知名投資人周航近日撰文，基於其作為特斯拉車主的長期親測體驗，深入剖析了 FSD（全自動駕駛）為何能保持領先。他提出一個核心觀點：特斯拉是世界上第一個完整跑出“智慧複利”的公司，其領先並非來自單一技術，而是一套系統性的 AI 能力飛輪。
周航在文中透露，自從 FSD V12 引入以來，在他的實際使用中，系統承擔駕駛任務的比例已超過 99%。從 2024 年初的 V12 到 2025 年 10 月起的 V14，每一代都有肉眼可見的提升，OTA 推送頻率也越來越高。他甚至表示，為了用上支援最新系統的 HW4 硬體，不惜將 Model X 換成 Model Y。這種高頻進化，已經根本性地改變了他的駕駛習慣乃至生活方式。
文章指出，在絕對的自動駕駛面前，汽車原有的價值體系正在失效。過去一百年，汽車的價值維度都圍繞“車裡坐著一個正在開車的人”這一前提設計，座椅包裹感、內飾豪華、人機互動都是為了減輕駕駛負擔。當這個前提消失，這些價值便隨之歸零。周航比喻道，就像觸控式螢幕出現後，沒人再討論手機鍵盤手感——不是鍵盤變差了，而是評價鍵盤的理由沒有了。
那麼，FSD 憑什麼領先？周航分析，特斯拉靠的並非外界常說的“端到端”和“純視覺”口號本身，而是其背後的系統性能力。他詳細梳理了 FSD 的版本演進：V12 首次用端到端神經網路替代傳統模組化流水線，讓模型直接從真實人類駕駛軌跡學習；V13 補全了從停車啟動到目的地自動泊車的完整行程；V14 則轉向更難的樣本和更快的反應，其中 V14.3 重寫了車端 AI 編譯器和執行時，使反應時間提升 20%。
關於算力，周航認為車端晶片算力低是結果而非原因。特斯拉 HW3 僅 144 TOPS，HW4 官方未公佈，業內估算在幾百 TOPS，遠低於國內動輒上千 TOPS 的標稱值。但真正的算力在雲端。他引用特斯拉自動駕駛團隊 Phil Duan 在 CVPR 上首次公佈的訓練算力曲線（按 H100 等效卡數）：2024 年中約 9 萬張，2025 年全年 10 萬到 12 萬張，2026 年 3 月約 14 萬張，2026 年 6 月約 28 萬張，一個季度翻倍。相比之下，國內全部可查的智駕算力約 9 萬張，僅為特斯拉的三分之一，且其中三分之二來自華為一家。
周航強調，通往自動駕駛的公司，首先必須是一家 AI 公司。特斯拉把駕駛問題定義成了 AI 問題，把車定義成了這個 AI 的感測器和執行器，把 28 萬張卡當成了核心生產資料。一家汽車公司可以採購智駕方案，但採購不來這種定義方式。
他借用曾鳴教授新書《智慧》中的概念“智慧複利”來解釋特斯拉的領先：AI 系統在執行任務中獲得真實世界反饋，促進智慧度提升，進而執行更復雜任務，獲取更多反饋，形成正向迴圈。在 FSD 中，約 700 萬台車的車隊每天產生約 500 年的駕駛時長，但隨機取樣影片 90% 無用，真正有價值的是模型輸出與人類司機操作不一致的片段。每一台在路上跑 FSD 的客戶車，都在自動給下一版模型標註“我哪裡還不行”。這些片段被雲端大模型離線自動標註，生成三維真值，進入訓練，產出更好模型，再推送到更多車上，暴露更多不一致——下一輪本金更大。
周航認為，這個迴圈成立需要四件事同時為真：迭代速度（從失敗樣本到新版本部署的時間）、統一的硬體（攝像頭位置和計算平台統一，模型可直接部署到幾百萬輛車）、一致性分發（直營和 OTA 繞過經銷商）、資料工程（從海量正常駕駛中找出高價值異常的能力）。缺任何一件，複利就退化成單利。
對於國內車企，周航給出評價：小鵬是最接近“特斯拉形態”的整車全棧玩家，但需證明迭代速度和資料工程；地平線是算力底座，但問題在於複利歸誰；Momenta 在多車企環境中商品化演算法和資料閉環，但多車企優勢需制度化。他認為國內追趕不應只堆峰值算力或復刻口號，而要追三個速度：失敗樣本變成可訓練資料的速度、訓練模型變成穩定量產的速度、新版本變成真實使用者反饋的速度。
最後，周航丟擲三句“暴論”：在絕對自動駕駛面前，空間、內飾、豪華、互動價值近乎歸零；通往自動駕駛的公司首先必須是 AI 公司；特斯拉是世界上第一個完整跑出智慧複利的公司。他強調，複利最微妙之處在於前面很多年看起來什麼都不是，但一旦滾起來，體驗領先便是無數微小決策自然、穩定、可預測的結果。