不一致——下一轮本金更大。
周航认为，这个循环成立需要四件事同时为真：迭代速度（从失败样本到新版本部署的时间）、统一的硬件（摄像头位置和计算平台统一，模型可直接部署到几百万辆车）、一致性分发（直营和 OTA 绕过经销商）、数据工程（从海量正常驾驶中找出高价值异常的能力）。缺任何一件，复利就退化成单利。
对于国内车企，周航给出评价：小鹏是最接近“特斯拉形态”的整车全栈玩家，但需证明迭代速度和数据工程；地平线是算力底座，但问题在于复利归谁；Momenta 在多车企环境中商品化算法和数据闭环，但多车企优势需制度化。他认为国内追赶不应只堆峰值算力或复刻口号，而要追三个速度：失败样本变成可训练数据的速度、训练模型变成稳定量产的速度、新版本变成真实用户反馈的速度。
最后，周航抛出三句“暴论”：在绝对自动驾驶面前，空间、内饰、豪华、交互价值近乎归零；通往自动驾驶的公司首先必须是 AI 公司；特斯拉是世界上第一个完整跑出智能复利的公司。他强调，复利最微妙之处在于前面很多年看起来什么都不是，但一旦滚起来，体验领先便是无数微小决策自然、稳定、可预测的结果。