前几天，马斯克宣布要在今年年底前，清退奥斯汀所有特斯拉 Robotaxi 里的安全员。

不过在我看来，马斯克这次，的确有点激进了。

这次取消安全员，并不是特斯拉的自动驾驶技术已经完全成熟，而是因为马斯克等不起了，特斯拉的股票需要这样的故事。

马斯克，正在把公司的金融风险，转移到奥斯汀街头的交通安全上。

所谓纯视觉方案，很大程度是为了降低成本

很多人推崇马斯克的第一性原理和特斯拉的自动驾驶技术。因为马斯克的逻辑听上去很有说服力：人类仅凭两只眼睛和一个大脑就能驾驶，那么一个足够强大的神经网络配上几个摄像头，也理应能做到，甚至做得更好。

激光雷达、毫米波雷达这些额外的传感器，在马斯克看来是缺乏自信和技术想象力的表现，所以特斯拉坚定地走“纯视觉方案”。

但是稍微想想就知道，这说辞有多没道理。

人的后脑勺没长眼，是不想长吗？人没长雷达，是不想长吗？

为了安全冗余，给车辆加装更多传感器，提供更多数据，不好吗？

唯一的原因，就是成本，而不是什么第一性原理。

激光雷达曾经数万美元一颗，即便今天中国供应链已将其打成“白菜价”，对于计划生产数百万辆 Robotaxi 的特斯拉而言，依旧是一笔庞大的硬件成本。

马斯克想要把 Robotaxi 的运营成本做到 0.2 美元/公里，车辆的硬件成本就必须压到 3 万美元以下，且不产生持续的人力成本。

所以，马斯克移除自动驾驶出租车的安全员，并不是 FSD 多么成熟，而是必须兑现自己的商业承诺。

截至目前，奥斯汀的小规模测试车队已经发生了至少七起碰撞事故。虽然特斯拉极力对报告进行删减，但有限的信息和第三方分析估算，其事故率可能是人类驾驶员的数倍乃至十倍。

这些事故，从追尾到变道剐蹭，恰恰暴露了纯视觉方案在物理世界中的固有缺陷：强光眩光下的“致盲”，雨雾天气中的感知失灵，以及对白色卡车等低对比度障碍物的误判。

从 FSD v12 版本开始，特斯拉开始追求“端到端”神经网络。从输入摄像头捕捉的视频流，直接输出方向盘、油门和刹车的控制指令，让 AI 直接处理复杂路况。

端到端路线的效果不错，但问题在于，当一个黑箱 AI 犯错时，工程师几乎无法解释其决策逻辑，能做的只是提供更多数据去训练，祈祷 AI 能“涌现”出正确的行为。

马斯克赌的是，通过全球数百万特斯拉车辆积累的海量数据，去覆盖无限接近现实的驾驶场景。

但交通安全并非概率游戏，0.001% 的失误，也可能造成无可挽回的生命财产损失。

在技术尚未达到绝对可靠之前就直接移除安全员，无异于直接把普通民众放到不安全的交通环境中。

马斯克这次的激进，可能会栽跟头。

中国的智驾落地，更务实、更安全

中国目前的智能驾驶，走的恰恰是马斯克看不上的“多传感器融合”路线。

通过“堆料”式的硬件方案，用确定性的冗余来对抗不确定性。摄像头在强光下会失明，但激光雷达不会；毫米波雷达能穿透雨雾，精确测速测距。当一种传感器“说谎”或“失灵”时，其他的传感器能够交叉验证，形成一个决策闭环。

中国强大的供应链体系正在瓦解马斯克“纯视觉成本最低”的商业策略。禾赛科技、速腾聚创等公司已经将车规级激光雷达的成本压缩到了数百美元的区间。百度第六代 Robotaxi 整车成本已经压到了 3 万美元之下。

这意味着，中国企业在增加了大量安全冗余硬件后，依然在整车成本上追平甚至反超了特斯拉。

除了单车智能的“冗余”，中国还在建设宏观安全网络——“车路协同”。在武汉、北京亦庄等示范区，红绿灯、路口摄像头等基础设施都被智能化改造，它们能以将路况信息实时发送给区域内的每一辆 Robotaxi。

车辆不仅靠自己的传感器“看”，还能靠路边的“眼睛”和“耳朵”来感知。

这种系统性的降维打击，更是单打独斗的特斯拉无法比拟的。

在彻底取消安全员之前，中国企业会经历漫长的“主驾有人-副驾有人-车内无人、远程监控”的过渡阶段。即便在实现“车内无人”后，后台依然有远程安全员以 1 比 N 的监控车队，随时准备在车辆遇到困难时进行“云代驾”接管。

这种渐进路线，确保了技术在可控范围内逐步迭代，同时控制风险。

信任比技术更稀缺

中美两条路线的差异，不仅仅是技术的差异，更是两种截然不同的风险观。

马斯克信奉硅谷的技术颠覆，相信技术能解决一切问题，并认为为了最终的宏大目标，过程中的一些“牺牲”是可以接受的。说白了，还是“先污染，后治理”的逻辑。

中国的模式更务实，承认技术的局限性，用系统工程的思维，通过硬件冗余、车路协同和渐进式运营，为技术的落地铺设一条足够安全和平缓的坡道。

我们不追求一步到位的颠覆，而是在保证安全的前提下，逐步扩大运营范围和商业化程度。

所以，马斯克这次撤掉安全员的激进举动，在我看来，过于草率和危险，缺少对系统性风险的敬畏。

要知道，现在跑得最快的人，不一定能笑到最后。