馬斯克突然撤掉特斯拉Robotaxi安全員！中國車企卻還不入場？

抓住風口

本期要點：看懂特斯拉！成為特斯拉！

你好，我是王煜全，這里是王煜全要聞評論。

最近，馬斯克罕見地兌現了他的承諾。

12月15日，他在德州奧斯汀做了一件小事，把特斯拉Robotaxi測試車里的安全員去掉了。

在12月10日xAI的一次活動上，馬斯克就提到，將在三周內移除隨車安全員，如今他真的說到做到了。

社交媒體上不少視頻顯示，已經有印了Robotaxi標識的特斯拉Model Y在奧斯汀市區道路行駛，全程車內空無一人。

這意味著，繼Waymo和Cruise之后，特斯拉這個重量級玩家也已經進入了Robotaxi的實際運營階段。

馬斯克已多次表示，目標是將Robotaxi服務擴展至8~10個美國主要都市區，潛在目標城市包括拉斯維加斯、邁阿密、鳳凰城、達拉斯和休斯敦等。如果推進順利，其服務范圍將覆蓋美國約一半人口。

與此同時，傳統車企也不甘寂寞。12月12日，大眾集團也在德國沃爾夫斯堡啟動了旗下Robotaxi車型Gen.Urban1的道路測試。特別是，和Cybercab一樣，這款車也取消了方向盤和踏板，完全按照Robotaxi的理念設計。

然而，有意思的是，大眾此次測試的重點并不是收集數據，而是在于考察乘客在Robotaxi中有什么行為和心理感受。因此，他們的測試路段只有10公里。

我們認為，表面上看，新舊車企都開始了Robotaxi賽道的競爭。但如果深入分析底層邏輯，就會發現特斯拉和大眾根本不在同一條起跑線上。絕大多數車企，可能從未真正布局自動駕駛這場終極競爭，也就連參賽資格都難以獲得。

它們要么迅速趕上，抓緊構建足以覆蓋極端場景的數據工廠，要么永遠落伍，淪為Robotaxi企業的代工廠。而這一點，尤其值得所有中國車企警惕。

長尾風險

首先，要說明的是，這次特斯拉移除了安全員，直接破解了Robotaxi商業化的最大成本瓶頸。

在美國，一個經過培訓的安全員，每年會給企業帶來至少10萬美元的成本。考慮到企業大都實行兩班倒或三班倒的方式，人停車不停，單車的年度人力成本將輕松突破20萬美元。

這筆高昂的固定支出，使得任何帶有安全員的Robotaxi服務都難以與傳統網約車或出租車拉開價格差距，商業模式自然也就無從談起。

所以，此前我在科技特訓營中就明確指出，特斯拉撤除安全員是觀察特斯拉Robotaxi業務能否邁過商業化門檻的里程碑式標志。

不過，我們更要強調的一點是，特斯拉敢于邁出這一步，倚仗的是難以復制的系統性優勢。

大眾等各個車企是可以學習特斯拉推出類似的Robotaxi車輛，甚至在不久的將來也可以去除安全員，但沒有大量已經上路的自動駕駛車輛做依托，貿然推出Robotaxi只會是東施效顰，讓自己陷入更大的風險之中。

大眾的Gen.Urban

要知道，當前自動駕駛技術面臨的核心挑戰是“長尾風險”，即如何處理那些發生概率極低、而形態又極其復雜的極端場景，例如突然闖入道路的動物、突發的異常天氣等。

由于監管機構與公眾往往將企業視為整體進行追責，一旦某輛Robotaxi沒有處理好長尾風險，出現嚴重事故，背后的企業往往就可能面臨全面調查，甚至整體停運。

此前Waymo盡管在常規場景做得很不錯，但由于對于長尾風險的擔憂，哪怕已經運營多年，仍然不敢貿然擴大無人車的運營范圍。

2023年，Cruise在舊金山的遭遇就更加讓人覺得惋惜了。他們的車輛不小心對另外一起事故中的人員造成了二次傷害，導致停業整頓，至今還沒恢復正常運營。

數據工廠

我們認為，長尾風險之所以難以解決，深層原因在于人類駕駛員的決策機制和AI的算法有本質區別。

當人類駕駛員碰到從未見過的狀況，也能憑經驗和邏輯推理，預判風險并做出反應，比如剎車或拐彎躲避。

但目前主流的深度學習模型，本質上是數據驅動的模式識別工具，缺乏人類這種基于常識的推理能力，碰到沒見過的問題時并不會“舉一反三”，而是會茫然無措，或做出不可預測的反應。

