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。

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。

据Sawyer Merritt在X平台发布的信息称，一段30分钟的加速视频展示了特斯拉Robotaxi在奥斯汀的无监督驾驶，并引用Abhimanyu Yadav的原帖称该视频为真实路测，作为特斯拉AI4端到端自动驾驶能力的佐证。根据X帖文的描述，该演示涵盖公共道路场景，体现了AI4在感知、规划与控制上的集成进展。如相关帖文所述，若后续能获得第三方安全指标验证与监管许可，这将加速Robotaxi商业化落地，带来自动驾驶出行网络、车队利用率提升以及软件订阅收入等机会。与此同时，据上述信息源指出，关键评估仍包括：可复现实测结果、脱离率与安全数据、州级合规要求及跨城市泛化能力，这些将决定无监督运营的规模化与企业合作前景。

据 Sawyer Merritt 在 X 平台披露，达拉斯出现大量配备后摄像头清洗装置的新款 Model Y，进行模拟上下客动作，疑似为特斯拉机器人出租车集结点；原帖援引 Chris Deardurff 的现场视频与位置信息为来源。依据 Sawyer Merritt 的报道，这些车辆使用相近的德州车牌序列，并与近期道路 FSD 测试车辆一致，显示为有组织的车队验证与数据采集阶段。根据该帖，后摄清洗属于与特斯拉视觉优先自动驾驶栈相匹配的硬件升级，可在雨污环境下提升感知可靠性与车辆在线率，对机器人出租车商业化至关重要。就商业影响而言，按 Sawyer Merritt 的信息，达拉斯的集中测试意味着调度、路边上下客地图标注与远程运维等运营流程正在演练，在获得监管许可后有望更快进入试点。对AI产业链而言，此举—据所述视频素材—将扩大端到端驾驶模型的真实世界数据供给，并带来地图服务、车队遥测、路边编排与基于视觉自治的保险定价等配套机会。

据 SawyerMerritt 在 X 的帖子称，弗吉尼亚北部出现一辆无侧后视镜的特斯拉“cybercab”，显示特斯拉正在NOVA区域开展Robotaxi道路测试；据 @_marco 的链接帖文显示，此次目击与近期特斯拉招聘AI司机与Robotaxi监督员岗位相呼应，表明其在进行有监督的自动驾驶试运行与运营准备。基于上述来源信息，短期内本地企业可在安全驾驶员外包、车队运营托管、合规咨询、以及高精地图与感知数据标注服务等环节切入，为特斯拉扩展预商用测试提供配套能力。

据X平台博主Sawyer Merritt披露，美银重启对特斯拉的覆盖，给予“买入”评级与460美元目标价，称特斯拉FSD为“领先的消费级自动驾驶方案”，并强调其更难但可扩展的纯摄像头路线。根据该信息来源，美银的核心逻辑是以软件为先的自动驾驶商业模式，FSD订阅与潜在授权有望贡献高毛利的经常性收入并巩固特斯拉的AI护城河。该消息同时指出，相比依赖激光雷达的技术栈，特斯拉在端到端神经网络与海量车队数据上的优势，有望带来短中期商业增量。

据小鹏汽车官方X账号（@XPengMotors）发布的信息，小鹏在2026峰会上集中展示面向下一代智能驾驶的AI成果，包含实操技术体验与用户交流，强调量产可用的能力（来源：小鹏汽车X平台）。从商业侧看，会议释放了以端到端感知、模型驱动规划与数据闭环为核心的方法论，助力城市NOA更快落地并缩短功能迭代周期，提升软件定义汽车的成本与效率优势（来源：小鹏汽车X平台）。对产业伙伴与开发者而言，聚焦可规模化的高阶辅助驾驶、持续OTA以及AI优先的人机交互，将带来在传感器融合、车端算力优化与车队数据服务等领域的合作机会（来源：小鹏汽车X平台）。

