2025年6月22日，特斯拉在得克薩斯州奧斯汀開始了Robotaxi的試運行。

這次試運行無疑極大地提振了市場信心，第二天特斯拉股價就暴漲超8%。

但據(jù)報道，一輛特斯拉Robotaxi在左轉(zhuǎn)失敗后駛?cè)雽ο蜍嚨溃┞冻黾円曈X方案在復(fù)雜場景中，仍有不少技術(shù)問題需要解決。

也有人批評特斯拉沒有兌現(xiàn)“完全無人監(jiān)督”的承諾，且與Waymo在奧斯汀的運營相比仍有差距。Waymo通過與Uber合作的方式，在奧斯汀部署300輛自動駕駛車輛，已進(jìn)入了常規(guī)運營的狀態(tài)，并且還會繼續(xù)增加部署量。

因此，這幾天，特斯拉的股價又有所回落。

我們認(rèn)為，接下來的關(guān)鍵在于，特斯拉能否通過數(shù)據(jù)閉環(huán)快速優(yōu)化算法，數(shù)據(jù)規(guī)模能否覆蓋“長尾事件”， 從而證明其純視覺方案不遜于多傳感器融合方案，并建立用戶對其技術(shù)的信任。

值得注意的是，特斯拉用近乎“暴力”的方式進(jìn)行數(shù)據(jù)積累，并力圖后發(fā)制人，對中國而言，既展現(xiàn)了未來機(jī)遇，也意味著巨大挑戰(zhàn)。

數(shù)據(jù)的規(guī)模

首先，我想強(qiáng)調(diào)的是，和AI大模型類似，“Scaling Law”（規(guī)模法則）在自動駕駛領(lǐng)域也發(fā)揮著決定性作用。只不過，這里所說的“規(guī)?！敝饕侵笖?shù)據(jù)量，而不完全是模型參數(shù)量。

Waymo的一項研究指出，自動駕駛模型的最佳參數(shù)量可能在千萬級別。這與AI大模型動輒千億規(guī)模的參數(shù)量形成了鮮明對比。

一個自動駕駛模型的天花板在于對真實世界多樣性和“長尾事件”的覆蓋程度。此時，足夠的數(shù)據(jù)就成為了基本前提。無論采用哪種技術(shù)路線，只有當(dāng)數(shù)據(jù)量超過一定門檻，才有可能真正提升算法性能。

所謂“長尾事件”， 指的是少見的道路參與者、罕見的交通組合、極端天氣下的模糊標(biāo)線等情況。這些事件在總數(shù)據(jù)集中的占比可能低于0.1%，卻是決定系統(tǒng)可靠性的關(guān)鍵。

但是，因為“長尾事件”占比極低，在模型訓(xùn)練中往往很難得到體現(xiàn)，傳統(tǒng)的算法在面對這些突發(fā)場景時，往往顯得力不從心。

因此，Waymo會耗費大量精力，從海量數(shù)據(jù)中挖掘這些關(guān)鍵的“長尾事件”，并以更高的權(quán)重反復(fù)訓(xùn)練模型?？梢钥闯?，這是一個工程層面的優(yōu)化過程，而不是算法上的創(chuàng)新。

特斯拉則采用“影子模式”，以極低的成本、快速形成規(guī)模巨大的訓(xùn)練數(shù)據(jù)集。用戶的每一次與FSD表現(xiàn)不符的操作，都相當(dāng)于是對視頻數(shù)據(jù)的標(biāo)注。這讓特斯拉有望通過數(shù)據(jù)規(guī)模來實現(xiàn)對“長尾事件”的覆蓋。

不過，這種方式也是一把“雙刃劍”。如果不加篩選地將這些混雜的數(shù)據(jù)輸入模型，雖然能讓FSD學(xué)習(xí)人類駕駛方式，也可能讓它繼承人類駕駛員的缺點。

這也是為什么，盡管很多人認(rèn)為特斯拉FSD的駕駛風(fēng)格很流暢和果斷，但也經(jīng)常出現(xiàn)跨越實線等為了效率而違規(guī)的行為。

