我看了 79 个特斯拉奥斯汀机器人出租车的视频后学到了什么

Posted on 2025-07-09

很多人预计特斯拉在奥斯汀推出的自动驾驶出租车服务会失败。说实话，有些人似乎希望它失败。6月22日推出后，社交媒体上开始流传一些视频片段，似乎证实了他们的质疑。

我自己也在推特上发过一段这样的视频，但我也知道短视频很容易让人产生误解。所以在形成意见之前，我想尽可能多地看一些原始视频。在过去的两周里，我的确这么做了：我观看了79个由特斯拉支持者、抢先体验过这项服务的网红发布的视频。这些视频记录了近100次试驾，总时长超过16个小时。

这些视频超出了我的预期。特斯拉的自动驾驶出租车（Robotaxi）的推出并非完美无缺，但进展也和预期的一样顺利。少数小故障在网上引起了过度关注，但绝大多数行程都平安完成。

特斯拉的自动驾驶出租车大多驾驶平稳、自信。它们可以在雨天和黑暗中驾驶。它们对建筑工地泰然自若，还能为紧急车辆靠边停车。它们还能在混乱的停车场里安全行驶。

因此，特斯拉的粉丝们完全有理由为自动驾驶出租车的推出感到自豪。与此同时，我认为很多人低估了特斯拉未来仍需努力的程度。

我看了很多视频，视频里两位特斯拉的拥趸一起乘坐自动驾驶出租车。一个常见的话题是特斯拉需要多长时间才能扩大服务范围。有人预测，特斯拉卓越的制造能力将使其迅速超越目前的行业领先者Waymo。

但我不认为特斯拉过去两周取得的成就——尽管令人印象深刻——意味着特斯拉已准备好迅速扩大其服务规模。

首先，特斯拉的自动驾驶出租车行驶里程远不足以判断其安全性。人类驾驶员在发生严重事故之前通常要行驶数十万英里。特斯拉的自动驾驶出租车车队大约有十几辆汽车，迄今为止的无人驾驶里程可能还不到1万英里——远远不足以对安全性做出任何判断。

其次，我们不知道特斯拉能多快减少对人工监管的依赖。目前，每辆特斯拉自动驾驶出租车的前排乘客座位上都配有一名“安全驾驶员”。有理由相信，特斯拉也拥有一支可以远程控制自动驾驶出租车的远程操作团队。

我不知道这种情况是如何发生的，也不知道它发生的频率有多高。但如果特斯拉的自动驾驶出租车严重依赖远程协助——事实可能如此——那么这项服务就不可能盈利地扩展。

尽管如此，特斯拉在奥斯汀的发布表明，特斯拉对其自动驾驶出租车的野心是认真的。这意味着，如果Waymo想要保持领先地位，就需要加大油门。而该公司似乎正在这样做：

Waymo 需要几年时间才能在大多数这些城市推出商业服务。不过，我认为 Waymo 很可能会先于特斯拉进入这些城市。

立即订阅

我没有看到任何严重的自动驾驶出租车错误

在我观看的16个小时的驾驶录像中，特斯拉的自动驾驶出租车在绝大多数时间里都表现得完美无瑕。它们保持在自己的车道内，遵守交通法规，并与其他车辆顺畅互动。以下是一些让我印象深刻的时刻：

  • 一辆特斯拉自动驾驶出租车遇到了一辆停放的汽车，车盖和驾驶室车门都敞开着。特斯拉耐心地等待对面来车的空隙，然后轻轻驶入对面车道，给停放的汽车留出足够空间。

  • 一辆特斯拉自动驾驶出租车驶近一个十字路口，前面一辆汽车正试图左转，但后来改变了主意。当这辆汽车突然转向回特斯拉的车道时，自动驾驶出租车平稳地减速，给它腾出了空间。

  • 一辆特斯拉自动驾驶出租车在一条繁忙的单行道左车道行驶时，被一辆打着转向灯的汽车挡住了去路。等待空隙后，这辆车顺利并入了右车道。

  • 在同一趟行程的后期，自动驾驶出租车等待几名行人和一名骑自行车的人通过后才左转进入两侧都有交通桶的道路。

这些操作其实都不算太惊艳；经验丰富的人类驾驶员应该可以轻松应对。但类似情况可能会让特斯拉早期版本的全自动驾驶技术出现问题。

虽然特斯拉的驾驶体验不错，但并非完美。现在，让我来总结一下我注意到的几个最严重的错误。几乎所有这些错误都在网上其他地方讨论过。

特斯拉最受争议的错误发生在这段视频的七分钟左右。自动驾驶出租车驶近十字路口，进入了左转车道。但它无法决定是左转还是直行。方向盘来回抖动了好几次。在车载显示屏上，显示车辆预定路线的蓝色色带在左转和直行之间来回跳动。最终，特斯拉决定直行，但却逆向行驶在了对面的左转车道上。

