特斯拉被困純視覺

作者｜Eastland

頭圖｜視覺中國

特斯拉FSD入華已進入“沖刺階段”。蔚、小、理頭面人物不吝溢美之辭：“震驚、全新時代的開始”、“除了特斯拉，國內沒有第一梯隊”、“倒逼國內企業技術迭代”……

這些大佬對“遙遙領先”和“兜底兒”不服氣，扎堆吹捧FSD卻有一番“別美，你們連第一梯隊都算不上”的意味。

幾位大佬也都是美國的常客，不可能沒有體驗過Waymo（谷歌旗下）。Waymo商業化運營的車隊規模達4000輛，Robotaxi(特斯拉旗下)測試車僅30~50輛。

更扎心的是，Robotaxi測試規模還在縮減：2026年1月超過200輛（其中158輛在加州灣區、42輛在德州奧斯汀市）；6月只剩40輛，其中真正投入無人監督（車上無安全員）的僅20輛左右，全部集中在奧斯汀市。

特斯拉FSD推出已近10年，數百萬輛車跑在路上、提供寶貴的數據；無人出租車是特斯拉兩大主攻方向之一（另一個是人形機器人），撐起數千億美元市值；況且馬斯克又是不服輸的性格……Robotaxi怎么會被Waymo吊打？根本原因是純視頻路線無法滿足監管要求。

在加州分出勝負

2016年，《特斯拉宏圖第二篇章》提出無人出租車構想：車輛閑置時自己去跑網約車，打造“自主、共享、電動”的未來。

2024年8月，特斯拉在加州投入158輛“有人監管”的測試車練兵，目的是收集數據并爭取拿到無人出租車測試許可。

具體要過兩關——獲得機動車管理局（DMV）的“無駕駛員測試許可”和公共事業委員會（CPUC）的“商業運營許可”。

歷經1年半測試，Robotaxi沒能說服DMV和CPUC：

DMV要求車企在真實道路進行數千小時測試，用海量數據證明智駕系統能應對各種突發情況。 夜間開車，每小時遇到兩三次對向車遠光燈晃眼是常事兒；雨季出門，濺滿車身的泥點子不會躲著攝像頭……這些日常高頻出現的場景會降低純視覺系統的判斷能力，DMV憑什么相信純視覺系統在突發情況下的表現？ CPUC從公眾、社區角度進行評估，Robotaxi因阻礙交通、幽靈剎車等問題引發大量市民投訴，拿許可難上加難。

不怕不識貨，就怕貨比貨。Waymo先后拿到DMV和CPUC許可并獲批向舊金山公眾開放7*24小時網約車服務，開始規模商業化運營。截至2026年6月，Waymo在舊金山網約車市場份額超過25%。

Robotaxi不僅車隊規模僅為Waymo的百分之一，而且存在代際差異。

規模 根據公開信息，Waymo約有4000輛無人出租車投入商業化運營，覆蓋美國11座城市并開始海外擴張（首站倫敦）。 2025年，Waymo付費訂單1400萬。2026年6月，訂單總量、周訂單分別突破2000萬、40萬。 L2VSL4 Waymo商業化運營屬于L4，而Robotaxi帶安全員測試屬于L2（安全員就是法律上的駕駛員，由其使用L2輔助駕駛為乘客提供“包車承運服務“）。

靠信仰支撐的估值

無人出租車大餅至少撐起特斯拉三分之一市值（約5000億美元），如此拉胯的表現卻似沒撼動股價，原因有兩個：

一是華爾街只看愿意看到的，在泡沫真正破裂前“不見棺材不落淚”；

二是越來越多的分析師寄希望于馬斯克將SpaceX股權注入特斯拉。

某知名分析師預測“2027年底前完成合并的概率超過80%”； 某投行以此為由將特斯拉目標價從475美元上市至500美元； 市場研究機構Wolfe Research報告顯示，相當大比例的投資機構將合并預期作為看多特斯拉的核心理由。 2026年2月3日，虎嗅完全基于財務數據分析推演SpaceX注入特斯拉的底層邏輯。

Robotaxi敗北的根子是純視覺路線

特斯拉無人出租車業務被Waymo吊打有些反直覺，因為前者的優勢太明顯：

特斯拉深耕智駕多年，技術底蘊深厚； 特斯拉有數百萬輛車跑在真實世界，坐享數據飛輪； 特斯拉擁有巨大產能及供應鏈管理能力，用于測試的車輛造價遠低于Waymo； 特斯拉科技光環加身，FSD被夸得神乎其技，在民眾及各地政府心目中有先入為主的品牌優勢。

