特斯拉无人驾驶车下线，无方向盘、无踏板后视镜，能赢得信任吗？

特斯拉最近的无人车下线很多人在炒作概念，实际上我觉得还不用太着急去看，先进性肯定是有的，但商业逻辑能否持续下去，还得观望。 其实我更关注的是车价格——不到三万美元。这个数字比外形更重要。Robotaxi的商业逻辑并不神秘。去掉司机成本，单位里程运营成本理论上可以下降三到五成。

Cybercab取消方向盘与踏板，是一个极端姿态。工程上这意味着它预设了高度自动驾驶的可行性，也意味着法律、伦理与安全体系必须同步跟上才行，不然你这么玩肯定有大量扯皮的事情。按NHTSA的公开数据来说，人类驾驶每一亿英里约发生1.3起致命事故【虽然不同年份数据有所波动（如 2023 年约为 1.20/1.26 每 1 亿英里，2024 年约 1.18/1.20/1.26 等），但核心指标始终是：致命事故率 = 每 100 million vehicle miles traveled（VMT）的死亡数。这是美国官方判断道路安全水平最常用的标准方式之一】

马斯克宣称自动驾驶安全性可达人的十倍，这相当于把致命事故率压到0.13/亿英里量级。全局来看如果这个数字达到了，那肯定对人类是有贡献的。但这一切的前提是远程接管比例足够低，车辆利用率足够高，维护成本可控。

怎么理解呢？目前客观事实是，自动驾驶的车辆从工程安全冗余角度看，数据回传与远程协助具备现实合理性。但各家企业都在算一笔账，就是如果每台车背后长期存在人工兜底，成本模型会迅速失衡。

那么今后衡量Robotaxi的成功与否，资本是否愿意为它的未来增长进行溢价式投资，就要看一个点，就是车辆的数据回传与远程协助机制是否更加自主，目前特斯拉称，自身优势就是AI自主的判断，但Cybercab采用实时人工接管的比例有多大，目前尚无公开信息。

参考Waymo、Cruise 这类公司在美国确实有remote assistance也就是远程支持中心，但那更多是低频干预或指令建议，而非实时操控每一台车。但实际上也是具备操控某一辆车的这种操控中心的。

所以这里咱们的行业判断很简单，真正的分水岭，在规模化运营两三年之后的财务报表。关键要看，那些被视为“自动化红利”的溢价，是否在持续的人力支持、远程协助和运营成本中被逐步摊薄。届时，资产负债表会回答一个问题——自动化所承诺的效率提升，究竟能否在扣除所有现实运营成本之后，依然成立。

但这里面的挑战非常多，需要覆盖的不仅是统计平均场景，还需要解决无穷无尽的corner case【热知识，自动驾驶的某些场景下，人类解决corner case的速度，低于新的corner case出现的速度】。

工程学里有个朴素原则，系统的安全性取决于最弱环节而非平均水平。端到端模型可以在大量常见场景中逼近甚至超越人类，但对长尾场景的泛化能力仍是未解难题，就是XAI：可解释人工智能问题，它是安全冗余的前提。只要决策过程存在黑箱属性，就必须通过冗余感知、规则兜底或远程协助来对冲风险。这里面的黑箱可以提升效率，但不能取代责任。

之前特斯拉工作的朋友发给我关于前融合和后融合对比的一些论文，看完之后发现很有启发性，但目前业内仍然有问题没解决，尤其是纯视觉方面，还是那个大家都能理解的问题，就是纯视觉继承了人眼的优势，也继承了人眼的缺陷。逆光、雨雾、标线模糊等场景下，单一模态会迅速逼近性能天花板。 国内的话，所谓Mixture of Experts虽然也不完美，但仍然是用一种分工与仲裁机制，让不同子模型在不同场景下拥有优先权。谁更有优势，其实是要看成本的，这些以后会逐渐展现市场结果。

Optimus二代人形机器人与Cybercab同台亮相，是另一条增长曲线。不过这是机器人另一个领域的话题了，我仍然在学习中，我无法在机器人领域中做出非常有行业影响力的判断，但近期和机器人专家交流过程中，仍感知到这里面有成本高昂的问题，为什么咱们国家的机器人发展令欧美很惧怕，就是美国人其实最担心的是中国的机器人行业，拥有成本覆盖全市场的能力，然后只需要占领市场之后做技术的二次覆盖就可以夯实全局，所以特斯拉力求第一时间就一锤定音，但显然，难度是比较高的，一方面国内智能这一块已经在全产业链闭环了，第二就是算法优势想做那种拔高的话会遇到更现实的问题。

总之，技术为路，资本为桥，数据为流，安全为岸。凡是见到资本便急于欢呼的，多半忽略了时间与报表的校验；真正决定方向的，从来不是情绪的浪潮，而是长期兑现能力的曲线。