据X平台用户Sawyer Merritt称，特斯拉FSD（监督）全车队平均每秒行驶333英里。根据特斯拉2024年一季度财报更新，FSD累计里程已超13亿英里，显示出以数据驱动的端到端视觉模型训练快速加速。特斯拉在AI Day与财报电话会中表示，更多受控里程可显著扩充长尾场景数据集，提升网络泛化与推理稳定性。对自动驾驶产业链而言，如数据标注、合成数据生成与评测工具将受益于更大规模与更高多样性的真实行驶数据。据特斯拉电话会纪要显示，FSD更广覆盖和订阅模式有望增强经常性收入与单位经济性，巩固其数据规模优势。

据X平台的Sawyer Merritt称，特斯拉更新了FSD行驶里程追踪器，当前车队平均每天以FSD行驶2880万英里，较数月前的1440万英里翻倍，相当于每3秒约1000英里。依据该来源，这一数据规模显著扩大了特斯拉的真实道路训练数据，对端到端神经网络的迭代与长尾场景鲁棒性提升至关重要。正如该报道指出，更高的使用率意味着更快的模型训练与验证节奏，并为区域化功能上线、增值订阅与受监管条件下的有人监管自动驾驶服务铺路。

据 Sawyer Merritt 在 X 的报道，Tesla 已向早期用户推送 FSD v14.3.2，版本说明显示已在 Actually Smart Summon、FSD 与 Robotaxi 之间实现统一模型，以获得更强与更可靠的行为表现。根据该来源，统一的端到端网络有望贯穿低速停车场动作到道路自动驾驶与未来网约车运营，复用训练数据并优化推理。该来源称，这将减少边界案例割裂、加速迭代、并降低单位里程推理成本，为扩大 Robotaxi 规模与提升复杂停车场的智能召唤一致性带来商业优势。对开发者与车队方而言，统一栈意味着潜在的 API 与遥测一致化、验证流程简化、以及更高效的迁移学习，可支持更快的功能上线与更广的区域部署。

据Sawyer Merritt在X平台发布的信息，特斯拉计划在第二季度将GPU训练产能几乎翻倍，显示其为自动驾驶与机器人模型训练快速扩容算力；据Sawyer Merritt推文报道，此举或加速FSD、Optimus及视觉语言模型的训练迭代，缩短新模型上线周期。根据投资者对特斯拉财报与AI活动的报道，特斯拉正持续部署H100级集群并推进自研Dojo基础设施，以提升数据清洗、监督微调与人类反馈强化学习的吞吐量；相关记录显示，更大的GPU集群通常带来更快的实验速度、更大规模训练与更频繁的模型更新，有望改善软件渗透率与自动驾驶业务利润率。

据Sawyer Merritt在X平台披露，特斯拉Q1在营收、每股收益、毛利率、自由现金流与净利润等指标全面超预期，同时FSD（完全自动驾驶）新增订阅创纪录；下一代AI训练栈Cortex 2已开始训练；Giga Texas的Optimus人形机器人工厂已开建，Cybercab已启动生产（来源：Sawyer Merritt援引特斯拉Q1信息）。从AI产业看，纪录级FSD订阅验证了自动驾驶按月订阅模式与高毛利经常性收入；Cortex 2训练意味着更大规模、更高效的感知与规划模型，有望降低长尾场景人工干预；Optimus工厂落地显示人形机器人走向规模化生产并强化端侧推理；Cybercab量产为Robotaxi商业化路径铺路，依托特斯拉自有数据集、训练算力与车队学习（来源：Sawyer Merritt与特斯拉Q1披露）。对产业机会而言，短期受益方向包括自动驾驶数据管道与标注、仿真评测平台、端侧推理加速器与传感器生态；企业可关注与特斯拉地图、车联网和充电网络的潜在对接；投资侧关键观测指标为FSD渗透率、训练效率与自治服务单车经济性（来源：Sawyer Merritt引用特斯拉Q1更新）。

据Sawyer Merritt在X平台披露，特斯拉付费Robotaxi累计里程已达170万英里，较2025年Q4末的61万英里显著增长，显示商业化试点正加速扩张。根据Sawyer Merritt的报道，这一增量意味着更高的乘客供给与路线密度，为端到端神经网络提供更多真实场景数据，从而加快模型迭代并有望降低干预率与单位里程成本。参考Electrek对特斯拉自动驾驶路线图的报道及特斯拉财报会上对Dojo与端到端模型的表述，此里程里程碑将增强数据闭环效率，支撑定价、利用率与安全关键指标验证，有助于与监管对话和分城市落地策略。依照Sawyer Merritt公布的数据，从61万到170万英里的跃升还意味着平台网络效应开始显现，带来城市化部署、合作车队与调度优化软件的营收机会。