但Robotaxi卻敗了，最根本的原因是純視覺方案沒有獲得各地監管部門認可，連測試許可都拿不下來。

Robotaxi與Waymo最大的區別在于：

Robotaxi死守純視覺方案（僅有8個攝像頭）且不依賴高精地圖； Waymo采用激光雷達為主的多傳感器整合（第六代系統采用4個激光雷達+13個攝像頭+6個毫米波雷達）且依賴高精地圖。

兩家思路有根本性差別：

Waymo以安全為底線。先盡可能堆硬件，然后在不降低安全系數的前提下逐步壓縮硬件成本。與前代相比，第六代系統減少了1個激光雷達、16個攝像頭。 Robotaxi把省錢放在第一位。先把硬件配置壓到最低，然后借助數據飛輪不斷優化，提高安全系數。

因此，在測試過程中Waymo的安全系數曲線起點很高，然后緩慢向上；Robotaxi的安全系數起點相對低，上行是肯定的，但軌跡不確定。

Robotaxi的底層邏輯與SpaceX一脈相承。獵鷹1號系列前3次發射全部失敗；到獵鷹9號系列仍出現3次炸毀；回收試驗失敗13次。

SpaceX發射火箭的成功率從零起步，逐步提高到90%以上。不載人的話炸就炸了，無人出租車測試涉及居民生命、財產安全，地方政府輕易不敢讓車企在安全方面“零幀起手”。因此加州沒有松口讓Robotaxi搞無人測試。偌大的美國，只有德州尺度寬松，也只批了42輛測試車，其中20輛可以不配安全員。

無人測試進度遲緩，使拿載客運營牌照變得遙遙無期——各州對測試里程的要求動輒數千萬英里，20輛車要湊到猴年馬月。

純視覺卡脖Robotaxi，FSD也無法幸免

特斯拉為FSD規劃了兩條商業閉環（變現）路徑，一是付費訂閱，二是Robotaxi客運收入。

用于Robotaxi車輛會進行了全面減配——全景玻璃天幕、娛樂觸控屏、氛圍燈、前排坐椅通風都拿掉，還降級了內飾材質、底盤及音響，主打一個能省則省。采用純視覺路線，省掉激光雷達、毫米波雷達，主要原因也是省錢。

但是Robotaxi不僅承載變現重任，也是FSD的“尖刀連”，負責闖關奪隘。“尖刀連”受阻，大部隊更加難以前行。

不提無人出租，世界范圍內直接限制純視覺用于高階自動駕駛的法規正在陸續出臺，例如：

聯合國WP.29 UN R57法規：L3級及以上車輛必須 配備多模態冗余感知系統； 新澤西州S1677的法案，L3級必配毫米波雷達，L4強制搭載激光雷達； 中國《智能網聯汽車自動駕駛系統安全要求》（2026年6月公布）要求L3級自動駕駛系統具備感知冗余，不能僅依賴單一類型信號（如視覺）。

中國版自動駕駛的規則的亮點是以結果為導向——在全生命周期及特殊工況下（如雨雪、濃霧、逆光等）、以時速120公里運行時，向前探測距離不小于130米，車身左右兩側探測距離不小于9米。

如此一來，省去與“九漏魚”關于初中物理的口舌之爭。當濃霧使能見度低于100米，甚至50米時，什么神仙AI能讓純視覺探測距離超過130米？

可嘆死抱純視覺的某些車企，還做著“馬圣之下我第一的”迷夢。

除了感知冗余，中國對L3級自動駕駛還提出“接管時間不低于10秒”、“強制安裝黑匣子、滾動存儲8小時運行數據”、“事故發生2小時內，將數據上傳至監管平臺”等一系列要求，這些都是特斯拉FSD目前無法滿足的。

