小苏: 我们今天来聊一下特斯拉，特别是其Robotaxi (无人驾驶出租车：提供自动驾驶载客服务的车辆) 在奥斯汀的首秀，这标志着其十年的自动驾驶探索迎来了首次商业化。首先，作为一位用真金白银投票的资深特斯拉股东和车主，老修，你来谈谈对此事的看法吧。

第一部分：Robotaxi首秀——股东与车主的双重观察

老修: 好的。我开特斯拉四年多了，这次22号发布的Robotaxi让我很有感触。大家看到的很多自动驾驶的好与不好的体验，其实我自己都经历过，深知这些技术早已在我们这些真实用户的车辆上进行验证。

但我观察到，这次特斯拉用得非常小心。它本质上仍是一个L2级的自动驾驶系统 (L2级：部分自动化，需驾驶员监控；L4级：高度自动化，在特定条件下无需人类干预；L5级：完全自动化，在所有条件下都无需人类干预)，与大家想象中完全无人的车辆自动接单不同。实际上，每辆车的副驾都坐着一名安全员，随时准备接管。同时，每位安全员背后还有一位1:1的远程操作员（Teleoperator：在远端监控并能在必要时接管自动驾驶车辆的人员）在总部监控车辆情况。

即便如此，这次首秀还是引发了巨大反响，因为它的FSD (全自动驾驶：特斯拉公司开发的先进驾驶辅助系统套件) 在上限和下限上的表现都令人惊讶。下限方面，出现了“幽灵刹车”等负面情况，车辆在没有明显障碍物时突然刹停，这让一些人感到不安。但上限方面，它在奥斯汀野外的小路能很好地避让动物，与行人和动物的交互也非常顺滑。

作为车主，我亲身经历了FSD四年来的飞速进步。我相信在未来半年到一两年内，自动驾驶技术还会有非常大的飞跃。因此，从股东的身份来讲，我对此表示满意。它的上限很高，而暴露的下限问题都是我见过的情况，并没有出现特别糟糕的新问题。

第二部分：商业化路径对比——Waymo的困境与特斯拉的野心

小苏: 闲哥，你在北美也体验过Waymo (谷歌母公司Alphabet旗下的自动驾驶技术公司)。Waymo运营了十年，却一直在试运营阶段，而特斯拉一推出Robotaxi就宣布商业化，跳过了Waymo漫长的积累过程。你能从体验者的角度谈谈，为什么特斯拉敢于如此激进吗？

闲哥: 我觉得特斯拉不能算第一个商业化的，因为Waymo和通用汽车（GM）投资的Cruise其实更早就在美国市场进行了商业化。特斯拉只是很早就提出了概念，直到现在才兑现。

我在旧金山体验Waymo时非常震撼。叫车不到两分钟，车辆就到了。车上真的没有人，我坐在副驾，手一靠近方向盘就会报警。整个行驶过程比我预期的要激进很多，例如在“四向停车”路口，它判断非常果断，迅速启停，与行人避让也非常流畅，这背后一定是海量数据积累的结果。我还看到两辆Waymo交会，就像两个机器人在互相打招呼，甚至可能在交换我们无法察觉的数据。整个体验让我思考了很多实际问题，比如充电、调度、空驶率等等，而不再是空谈概念。

回到特斯拉的Robotaxi，我非常看好这项业务本身，但不确定是否一定是特斯拉能做成。目前看到的上限和下限问题，都属于业务发展过程中的具体问题。但可以肯定的是，这个行业已经不会再倒退了。对我而言，最看好的一点是，特斯拉终于回到了以业务说话的阶段，而不是像过去一年那样，靠炒作政治关系来影响股价。

第三部分：技术路线之争——纯视觉 vs. 多传感器融合

小苏: 特斯拉所有的争议，核心都在于其FSD的技术路线。Waymo走的是多传感器融合加高精地图的方案，全身武装到牙齿；而特斯拉坚持纯视觉，不依赖高精地图，这条路线非常激进，引发了关于监管、可靠性和极端情况下稳定性的诸多争议。老修，你长期使用FSD，怎么看这个问题？

