特斯拉误导了多少人

发布时间：2025-07-07 21:14:36 来源：破瓜之年网 作者：休闲

▍盐财经 

作者 | 朱秋雨

特斯拉一度是拉误“自动驾驶”概念的领头人，现在，导多它面临失去这一宣传利器的少人窘状。

9月中旬，拉误特斯拉在美国旧金山成为了一项集体诉讼的导多被告。诉讼理由是少人，特斯拉对自动辅助驾驶系统Autopilot和完全自动驾驶FSD（Full Self-Driving）功能进行了虚假宣传，拉误并因此误导了公众。导多

原告人布里格斯·马茨科在诉讼书中表示，少人特斯拉此举是拉误为了让人们对其汽车“感到兴奋”，借此吸引投资、导多促进销售、少人避免破产和推高股价。拉误

上个月，导多Model 3车主托莱多也在美国加州法院起诉特斯拉，少人表示自己驾驶的特斯拉会在根本不存在障碍物的情况下突然刹车，也叫“幽灵刹车”。他认为这是一场“可怕的噩梦”。

不止于个体的诉讼，9月2日，美国加州参议院通过了一项法案，拟禁止车企使用“FSD”（完全自动驾驶）的宣传字眼。该法案目前仍待州长纽森最终签字通过。

加州参议员冈萨雷斯表示，该法案针对的目标很明确，就是特斯拉。她认为，特斯拉长期以来仅用细小字体警告其辅助驾驶系统的有限性，但用户显然未接受。

“加州的人们认为FSD是全自动的，但其实根本不是。“

FSD 软件可以让驾驶员使用特斯拉的高级驾驶辅助系统 （ADAS） Autopilot 来往于特定目的地以及其他驾驶员辅助功能

冈萨雷斯的担忧代表了自动驾驶汽车领域存在已久的争议。在特斯拉等车企的带动与“教育”下，人们产生了幻觉：自动驾驶汽车似乎已经触手可及了。汽车即将实现无人化的未来正逐渐逼近。

但事故以及引发的舆论危机长期以来伴随着特斯拉们。只要一出事故，人们对技术、算法、人工智能的怀疑与不安又新增几分。

还是那几个普遍关心的问题：自动驾驶安全吗？什么在保障人类的安全？

我们离特斯拉说的“完全自动驾驶”，还有多远？

事故祸因

2022年，当自动驾驶厂商们乐此不疲为新品造势时，几场交通事故让消费端对该技术再生疑。

7月6日，佛罗里达州阿拉丘亚县发生一起辅助驾驶技术引起的车祸。据报道，该车在使用特斯拉辅助驾驶Autopilot模式上路时，突然转向撞上了路上停放的牵引车。驾驶员和一名67岁乘客因此罹难。

7月6日，佛罗里达州阿拉丘亚县发生一起辅助驾驶技术引起的车祸

诸多的事故，都有两个共同点：驾驶员大多分心或双手没握方向盘。而开启辅助驾驶功能的汽车，多数撞向了静止物体。

例如，美国国家公路交通安全管理局（NHTSA）近日宣布，调查过去一年由特斯拉Autopilot引起的15伤1死的共计16起事故。

该机构报告称，特斯拉的16起车祸大多发生在夜晚。“自动驾驶软件存在一定识别漏洞，忽略了警示灯、雪糕筒和照明箭头板等静止物体。”

比起软件的漏洞，业内人士认为，车企的过度宣传给消费者带来与现实不匹配的预期，才是更危险的情况。

某头部车企市场方向资深从业人士洪泽鑫告诉盐财经，上述事故“其实是许多厂商给消费者带来错误认知导致的”。

他认为，部分车企倾向于在新品发布会上公布拥有炫酷自动驾驶功能的demo（样品），让人以为可以实现自动驾驶。但在量产时，往往出于价格、消费者接受度等考量，推出低配的辅助驾驶系统。

洪泽鑫介绍，业内主流的辅助驾驶系统主要采用摄像头和毫米波雷达两类传感器融合感知。

毫米波雷达主要通过电波反射进行障碍物探测，但它“过于敏感，经常发生误报”。为了保证系统运行流畅，算法通常会忽略路面不移动的雷达回波，导致静止物体不易被识别。这也是目前许多智能驾驶汽车面对静止物体即“宕机”的缘由。

