深度解析特斯拉FSD授權：明明可以3年內救傳統車企，為什麼他們不要？背後的原因發人深省

開場：一扇一直敞開的門，沒人走進去

「我已經警告過他們了，但他們就是不肯接受！這簡直太瘋狂了。」

這是馬斯克在半年前對傳統車企發出的感嘆。特斯拉的 FSD 已經跑了超過一百億英里，授權的大門一直敞開著。但奇怪的是，直到今天，竟然沒有一家西方大廠真正願意走進來。

這背後到底是什麼原因？是特斯拉的方案太難集成、太貴，還是另有隱情？

大家好我是小梗。今天我們要聊的內容，來自 X 博主 Genma 的一篇深度長文。他從硬核的技術視角，拆解了一個讓人費解的現象：傳統車企巨頭明知道自己在自動駕駛這場競賽裡快要輸了，卻依然在拒絕特斯拉伸出的橄欖枝。

為什麼傳統車企所謂的「五年試點計劃」，其實是在浪費寶貴的時間窗口？
他們手裡其實有一張具有巨大議價權的王牌，但為什麼始終沒有打出來？
以及最殘酷的那個現實——當這些巨頭終於想通、放下身段想要求助的時候，特斯拉可能已經不再需要他們了。

原文有非常多的技術細節，我做了一些簡化處理，但保留了核心邏輯鏈條。如果你對具體技術細節感興趣，原文鏈接放在視頻描述區。

好了，我們開講。

FSD「大盒子」：不是一個模塊，而是整車大腦

先把結論放在前面：傳統車企接入 FSD 當然不是「即插即用」那麼簡單，但絕對是完全可行的。作者的估算是，一個稱職的工程團隊大概 9 到 12 個月就能實現基本自駕功能的樣車，兩到三年可以量產。相比完全自研自動駕駛技術，投入和時間成本要低一個數量級。

要理解為什麼，我們得先搞清楚一件事：特斯拉的 FSD 電腦到底是什麼？它跟傳統車企裝在車上的那些「自動駕駛模塊」，根本不是同一個物種。

最簡單的比方：

• 傳統車企造車，就像組裝一臺「老式 PC」。
  CPU 一家供應商，顯卡另一家，聲卡、網卡、硬盤、內存條，各自不同廠家。再加上一堆專門的小芯片，分別負責燈光、空調、座椅、車窗、雨刮器。
  一臺中高端傳統車，車上通常有 70 到 120 個以上獨立控制器，每個都有自己的小 CPU、自己的軟件、自己的供應商。

• 特斯拉不是這麼幹的。特斯拉是把一切都塞進了一個非常重要的「大盒子」，在 Model 3 和 Model Y 上就裝在副駕駛手套箱後面。

這個大盒子裡有兩塊完全冗餘的 AI4 芯片，再加上一顆負責儀表盤和中控大屏的 MCU 芯片。也就是說，開車需要的所有「大腦級」運算，全都在這一個鐵盒子裡完成：

• 攝像頭原始畫面進來
• 識別物體、預測軌跡、規劃路徑
• 計算方向盤要轉多少度、油門要踩多深、剎車要給多大力
• 中控大屏上的 3D 鳥瞰圖、彩色車道線、預測路徑，也都是這個盒子算出來再顯示出去的

那除了這個大盒子，特斯拉車上還有什麼？基本上就只剩下一些非常「笨」的小盒子——「域控制器」，負責本地電源分配、燈光、車窗、座椅、雨刮器這些基礎物理動作。整車真正具備「智能」的大模塊，加上動力電池管理那一套，基本就兩套系統。

