来源：路透
作者：Norihiko Shirouzu/Chris Kirkham
特斯拉将在美国当地时间周四晚上推出期待已久的 "Robotaxi"，让投资者兴奋。这也是埃隆-马斯克十年来一直未兑现的承诺，更是一个里程碑。
人们普遍预计，特斯拉将展示一款名为 "Cybercab "的原型车，而不是一辆可以上路行驶的无人驾驶出租车。
当特斯拉的主要竞争对手（如 Alphabet 旗下的 Waymo）在部分城市扩大机器人出租车队时，要让监管机构和乘客相信这种汽车的安全性可能会更难，也需要更长的时间。
根据路透对十多位高管、咨询师、自动驾驶技术专业学者和三位前特斯拉自动驾驶汽车工程师的采访，特斯拉迄今为止一直在追求一条与所有主要自动驾驶竞争对手不同的技术道路——这条道路可能会带来更高的回报，但同时也会给其业务和乘客带来更高的风险。
特斯拉的战略完全依赖于 "计算机视觉 "与人工智能技术的结合。"计算机视觉 "的目的是像人类使用眼睛一样使用摄像头，而人工智能技术则被称为端到端机器学习，它能立即将图像转化为驾驶决策。
这项技术已经成为特斯拉 "完全自动驾驶 "驾驶辅助功能的基础，尽管它的名字叫 "完全自动驾驶（FSD）"，但如果没有人类驾驶员，这项功能就无法安全运行。马斯克曾表示，特斯拉正在使用同样的方法开发完全自主的机器人轴。
特斯拉的竞争对手——包括Waymo、亚马逊的Zoox、通用汽车的Cruise和大量中国企业——使用的是同样的技术，但通常会在雷达、激光雷达和精密测绘等冗余系统和传感器上加层，以确保安全，并赢得监管部门对其无人驾驶汽车的批准。
行业高管、自动驾驶汽车专家和特斯拉的一位工程师告诉路透，特斯拉的战略更简单，成本也更低，但有关键弱点：由于没有同行使用的分层技术，特斯拉的系统在所谓的 "边缘案例"（自动驾驶系统及其人类工程师难以预测的罕见驾驶场景）方面更加困难。
另一个主要挑战是：端到端人工智能技术是一个 "黑盒子"，特斯拉的工程师说，这使得 "几乎不可能""看到当它行为失常并导致事故时哪里出了问题"。他说，由于无法准确识别此类故障，因此难以防范。
特斯拉没有回应就其技术发表评论的请求。
英伟达创始人兼首席执行官黄仁勋在接受采访时也使用了同样的 "黑盒子 "描述来描述端到端技术的弱点，但没有具体涉及特斯拉的系统。端到端人工智能是指训练计算机直接根据原始数据做出决策，中间不需要额外的工程或编程步骤。
英伟达也在自动驾驶系统中使用端到端技术 ，该公司正在开发并计划向汽车制造商出售该技术。但黄仁勋告诉路透记者，Nvidia将这种方法与更传统的计算系统以及雷达和激光雷达等附加传感器相结合。
端到端技术通常可以，但并不总是能做出最佳的驾驶决策。黄说，这就是为什么 Nvidia 采取了更为保守的方法。"他说："我们必须一步一步地构建未来。"我们不能直接走向未来。这太不安全了。"
机器人是特斯拉的支点
由于全球电动汽车需求疲软以及来自崛起中的中国电动汽车制造商的激烈竞争，特斯拉的销售额和利润出现下滑，因此今年特斯拉提供机器人的能力变得更加重要。
如果特斯拉能克服其自动驾驶战略所面临的技术挑战，回报将是巨大的。虽然Waymo等竞争对手已经在道路上运营了自动驾驶出租车，但它们是在相对较小、全面测绘的区域内运行昂贵得多的车辆。
特斯拉的目标是销售价格低廉、能在任何地方自动驾驶的机器人出租车。
马斯克对自动驾驶汽车的大胆承诺由来已久。2016 年，他预测驾驶员将能在两年内从全国各地召唤车辆。2019 年，马斯克预测特斯拉将在 2020 年之前生产出可以运行的机器人轴。
本周机器人出租车曝光的消息是在4月5日宣布的，特斯拉已经放弃了制造一款售价2.5万美元的大众电动汽车的计划，这款汽车被非正式地称为Model 2，最初导致特斯拉股价下跌。马斯克当天晚些时候在其X社交媒体平台上发布了"Robotaxi 8/8 揭幕"，引发了投资者的强烈猜测。特斯拉后来将这一活动推迟到了本周。
四月的这一天标志着马斯克宣称的工作重点发生了根本性转变。他曾承诺将特斯拉打造成丰田规模的电动车巨头，这一期望支撑著特斯拉股价飙升，使其成为全球最有价值的汽车制造商。现在，他发誓要主导自动驾驶技术。