很难说我们应该对这起事故给予多大的重视。这显然不是最佳驾驶行为，但附近没有其他车辆，因此不存在严重的碰撞风险。在同一视频的后面，这辆车犹豫了一下，似乎短暂地考虑过左转。然后它改变了主意，直行，并在下一个路口左转。同样，这并非理想情况，但也没有构成安全隐患。

特斯拉的车辆也存在一些急刹车问题。以下是三个最严重的例子：

  • 在这段视频中，车辆无缘无故短暂减速。

  • 在这段视频中，一辆自动驾驶出租车在接近一辆亮着车灯的警车时似乎减速了——尽管警车停在相邻的停车场，而不是在自动驾驶出租车行驶的道路上。

  • 在这段视频中，一辆自动驾驶出租车突然猛踩刹车。这辆车正朝着太阳行驶，可能因为阳光照射而暂时失明。

有趣的是，奥斯汀的一段视频显示，一辆Waymo汽车在驶过一座立交桥时猛踩刹车，车轮猛地一震。为了写这篇文章，我观看的 Waymo 视频比特斯拉的视频少得多。所以，即使只看到一次这样的事件，也说明 Waymo 可能和特斯拉一样，存在严重的“幻影刹车”问题。

特斯拉另一个难以应对的领域是停车。当特斯拉自动驾驶出租车接近目的地时，它会向乘客提供一个“立即送我下车”的按钮。如果乘客按下该按钮，自动驾驶出租车应该会找到一个安全的地方停车。但至少有两次，这项功能效果不佳：

  • 在这段视频中，一辆自动驾驶出租车毫无理由地在十字路口中间让乘客下车。乘客下车后，车辆在原地停留了30秒，阻塞了对面的交通。

  • 在这段视频中，自动驾驶出租车试图将一名乘客送到左转车道。乘客最终拨打了客服电话，要求继续行程。

在另一段视频中，一辆特斯拉自动驾驶出租车跟在一辆UPS车辆后面，后者开始倒车进入停车位。安全监控器迅速禁用了自动驾驶软件，使自动驾驶出租车停了下来。目前尚不清楚如果没有这项干预是否会发生碰撞，但在我看来，这种可能性不大。

在这段视频中，一辆特斯拉试图在停车场挤过另一辆车，结果轮胎碰到了旁边的车辆。安全乘客最终滑了过去，接过方向盘，把车开走了。这是我唯一一次看到特斯拉员工手动驾驶自动驾驶出租车。

总的来说，在16个小时的驾驶过程中，我们犯了8个相当小的错误。我认为我们无法由此得出任何确切的结论——我观看的录像并非随机样本，而且我不知道如果我观看16个小时的人类或Waymo驾驶录像，我会看到多少类似的事件。但就我个人而言，我认为这些事件并不表明特斯拉过早启动了其无人驾驶测试项目。

特斯拉正在追随 Waymo 的脚步

Waymo 的车辆仅在少数几个大都市地区运营，无法在高速公路上行驶。而且，Waymo 拥有远程操作员，可以在车辆发生故障时进行干预。多年来，特斯拉的粉丝们一直认为，这些预防措施表明 Waymo 的技术不够成熟，无法推广到新的区域。相比之下，他们声称特斯拉正在开发一种可以在所有大都市地区和路况下运行的通用技术。

但在去年的一篇文章中，我认为他们误解了情况。

“特斯拉尚未开始无人驾驶测试，因为它的软件尚未准备好，”我写道。“目前，地理限制和远程协助尚不需要，因为方向盘后面始终有人在。但我预测，当特斯拉开始无人驾驶转型时，它会意识到，为了安全起见，需要像 Waymo 那样循序渐进地推进。”

事实就是这样的：

  • 正如 Waymo 于 2020 年在凤凰城附近 50 平方英里的范围内推出完全无人驾驶服务一样，特斯拉上个月也在奥斯汀约 30 平方英里的范围内推出了机器人出租车服务。

