马斯克在财报电话会上坦承，FSD入华面临着多重难题，比如中国复杂的公交车专用道，甚至“只能从网上找视频进行模拟训练”。快科技也发文称：“特斯拉FSD入华窘境核心还是技术”。
这点我谈一下关于公交车道上，小鹏和一些友商的解决方案对比。
最早，小鹏是可以通过视觉摄像头，捕捉公交车道路标线，但是一直在避免进入。这当然是一个不会犯错的选择，但是因为公交车道通常有时间限制，这在效率和体验上是有所不足的。
后来我记得是在北京mona03的发布会后，我和智驾的产品经理沟通的时候，提到了这个公交车道的问题。我说现在这样一直不进入公交车道，确实体验不好的，但其实可以简单一点，导航地图上其实有公交车道的信息，这个信息也不会轻易变化。
小鹏的产品表示，我们后面是考虑用OCR识别的方式来做。
说实话这个方案直接就震惊到我了，我说这个太难了吧。要知道如果车速比较快，人眼都经常看不完路牌的公交车限时标识，他们这也太头铁了。而且除了OCR，还需要进行语义理解，毕竟每个城市标识的文字是有区别的，要像人类大脑意义理解字上意义才行，这是一套非常耗时耗算力而且复杂的逻辑。
然后在一下次的推送时，我发现SR开始对公交车限时标识显示；再下一个版本，已经可以正确的按照OCR识别+语义理解来正确的操控车辆成功的驾驭了北京的公交车道。
这时候，我也体验了友商的限时公交车道判断。一些友商，确实是通过导航地图提供的限行信息来进行决策的，多数时候也没太大的问题，但是也存在个别路段缺失信息的情况。
所以自动驾驶对公交车道限时处理的技术路线，也就是分成两派：
小鹏的头铁式：OCR+语义理解
友商的捷径式：导航地图拿来吧你
这两种方式确实各有千秋，但是小鹏的方案无疑是非常耗时而且头铁的，明明可以很简单的“拿来”，为什么非要搞这种吃力不好类似人类驾驶时的处理方式？
我认为是能力的泛化。
也许有时候，我们好像在抱怨小鹏好像变慢了，但是这其实是为了将来能力的铺垫。
这种方法具有高度的灵活性，能够应对复杂多变的道路状况。在机器学习和人工智能中，泛化能力是衡量模型性能的关键指标。
一个具有强泛化能力的模型能够在面对未曾见过的数据时，做出准确预测或分类，这对于模型的实际应用至关重要。
除了识别路牌上公交车道的信息，以后还可以用于很多方面，比如各种路标、路牌上文字的识别，园区和地下车库的出口标识识别等等。
甚至包括在海外部署时，对地图部分信息的缺失，同样通过人类看路标路牌体式文字的方式，让AI更像一个人类的驾驶员。
-----------------
后来和小鹏某个VP聊天说起这个事，他也笑说我司技术确实越来越头铁了，后面“从短期主义转向更长期主义”。
——也许这就是何小鹏说的“做难而正确的事”。
小鹏重回新势力销量第一 小鹏汽车[超话]
