抓住風口
本期要點：特斯拉Robotaxi試運營，給了中國汽車產業一個重要提醒！
你好，我是王煜全，這裡是王煜全要聞評論。
6月22日，特斯拉在得克薩斯州奧斯汀開始了Robotaxi的試執行。
這次試執行無疑極大地提振了市場信心，第二天特斯拉股價就暴漲超8%。
但據報道，一輛特斯拉Robotaxi在左轉失敗後駛入對向車道，暴露出純視覺方案在複雜場景中，仍有不少技術問題需要解決。
也有人批評特斯拉沒有兌現“完全無人監督”的承諾，且與Waymo在奧斯汀的運營相比仍有差距。Waymo透過與Uber合作的方式，在奧斯汀部署300輛自動駕駛車輛，已進入了常規運營的狀態，並且還會繼續增加部署量。
因此，這幾天，特斯拉的股價又有所回落。
我們認為，接下來的關鍵在於，特斯拉能否透過資料閉環快速最佳化演算法，資料規模能否覆蓋“長尾事件”， 從而證明其純視覺方案不遜於多感測器融合方案，並建立使用者對其技術的信任。
值得注意的是，特斯拉用近乎“暴力”的方式進行資料積累，併力圖後發制人，對中國而言，既展現了未來機遇，也意味著巨大挑戰。
資料的規模
首先，我想強調的是，和AI大模型類似，“Scaling Law”（規模法則）在自動駕駛領域也發揮著決定性作用。只不過，這裡所說的“規模”主要是指資料量，而不完全是模型引數量。
Waymo的一項研究指出，自動駕駛模型的最佳引數量可能在千萬級別。這與AI大模型動輒千億規模的引數量形成了鮮明對比。
一個自動駕駛模型的天花板在於對真實世界多樣性和“長尾事件”的覆蓋程度。此時，足夠的資料就成為了基本前提。無論採用哪種技術路線，只有當資料量超過一定門檻，才有可能真正提升演算法效能。
所謂“長尾事件”， 指的是少見的道路參與者、罕見的交通組合、極端天氣下的模糊標線等情況。這些事件在總資料集中的佔比可能低於0.1%，卻是決定系統可靠性的關鍵。
但是，因為“長尾事件”佔比極低，在模型訓練中往往很難得到體現，傳統的演算法在面對這些突發場景時，往往顯得力不從心。
因此，Waymo會耗費大量精力，從海量資料中挖掘這些關鍵的“長尾事件”，並以更高的權重反覆訓練模型。可以看出，這是一個工程層面的最佳化過程，而不是演算法上的創新。
特斯拉則採用“影子模式”，以極低的成本、快速形成規模巨大的訓練資料集。使用者的每一次與FSD表現不符的操作，都相當於是對影片資料的標註。這讓特斯拉有望透過資料規模來實現對“長尾事件”的覆蓋。
不過，這種方式也是一把“雙刃劍”。如果不加篩選地將這些混雜的資料輸入模型，雖然能讓FSD學習人類駕駛方式，也可能讓它繼承人類駕駛員的缺點。
這也是為什麼，儘管很多人認為特斯拉FSD的駕駛風格很流暢和果斷，但也經常出現跨越實線等為了效率而違規的行為。
未來，特斯拉無疑要辨別那些人類司機的“壞榜樣行為”， 不讓FSD盲目模仿。當然，清洗這些“髒資料”的成本肯定也不低。
中國之路
面對Waymo和特斯拉的你追我趕，我們也呼籲中國的企業和監管部門必須要積極行動起來了。
截至2025年6月，中國已有超過40個城市發放了自動駕駛測試牌照，有超過10個城市開放了自動駕駛試運營。包括百度Apollo、小馬智行、文遠知行在內的企業都建立了無人計程車隊，在各大城市的示範區內行駛。
然而，在這看似“遍地開花”的繁榮之下，掩蓋不了一個嚴峻現實——規模不足。
每個城市的運營車輛大多在百輛級別。即便是作為頭部示範區的武漢，Robotaxi總規模也仍在700輛左右徘徊，還有部分不載客的測試車輛。
這和監管者的心態有一定相關性。
如果一個城市僅僅將Robotaxi視為形象工程，而沒有意識到背後產業發展的需求和規律，那麼監管者可能會為了規避風險，傾向於採用“小步慢走”的方法。既不提升車隊規模，也不擴大試運營範圍，就會讓當地的Robotaxi產業“不死不活”，無法形成資料和演算法最佳化的良性迴圈。
更關鍵的是，現在斜刺裡又殺出了個特斯拉，試圖打破L2級輔助駕駛與L4級自動駕駛涇渭分明的技術界限。
我們曾分析，一旦驗證量產車也能勝任Robotaxi服務，特斯拉就能迅速組建一支數萬輛的車隊，對所有Robotaxi企業形成“降維打擊”。
這也意味著，不僅是百度、小馬智行等專攻L4 Robotaxi的科技公司，華為、小鵬等車企也應該瞄準L4自動駕駛技術，否則未來可能連Robotaxi的入場券都拿不到。當然，監管機構也應該儘快批准蔚小理和華為等做智駕的整車廠參與Robotaxi的運營。
最後，我也呼籲監管者和行業能主動打破“資料孤島”， 充分利用我們的最大優勢——龐大的智慧電動汽車保有量及Robotaxi使用者基礎。
我們很擔心，中國的電動汽車產業雖然很強，但在智慧化和未來的無人出行服務化階段，會因為各自為戰而陷入被動。
我們希望政策上能鼓勵運營商在特定城市進行更大範圍、更高密度的車輛部署，向“千輛級”甚至“萬輛級”邁進，實現資料積累和演算法最佳化相互推動的飛輪效應。
在資料規模上，行業也要形成合力。透過統一的資料格式、資料介面和安全標準，在保護商業機密和資料安全的前提下，建立國家級或區域級的“資料共享平臺”，用集中起來的海量資料支援模型的訓練和發展。
同時，應鼓勵在自動駕駛領域有較強研發能力的車企也加入Robotaxi市場，透過引入強大的競爭者，加速資料的積累速度，促進整個行業技術和服務水平的提升。
我們認為，當前最大的風險就是固步自封和不作為，從而使中國與成為“行業領導者”的產業機遇失之交臂。
關於此次特斯拉Robotaxi事件對特斯拉未來發展的意義，以及未來出行產業所面臨的風險與機遇，在昨天的特訓營直播課上，我用了兩個小時進行深入剖析。如果你感興趣，歡迎掃碼加入，和我一起，先人一步，領先一路！提醒一下，現在購買或續費“前哨•科技特訓營”，還可額外獲贈2個月的學時！優惠只剩最後幾天了！
以上就是今天的內容，王煜全要聞評論，我們下週見。
↓長按圖片掃碼報名，先人一步，領先一路
最後，鑑於公眾號推送機制的改變，你未來刷到要聞評論的機會可能沒那麼多了，建議你加入粉絲群，第一時間得到我的獨家前沿分析，而且我們還會每天在粉絲群裡釋出獨家資料，快快掃碼加入吧！
推薦閱讀：
【科技特訓營】看懂科技產業，離不開長期觀察。線上書院模式，與王老師深度連結！為未來五年做好準備，先人一步，領先一路！
↓¥399，掌握王煜全AI產業預測精華（iOS使用者請在電腦端開啟）
此外，我們還為您準備了一個獨家思維導圖，掃描加群即可領取
“回顧4月對於特斯拉戰略失誤的分析和預判”