  • 在16个小时的驾驶过程中，我从未见过特斯拉的自动驾驶出租车在高速公路上行驶，时速也从未超过43英里。Waymo目前的最高时速为50英里。

  • 特斯拉为其自动驾驶出租车打造了远程操作功能。 去年，特斯拉发布了一则招聘信息，招聘一名工程师来开发这项功能。招聘信息称，“我们的远程操作员可以使用最先进的VR设备进入设备的世界，从而远程执行复杂而精细的任务。”

特斯拉在奥斯汀推出自动驾驶出租车服务，是迈向完全自动驾驶的重要一步。但奥斯汀的推出也表明，特斯拉尚未找到测试和部署无人驾驶汽车的替代途径。相反，特斯拉仍在沿用Waymo五七年前开创的基本部署策略。

当然，这并不一定意味着特斯拉会像Waymo那样缓慢地扩张其服务。Waymo花了近五年时间才从其首个商业服务（2018年在凤凰城）扩展到第二个商业服务（2023年在旧金山）。最了解情况的特斯拉看涨人士承认，Waymo目前处于领先地位，但相信特斯拉的扩张速度将远超Waymo。

对特斯拉持乐观态度的理由

作为一家汽车制造商，特斯拉比 Waymo 拥有几个显著的优势。

首先，特斯拉设计了其自动驾驶软件，使其能够与特斯拉汽车标配的传统摄像头配合使用。这意味着，一旦特斯拉的​​自动驾驶软件运行良好，它就可以开始每月生产数万辆自动驾驶出租车。

相比之下，Waymo 的技术依赖于激光雷达传感器和其他专用硬件。目前，Waymo 的商业车队中只有约1500 辆汽车，而且该公司一直在努力获得更多车辆：

  • Waymo 于 2021 年宣布与中国汽车制造商 Zeekr 达成协议，但 Waymo 仍未开始在其商业车队中使用这些车辆。该协议可能会因关税和其他地缘政治压力而破裂，​​这将使 Waymo 在未来两年内难以获得足够的车辆。

  • 2024 年与现代达成的协议最终应该会为 Waymo 提供其所需的车辆，但可能还需要几年时间才能开始交付。

特斯拉的第二个显著优势是它能够从客户车辆中收集数据。这使得特斯拉能够获得海量的训练数据。

上个月，Waymo发表了一项研究，证明自动驾驶软件受益于推动大型语言模型进步的同类“缩放定律”。

Waymo 的研究人员写道：“模型性能的提升与总计算预算呈幂律函数关系。随着训练计算预算的增长，最佳扩展需要将模型大小增加到数据集大小的 1.5 倍。”

Waymo 发布这项研究后，特斯拉的粉丝们立即将其视为对特斯拉战略的证明。Waymo 使用从 Waymo 安全驾驶员驾驶 Waymo 汽车收集的 50 万英里驾驶数据来训练其实验模型。按照大多数标准来看，这已经是海量数据了，但远少于特斯拉从其客户自有车辆车队中可能收集的数据。

因此，如果更大的模型表现更好，并且更大的模型需要更多的数据来训练，那么拥有最多数据的公司应该能够训练出最好的自动驾驶模型，对吗？

立即订阅

“我们不是驾驶着一个带轮子的数据中心”

我向 Waymo 高级工程师、Waymo 新扩展论文的合著者 Dragomir Anguelov 提出了这个问题。他认为，这篇论文的含义比特斯拉粉丝想象的要复杂得多。

“我们不是驾驶着一个带轮子的数据中心，你也没有那么多时间去思考，”安圭洛夫在周一的一次采访中告诉我。“在这些相当重要的限制因素下，你的扩展能力以及最佳的扩展方式都是有限的。”

安格洛夫还指出了一个问题，任何读过上个月强化学习解释的人都会熟悉这个问题。

Waymo 的扩展性论文——就像OpenAI 著名的 2020 年扩展性定律论文一样——专注于通过模仿学习训练的模型。正如前沿实验室训练 LLM 预测文本序列中的下一个标记一样，Waymo 也训练了一个模型来预测人类驾驶员在实际驾驶场景中的下一步动作。在这种范式下，拥有更多数据的大型模型表现更佳。

但正如读者所知，领先的人工智能实验室在过去一年中逐渐淡化模仿学习，转而青睐强化学习。自动驾驶领域也发生了类似的转变。安格洛夫是2022 年 Waymo 一篇论文的合著者，该论文发现，采用模仿学习和强化学习相结合训练的自动驾驶模型往往比仅采用模仿学习训练的模型表现更佳。

