特斯拉无人驾驶：悬崖边的豪赌

然而，说服监管机构和乘客相信该车的安全性可能需要更长的时间。而其主要竞争对手：Alphabet旗下的Waymo，已经在选定的城市扩展了无人驾驶出租车车队。

根据路透社对十多名专注于自动驾驶技术的专家、顾问和学者以及三名前特斯拉自动驾驶工程师的采访，特斯拉迄今为止走了一条与所有主要的自动驾驶竞争对手不同的技术路径。这条路径可能带来更高的回报，但也给其业务和乘客带来更高的风险。

特斯拉的策略完全依赖于“计算机视觉”与“端到端机器学习”的结合，前者旨在以人类使用眼睛的方式使用摄像头，后者可以将图像即时转化为驾驶决策。

这种技术已经成为特斯拉“全自动驾驶”驾驶辅助功能的基础，尽管该功能有其名称，但如果没有人类驾驶员，是无法安全操作的。马斯克表示，特斯拉正在使用同样的方法开发完全自动驾驶的无人驾驶出租车。

特斯拉的竞争对手，包括Waymo、亚马逊的Zoox、通用汽车的Cruise和众多中国公司都使用相同的技术，但通常会叠加冗余系统和传感器，如雷达、激光雷达和复杂的映射，以确保安全并获得监管机构对其无人驾驶车辆的批准。

行业高管、自动驾驶专家和一位特斯拉工程师告诉路透社，特斯拉的战略更简单，成本更低，但有两个关键弱点。没有使用同行使用的分层技术，因此在应对所谓的“极端情况”时会遇到更多困难，即自动驾驶系统及其人类工程师难以预测的罕见驾驶场景。

另一个主要挑战是，端到端人工智能技术是一个“黑匣子”，特斯拉工程师表示，这使得在它失控并导致事故时，几乎不可能“看到”出了什么问题。

特斯拉没有回应关于其技术的评论请求。

英伟达创始人兼首席执行官黄仁勋在接受采访时也使用了同样的“黑匣子”话术来描述端到端技术的弱点。

英伟达是世界领先的人工智能计算芯片生产商，也在其正在开发和计划出售给汽车制造商的自动驾驶系统中使用端到端技术。但黄仁勋告诉路透社，英伟达将这种方法与更传统的计算系统和额外的传感器（如雷达和激光雷达）相结合。

黄仁勋表示，端到端技术通常（但并非总是）能做出最佳驾驶决策，这就是英伟达 采取更保守方法的原因。“我们必须一步步构建未来，”他说。“我们不能直接走向未来。这太不安全了。”

数据驱动

目前，与无人驾驶出租车竞争对手不同，特斯拉仅在其“Autopilot”和“Full Self-Driving”功能中提供半自动解决方案。这些系统的命名和营销引发了调查和诉讼，质疑特斯拉是否通过夸大其车辆的自动驾驶能力而将驾驶员置于危险之中。

美国国家公路交通安全管理局（NHTSA）在4月发布的一项调查发现，自2018年1月至2023年8月，在配备Autopilot或FSD的特斯拉车辆中发生了542起碰撞，其中包括14起导致死亡的碰撞。

然而，将Autopilot和FSD投入高销量车型，确实为特斯拉提供了明显的竞争优势：数百万辆汽车上的摄像头收集的海量数据，可以进行分析并用于开发自动驾驶技术。

两名前特斯拉工程师表示，与Waymo等竞争对手相对较小的车队相比，其技术的相对低成本使数据收集规模巨大。其中一位工程师表示，特斯拉的高分辨率摄像头成本远低于激光雷达，最终可能允许汽车制造商生产客户能够负担得起的完全自动驾驶汽车。

激光雷达使用激光来生成车辆周围环境的三维图像，以便在避开障碍物时导航。

今年夏天，马斯克向分析师和投资者夸耀特斯拉取得了“指数级”的进步，并预测特斯拉可能在“今年年底”实现无人监督的驾驶，并补充说，如果明年不能做到这一点，他会“感到震惊”。

前无人驾驶汽车工程师和英伟达、Cruise和Zoox软件开发主管萨沙·奥斯托吉克（Sasha Ostojic）表示，他认为特斯拉至少需要“三年以上”的时间才能达到Waymo今天实现的自动驾驶水平。奥斯托吉克现在为一家位于帕洛阿尔托的风险投资公司Playground Global提供技术投资咨询。

他说：“我并不认为特斯拉会按照埃隆·马斯克承诺的时间表，实现真正的‘眼睛不用看，大脑不用动’的自动驾驶。”

错误率和边缘案例

特斯拉曾经也涉足多种自动驾驶技术，但它于2021年和2022年开始从其车辆中移除雷达，到去年取消了旨在用声波检测物体的超声波传感器。

专家表示，该公司仅依靠人工智能驱动的计算机视觉，面临着消除一个微小但不可接受的错误率的挑战，如果不加以检查，没有人类驾驶员，可能会导致受伤和死亡。

乔治·梅森大学机器人和人工智能教授、NHTSA前顾问米西·卡明斯（Missy Cummings）引用了几项研究，这些研究表明计算机视觉非常准确，但仍然无法识别大约3%的时间的对象。

“如果它看不到行人横过马路或走在人行道上怎么办？”她问道。

Waymo的前首席执行官约翰·克拉夫奇克（John Krafcik）告诉路透社，该公司使用包括雷达和激光雷达在内的额外传感器，使其在感知物体方面“比特斯拉强大几个数量级”。它的技术在出现问题时也更加透明：端到端机器学习系统无法精确定位危险故障“可能是对一家重视安全的公司来说难以解决的问题”，克拉夫奇克说。

他表示“如果你的一辆车发生了严重的事故，你就应该能够解释为什么会发生这样的事故。”

Waymo没有发表评论。

这位前特斯拉工程师称其技术为“黑匣子”，他表示，特斯拉的系统如何做出驾驶决策从来都不清楚。这让我们很难判断特斯拉是否接近生产出安全、完全自动驾驶的汽车，如果是，又有多接近。这位工程师称，无论分析多少数据，人工智能系统或其人类工程师都“不可能”预测到每一个“极端情况”。