随后，马斯克采取了包括大规模裁员在内的突然性成本削减措施，将投资从电动汽车制造的优先事项上转移开，如电池开发、千兆网 (link)，以及扩大汽车制造商的超级充电站网络。
从大众市场电动汽车领域的撤退只会加剧投资者对特斯拉自主汽车研发的压力。马斯克在 4 月份表示，任何怀疑特斯拉将 "解决自动驾驶问题 "的人都不应该投资该公司。
特斯拉投资者 Purpose Investments 的投资组合经理尼古拉斯-默施（Nicholas Mersch）说，马斯克 "还有很多说服工作要做"。
尽管如此，默施还是称马斯克的自动驾驶战略是一个 "非常大胆的赌注"，即使特斯拉需要更多的时间来破解密码，也有可能获得巨大的回报。"他说，"从特斯拉正在进行的迭代创新来看，你必须牢记这一点。"我不会对它们打折扣。
数据驱动
目前，与其机器人出租车竞争对手不同，特斯拉只在其 "自动驾驶 "和 "完全自动驾驶 "功能中提供半自动解决方案。这些系统的命名和营销引发了有关特斯拉是否通过夸大其车辆的自动驾驶能力而给驾驶员带来风险的调查和诉讼。
美国国家公路交通安全管理局（National Highway Traffic Safety Administration(NHTSA) 4月份公布的一项调查发现，2018年1月至2023年8月期间，特斯拉汽车在启用Autopilot或FSD的情况下发生了542起车祸，其中14起造成死亡。
不过，将 Autopilot 和 FSD 装入大批量车型确实给特斯拉带来了明显的竞争优势：数百万辆汽车上的摄像头收集了大量数据，特斯拉可以对这些数据进行分析并用于开发自动驾驶技术。
特斯拉的两位前工程师说，与 Waymo 等竞争对手相对较小的车队相比，特斯拉技术的成本相对较低，因此能够大规模收集数据。其中一位工程师说，特斯拉的高分辨率摄像头成本远低于激光雷达，最终可以让汽车制造商生产出客户负担得起的完全自动驾驶汽车。
激光雷达利用激光在车辆绕过障碍物时生成周围环境的三维图像。
今年夏天，马斯克在对分析师和投资者发表讲话时，夸耀了 "指数级 "的改进，并预测特斯拉可能在 "今年年底前 "实现无监控驾驶，他还补充说，"如果我们明年还做不到，那会让人震惊"。
萨沙-奥斯托伊奇（Sasha Ostojic）曾是一名无人驾驶汽车工程师，也是Nvidia、Cruise 和 Zoox 的软件开发高管，他说，他相信特斯拉至少需要 "三年多的时间 "才能达到 Waymo 目前的自动驾驶水平。奥斯托伊奇现在为帕洛阿尔托的一家风险投资公司 Playground Global 提供技术投资咨询。
"他说："我不认为特斯拉能按照埃隆-马斯克承诺的时间表，实现真正的'眼不离车、脑不离车'自动驾驶。"
错误率和边缘案例
特斯拉也曾涉足多种自动驾驶技术，但它在 2021 年和 2022 年开始从车辆中移除雷达，并在去年移除了旨在用声波探测物体的超声波传感器。
自动驾驶技术专家表示，该公司对人工智能计算机视觉的唯一依赖，使其面临着消除微小但不可接受的错误率的挑战。
乔治梅森大学（George Mason University）机器人和人工智能教授、 NHTSA 前顾问米西-卡明斯（Missy Cummings）引用了几项研究，这些研究表明，计算机视觉的准确性很高，但仍有约 3% 的时间无法识别物体。
"她问道："如果它看不到横穿马路或人行道上的行人，会发生什么情况？
Waymo 前首席执行官约翰-克拉夫西克（John Krafcik）告诉路透，该公司使用了包括雷达和激光雷达在内的额外传感器，使其在感知物体方面的能力 "比特斯拉高出几个数量级"。当出现问题时，该公司的技术也更加透明：端到端机器学习系统无法找出危险的故障，"对于一家重视安全的公司来说，这可能是一个难以解决的问题，"克拉夫西克说。
他说："如果你的一辆汽车发生了重大的过失碰撞事故，""我们应该能够解释它发生的原因。"
Waymo 对此未予置评。
这位将特斯拉的技术称为 "黑匣子 "的前工程师说，汽车制造商的系统是如何做出驾驶决策的，这一点从来都不清楚。这就很难判断特斯拉是否接近于生产安全和完全自动驾驶的汽车，如果接近，又有多接近。这位工程师称，无论分析多少数据，人工智能系统或其人类工程师都 "不可能 "预测到每一种 "边缘情况"。
这位工程师说："你可以说，道路上会发生无数疯狂的事情。”
精彩评论