找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

3389

积分

0

好友

440

主题
发表于 13 小时前 | 查看: 4| 回复: 0

在2025年底加州旧金山那次著名的大停电中,一个现象耐人寻味:完全无人值守的Waymo车辆直接瘫痪在街头,而特斯拉的Robotaxi车队却能照常运营。这并非因为特斯拉的端到端AI模型突破了物理限制,而是源于一个让人意外的现实——马斯克引以为傲的“无人车”里,其实一直坐着一位紧握方向盘的人类驾驶员。

特斯拉在2026年2月向加州公用事业委员会(CPUC)提交的官方监管文件中,出现了一次显著的预期管理“倒退”。这份文件清楚地表明,其所谓的无人出租车服务,无论从法律底线还是实际操作来看,都完全依赖于车内的人类驾驶员作为最终保障。

这一矛盾非常关键:为何这家全球最激进的自动驾驶公司,突然开始论证人类监督的“优越性”?其背后,恐怕不只是对技术容错率的妥协,更可能是一场精心策划的监管套利。

特斯拉电动车概念图

监管文件揭示的路线反转

要看清特斯拉Robotaxi的真实状况,具有法律效力的监管备案文件是最佳窗口。

根据特斯拉提交给CPUC的文件,目前其在湾区及奥斯汀运营的Robotaxi服务,其核心仍然是 FSD(Supervised)系统。这套系统在法律上被明确定义为Level 2级别(数据来源于特斯拉2026年2月的官方备案,并经权威科技媒体Electrek核实)。

在人类干预的要求上,特斯拉给出的答案是 100%。这意味着,法律和系统设定均要求:必须有一名持有有效驾照的人类驾驶员全程坐在驾驶位,并且要配合位于美国本土的远程操作员团队进行双重监控。这与发布会上描绘的、乘客可在后座安然入睡的L4级完全自动驾驶愿景相去甚远。

资本市场曾寄望于技术能彻底抹去人力成本,但特斯拉当前的商业模式显然无法实现这一点。

Robotaxi打车应用界面概念图

从“依赖”到“武器”的巧妙辩解

最反常规的商业操作在于,特斯拉不仅没有隐藏对人类驾驶员的依赖,反而将其转化为攻击竞争对手的武器。

横向对比行业标杆,加州车辆管理局(DMV)的公开许可目录显示,Waymo获得的商业部署许可所要求的,是彻底的“0人类驾驶员”。实现真正的无人驾驶,需要依赖高成本的激光雷达硬件与复杂的算法冗余。

然而,特斯拉在备案文件中指出,自家多层人类监督模型在应对极端突发场景时,比全无人系统更具“弹性”。它甚至将竞争对手在停电中抛锚的事故,作为自家系统“高可用性”的反面例证加以引用。

不过,在衡量系统能力的核心安全指标上,业界数据出现了严重割裂。

特斯拉引用自家的《车辆安全报告》,向监管部门强调开启FSD时的事故发生率比全美平均水平低了7倍。

然而,外部评估机构却给出了截然不同的结论。科技媒体Futurism联合Electrek对近期多起低速碰擦事件(如追尾静止公交车、倒车剐蹭等)进行评估后,将其与全美人类司机平均每22.9万英里发生一次轻微碰撞的基准进行对比。他们推断,特斯拉早期Robotaxi的轻微碰撞率可能达到人类驾驶员的4倍

由于特斯拉未在近期文件中公布网约车运营的确切总里程,精确的分母数值目前无法确认。但这种数据的“倒挂”,无疑暴露出纯视觉端到端模型在应对复杂、罕见的长尾场景时,仍存在高频波动的风险。

特斯拉中控屏ROBOTAXI界面概念图

L2之名:一场精心设计的监管套利?

特斯拉选择退守L2,这既是技术现实的反映,也可能是一个精明的商业策略。

加州DMV对于L4级自动驾驶测试有着极为严苛的数据公开要求,企业必须定期向公众披露每一次人工干预(脱离)的详细数据和事故细节。

对于特斯拉这类股价高度依赖“技术信仰”的公司而言,这种透明度是巨大的风险。只要在官方法律文书中坚称自己仅提供L2级辅助驾驶,它就能巧妙地避开DMV对真正无人驾驶车辆的强监管雷达。

在早期内部测试规模上,公开记录显示,截至2025年4月,仅面向员工的初期网约车服务就已积累了超过15000英里和上千次行程。特斯拉正利用这种低监管压力的模式,让数千辆搭载FSD的车辆在真实、复杂的城市路网中收集海量数据。

因此,将L2包装成Robotaxi进行运营,与其说是“虚假宣传”,不如视为一种以最低试错成本、最大限度榨取真实世界路测数据的策略。

蓝色特斯拉Model S停在工业风墙前

前景与挑战:数据飞轮能突破物理极限吗?

市场上存在一种乐观的预期:只要特斯拉依靠庞大的人类监督车队跑通了“数据飞轮”,解决了最后那万分之一的极端场景问题,未来仅需通过一次简单的OTA(空中升级),就能将全球数百万辆特斯拉汽车合法地“解锁”为真正的L4无人车。

这种推断在何种前提下才可能成立?它要求底层的算力法则没有天花板,且纯视觉方案在面对暴雨、逆光、浓雾等物理极限挑战时的失效概率,能够随着视频数据的不断“喂养”而呈指数级稳定下降。

然而,如果在物理传感器的感知层面存在不可逾越的“硬边界”,导致模型性能提升出现边际效应递减,那么这套看似廉价的方案可能永远无法摆脱对人类干预的依赖。这场围绕人工智能与汽车工业未来的宏大实验,最终结局仍是未知数。关于技术路线的更多讨论,也欢迎来开发者广场交流。

你认为特斯拉最终能跨越这条技术鸿沟吗?

白色特斯拉Model 3停在山间公路

声明:本文所有数据均来自公开媒体及监管文件,图片来源于公开渠道。内容仅供分析参考,不构成任何投资或商业建议。技术发展日新月异,一切以官方最新信息为准。

参考资料

  1. Tesla admits it still needs drivers and remote operators (Electrek, 2026年2月19日)
  2. Tesla Robotaxis Crashing Vastly More Often Than Human Drivers (Futurism, 2026年2月18日)
  3. Tesla has launched a robotaxi service, but only for employees (Mashable, 2025年4月24日)
  4. Autonomous Vehicle Testing Permit Holders (加州DMV公开资料, 截至2026年2月)

本文由云栈社区基于公开信息进行技术分析与解读。




上一篇:AI Agent技能精选:分析1000个Skill,洞察六大领域应用与热门推荐
下一篇:大龄程序员的职业十字路口:我亲历的4条转型出路与真实案例
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-2-28 22:13 , Processed in 0.408483 second(s), 42 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表