聽起來很簡單對不對？但恰恰是這種「極致集成」，給傳統車企帶來了一個非常痛苦的問題。

為什麼「半套替換」根本走不通

特斯拉這個大盒子，相當於替代了傳統車上 8 到 15 個主要電子模塊，包括：

• ADAS 自動駕駛控制器
• 雷達處理模塊、毫米波雷達融合模塊
• 座艙主機、中控娛樂系統
• 儀表盤控制器、聲音控制器、導航主機等等

這意味著：傳統車企不可能說「我把車上原來的 ADAS 控制器拆下來，換上特斯拉的盒子，剩下的中控、儀表盤都保留」。這種「半套替換」在特斯拉架構下根本走不通。

為什麼？因為 FSD 芯片和 MCU 芯片之間，是用極高帶寬、極低延遲的內部通訊連起來的，它們是「連體嬰兒」。

• 你在中控屏看到的 3D 鳥瞰圖、彩色車、行人、路牌，本質上是 FSD 芯片識別出來後，通過內部高速以太網即時丟給 MCU 去渲染。這個數據流帶寬非常高，傳統車上的 CAN 總線根本扛不動。
• 反過來，你在中控上點「導航到上海中心大廈」，目的地、路徑、車道信息會被 MCU 打包成 FSD 芯片能直接讀懂的多模態輸入，餵給神經網絡。在新一代端到端 FSD 裡，這個導航信息甚至直接成了神經網絡的一個輸入張量，跟攝像頭畫面一起處理。

物理上，它們焊在同一塊電路板上；軟件上，深度耦合。你不可能說「我只要 FSD 那一半，不要 MCU 那一半」。這就像「我想買你這個房子，但我只要客廳，不要廚房」——做不到。

這意味著什麼？意味著傳統車企如果要接受 FSD 授權，必須做出一個非常痛苦的決定：

• 把車上原有的中控、儀表盤、ADAS 控制器、雷達處理器、座艙系統，統統拆掉
• 全部交給特斯拉這個大盒子來接管

這不是一個小動作，而是把整車「神經中樞」全部換掉，連帶著：

• 供應商體系
• 軟件團隊
• 驗證流程
• 用戶界面設計

全部推倒重來。對一家傳統車企來說，這是傷筋動骨的程度。

但請記住一個重要的反向邏輯：正是這種「全部替換」，才讓特斯拉方案具備真正的優勢。

• 一臺中等檔次傳統車，各種控制器加在一起，硬件成本 + 線束 + 驗證 + 軟件維護，一輛車的隱性成本就能堆到上千美金
• 換成特斯拉這個大盒子，整車線束重量、整車重量、整車成本、整車故障率都會大幅下降，同時算力反而提高几十倍

這就是為什麼作者說：特斯拉的 FSD 電腦不是一個「升級版 ADAS 控制器」，而是一種從根本上不一樣的造車思路。

理解了這一點，我們就可以進入下一個問題：那如果有傳統車企真的下決心幹這件事，技術上到底要怎麼操作？

三步集成：從「騾子車」到量產車

傳統車企要把特斯拉的大盒子裝到自己一款現有車型上，整個過程大概分三步。

第一步：做一臺能跑的「騾子車」

所謂騾子車（mule），就是隨便拿一臺現成的車，把特斯拉的盒子先粗暴地裝上去，讓它能在測試場跑起來就行。外觀難看沒關係、內飾亂糟糟也沒關係，關鍵是把整套系統從電氣接口到軟件接口都跑通。

這裡有一個關鍵細節：騾子車上的攝像頭位置，要嚴格按照 Model 3 或 Model Y 的位置、高度、角度來安裝。

聽上去有點違反直覺：明明是要做新車，為什麼攝像頭位置要照搬特斯拉的？

因為這是巨大的捷徑。特斯拉的視覺神經網絡是基於幾百萬輛 Model 3/Y 的數據訓練出來的，神經網絡已經習慣了「從這些角度、這個高度看世界」。如果你完全照搬這些位置，神經網絡幾乎不用重新訓練，第一天就能跑得很好。