老修: 我认为Waymo的路线非常专业，以人的安全和高标准为目标，不计成本地保障安全。但这也成了它的负担。特斯拉则走了另一条路：低成本的技术突破。从成本来看，一辆Waymo的车辆端成本约为7-10万美元，而特斯拉的摄像头成本在2023年时仅为每辆车400美元左右，甚至十年前的老车都能兼容。这个基础成本差异巨大。

当然，两家公司在后端的“大脑”上投入都非常巨大，特斯拉和Waymo的投入都超过了百亿甚至数百亿美元。重大的分歧在于，特斯拉从去年开始采用了“端到端”（End-to-end：在AI中，指从原始输入直接到最终输出的单一模型，减少了人工设计的中间环节）的神经网络自动驾驶。这与Waymo的多模态融合、规则引擎加高精地图的“拼接”方式是革命性的变化。特斯拉不再依赖工程师编写的复杂规则，而是通过神经网络学习和超大数据量来提升通用能力。

在数据上，特斯拉优势明显。截至2023年，它已积累约36亿英里的驾驶数据，而Waymo只有几千万英里，两者相差近两个数量级。而且特斯拉的数据来自全球各种复杂路况，多样性远超Waymo。此外，特斯拉的自动化标注效率极高，它能利用每位车主的驾驶行为（如转弯、刹车）与FSD的模拟进行比对，实时生成标注数据并传回云端。这种数据处理能力是惊人的。

特斯拉的产能同样是优势，每年可生产上百万辆车，这保证了它的数据、算力和算法飞轮能越转越快。相比之下，Waymo的扩张速度受限于高昂的成本和对特定城市的依赖。当然，特斯拉也可以在商业账算得过来的情况下，增加激光雷达等传感器，它具备这样的生产和设计能力。

第四部分：商业模式的本质——成本结构与可扩展性

小苏: 我认为技术本身并非决定成败的关键，商业策略才是。特斯拉的核心思路在于可扩展性（Scale）。它把车当作AI来训练，坚持用超大数据和超大算力驱动，因为只有这样才具备可扩展性。

闲哥: 我非常同意。很多时候改变商业的不是技术，而是成本结构的改变。传统网约车模式中，司机成本占50%以上，Robotaxi就是要把这部分成本拿掉，变成利润。特斯拉最聪明的地方在于它改变了成本结构，并将责任转移了出去。

小苏: 是的，它通过软件和硬件的预留，让10年前的老车也能用上最新的FSD，这是采集端数据量的扩展。车辆本身是走量款，这是硬件的扩展。软件、硬件、数据三者都在扩张。

闲哥: 特斯拉的模式，未来可能让车主在车辆闲置时，让车自己出去跑活赚钱。它把车辆的运营、维护、充电甚至安全风险等责任都转移给了车主，自己则专注于FSD、数据和超算中心，实现轻资产运营。这就像Airbnb管理房源一样，把具体运营交给每个“房东”。当车辆是车主自己的资产时，他们自然会负责充电和维护，解决了共享单车模式的诸多难题。而Waymo，我认为它永远赚不到钱，因为它用高科技去卖白菜，推得越多亏得越多，本质上是谷歌的实验田，缺乏可行的商业模式。

老修: 我也同意，业务的重量级完全不同。Robotaxi对谷歌来说是锦上添花，但对特斯拉而言，是决定生死的事情。所以一个保守，一个激进，这是必然的选择。

第五部分：规模化的前景——能走出奥斯汀吗？

小苏: 那么，大家觉得Robotaxi在奥斯汀测试成功后，未来能否规模化？

老修: 从技术角度看，规模化是完全可行的。它不依赖高精地图，本地硬件算力也足够，尤其是明年硬件还将有一次大升级。新老车型都可以加入Robotaxi网络。最大的卡点在于各个城市的政策法规，需要“等待批准”（waiting for approval）。但我认为，到2026年，规模化的可能性会非常大。

这背后还有马斯克整个商业帝国的协同效应。其AI公司xAI的大模型Grok正在帮助优化特斯拉的训练底层，而星链（Starlink）则为其提供全球通信支持。从技术上看，特斯拉已经准备得非常充分了。