未來，特斯拉無疑要辨別那些人類司機(jī)的“壞榜樣行為”， 不讓FSD盲目模仿。當(dāng)然，清洗這些“臟數(shù)據(jù)”的成本肯定也不低。

中國之路

面對Waymo和特斯拉的你追我趕，我們也呼吁中國的企業(yè)和監(jiān)管部門必須要積極行動起來了。

截至2025年6月，中國已有超過40個城市發(fā)放了自動駕駛測試牌照，有超過10個城市開放了自動駕駛試運營。包括百度Apollo、小馬智行、文遠(yuǎn)知行在內(nèi)的企業(yè)都建立了無人出租車隊，在各大城市的示范區(qū)內(nèi)行駛。

然而，在這看似“遍地開花”的繁榮之下，掩蓋不了一個嚴(yán)峻現(xiàn)實——規(guī)模不足。

每個城市的運營車輛大多在百輛級別。即便是作為頭部示范區(qū)的武漢，Robotaxi總規(guī)模也仍在700輛左右徘徊，還有部分不載客的測試車輛。

這和監(jiān)管者的心態(tài)有一定相關(guān)性。

如果一個城市僅僅將Robotaxi視為形象工程，而沒有意識到背后產(chǎn)業(yè)發(fā)展的需求和規(guī)律，那么監(jiān)管者可能會為了規(guī)避風(fēng)險，傾向于采用“小步慢走”的方法。既不提升車隊規(guī)模，也不擴(kuò)大試運營范圍，就會讓當(dāng)?shù)氐腞obotaxi產(chǎn)業(yè)“不死不活”，無法形成數(shù)據(jù)和算法優(yōu)化的良性循環(huán)。

更關(guān)鍵的是，現(xiàn)在斜刺里又殺出了個特斯拉，試圖打破L2級輔助駕駛與L4級自動駕駛涇渭分明的技術(shù)界限。

我們曾分析，一旦驗證量產(chǎn)車也能勝任Robotaxi服務(wù)，特斯拉就能迅速組建一支數(shù)萬輛的車隊，對所有Robotaxi企業(yè)形成“降維打擊”。

這也意味著，不僅是百度、小馬智行等專攻L4 Robotaxi的科技公司，華為、小鵬等車企也應(yīng)該瞄準(zhǔn)L4自動駕駛技術(shù)，否則未來可能連Robotaxi的入場券都拿不到。當(dāng)然，監(jiān)管機(jī)構(gòu)也應(yīng)該盡快批準(zhǔn)蔚小理和華為等做智駕的整車廠參與Robotaxi的運營。

最后，我也呼吁監(jiān)管者和行業(yè)能主動打破“數(shù)據(jù)孤島”， 充分利用我們的最大優(yōu)勢——龐大的智能電動汽車保有量及Robotaxi用戶基礎(chǔ)。

我們很擔(dān)心，中國的電動汽車產(chǎn)業(yè)雖然很強(qiáng)，但在智能化和未來的無人出行服務(wù)化階段，會因為各自為戰(zhàn)而陷入被動。

我們希望政策上能鼓勵運營商在特定城市進(jìn)行更大范圍、更高密度的車輛部署，向“千輛級”甚至“萬輛級”邁進(jìn)，實現(xiàn)數(shù)據(jù)積累和算法優(yōu)化相互推動的飛輪效應(yīng)。

在數(shù)據(jù)規(guī)模上，行業(yè)也要形成合力。通過統(tǒng)一的數(shù)據(jù)格式、數(shù)據(jù)接口和安全標(biāo)準(zhǔn)，在保護(hù)商業(yè)機(jī)密和數(shù)據(jù)安全的前提下，建立國家級或區(qū)域級的“數(shù)據(jù)共享平臺”，用集中起來的海量數(shù)據(jù)支持模型的訓(xùn)練和發(fā)展。

同時，應(yīng)鼓勵在自動駕駛領(lǐng)域有較強(qiáng)研發(fā)能力的車企也加入Robotaxi市場，通過引入強(qiáng)大的競爭者，加速數(shù)據(jù)的積累速度，促進(jìn)整個行業(yè)技術(shù)和服務(wù)水平的提升。

我們認(rèn)為，當(dāng)前最大的風(fēng)險就是固步自封和不作為，從而使中國與成為“行業(yè)領(lǐng)導(dǎo)者”的產(chǎn)業(yè)機(jī)遇失之交臂。