第二步：從騾子車到「準量產車」

騾子車跑通之後，OEM 就要開始做真正的車型適配了。這裡有兩個核心挑戰：幾何適配和動力學適配。

挑戰一：幾何適配——攝像頭不可能永遠長得像 Model 3

最終量產車因為造型設計、碰撞法規、各國法規要求，攝像頭位置肯定不可能跟 Model 3 完全一樣。比如寶馬造一款新車，A 柱角度、擋風玻璃曲率、倒車鏡形狀都不一樣，攝像頭自然要裝在不一樣的位置和角度。

傳統做法是：派一堆真車出去開幾十萬公里，重新採集數據，重新訓練神經網絡——又貴又慢。

特斯拉現在怎麼幹？用「神經世界仿真器」。

本質上，特斯拉用神經網絡學會了「世界在新攝像頭位置下應該長什麼樣」。再配合 3D 高斯潑濺、擴散模型這些技術，可以在雲端的 Cortex 超算上生成幾百萬英里的虛擬視頻畫面，畫面裡的標籤（行人、停牌、車道線）都是完美準確的。然後用這些合成數據去微調攝像頭識別模型。

需要的真實道路數據可以非常少，甚至是零。

這是過去兩三年特斯拉真正拉開行業身位的殺手鐧。Cortex 現在已經是地球上規模最大的幾臺超級計算機之一，專門服務於 FSD 的訓練和仿真。

如果誰想自行開發一套自動駕駛系統，是不是也應該考慮建一座類似規模的超算？自己體會。

挑戰二：動力學適配——每輛車的「脾氣」都不一樣

一輛奔馳 E 級和一輛 Model 3，開起來手感肯定不一樣：

• 底盤重量分佈不同
• 轉向比不同
• 剎車反饋不同
• 懸掛調教不同

如果是燃油車，還要加上：

• 發動機響應慢半拍
• 自動變速箱換擋
• 發動機制動等特殊脾氣

特斯拉的神經網絡不能想當然地以為「我開的是 Model 3」。它必須重新學會：在這輛奔馳上，我要求 0.3g 制動力，剎車要踩多深？我要加速，發動機和變速箱要怎麼響應？

怎麼做？Cortex 再次登場：

1. 用準量產車跑幾百到幾千英里的真實道路數據，不需要太多。各種工況都跑一點：高速、暴雨、輕雪、砂石路、急加速、急剎車、急轉彎、冷啟動、山路。就像一個經驗豐富的司機租了一輛新車，跑一兩個禮拜就摸透車性。
2. 把這點真實數據餵給 Cortex 的車輛動力學仿真器，讓它學會這輛特定車的脾氣。
3. 剩下的幾百萬、幾千萬英里的訓練，全部在雲端虛擬環境裡完成，用強化學習方式讓神經網絡反覆練習——更平穩、更安全、更省電。