据Sawyer Merritt在X平台表示，特斯拉称其在中国推进FSD（完全自动驾驶）审批继续取得进展。根据Sawyer Merritt的报道，这意味着特斯拉正与中国监管机构就自动驾驶许可与数据合规进行持续沟通。依据路透社与工信部过往披露的信息，境外自动驾驶功能需满足车载数据本地化、高精地图准入与安全验证等要求，显示特斯拉路径可能包括与本地地图伙伴合作并遵守数据安全法。据路透社此前对智能网联汽车规则的报道，一旦获得阶段性批准，特斯拉有望通过FSD订阅与城市试点（如Robotaxi）开辟新增收入，并以分区试点与OTA更新的形式逐步落地，符合中国监管通报所述的分阶段实施趋势。

据 Sawyer Merritt 在X平台发布的消息，特斯拉Cortex 2人工智能训练集群最新现场照片曝光，显示特斯拉持续扩张自研算力以服务自动驾驶与机器人模型训练；据 Sawyer Merritt 报道，该集群定位于提升训练吞吐与密度，加速FSD与人形机器人迭代。根据 Sawyer Merritt 在X上的发布，此举延续特斯拉在数据中心级一体化策略，与其财报材料披露的“降低训练成本、缩短迭代周期”目标相一致。正如 Sawyer Merritt 所述，这将对第三方GPU云形成竞争压力，并带动供电、液冷、高速网络与高带宽存储等产业链机会，契合大模型训练的基础设施升级趋势。

据 Sawyer Merritt 在 X 平台披露，特斯拉表示正构建一个用于自动化数字工作负载的“智能层”，以补充其已用于车辆与人形机器人运行的真实世界AI。根据 Merritt 转述的特斯拉表述，该举措将把用于 FSD 与 Optimus 的感知、规划、执行能力延展到企业流程与软件工作流，形成端到端的智能运营。正如该来源所示，这将为物流调度、客户服务、制造IT等场景的智能体带来机会，并可能通过与特斯拉硬件的垂直整合与跨域数据学习，转化为新的软件收入与规模化效应。

据 Sawyer Merritt 在 X 上披露，特斯拉表示“Cortex 2 已上线并开始运行训练作业”，公司正加速本地训练基础设施建设以确保 AI 产品与服务的算力供给，并持续推进自研芯片开发（来源：Sawyer Merritt）。据该帖文引用的特斯拉表述，这将加强端到端垂直整合，优化模型训练与推理的时延、成本与迭代速度，服务于自动驾驶与人形机器人等场景（来源：Sawyer Merritt）。同源信息显示，扩大自有训练集群并推进定制芯片，有望降低对外部云端 GPU 依赖、提升 FSD 与机器人训练吞吐，形成面向商业化落地的成本与性能优势（来源：Sawyer Merritt）。

根据X平台用户Sawyer Merritt的帖子，特斯拉无监督Model Y在雨天路况下正常运行，视频由@RonitL14提供；据该帖报道，画面显示其Full Self-Driving在低能见度与湿滑路面下实现无人工接管。根据该公开来源，此类雨天实测凸显感知与占用网络的鲁棒性，并指向传感融合、路径规划与控制在恶劣天气下的迭代进步，对监管验证与可靠性关键指标具有参考价值。依据上述来源，如能在多城市与多天气持续复现，车队利用率与接管率等经济性指标有望优化，带来自动网约车、夜间运营与同城配送等商业机会。

据Sawyer Merritt在X平台发布的信息，特斯拉已在达拉斯增加第二辆Model Y无人监督Robotaxi，显示其自动驾驶网约车试点正在加速布局。根据RtaxiTracker的追踪，这一新增车辆意味着特斯拉正把FSD实车运营从有人监控向无人监督迭代，有望减少安全员成本并优化单位经济性。依据该帖报道，在达拉斯扩容可用于验证服务密度、高清地图覆盖与站点运营（充电与维护），这些都是商业化落地的关键。参考特斯拉此前关于自动驾驶测试常规披露的做法，此类运营数据将用于评估软件可靠性、每英里干预率与长尾场景处理能力，并为后续合规沟通与保险定价提供依据。

据X平台用户Sawyer Merritt发布的信息，休斯敦出现第二辆特斯拉Robotaxi疑似以无监督模式运行，显示特斯拉正把端到端视觉模型在真实城市路况中进一步验证。根据该帖披露的现场观察，以及Electrek与特斯拉AI Day过往资料所述的以车队数据驱动的端到端神经网络路线，这一进展（若由特斯拉官方确认）将直接影响监管审批、安全评估与美国Robotaxi商业化节奏，并为车队化数据闭环和快速模型迭代带来潜在商业机会。

根据Sawyer Merritt在X平台援引RtaxiTracker的消息，特斯拉在休斯顿车队新增第二辆Model Y Robotaxi，表明其在城市道路的自动驾驶实测进一步扩大（来源：Sawyer Merritt转引RtaxiTracker）。据Sawyer Merritt称，此举有助于特斯拉为Full Self-Driving的城市级验证积累更多场景数据，优化神经网络训练，并提升安全与可靠性指标，为监管审批与商业化落地铺路（来源：Sawyer Merritt）。据RtaxiTracker经由Sawyer Merritt报道，特斯拉可在单一城市内逐步扩容以测试调度、定价与车辆利用率等关键参数，为未来的无人出行与车队管理软件创造营收机会（来源：RtaxiTracker经由Sawyer Merritt）。