据小鹏汽车官方X账号@XPengMotors发布的视频显示，VLA 2.0可精准识别交警手势，在夜间卡点自动减速、停车、配合检查并通过，全程无需驾驶员介入。根据小鹏官方发布内容，该系统在低光与非结构化场景中完成端到端感知与控制，体现出强大的视觉—语言—动作对齐能力。依据该视频信息，此功能可在人工指挥、临时管制等长尾场景中降低接管率并提升合规与安全性，带来城市场景ADAS商业化落地机会。

据@XPengMotors在X平台发布的官方视频与帖文，小鹏组织多国领事参与VLA 2.0物理AI测试，现场让嘉宾判断由人还是AI驾驶，整段演示实现零接管（据小鹏官方X账号所述）。据小鹏介绍，此次展示体现其VLA 2.0端到端自动驾驶能力的进展，释放更高自动化级别的信号，并为在合规城市推进免手接管场景奠定基础。对产业而言，这意味着短期可在自动驾驶车队试点、出行即服务与城市监管沙盒中，以“接管频率”“响应时延”等可量化指标评估商业化落地（据小鹏在X上的公开演示信息）。

据Sawyer Merritt称，特斯拉已在其北美官网“车辆”菜单下新增FSD（监管）专栏，显示公司在受监管自动驾驶功能上的营销与分发加码（来源：Sawyer Merritt在X）。据特斯拉官网导航变化显示，将FSD（监管）与车型并列有助于提升功能选装率与试用转化，并推广其端到端驾驶模型，同时强调需驾驶员全程监管（来源：Sawyer Merritt观察到的Tesla.com更新）。据此前特斯拉对FSD Supervised的命名与说明，该表述可降低监管误解并为美国、加拿大的试用与订阅推广铺路（来源：特斯拉产品页面与业界报道的公司沟通）。商业影响：把FSD（监管）置于主购物路径可提升渗透率、拉动订阅型收入并扩大车队数据采集，强化特斯拉以视觉为主的自动驾驶路线与经常性收入模式（来源：由Sawyer Merritt报道的Tesla.com结构调整）。

据小鹏汽车在X平台发布的信息，该公司将2026年定位为以自动驾驶能力领跑的一年；据小鹏投资者材料与新闻发布，小鹏的高速NGP与城市NGP采用以视觉为先的感知与端到端规划模型，降低对高清地图依赖，从而实现更广城市覆盖与更快功能迭代。据小鹏财报解读报道，公司通过ADAS订阅与Robotaxi试点合作加速AI技术商业化，形成潜在的软件经常性收入。根据小鹏官方发布，X9与G6平台集成高算力域控制与多传感器融合，支持OTA以缩短功能更新周期。依据小鹏技术简报，公司打造数据闭环，包括车队数据采集、自动标注与持续训练，以提升长尾场景表现并降低接管率。结合此次“领航”品牌传播，据小鹏信息显示，企业正强化高端辅助驾驶、城市级导航与未来Robotaxi商业落地的中国市场路径。

根据Sawyer Merritt在X上的图帖，市场再次聚焦特斯拉的AI技术栈与数据采集能力，尤其是车端算力与集中训练的协同。据特斯拉2023–2024年AI Day资料与财报电话会披露，特斯拉加大对Dojo的投入，以支持端到端自动驾驶的视频模型训练，并依托数十亿英里真实行驶数据扩展数据规模。根据特斯拉2024年第四季度更新，企业持续扩容自动标注管线和多摄像头神经网络，用于端到端驾驶学习。同时据The Information报道，特斯拉在推进Dojo的同时也采购Nvidia H100集群以提升训练吞吐。由此带来五点商业影响：1）通过车队学习降低单位里程数据成本；2）垂直整合训练体系加速端到端模型迭代；3）在安全指标达标后具备向车企授权自动驾驶栈的潜力；4）通过FSD等软件订阅带来利润率提升；5）以大规模专有视频语料形成数据护城河。以上信息均据上述来源，Sawyer Merritt的图帖为对特斯拉现行AI战略的提示。