燃油車因為多了油門延遲、換擋、發動機制動這些複雜行為，需要的真實數據比純電車多一點。但跟從零開始自己造一套自動駕駛系統比，那是天壤之別。

第三步：交付量產——時間表有多激進？

整個流程走完，按照原文給出的數字：

• 一支合格的 ADAS + 電子電氣 + 軟件工程團隊
  • 9–12 個月：能跑的騾子車
  • 24–36 個月：量產意圖的成品

在汽車工業裡，這是非常激進、但完全可以接受的時間表。

那安全怎麼保證？萬一這套系統出錯怎麼辦？

安全：硬件 ASIL-D 和功能 SOTIF

要回答安全問題，我們需要區分兩個概念，行業裡有專門標準。

硬件安全：ASIL-D

ASIL-D 是 ISO 26262 下的最高安全等級。說人話就是：特斯拉盒子的硬件部分是不是足夠可靠？會不會因為芯片故障突然給一個錯誤指令？

答案是：特斯拉的盒子是按照 ASIL-D 設計的，裡面有兩片冗餘 AI4 芯片，互相檢驗、互相糾錯。如果一片掛了，另一片立刻接管。這個問題特斯拉已經解決得很好。

預期功能安全：SOTIF

更麻煩的是 SOTIF（ISO 21448），預期功能安全。簡單說就是：「這個 AI 駕駛員，到底能不能在真實世界各種千奇百怪的場景下，安全地把車開下來？」

比如：

• 路上突然竄出來一頭鹿
• 暴雨夜裡前面貨車掉下一卷鋼絲
• 施工區臨時插著的紅色小旗子被風吹得到處飄

這些「長尾場景」，沒有任何公司可以用文檔列窮盡，只能靠海量真實數據 + 海量仿真數據去訓練神經網絡。

馬斯克在 2026 年 2 月 14 日說過：「（在特斯拉，）安全是每一個人的工作。它不是一個獨立的、專門用來安撫外人質疑的假部門。」意思是，安全不是事後補丁，必須從神經網絡訓練階段就內嵌在系統裡。

特斯拉用什麼來保證 SOTIF？兩件法寶：

1. 全球幾百萬輛量產車每天回傳的真實駕駛數據，目前累計已經超過幾十億英里。
2. Cortex 雲端基於真實數據，再生成幾百萬、幾千萬個合成的「極端場景」，讓神經網絡反覆演練。

對接受授權的 OEM 來說，這意味著什麼？

• SOTIF 這一大塊——也就是「教 AI 怎麼開車」這件最難的事——他們不需要從頭做
• 特斯拉已經做完了，並且會持續在做
• OEM 拿到手的是一個「已經預先合格化的高性能大腦」

他們要做的，只是結合自己車的具體形態、底盤特性、外形造型，做最後的整車級別確認測試，加上各國型式認證。

這就是為什麼作者說：技術工作量，跟你自己從零搞一套端到端神經網絡比，要輕得多得多：

• 自研：建幾千人的 AI 團隊，砸幾百億美金算力，十幾年才有可能追上
• 授權：兩三百人的集成團隊，兩三年就能上市

這個差距，是數量級的。

那問題來了：既然技術上完全可行，工程實施上也是最優解，那傳統車企為什麼不授權 FSD？是不是因為特斯拉要價太貴？傳統車企是不是完全沒有議價籌碼？

傳統車企的王牌：燃油車海量銷量

特斯拉對 FSD 授權的收費是多少，並沒有公開信息。但事實上，傳統車企手上握著一張非常關鍵、連特斯拉都搞不到的王牌：

——全球海量的燃油車銷量。

看幾個數據：

• 日本到 2025 年底，新車銷售裡 95% 以上還是燃油車或混合動力
• 印度 98% 以上是燃油車
• 中東幾乎 100% 燃油車
• 東南亞、非洲、拉丁美洲絕大部分國家，未來 10–15 年內，電車滲透率都還會維持在很低水平

這不是什麼小眾市場，這是現金奶牛。

光一款豐田卡羅拉，全球一年銷量 120–150 萬輛。這一款車的全球保有量，比特斯拉所有車型加起來還多。

特斯拉全球車隊再大，清一色純電車，主要跑在發達國家相對乾淨、秩序相對良好的城市道路上。它能不能看到：

• 孟買的爛泥路？
• 德里的牛、電動三輪車、改裝得亂七八糟的卡車一起堵在十字路口的混亂？
• 沙特沙漠裡 50 度高溫下沙塵暴的能見度？

不能。因為特斯拉根本不在這些市場賣車。

但豐田、本田、鈴木、現代起亞能看到。每天都有幾千萬輛他們家的燃油車在這些市場上跑。這些數據，對特斯拉神經網絡來說，價值不言而喻。

為什麼？因為 FSD 現在最後的幾個山頭，就是：

• 「極端長尾場景」
• 「全球地理多樣性」

要讓 FSD 在德國通過無人監督許可，需要德國本土複雜場景。
在日本，需要東京窄巷數據。
要在歐盟 AI 法案下拿到真正 L4 授權，需要在歐盟所有成員國極端環境下都積累足夠真實里程。