相比之下，特斯拉采用更特立独行的纯视觉感知方案，即仅靠摄像头作为图像采集，凭借车载的SoC芯片进行实时的运算。

车载SoC芯片

洪泽鑫表示，依赖摄像头的感知方案也有短板。视觉感知易受日照、明暗交替等环境干扰。

而且，“摄像头就像黑匣子，它一旦出错了，人类很难解释哪里错了，”他说。

短板明显的感知系统，让辅助驾驶车辆局限性极大。盐财经记者梳理发现，包括特斯拉等高阶的辅助驾驶系统，目前的配置都很难识别雪糕筒等相对静止的障碍物。在用户手册中，这些车企会标明技术受限的场景，提醒消费者集中注意力，随时观察路面情况。

洪泽鑫说：“如今大众对于L3级别以下的辅助驾驶认知并不清晰。辅助驾驶更多是在生命垂危时救人一命。比如人如果犯困，它稍微打一下方向盘，让车不要偏离变道。但人们现在把它当作万无一失，不容有任何差错的功能。”

屡次发生的车祸，提醒人们想象与现实的距离。理想汽车创始人、CEO李想曾发朋友圈表示：“呼吁媒体和行业机构统一自动驾驶的中文名词的标准，建议统一名称：L2=辅助驾驶；L3=自动辅助驾驶；L4=自动驾驶；L5=无人驾驶。”

理想汽车创始人、CEO李想曾发朋友圈呼吁媒体和行业机构统一自动驾驶的中文名词的标准

上述分级最早由美国汽车工程学会（SAE）提出。

L2包括自适应巡航、车道偏离警告、AEB自动紧急制动等，目前在特斯拉、“蔚小理”等中高档产品中广泛应用。从L2往上，L3至L5才可以称为自动驾驶。到L5级时，“完全自动驾驶”，即在任何场景都不需驾驶员介入。

截至目前，在中国市场，没有任何车企自称量产了L3级车辆，市面上售卖的也没有一辆是自动驾驶汽车。但率先将自己的辅助驾驶软件命名为FSD（完全自动驾驶）的特斯拉，已经极大拔高了人们对自动驾驶技术的预期。

行业早期，标准仍未明

无论如何，良好的市场预期一定程度上推动了车企、科技公司竞逐L4级自动驾驶赛道。有媒体曾统计，2022年前7个月，在中国的自动驾驶公司累计获超60笔融资，是少见的频繁获得融资的领域。

比起L3级仍需驾驶员有限度接管的模式，各家竞争者主要争做L4级车，即在特定设计运行域下无需驾驶员的自动驾驶模式。

市场上，两种发展路径正在生成。

一类以特斯拉为代表。从量产L2车辆中积累数据和技术，渐进式发展L4级自动驾驶。另一类则像谷歌旗下的Waymo、百度，决意一步到位“跨越式”做自动驾驶。

贵州翰凯斯公司自动驾驶技术副总裁邹迪聪告诉盐财经，自动驾驶技术组成部分可分为感知、决策和控制三大模块。而现在的难点，就在系统的感知预测和决策模块上。

“通过激光雷达等感知设备，我们能做到看清、探测道路上的各类物体。”邹迪聪说。但看清路面后如何决策，如何让车辆以更聪明的方式运行，是当前自动驾驶技术面临的挑战。

“举个例子，路上有一辆车，当我想往左变道时，它会如何反应、会不会让路，都是未知的。人工智能要怎样从预测别人的行动和他人的反应，做出跟人脑相像的决策，这就是难点。”邹迪聪说。

上述能力如果在畅通无阻的路面，算法规划出安全高效的路径并非难事。但遇到复杂的交通流和场景路况，人工智能缺乏对全局路况的了解，无法预测周围障碍物的未来行为。因此，常会出现规划轨迹跳变、碰撞等问题。

如何让车辆以更聪明的方式运行，是当前自动驾驶技术面临的挑战

洪泽鑫告诉盐财经，决策规划是各家L4级公司自动驾驶技术的核心能力。但行业处于发展早期，没有统一的方法论。

简而言之，“判断开得好的标准，目前还没有”。

除了决策规划，部分业内人士认为，自动驾驶技术另一难点在于统筹、管理复杂的系统。

深圳元戎启行科技公司副总裁刘轩告诉盐财经：“自动驾驶是很复杂的工程，将各种模块有机整合，达到低成本且不用人工干预的水平，再把所有要素集成起来，本身技术上非常难。”

