[汽车总站网 www.chianautoms.com欢迎你]

2025年6月22日，特斯拉在得克萨斯州奥斯汀开始了Robotaxi的试运行。这次试运行无疑极大地提振了市场信心，第二天特斯拉股价就暴涨超8%。

但据报道，一辆特斯拉Robotaxi在左转失败后驶入对向车道，暴露出纯视觉方案在复杂场景中，仍有不少技术问题需要解决。

也有人批评特斯拉没有兑现“完全无人监督”的承诺，且与Waymo在奥斯汀的运营相比仍有差距。Waymo通过与Uber合作的方式，在奥斯汀部署300辆自动驾驶车辆，已进入了常规运营的状态，并且还会继续增加部署量。

因此，这几天，特斯拉的股价又有所回落。我们认为，接下来的关键在于，特斯拉能否通过数据闭环快速优化算法，数据规模能否覆盖“长尾事件”， 从而证明其纯视觉方案不逊于多传感器融合方案，并建立用户对其技术的信任。

值得注意的是，特斯拉用近乎“暴力”的方式进行数据积累，并力图后发制人，对中国而言，既展现了未来机遇，也意味着巨大挑战。

数据的规模

首先，我想强调的是，和AI大模型类似，“Scaling Law”(规模法则)在自动驾驶领域也发挥着决定性作用。

只不过，这里所说的“规模”主要是指数据量，而不完全是模型参数量。Waymo的一项研究指出，自动驾驶模型的最佳参数量可能在千万级别。这与AI大模型动辄千亿规模的参数量形成了鲜明对比。一个自动驾驶模型的天花板在于对真实世界多样性和“长尾事件”的覆盖程度。

此时，足够的数据就成为了基本前提。无论采用哪种技术路线，只有当数据量超过一定门槛，才有可能真正提升算法性能。

所谓“长尾事件”， 指的是少见的道路参与者、罕见的交通组合、极端天气下的模糊标线等情况。这些事件在总数据集中的占比可能低于0.1%，却是决定系统可靠性的关键。

 

但是，因为“长尾事件”占比极低，在模型训练中往往很难得到体现，传统的算法在面对这些突发场景时，往往显得力不从心。

因此，Waymo会耗费大量精力，从海量数据中挖掘这些关键的“长尾事件”，并以更高的权重反复训练模型。

可以看出，这是一个工程层面的优化过程，而不是算法上的创新。特斯拉则采用“影子模式”，以极低的成本、快速形成规模巨大的训练数据集。

用户的每一次与FSD表现不符的操作，都相当于是对视频数据的标注。这让特斯拉有望通过数据规模来实现对“长尾事件”的覆盖。

不过，这种方式也是一把“双刃剑”。如果不加筛选地将这些混杂的数据输入模型，虽然能让FSD学习人类驾驶方式，也可能让它继承人类驾驶员的缺点。这也是为什么，尽管很多人认为特斯拉FSD的驾驶风格很流畅和果断，但也经常出现跨越实线等为了效率而违规的行为。

未来，特斯拉无疑要辨别那些人类司机的“坏榜样行为”， 不让FSD盲目模仿。当然，清洗这些“脏数据”的成本肯定也不低。

中国之路

面对Waymo和特斯拉的你追我赶，我们也呼吁中国的企业和监管部门必须要积极行动起来了。

截至2025年6月，中国已有超过40个城市发放了自动驾驶测试牌照，有超过10个城市开放了自动驾驶试运营。包括百度Apollo、小马智行、文远知行在内的企业都建立了无人出租车队，在各大城市的示范区内行驶。

 

然而，在这看似“遍地开花”的繁荣之下，掩盖不了一个严峻现实——规模不足。每个城市的运营车辆大多在百辆级别。即便是作为头部示范区的武汉，Robotaxi总规模也仍在700辆左右徘徊，还有部分不载客的测试车辆。

这和监管者的心态有一定相关性。

如果一个城市仅仅将Robotaxi视为形象工程，而没有意识到背后产业发展的需求和规律，那么监管者可能会为了规避风险，倾向于采用“小步慢走”的方法。既不提升车队规模，也不扩大试运营范围，就会让当地的Robotaxi产业“不死不活”，无法形成数据和算法优化的良性循环。

更关键的是，现在斜刺里又杀出了个特斯拉，试图打破L2级辅助驾驶与L4级自动驾驶泾渭分明的技术界限。我们曾分析，一旦验证量产车也能胜任Robotaxi服务，特斯拉就能迅速组建一支数万辆的车队，对所有Robotaxi企业形成“降维打击”。

这也意味着，不仅是百度、小马智行等专攻L4 Robotaxi的科技公司，华为、小鹏等车企也应该瞄准L4自动驾驶技术，否则未来可能连Robotaxi的入场券都拿不到。

当然，监管机构也应该尽快批准蔚小理和华为等做智驾的整车厂参与Robotaxi的运营。最后，我也呼吁监管者和行业能主动打破“数据孤岛”， 充分利用我们的最大优势——庞大的智能电动汽车保有量及Robotaxi用户基础。我们很担心，中国的电动汽车产业虽然很强，但在智能化和未来的无人出行服务化阶段，会因为各自为战而陷入被动。

我们希望政策上能鼓励运营商在特定城市进行更大范围、更高密度的车辆部署，向“千辆级”甚至“万辆级”迈进，实现数据积累和算法优化相互推动的飞轮效应。在数据规模上，行业也要形成合力。通过统一的数据格式、数据接口和安全标准，在保护商业机密和数据安全的前提下，建立国家级或区域级的“数据共享平台”，用集中起来的海量数据支持模型的训练和发展。

同时，应鼓励在自动驾驶领域有较强研发能力的车企也加入Robotaxi市场，通过引入强大的竞争者，加速数据的积累速度，促进整个行业技术和服务水平的提升。

我们认为，当前最大的风险就是固步自封和不作为，从而使中国与成为“行业领导者”的产业机遇失之交臂。

[汽车总站网 www.chianautoms.com欢迎你]