馬斯克在 2025 年 1 月明確表態：「我們只會考慮銷量非常大的項目。」意思是：你要跟我談授權，可以，但必須是大單。卡羅拉規模、或者任何一款全球年銷百萬級別的車型，他都會興趣濃厚。這種規模的合作，對特斯拉來說是求之不得的。

這其實是一個真正的雙贏局面。

• 傳統車企能得到什麼？

  • 最高水平的自動駕駛能力，無縫移植到自己最賺錢、銷量最大的燃油車平臺
  • 不用被迫馬上轉型純電，可以慢慢過渡
  • 利潤率最高的旗艦燃油車型（奔馳 E 級、寶馬 5 系、豐田凱美瑞、本田 CR-V 等）立刻獲得超越所有競爭對手的智能化賣點

• 特斯拉能得到什麼？

  • 全球地理多樣性、各種氣候條件、各種 ICE 車輛特性的海量真實數據
  • 讓 FSD 訓練飛輪以特斯拉自己單打獨鬥永遠達不到的速度加速旋轉

這張牌如果傳統車企打出來，對雙方都是大勝局。

但現實是：這張牌從來沒有人打出來過。為什麼？

「舒服」的替代方案：看上去都很美

要回答這個問題，先看看傳統車企現在到底在做什麼。

簡單總結，他們都選擇了一些可以讓自己「保持掌控感」的替代方案。共同特點是：

• 「我還是老大」
• 「我決定用什麼傳感器」
• 「我保留我的架構」
• 「我讓我的團隊和供應商都還有活幹」

最流行的三類選擇：

方案一：英偉達 DRIVE 平臺——強大的「半成品大腦」

奔馳、現代、沃爾沃、Stellantis、豐田都跟英偉達簽了協議。英偉達提供高算力的 Drive Thor 或 Drive Orin 芯片，提供一套基礎軟件棧。但最終的感知、規劃、人機交互這些核心層，由車企自己的團隊加在上面。雷達、激光雷達、原來的域控制器、原來的 ADAS 團隊、原來的一級供應商合作伙伴，全都保留。

這相當於：英偉達賣給你一個強大的「半成品大腦」，剩下的「神經網絡怎麼連、世界觀怎麼建、決策怎麼做」，你自己慢慢搞。

問題是：英偉達沒有數據飛輪。它不賣車，不會替你解決 SOTIF。它只是把算力賣給你。你要自己去採集幾十億英里的數據，自己搭仿真平臺，自己訓練神經網絡。這條路，每一家車企都得自己走一遍，燒的錢、用的時間，是天文數字。

方案二：Mobileye SuperVision——優秀的 L2/L2+，離 L4 很遠

大眾集團、寶馬、日產，還有幾十家車企都在用。Mobileye 提供視覺感知核心方案，OEM 保留多傳感器融合架構，把 Mobileye 的輸出集成進自己的域控制器。

這個方案在 L2 和 L2+ 輔助駕駛層面做得相當成熟。但本質上還是一個「視覺感知供應商」角色，離真正的端到端自動駕駛差得遠。SuperVision 號稱要做到 L3，但已經反覆跳票好幾年。

方案三：自己幹 + Google 生態——志氣很足，邏輯說不通

福特最近走的就是這條路。Jim Farley 公開說過：他們的下一代 BlueCruise——目標是 2028 年實現「不用一直看路」的 L3——所有硬件軟件都自己開發，用的是福特自己未來的負擔得起的 UEV 平臺。Google 提供地圖、語音、雲服務，但核心自動駕駛棧完全自研。