不同的决策和统筹能力，决定了L4级自动驾驶到底给人如同新手还是“老司机”的体验。洪泽鑫说，究竟采用保守还是激进的算法，自动驾驶企业面临两难。

“如果自动驾驶车辆过于谨慎，在城市道路行驶又确实会阻碍交通，带给用户不好的体验。”

尽管行业内部缺乏固定的标准，但刘轩和洪泽鑫都表示，安全还是现阶段自动驾驶领域考虑的首要因素。

“目前有个共同点，车速慢。还没有哪个企业敢激进地提速。”洪泽鑫说。

真正的FSD还很远

来自技术上的挑战，在业内人士眼里，并非自动驾驶无法攻克的难关。

对于自动驾驶企业来说，更紧急的，是如何面向社会铺开产品。

2018年，埃隆·马斯克曾经放话称，特斯拉很快可以实现完全自动驾驶。“自动驾驶系统Autopilot很快可以支持交通信号灯、停靠站和环形交叉路口等交通，具备完全自动驾驶能力”。

特斯拉CEO埃隆·马斯克

很显然，2022年，马斯克吹捧的完全自动驾驶技术，与2018年相比没有太大改变。

武汉理工大学新能源智能汽车教授杨胜兵告诉盐财经，要实现L4、L5级汽车的研发、设计、制造、运维等全生命周期的布局，需要基础设施、人员的投入以及法规和大众意识等条件的成熟。

这些都需要时间。

长周期意味着一味烧钱。现在，许多L4级的自动驾驶公司已经按捺不住，争相出低成本的方案，争取实现量产。

7月21日，行业头部公司百度发布了第六代无人出租车（Robotaxi）样车，宣称车辆制造成本25万元。这与过去人们印象里，动辄几十万配置激光雷达的高成本L4级汽车，截然不同。

第六代无人出租车（Robotaxi）

低价的方案，在致力于为车企做前装量产方案的企业中相继提出。2021年12月，深圳元戎启行发布面向前装的L4级自动驾驶解决方案，成本低于1万美元。2022年6月，总部在北京的轻舟智航推出新一代L4量产车自动驾驶方案，将成本下探至1万元人民币。

刘轩告诉盐财经，低成本的前装量产策略，从公司成立初期已经确立。原因是比起自建车队，将方案卖给不同车企，实现量产，采集数据的速度和效率更高。

“自动驾驶需要面临海量的问题，尤其是长尾场景（corner case）。要想解决这些问题，只有积累大量数据，不断训练、迭代和提升算法。”刘轩解释。

在人工智能领域，数据的数量和质量是其中关键。人工智能的深度学习就是在有数千维度的空间里，经过海量数据训练，得出复杂的数学方程组，继而实现设定的目标。

但日常道路罕见的极端路况（即长尾场景），由于各家企业都缺乏数据，成为自动驾驶一时难以解决的痛点。

智己汽车联席CEO刘涛曾解释，汽车行驶过程中，90%的路程只会遇到几万种正常路况，这只需用数百名工程师攻克，各家车企的能力趋同。

“但真正的挑战在于，有超过100万种长尾、低概率发生的极端路况，非常难以覆盖。”

从国际经验来看，没有一家自动驾驶公司有底气能应对各类极端场景。这也正是各家企业争相量产并全力开展路测的缘由。

Waymo软件工程总监Sacha Arnoud曾表示，从他的经验出发，前90%的技术工作量只占总工作时间10%。而要完成最后10%的工作，还需要再花10倍的气力。

刘轩因此判断，基于长尾场景等技术特点，L4级车辆即使量产后，法律法规也很可能不允许其称为L4，也不会立刻允许无人化。

“L4级自动驾驶技术还需要经过时间跟数据的检验。”刘轩说。他因此认为：“未来我们还会经历人车共驾阶段，才过渡至真正的无人驾驶。”

这一判断与刘涛相似。他曾表示，机器还要学习迭代，因此在未来很长一段时间，我们仍会处于人车共驾阶段。

相关文章