模仿学习“并非你能做到的最复杂的事情，”安圭洛夫告诉我，“模仿学习有很多局限性。”

这一点至关重要，因为来自人类驾驶员的演示数据（特斯拉拥有的大量此类数据）对强化学习的帮助并不大。强化学习的工作原理是让模型尝试解决一项任务，然后判断其是否成功。对于自动驾驶而言，这可能意味着让模型在模拟环境中“驾驶”，然后判断其是否造成了碰撞或其他问题。或者，这可能意味着在真实车辆上运行该软件，并在模型出现错误时由安全驾驶员进行干预。无论哪种情况，拥有大量的人类驾驶数据并没有特别明显的帮助。

这篇2022年发表的论文中的一项发现，对于思考特斯拉自动驾驶出租车的性能尤为重要。Waymo的研究人员指出，仅接受模仿学习训练的模型往往在常见情况下驾驶良好，但在“数据中很少出现的更不寻常或更危险的情况”下会犯错。

换句话说，如果过度依赖模仿学习，最终得到的模型大多数时候驾驶起来都像人类专家，但偶尔也会犯下灾难性的错误。因此，特斯拉的自动驾驶出租车大多数时候行驶平稳自信，并不一定意味着它们在极端情况下也能像人类驾驶员一样做出反应。

我们不知道特斯拉如何处理远程操作

当我看到特斯拉的自动驾驶出租车顺利应对各种棘手情况时，我不禁怀疑，特斯拉的软件是否真的在驾驶。这是特斯拉员工在奥斯汀发布当天上传的一张照片。

让我们放大图像的左侧：

那看起来像是一张带方向盘的桌子。这让我不禁好奇，特斯拉员工是如何以及多久为公司的自动驾驶出租车车队提供远程指导的。

自 2018 年推出以来，Waymo 就承认其拥有远程操作员，有时会为其车辆提供实时协助。但 Waymo 也表示，这些远程操作员从未实时驾驶车辆。相反，他们提供高级反馈，而车辆始终掌控着每分每秒的决策。

相比之下，特斯拉的招聘启事称，远程操作员可以“进入设备的世界”，以便他们能够“远程执行复杂而精密的任务”。这些“复杂而精密的任务”是否包括一次驾驶汽车几秒钟甚至几分钟？

在我观看的视频中，许多特斯拉的早期客户都评论说特斯拉的驾驶体验非常像人类。这或许是对特斯拉AI模型质量的肯定。但有时，人类驾驶员也可能远程操控车辆。

几位特斯拉的业内人士曾提及这种可能性，但后来又否认了它不可能实现。但这并非不可能。多年来，许多初创公司已经开发了实时远程操作技术。例如，一家名为 Halo 的公司就利用远程操作技术将租赁汽车送达客户手中。TechCrunch 对此技术的描述如下：

这些车辆通过 T-Mobile 的 5G 网络进行远程驾驶，并由 AT&T 和 Verizon 提供备用网络。Halo 开发了一种算法，允许数据流在任何给定时间使用最强的网络连接，以确保可靠、高质量的流媒体传输和低延迟。

Halo 的远程操作员可以以高达每小时 25 英里的速度驾驶汽车。这个速度足以覆盖我在奥斯汀看到的特斯拉自动驾驶出租车的大部分驾驶路段。尤其是，它的速度足以应对大部分最困难的驾驶环境，例如停车场和无保护的左转弯。

我不会在这里提出任何指控——我甚至不确定如果远程司机定期出现，帮助特斯拉车辆摆脱困境，这算不算丑闻。但我认为，如果你想评估特斯拉技术的进步，这种可能性是值得考虑的。

我在这 79 个视频中看到的驾驶水平，代表着 FSD 的重大突破。如果特斯拉继续以这样的速度改进，它很快就能为大规模部署做好准备。当然，只有在特斯拉的软件真正驾驶车辆的情况下，这才令人印象深刻。

另一方面，如果大部分时间都是人类驾驶员掌控，那么特斯拉在奥斯汀的自动驾驶出租车的表现就没那么出色了。在这种情况下，特斯拉可能还远远达不到扩大其自动驾驶出租车服务所需的性能。

原文： https://www.understandingai.org/p/what-i-learned-watching-79-videos