聽上去很有志氣。但問題是：福特憑什麼覺得自己一家公司，能在 2028 年達到特斯拉 2025 年就接近的水平？這個差距用什麼邏輯能補上？沒人說得清。

這些「舒服方案」的共同點和真正代價

共同點：

1. 車企還是「最終話事人」：我決定怎麼造車、用什麼傳感器、工程師怎麼分工。
2. 所有現有部門都還在：ADAS 融合團隊、雷達/超聲波專家、激光雷達組、傳統座艙軟件部門、驗證團隊，沒有人被裁，沒有部門被合併，沒有內部政治鬥爭。
3. 所有現有一級供應商關係都保留：博世、大陸、哈曼、安波福這些每年供貨幾十億美金的夥伴，都還能繼續做生意。
4. 整車架構不需要大動：保留原來的數據總線、原來的 70 個 ECU，最多升級一下，不至於完全替換。

對管理層來說，這是非常舒服的路徑。

但真正的代價是：

1. 這些方案永遠達不到真正的無人監督 L4 水平。多供應商、規則 + 機器學習混合棧，複雜度極高，驗證循環極慢，迭代速度跟特斯拉端到端方案完全不在一個數量級。
2. 每年燒的錢大得嚇人。奔馳一年在自動駕駛上的研發投入超過 30 億歐元；大眾集團的 Cariad 從成立到現在燒掉幾十億歐元，進度還反覆延期；福特、通用每年也是數十億美金往裡砸。這些錢大部分都打了水漂——因為做出來的東西，永遠只是「比上一代好一點點」，永遠趕不上特斯拉。
3. 最致命的是：性能差距在拉大，不是在縮小。每個季度，特斯拉發佈一個新版本，又向前邁一步；傳統車企發佈一個新版本，最多比前一代特斯拉好一點點，但已經被新版本特斯拉甩得更遠。

所以作者才說：他們選的所有舒服方案，全都是錢打水漂，註定追不上。

但我們也要公平：如果這些路徑明顯是死路一條，那為什麼這些百年老店的 CEO 們，都不約而同地選擇了這條路？他們是傻還是瘋？

都不是。他們各個都是絕頂聰明的人。之所以選這條路，背後有非常深層的原因。

真正的攔路虎：政治、供應商、面子

傳統車企不接受 FSD 授權，到底是因為什麼？

• 技術不可行？前面講了，完全可行。
• 資源不夠？這些公司一年研發投入百億、千億美金，缺的不是錢。
• 時間不夠？24–36 個月就能量產，比他們自己研發要快得多。

答案不在技術，不在工程，不在財務。答案在三個非常人性的字眼：政治、供應商關係、面子。

攔路虎一：內部政治——誰敢一口氣砍掉幾千人的工作？

想象一下，你是大眾集團 CEO，今天簽下了 FSD 授權協議。

第二天會發生什麼？

大眾集團內部數千名：

• ADAS 融合工程師
• 激光雷達專家
• 毫米波雷達專家
• 傳統座艙軟件工程師
• 傳統 HMI 設計師
• 輔助駕駛驗證工程師

他們每一個人手上的工作，突然變得沒有意義了。

因為特斯拉的盒子裡，所有這些東西都不需要專門團隊來做了：

• 感知不需要做了，特斯拉神經網絡比任何融合算法都強
• 座艙軟件不需要做了，特斯拉 MCU 直接接管
• 驗證不需要從零做了，特斯拉已經做完了大部分 SOTIF 工作

那這些人怎麼辦？

在德國，工會和勞資委員會立刻找上 CEO。如果你敢裁員、敢調崗，工會立刻罷工。柏林政府會介入，布魯塞爾的歐盟監管機構會發聲明。下薩克森州政府是大眾集團大股東之一，他們的訴求是「保住本地就業」，不是「讓大眾的車更智能」。

