回答网友关于TSLA robotaxi的评论

在进入具体问题前，首先明确：技术可靠性，商业可行性，法律监管是三个不同的问题。

1.  AI 的发展，最近一年的AI发展使得Tesla的底层程序完全变了，从条件设定的编程转换成人工智能的端到端。从几十几百万条代码变成3万条代码，这个变化是翻天覆地的，之后的进步是像AlphaGo从打败李世石，到打败柯洁，到完全没有人类对手那么快

回答：无论是现在的生产式AI，还是过去的卷积神经网络，都是神经网络黑箱，都有长尾问题。一遇到非常罕见的场景就是会有出错的可能，这就是在技术上全无人驾驶一直跨不过去的技术门槛。

另外，端到端也不是新东西，早在18年Uber就有过端到端无人驾驶演示的demo。端到端，好处是可以通过数据优化整个系统，坏处是反而让神经网络的黑箱问题变得更严重。所以，要不要端到端，只是技术选择问题，无法解决真正的技术门槛。

2. 纯视觉方案被证实成功，以前业界很怀疑纯视觉方案的可靠性，事实证明成功了，那么这个方案上低成本效应是巨大的。每一辆车便宜$5-6万美金的成本，在这个市占率统治一切的市场是什么意义？（我估计Waymo的车每一辆都是10万以上的）

回答：不知道你说的纯视觉方案“成功”的标准是什么。到底怎么就“事实证明成功了”。激光雷达在原理上就是比纯视觉方案可靠性更高：激光物理测距就是比用算法从照相机上用算法算距离更准，这是无论如何都无法改变的基本物理原理，纯视觉方案无论如何都只能无限逼近激光雷达的表现。如果靠激光雷达都搞不定全无人驾驶，纯视觉方案就更搞不定。 Waymo激光雷达方案还不能做到真正的全无人，主要还是技术问题。成本问题也有，但是另一个问题。

3. 高精地图的模式无法展开，无法解决道路情况的变化和全球各地的测绘需求，成本即使是谷歌的财力也无法承受。这是为什么Waymo至今只能在几个城市试运行，特斯拉自动驾驶可以在全球铺开。

回答：高精地图上直接标准好车道线，就是比实施通过视觉检测用算法计算车道线更准，这也是无法改变的基本原理。现在根本还谈不上全球运营，连在几个城市里反复测试打磨，都还做不到真正的全无人。

4. Tesla的安全性,看一下这张图，还不是2024年的数字，不要忘了AI的进步速度。

回答：都在进步。不管如何进步，Waymo方案始终就是Tesla方案的技术天花板，这是由底层技术原理决定的。

5. 数据积累，因为Tesla的数量远大于Waymo, 所以在人工智能时代，数据就是一切，差距会越来越大。没有找到很好的对比，不过差距是可以想象的

回答：数据不是一切，真正有训练价值的长尾数据才是一切。Tesla到底能从海量数据里挖掘出多少真正有训练价值的数据才是关键。