据Sawyer Merritt在X平台披露，西班牙交通总局DGT确认特斯拉在西班牙道路上以FSD（受监管）进行测试的车辆共30辆，自2025年11月以来累计行驶约8万公里且报告零事故，消息源为BarcelonaGeekYT分享的DGT官方回复。根据DGT说明，这些测试纳入ES-AV评估框架，专注于自动驾驶车辆的安全与技术验证。DGT表示，类似FSD的系统仅在取得西班牙或欧盟有效的型式认可并符合联合国第171号DCAS法规且驾驶员全程负责的前提下方可合法上路。DGT并称，荷兰RDW的决定或为欧盟自动化出行带来新机遇，这为特斯拉在欧洲以监督式自动驾驶拓展业务提供潜在通道与合规路径。

据Sawyer Merritt在X上引用Independent报道，记者在荷兰试驾特斯拉FSD（受监督）后评价“表现无可挑剔，使用非常简单”，车辆加速自信、整体表现平稳且“几乎让人忽略其存在”（Independent，经X帖子，2026年4月20日）。据该Independent测评摘要，这种稳定性与易用性有望提升欧洲消费者信任、促进订阅转化并增强展厅试驾成交率。根据Independent经由该帖的描述，在荷兰城市和高速场景中的一致表现，意味着更可靠的车道选择、车速匹配与导航衔接，或可减少驾驶员接管与感知风险。报道提到的“简单可用、可预期”特性，对在欧盟监管框架下探索受监督部署的车队与网约车试点尤为关键。同时，主流媒体的正面评测可能促使竞争对手加速受监督ADAS路线与数据闭环能力升级，以对标平顺性与舒适度基准。

根据 Sawyer Merritt 在 X 上转述摩根士丹利分析师 Andrew Percoco 的观点，特斯拉在休斯敦与达拉斯推出无人监督Robotaxi 乘车服务，被视为在市场对其时间表日益怀疑之际的“实质性进展”。据 Merritt 报道，Percoco 的研报称此次落地有助于推动自动驾驶出行的监管验证、车队周转与变现路径，并在高需求城市验证规模化可行性。该研报（由 Merritt 引用）指出，此次部署还可加速特斯拉自动驾驶栈的真实道路数据采集，强化2026年前后的规模化商业服务论证。

据X平台用户Sawyer Merritt称，奥斯汀、休斯敦和达拉斯的全部无监督版Model Y均运行特斯拉AI4堆栈。根据Merritt的贴文，这表明特斯拉在德州核心试点城市实现了新一代自动驾驶软件的标准化部署。依照Merritt发布的信息，此举将加速端到端神经网络与强化学习的数据回流与训练迭代，提升FSD模型迭代速度与稳定性。结合业内对特斯拉分区域推进的公开分析报道，集中城市投放有助于压降验证与回归测试成本，缩短发布节奏，并为监管沟通与路测里程数据积累创造条件。对上游生态而言，AI4在德州的落地释放了边缘算力、车载带宽、数据标注与自动驾驶评测服务等业务机会，符合特斯拉按城市分阶段激活的商业路径。

据X平台用户Sawyer Merritt称，休斯敦和达拉斯已确认开启特斯拉Robotaxi无人监管载客，显示特斯拉在德州两大都市的无安全员运营正从FSD测试走向实际服务。根据Merritt的帖子，这一步将加速机器人网约车商业化、提升车队利用率，并推动以端到端神经网络为核心的FSD v12级方案在真实城市路况中的规模化部署。同时，依据多方行业追踪的公开信息，无人监管运营需与地方监管机构协调许可，德州市场有望成为特斯拉Robotaxi率先变现的关键区域。

据X平台用户Sawyer Merritt称，特斯拉已在德州达拉斯向普通客户提供无人监督的Robotaxi乘车服务，且该行程无安全员随车，表明特斯拉正在公共道路上测试全无人驾驶运营（来源：Sawyer Merritt，X）。依据Merritt发布的实拍信息，此次为常规付费行程，意味着特斯拉在一线城市启动限定运营域的全无人载客试点（来源：Sawyer Merritt，X）。结合路透社此前对特斯拉策略的报道，特斯拉正以端到端神经网络与海量车队数据训练的FSD堆栈为核心，瞄准与Waymo等在城市网约场景直接竞争（来源：Reuters）。对产业方而言，短期机会集中在车队托管与运维、高清地图与道路数据服务、自动驾驶保险定价、以及路侧与上下客枢纽改造；而德州在AV监管上相对宽松（据德州交通部门公开政策框架），或将加速商业化许可与地理围栏扩张。