小苏: 我个人观点是，它在美国可能难以大规模“开枝散叶”。我更看好它在美国跑通0到1，然后将整套模式带到中国，实现1到N的放大，并借助中国的供应链将成本和价格下降10倍。特斯拉本身就是一家靠全球化成功的公司，依靠美国创新和中国放量。它所设计的可扩展模式和成本结构，在美国单一市场很难完全施展。

闲哥: 我非常看好这个整体前景，因为汽车就是下一代的终极智能体。中国目前在汽车保有量、出口量上都在增加，下一步的升级必然是智能化，即如何与AI结合。特斯拉目前无疑是智能化程度最高的汽车硬件，其Dojo（特斯拉自研的用于训练AI模型的超级计算机）超算集群的GPU数量在美国也是顶级的。

第六部分：从自动驾驶看AI的未来

小苏: 我认为汽车是一个极佳的样本，可以用来回答所有关于AI的问题。AI领域的诸多挑战，如端侧智能、端到端模型、超大集群算力等，都在汽车上提前至少一两年被验证过了。汽车是“人工智能的明珠”，因为它场景频率最高、单价高、用户多、人命关天，且面临复杂的市场竞争和法规监管。

历经千辛万苦后回头看，你会发现，自动驾驶会比通用人工智能（AGI, Artificial General Intelligence: 指拥有与人类相当或超越人类智慧的AI系统）和人形机器人更早到来。两年后你可能不觉得AGI能实现，但看了Robotaxi后，你会相信自动驾驶不再是技术问题，它一定会到来。

老修: 的确，自动驾驶是一个渐进的过程。我们现在看到的是特斯拉如何从L2爬到L4。考虑到大语言模型和AI领域每6个月就有一次技术革新且成本下降10倍的趋势，给特斯拉一年半（三次革新机会），到2026年实现规模化是很有希望的。现在，可能50%-70%的观察者都认为，三年内这件事有机会成功。

第七部分：中国市场的角色与“萝卜快跑”的启示

闲哥: 国内的新势力，比如小米，在车内用户体验上甚至可以秒杀特斯拉。雷军也坦诚，小米在电控能耗和FSD上与特斯拉还有很大差距，需要多年追赶。这背后是特斯拉在全栈自研和数据规模上的巨大鸿沟。

小苏: 是的，但这些差距并非不可逾越。就像手机市场一样，iPhone并没有完全占领市场，安卓依然繁荣。回到智能汽车也是同理。我更看好国内企业去“卷”海外市场，特别是东南亚。不过，这本质上是一个地缘政治问题。国内的“车路云协同”（Vehicle-to-everything, V2X: 通过车辆、道路基础设施和云平台之间的信息交互，实现智能交通管理的系统）方案，需要跟随“一带一路”等国家战略进行基础设施输出。

闲哥: 还有一个核心差异在于对就业的态度。在美国，科技创新的目标就是取代人。但在中国，我们总会想方设法给人留一道口子，比如共享单车和外卖都创造了新的后勤和骑手岗位。Robotaxi直接冲击了大量司机岗位，这在国内会是一个非常敏感和现实的问题。

老修: 我觉得核心在于这个生意能否扩展并创造新价值。如果只是替代人开车，那机会不大，因为社会整体成本太高。但如果能将司机转化为远程调度员等新岗位，那就有可能。国内的“萝卜快跑”在武汉等复杂交通城市测试，体验不错，但未能大规模推广，可能就是受制于就业影响等非技术因素。我认为国内的技术差距并不大，甚至在很多方面可以相互启发，真正的挑战在于如何在各自的商业和政策环境下把事情推起来。

小苏: 我觉得最终的模式可能是，特斯拉在美国跑通0到1，其结论在中国被用来实现1到N的放大。马斯克本人和他的公司模式都与地缘政治强相关。最好的结果，或许就是他与雷军这样的中国企业家“合体”，但这只能是想象了。我们能期待的是，国内车企能够“摸着马斯克过河”，联合大模型公司，利用我们的政策和市场优势，奋起直追。

闲哥: 是的，国内不止一家企业在做，新势力、互联网公司都有机会。大家已经蓄势待发，就等那根接力棒了。

小苏: 好的，这一期我们看似没怎么聊AI，但其实句句不离AI。通过看汽车过去十年的发展，确实能更好地理解AI未来的十年。感谢大家的收看！