工會、政府、地方利益、就業、社會保障，每一個都是地雷。任何一個 CEO 敢點這個雷，他的位置都坐不到三個月。

在日本、韓國，情況也類似。終身僱傭文化、企業對地方經濟的承諾、子公司和分包商生態，每一個都是難以撼動的網。

攔路虎二：一級供應商——國家級產業鏈的反撲

博世、大陸、安波福、哈曼、採埃孚，這些是德國製造業的國家級資產。一家公司一年營收，可以跟一個小國家的 GDP 相比。

他們靠什麼活？靠每年給車企供應幾百萬套：

• ADAS 控制器
• 座艙控制器
• 雷達模塊
• 激光雷達模塊

這些都是幾十億美金的年度合同。

如果大眾集團明天簽了 FSD 授權，意味著什麼？意味著大眾給博世的 ADAS 訂單可能要被砍掉一半甚至全部。

博世會善罷甘休嗎？不會。他們會動用一切力量阻止這件事發生：

• 遊說政府
• 利用合同條款
• 利用合資關係
• 利用幾十年積累的人脈關係

他們會跟大眾管理層私下溝通：「你這麼做，是斷了我們的活路。看看歷史，沒有我們，大眾怎麼有今天？」

更深一層，整個德國汽車產業鏈——從博世到大陸到舍弗勒——是德國工業心臟。一旦這個產業鏈被特斯拉 FSD 繞過，德國工業基礎就開始動搖。這不是某一家公司的問題，這是國家戰略層面的問題。

所以，每一個 CEO 背後，都站著一堆比他權力更大的力量。他想籤這個字，不是他一個人能決定的事情。

攔路虎三：面子——最難跨過去的那道坎

最後一隻攔路虎，也是最不願被公開承認的，是面子。

看兩段原話。

豐田前社長豐田章男 2020 年 11 月說過：

「特斯拉的生意，如果用一個比喻來說，就像一個廚房和一個廚師。他們其實還沒有在真實世界裡造出一個真正的事業。他們只是在交換菜譜。那個廚師在說：『我們的菜譜將會成為未來世界的標準！』而我們豐田，已經有一個真正的廚房和真正的廚師，已經在做出真正的菜了。」

2017 年，大眾集團時任 CEO 馬蒂亞斯·穆勒說：

「恕我直言，這個世界上有一些公司是『公告冠軍』，我就不點名了。有些公司一年賣 8 萬輛車就已經吃力了。大眾一年賣 1100 萬輛，一年賺 130 到 140 億歐元利潤。如果我沒記錯，特斯拉每個季度虧幾億美金、隨便開除員工。所以我不知道他們的社會責任在哪裡。拜託大家腳踏實地，不要拿蘋果跟梨比。」

這種話當年講得多得是。福特、通用、寶馬、奔馳——每一個傳統車企的 CEO，過去十幾年裡，都在公開場合，用不同方式嘲笑過特斯拉。

現在，時光快進到 2026 年。這個被他們嘲笑過的「公告冠軍」，做出了一個客觀上更簡單、更便宜、迭代更快、性能更強的產品。

讓這些 CEO 接受特斯拉授權，意味著什麼？

意味著他們必須站到：

• 董事會
• 員工
• 工會
• 媒體
• 自己國家政府

面前，親口承認：

「我當年錯了。我嘲笑的那家公司，贏了。我們公司這十幾年砸進去的幾百億歐元，都是錯的方向。」

這是一個幾乎沒有任何企業領導人願意做出的承認。

福特的 Jim Farley 是少數幾個真正去跟特斯拉談過的 CEO。他後來確認：是的，福特跟特斯拉談過 FSD 授權。但談完之後呢？他公開轉身選擇了「自研 + Google」的舒服路徑，然後轉頭去誇「Waymo 真厲害」。

這就是面子的力量，比工會的力量更大，比供應商的力量更大。

而且最諷刺的是：歐盟 AI 法案和各國型式認證流程，給了他們一個完美的「技術性藉口」。每次被股東問到「你們什麼時候能上 FSD 級別的功能？」，CEO 都可以說：

