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(xiàn)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(nèi)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(jīng)有印了Robotaxi標識的特斯拉Model Y在奧斯汀市區(qū)道路行駛，全程車內(nèi)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(jīng)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(qū)，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(tǒng)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(shù)據(jù)，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(fā)現(xiàn)特斯拉和大眾根本不在同一條起跑線上。絕大多數(shù)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(shù)據(jù)工廠，要么永遠落伍，淪為Robotaxi企業(yè)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(yè)化的最大成本瓶頸。

在美國，一個經(jīng)過培訓的安全員，每年會給企業(yè)帶來至少10萬美元的成本?？紤]到企業(yè)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(tǒng)網(wǎng)約車或出租車拉開價格差距，商業(yè)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(yè)務能否邁過商業(yè)化門檻的里程碑式標志。

不過，我們更要強調(diào)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(tǒng)性優(yōu)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(jīng)上路的自動駕駛車輛做依托，貿(mào)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(zhàn)是“長尾風險”，即如何處理那些發(fā)生概率極低、而形態(tài)又極其復雜的極端場景，例如突然闖入道路的動物、突發(fā)的異常天氣等。

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

此前Waymo盡管在常規(guī)場景做得很不錯，但由于對于長尾風險的擔憂，哪怕已經(jīng)運營多年，仍然不敢貿(mào)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(yè)整頓，至今還沒恢復正常運營。

數(shù)據(jù)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(zhì)區(qū)別。

當人類駕駛員碰到從未見過的狀況，也能憑經(jīng)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(zhì)上是數(shù)據(jù)驅(qū)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?jīng)]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(yè)角度看，Robotaxi領域的勝負關鍵也就轉(zhuǎn)變?yōu)檎l能以更低的邊際成本獲得更多的極端場景數(shù)據(jù)。

Waymo等企業(yè)主要通過專用測試車隊和運營車輛收集數(shù)據(jù)，并依賴人力從海量數(shù)據(jù)中標注極端場景，用于優(yōu)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(chǎn)生數(shù)據(jù)。

但要注意的是，這種模式下，車輛、人力、能耗、數(shù)據(jù)處理等每項工作都需要重資產(chǎn)投入。更棘手的是，因為只是測試車輛，所以規(guī)模很難做大，而且都在城市郊區(qū)的指定區(qū)域中行駛，能收集到極端場景數(shù)據(jù)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(shù)據(jù)流水線。

特斯拉已經(jīng)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(chǎn)數(shù)據(jù)，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(tǒng)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(shù)據(jù)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(shù)千億公里真實路測數(shù)據(jù)，保守估計，其中也包含了數(shù)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(yè)價值的“Robo”taxi。

Robotaxi的競爭，不只是造一款更好的產(chǎn)品，更是一場涵蓋數(shù)據(jù)獲取、算法迭代、車輛工程、運營管理、監(jiān)管合規(guī)、以及市場公關等各方面的系統(tǒng)性較量。

其中，高質(zhì)量數(shù)據(jù)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(zhàn)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(jīng)取得了顯著的成就，但在智能化方面，我們的數(shù)據(jù)標準化共享仍然做得很不夠，數(shù)據(jù)規(guī)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(chǎn)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(nèi)容，有關自動駕駛的更多趨勢和底層規(guī)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(fā)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！