2025年底，特斯拉车主David Moss驾驶Model 3，用FSD完成了横穿美国的挑战。

彼时FSD版本为V14.2.1，路线从西海岸加州的一家特斯拉餐厅，一路开到东海岸南卡罗来纳州的默特尔海滩。

全程2732.4英里，0接管——马斯克“用FSD贯穿美国无需干预”的目标，首次成真。

没想到，不到半年，纪录就被刷新。

真无接管？

前两天，一位航空公司飞行员、兼特斯拉FSD重度爱好者Joe Anderson宣布：

2026年5月20日至29日，他驾驶自己的2026款Model Y Juniper，开启FSD V14.3.2，用时9天21小时50分钟，穿过了美国本土48个相连州（含华盛顿特区）。

全程7241英里——他没有做过任何方向盘干预。

前任纪录保持者David Moss迅速在评论区互动：

Joe Anderson的挑战更彻底。除开与本土相隔加拿大的阿拉斯加、以及太平洋上的夏威夷，其余州全部跑遍。

目标是“最短时间+最短距离”，基本上是一场赶路版“点亮地图”：

即便如此，这依然是世界上首次实现长距离、多州域、零人工干预的纯视觉辅助驾驶行驶，里程碑意义不言而喻。

7241英里，约合11653公里——相当于从北京首都机场到新疆喀什徕宁机场，单程跑三趟。

在这样的距离下，连进出充电位都由FSD V14.3.2一手包办。

Joe Anderson的原话是：“我乘坐，FSD驾驶。”

严格来说，他的“不干预”是指从未打方向或踩刹车。

但按个人喜好踩过加速踏板，或在后方有车时打灯指引FSD变道，这些都不算接管。

在停车场，FSD的泊车也不总是完美——如果选了不喜欢的车位，他就用Grok更换导航或目的地，让FSD重新停到别的位置。

以上操作FSD都不会退出，属于人机共驾，确实不叫接管。

仍有人对FSD 100%的行驶数据存疑。Joe Anderson亮出后台数据，确实显示100%。

不过他本人也指出特斯拉FSD驾驶报告的一个问题：极短途里程不计入。

他实拍了一段测试——全程使用FSD，但因为里程太短，被记录成了人工驾驶。

所以，当他在停车场因为FSD选位不佳而重新导航换位时，那段行驶里程是不被计入FSD数据的。

尽管如此，Joe Anderson坚持否认有过手动驾驶。

他对特斯拉FSD的综合评价是：最后一百码（停车）还有一些便利性的小毛病，公路部分没问题。

不断进化

穿越美国48州，难点远不止里程。

地貌各异——高速、乡村、沙漠轮番上阵；交通标志设计不一，限速也千差万别。

而特斯拉仅靠8颗摄像头作为感知硬件，FSD V14.3.2是端到端模型，没有手写规则模块，全靠神经网络从视频输入直接生成控制信号。

这次挑战，本质上是对其世界模型泛化能力的一次极限压力测试。

关键角色是特斯拉的数据。打开特斯拉官网，就能实时看到FSD累计里程——据公开信息，这在整个辅助驾驶领域排全球第一。

特斯拉在全球有数百万辆量产车，独创的“影子模式”让每一台车都成为老师——即使车主不用辅助驾驶。

当车主的驾驶动作和FSD判断不一致时，系统就会认为“AI这里需要调整”，并自动上传前后10秒的完整数据。

影子模式筛选出人类接管的高价值场景，形成困难题库，再通过奖惩算法激励FSD在学习中“取精华去糟粕”——这就是强化学习。

数据和强化学习，让FSD的进步像飞轮一样越转越快。

在最新的V14版本中，特斯拉还用SDF取代了传统的OCC，进一步提升感知水平。

过去的OCC把空间划分成无数小格子，障碍物像填空一样占住格子，未被占用的格子即为可通行空间。

OCC曾长期作为王牌帮辅助驾驶分辨“可通行空间”，但它有弱点：

最小单位是“一个格子”，精度不够；

还要存格子数据，浪费算力。

SDF不再用格子，而是用数学函数来描述世界——零值点就是障碍物边界。

系统只需存函数，大幅节省算力，响应更快；

障碍物位置像被描在函数图上，每个点都很精细，感知精度甚至缩到厘米级。

美国的交通环境没有国内拥挤，但在如此长里程、多路况中仍做到无需接管，足以说明特斯拉FSD对物理世界的理解已经相当充分。

比7241英里行驶里程更值得关注的，是特斯拉FSD居然可以在任意州的陌生停车场完成泊入充电位——作为无图方案，这一点极其亮眼。

目前国内“车位到车位”的功能，绝大部分无法在陌生地区完成从主路到充电位的完整领航。

原因很简单：大多需要提前在停车场建图。

去过并记忆的车位被占后，系统再在附近找空位。

理想和小鹏的VLA可以无图漫游——一边看路一边开，不受地区限制，但这样的自主品牌目前不多，功能效率也还有优化空间。

华为则比较特殊，云图几乎覆盖全国。

车主设导航时就能点选终点某个具体停车位作为目的地，ADS 5还将推出充电车位一键直达功能。

蔚来作为换电品牌，推出了城区领航换电功能，直达换电站；

理想和极氪也在落地让辅助驾驶直接停靠品牌充电位的功能。很方便，但仍受品牌补能网的限制。

整体来看，能在陌生区域操控辅助驾驶停进充电车位的自主品牌并不多。

这意味着FSD真正打通了最后一公里——从“领航辅助”延伸到了能源补能的全链路。

我们之前测过国内特斯拉FSD V13版本的“车位到车位”，在园区内路径规划时常出现奇怪走位，属实难用，体验远不如自主品牌。

但按FSD V14的表现来看，一旦在华OTA，对国内智能驾驶领域的冲击将远超“多一个玩家”那么简单。

写在最后

关于特斯拉FSD入华，我们一直以来的看法是“能跑美国不等于能跑中国”——但这种情况即将改变。

作为智驾领域的T0级玩家，从Transformer、OCC占用网络，到如今的端到端加世界模型，特斯拉的技术一直在左右全球智驾行业的方向。

所以FSD入华面临的第一个坎不是算法，而是数据本地化与场景迁移。

在FSD V13阶段，它几乎只有三个弱点：分不清桥上桥下；会驶入非机动车道；遇人礼让的分寸欠火候，面对非机动车等高拥挤混流场景容易卡死。

而前段时间，特斯拉已在国内招聘大量测试工程师，进行本地训练。

保持算法优势，补上区域数据的短板——满血版FSD在国内场景下，与国产品牌正面硬刚，实力究竟如何？

也许V14的入华，将带来一次残酷的“去泡沫”检验。