「這個事情很複雜，我們還需要做大量的合規驗證。監管層面還有很多問題沒解決。」

所有人都還相關、所有人都還有工作、所有人都保住了面子。

直到他們終於撐不住的那一天。

悔之晚矣：當你想求助時，對方已經不需要你了

想象一下接下來兩年的劇本。

• 2026 年下半年到 2027 年，特斯拉的無人監督 robotaxi 已經在美國多個州、幾個歐洲國家、可能還有沙特、阿聯酋、新加坡正式落地。FSD 不再是「輔助駕駛」，而是真正的「無人監督 L4」。沒有方向盤和踏板的 Cybercab 也開始批量交付。
• 2027 年下半年或 2028 年，特斯拉在歐洲的型式認證基本走完。在中國和印度，通過本地化合作或獨資生產，也開始鋪 robotaxi。Uber 和 Lyft 的市場份額被快速蠶食，城市出租車司機數量緩慢但持續下降。

到這個時候，傳統車企要面對什麼？

1. 第一波衝擊：robotaxi 市場被特斯拉吃光
   這是一個上萬億美金的市場，傳統車企連邊都摸不到。

2. 第二波衝擊：消費者用腳投票
   我為什麼要花 6 萬美金買一輛奔馳 E 級，還要自己手握方向盤？
   我完全可以花 5 萬美金買一輛 FSD 加身的 Model Y，下班路上刷手機看書。

3. 第三波衝擊：股價開始崩
   投資人開始問：「你們公司未來的盈利模式是什麼？還能撐幾年？」

到這個時候，傳統車企的 CEO 們才會終於醒過來，拿起電話打給特斯拉：

「Elon，那個 FSD 授權的事情，我們能不能再談一談？」

但那個時候的特斯拉是什麼狀態？

• 已經在全球多個大洲拿到無人監督許可
• Robotaxi 車隊規模化運營，每輛車每天給特斯拉創造幾百美金現金流
• FSD 訓練數據每天還在飛速增長，迭代速度依然沒有任何對手能匹敵

特斯拉看著日曆，看著自己的數據優勢、算力優勢、技術迭代優勢，很可能會說：

• 「不好意思，我們暫時不開放授權了。」
  或者
• 給出一個傳統車企根本接不下來的條件：極高版權費、強制全量數據共享、強制電車優先條款、強制合作期限五年起、強制零售價由特斯拉定價。

到那時，傳統車企能怎麼辦？只能眼睜睜看著：

• 自己的份額一點一點流失
• 自己的工廠一座一座關停
• 自己的工人一批一批轉行

這就是為什麼作者說：那條優雅、便宜、快速的路徑，本來一直襬在他們面前——

• 一個盒子
• 徹底的簡化
• 燃油車平臺和電車平臺同步獲利的雙贏
• 預先就位的安全認證

但他們一年又一年地，主動放棄了這條路。

他們選擇了什麼？選擇了用部門和供應商的短期相關性，換長期生存能力；用 CEO 的面子，換公司的未來。

選擇的代價：歷史從不缺「看得見卻不敢走」的人

很多商業歷史上的失敗，從來不是技術失敗、不是資金失敗、不是能力失敗，而是選擇的失敗。

• 諾基亞 2007 年看到了 iPhone。工程師當然能造出類似的東西。但高管選擇保護塞班系統、保護已有供應鏈、保護現有商業模式。十年之後，諾基亞手機業務徹底消失。
• 柯達 1975 年就發明了數碼相機，是當時世界上最強的影像技術公司。但高管選擇保護膠捲業務利潤，把數碼相機鎖在抽屜裡。2012 年，柯達破產。
• Blockbuster 在 2000 年可以用 5000 萬美金買下整個 Netflix。他們拒絕了，因為覺得「我們賣的是 DVD 租賃，不是流媒體」。結果，Blockbuster 徹底消失。

歷史總是驚人地相似。每一次技術大轉折面前，都有一群行業裡看起來最強大、最聰明、資源最豐富的人，做出了那個看起來最舒服、最不痛苦、最不挑戰現狀的選擇，然後被時代徹底拋下。

今天的傳統車企，正在重演這一幕。

在一個技術飛速變革的時代，最大的風險，不是改變，而是不改變。
最大的成本，不是接受新技術的成本，而是固守舊體系的成本。