這意味著，在算法沒有取得范式突破之前，AI必須“見過”大量相似的極端場景案例才能學會處理方法。從商業角度看，Robotaxi領域的勝負關鍵也就轉變為誰能以更低的邊際成本獲得更多的極端場景數據。

Waymo等企業主要通過專用測試車隊和運營車輛收集數據，并依賴人力從海量數據中標注極端場景，用于優化算法。他們也曾通過虛擬仿真和搭建模擬場景的方式，輔助產生數據。

但要注意的是，這種模式下，車輛、人力、能耗、數據處理等每項工作都需要重資產投入。更棘手的是，因為只是測試車輛，所以規模很難做大，而且都在城市郊區的指定區域中行駛，能收集到極端場景數據的概率本身就很低。想通過這種方式不斷降低長尾風險，邊際成本一定會越來越高。

相比之下，特斯拉則構建了一條數據流水線。

特斯拉已經擁有了大批車主，車是用戶買的，電是用戶充的，車是用戶自己開的。無論是在紐約的擁堵街頭，還是北歐的冰雪路面，只要有特斯拉的地方，就可以生產數據，碰到極端場景的概率也大大增加。

同時，即使自動駕駛功能沒有開啟，系統也會通過“影子模式”，默默對比AI決策與人類操作的差異，每當兩者顯著不同時，該場景便被自動標記為高價值樣本，將相關視頻片段上傳。

這意味著，隨著特斯拉保有量的增加，行駛里程就會自然積累，他們獲取數據的邊際成本也就會趨近于零。

依托這套體系，特斯拉已積累了遠超同行的數千億公里真實路測數據，保守估計，其中也包含了數億次的人工接管案例，對長尾風險的覆蓋也相對更加完備。

所以，最后，我們想指出的是，并不是誰都有資格參與未來的Robotaxi競爭。

如果看到特斯拉有Cybercab，覺得跟風推出一輛沒方向盤、沒腳踏板的電動汽車就行了，那就只是造了一個更難操控的“taxi”，而不是具有商業價值的“Robo”taxi。

Robotaxi的競爭，不只是造一款更好的產品，更是一場涵蓋數據獲取、算法迭代、車輛工程、運營管理、監管合規、以及市場公關等各方面的系統性較量。

其中，高質量數據的獲取效率和成本，可以說是最底層、也最具決定性的壁壘，離不開長期、前瞻的戰略布局。

而這也是我們一直在提醒中國車企的一點：我們在電動化方面確實已經取得了顯著的成就，但在智能化方面，我們的數據標準化共享仍然做得很不夠，數據規模有限，自動駕駛水平的提升就會放緩。

最關鍵的破局之道，就是學習特斯拉，中國車企用量產車入局Robotaxi，用Robotaxi的高要求拉動自動駕駛技術的完善。

但至今除了小鵬以外，仍然沒有中國車企明確宣布入局，無疑是個令人擔憂的狀況！

以上就是今天的內容，有關自動駕駛的更多趨勢和底層規律，歡迎加入科技特訓營學習，和我一起，先人一步，領先一路！

也在此向各位家長推薦前哨AI冬令營。我們認為，最好的學習不是學理論，而是親手實踐。想讓孩子能親自上手完成真實的AI項目，從理解AI到駕馭AI，就快快點擊鏈接了解詳情吧。

王煜全要聞評論，我們明天見。

↓長按圖片掃碼報名，先人一步，領先一路

最后， 鑒于公眾 號推送機制的改變，你未來刷 到要聞評論的機會可能沒那么多了，建議你加入粉絲群，第一時間 得到我的獨家前沿分析，而且我們還會每天在粉絲群里發布獨家資料，快快掃碼加入吧！

此外，我們還為您準備了一個思維導圖，掃描加群即可領取

“特斯拉未來的機會和風險”

↓點擊學習王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！