可以肯定，即將入華的FSD也就是個L2級貨色。

羞刀難入鞘？

特斯拉選擇純視覺路線的原因有兩條：

一是當年激光雷達太貴； 二是多種信號難以順暢融合，造成決策遲滯。

今天的形勢有了根本性變化：

1）激光雷達不貴了

特斯拉確立純視覺路線的2015年~2016年，激光雷達貴得離譜（64線雷達高達7.5萬美元）且體積龐大。馬斯克據此斷言用激光雷達的都是傻子。

SpaceX把發射火箭的成本打骨折，把回收從不可能變成可能。激光雷達為什么不是變小、變便宜？

事實上，中國廠商（速騰聚創、禾賽等）已將激光雷達做成白菜價。9萬的比亞迪海鷗、8萬的零跑A10都配置了激光雷達。

馬斯克對激光雷達成本下降潛力發生誤判。

2）感知融合解決了

特斯拉認定純視覺路線有三方面的原因：

首先，當年處理雷達信號的算法“太笨”。廢棄易拉罐造成的回波都有可能被識別為障礙物。如果都信雷達的，會頻繁地出現幽靈剎車。相比之下，處理視覺信號發生誤判的幾率小很多。 其次，對傳攝像頭、激光雷達等設備傳來的信息進行融合需要復雜的算法，訓練工作量極大。 最后，當從多種傳感器獲得的數據出現沖突，會導致決策遲滯，甚至使系統陷入癱瘓。

既然雷達又貴又不好用，還添亂，索性專攻純視覺。馬斯克一定不知道“兼聽則明”這個東方古老智慧，“兼聽”不就是從多個渠道獲得信息嗎？

舉個例子：水泥路中有前車掉落的水泥污水管，直徑3米。因兩者材質相同且光線不好（或有大雨、濃霧），攝像頭未能識別，激光雷達發出碰撞報警。為避免數據沖突拆除激光雷達，是典型的因噎廢食。

如今，感知融合已被先進的國內外廠商解決了：

• 華為

乾崑智駕不斷優化傳感器融合算法和決策邏輯，ADS 4.1版本的“重剎率”降低了70%，此前被吐槽的“幽靈剎車”和“加減速頓挫”基本消失。

硬件方面，華為推出新一代896線雙光路激光雷達，分辨率較192線雷達提高了4倍。對30厘米高的障礙物能在162米外識別，15厘米高的障礙物能在120米外識別。毫米波雷達則是破霧神器。

• 比亞迪

比亞迪“天神之眼”采用激光雷達+毫米波雷達+攝像頭多傳感器融合方案。

硬件方面，比亞迪較華為更下本兒：

選用速騰聚創的純固態數字化EM4激光雷達（1080線~2160線），特供價1400元~2000元，最遠探測距離達600米；搭載速騰鳳凰(SPAD-SoC）圖像處理芯片的套餐3000元~5000元； 比亞迪還自研了璇璣A3芯片（4納米制程、單顆算力700 TOPS）；

璇璣A3芯片有強大的多感知融合能力，原生支持12路800萬像素攝像頭+5顆毫米波雷達+多顆激光雷達的同時輸入與融合處理。當年特斯拉擔心的多感知融合導致決策遲滯完全不存在，夜間時速150公里時能發現靜態假人并及時剎停。

璇璣A3并非單一功能智駕芯片，而是智能座艙、智能駕駛、智能電控三位一體的“艙駕電”芯片，數據帶寬提高了60倍、系統延時壓縮至8毫秒。

值得注意的是，璇璣A3芯片不僅用于高階智駕，也是人形機器人（內部代號“堯舜禹”）的“中樞”。

• 特斯拉

特斯拉AI5芯片專業為FSD、人形機器人及AI超級計算機設計。2026年4月成功流片，計劃2027年量產。

除了極致算力和海量內存外，AI5芯片異構數據并發處理能力（意涵比感知融合更廣）和比亞迪璇璣A3芯片可謂異曲同工——原生支持12路攝像頭、4顆毫米波雷達及多顆激光雷達，延時也壓縮到毫秒級。當年，因算力不足放棄雷達是徹頭徹尾的短視！

AI5具備感知融合能力的緣由一想便知：Optimus不可能是純視覺的（起碼要有聽覺、觸覺），否則一顆雞蛋都拿不起來（多一分力捏碎、小一分力掉落）。所以AI5必須具備低延時的多感知融合能力。這種能力機器人能用，憑什么FSD不能用？

隨著2027年AI5芯片大規模量產上車，特斯拉放棄純視覺路線只是時間問題。

AI5上車不難，但此前積累的百億英里純視覺智駕數據全部失效，只能用搭載激光雷達、毫米波雷達的新車從頭開始訓練，樂觀估計兩三年能達到“能放心用”的水平。

中國車企不會原地等待，比亞迪每天訓練里程達2億公里，兩三年后L4將下放至15萬級車型并無限接近“零事故”。特斯拉或許永遠回不到第一梯隊，這是短視的代價。

*以上分析僅供參考，不構成任何投資建議！

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4876433.html?f=wyxwapp