深度解析特斯拉Cybercab：三大技術困境、破局密碼、FSD端到端

開場：方向盤消失的Cybercab，和看不見的矛盾

得州超級工廠裡，一輛輛完全沒有方向盤和踏板的 Cybercab 正在悄悄駛下生產線。現在的日產量雖然看起來不顯山不露水，但其實已經悄無聲息地超越了 Waymo 的產能。可是，詭異的事情來了。

在加州聖何塞，或者得州的奧斯汀和休斯頓，越來越多人拍到了正在公開道路上測試的 Cybercab。但這些測試車裡，有的頭頂頂著巨大的傳感器支架，有的竟然偷偷裝上了方向盤，甚至還坐著安全測試員。

既然 Cybercab 是一款從骨子裡就宣稱要取消方向盤、純視覺、為無人駕駛而生的 Robotaxi，為什麼至今沒有向公眾開放哪怕一次真正的無監督載客服務？為什麼宣稱純視覺的特斯拉，又要重新戴上沉重的傳感器頭冠？

今天，我們就來徹底扒一扒特斯拉這套“寧可慢，不走捷徑”的硬核底牌，拆解 FSD 的底層邏輯。強烈建議你耐心看到最後，因為結尾處藏著一個特斯拉如何利用法規“漏洞”實現量產與測試兩不誤的絕妙操作。

準備好的話，我們直接進入正題。

第一部分：橫亙在規模化面前的三座大山

在 Cybercab 能夠真正從現在的低產量測試，走向我們期待的那種滿大街跑、隨叫隨到的規模化運營之前，特斯拉必須硬扛下三個極其致命的底層技術難題。這三個難題，不是靠畫大餅就能解決的。

大山一：地理圍欄尺寸與產能的嚴重倒掛

現階段的無監督 Robotaxi，也就是真正的無人駕駛出租車，它的運行是受到嚴格的地理限制的。你不能買一臺 Cybercab 然後把它扔到深山老林裡指望它自己跑。

目前在奧斯汀，特斯拉被批准的無監督運行區域已經擴大到了大約 245 平方英里。聽起來不錯，對吧？這確實是個紮實的進步。但是你要看看休斯頓和達拉斯，那邊的首發運營面積小得可憐，大概只有 25 平方英里左右。

問題來了：你不可能把得州工廠每天生產出來的成百上千輛新車，全部一股腦地塞進一個只有幾十平方英里的測試區裡。如果這麼幹，這片區域的交通會瞬間癱瘓，系統根本無法消化這麼高的車輛密度。

現階段，Cybercab 的硬件生產能力，已經遠遠跑贏了政策和系統允許它運行的地理空間。有車，但沒那麼多地兒給你跑，這是第一個尷尬。

大山二：孃胎裡就沒有方向盤

量產版的 Cybercab，它的終極形態就是一臺純粹的 Robotaxi：沒有方向盤，沒有加速踏板，沒有剎車踏板，甚至連側後視鏡都給你摳了。從 2026 年 4 月開始，得州工廠就已經開始持續生產這種最終形態的車輛了。

從長遠來看，這絕對是正確的架構，乾脆利落，節約成本。但回到當下，這就成了一個巨大的死結。

一輛沒有任何手動控制裝置的車，意味著它只要一開機，就必須處於“無監督 FSD”的接管狀態。它只能在那些“FSD 已經被徹底驗證過絕不出錯”的地理圍欄裡活動。一旦開出圍欄，或者遇到系統徹底懵掉的極端情況，人類連個搶方向盤的機會都沒有。

這就倒逼特斯拉：在你把車放出去之前，你的系統必須在這個區域做到接近百分之百的安全。

大山三：一個徹頭徹尾的全新平臺

很多人有一種錯覺，覺得 Cybercab 不就是把 Model Y 拍扁了，換個殼子，然後把裡面的方向盤拔掉嗎？大錯特錯。Cybercab 絕對不是換殼的 Model Y。

從物理尺寸上來說，Cybercab 比 Model Y 短了大概 13 英寸，窄了 12 到 13 英寸，底盤更低。它的軸距、重心、重量分佈、離地間隙、懸掛反饋甚至空氣動力學特性，和 Model Y 完全不在一個頻道上。

更要命的是，它的眼睛變了。

Cybercab 搭載了一套重新優化過的攝像頭陣列。雖然也增加了前保險槓攝像頭（這個其實在近期新款的 Model Y 上也有），但是，為了配合 Cybercab 那種低趴的、完全不同的車身幾何形狀，幾乎所有攝像頭的位置和角度都發生了變化。尤其是原本應該在後視鏡位置的側方攝像頭，視角完全不同了。

FSD 端到端神經網絡是怎麼看世界的？它是通過長期看 Model Y 傳回來的畫面學習的。現在你突然給它換了一副眼鏡，鏡頭高低變了，車身遮擋關係變了，透視關係變了，甚至車輛轉彎時的動態反饋也變了。

這就好比你一直戴著平光鏡打籃球，突然有一天給你換上了一副近視加散光的鏡片，你還能精準投籃嗎？

當年的 Cybertruck 剛出的時候，FSD 也經歷了漫長且痛苦的微調期，神經網絡花了好大一陣子才真正“理解”那臺不鏽鋼巨獸的尺寸和脾氣。

但 Cybertruck 有一個 Cybercab 絕對沒有的巨大優勢：幾十萬真正花錢買了 Cybertruck 的真實車主。這些車主每天在路上跑，開啟監督版 FSD。每次系統要犯錯，車主一腳剎車或者猛打一把方向盤，這種“人類接管”的數據就會立刻傳回特斯拉總部，告訴 AI：“嘿，你這裡弄錯了，應該這樣開”。這叫天然的糾錯數據流。

可是 Cybercab 呢？它生下來就是個純無人駕駛出租車，連方向盤都沒有。它沒有車主給它免費當安全員，在早期的驗證階段，它根本沒有那種源源不斷的、自然的糾錯數據。

把這三個挑戰擺在桌面上，你腦子裡大概率會冒出一個大大的問號：如果我是馬斯克，如果我是特斯拉的自動駕駛團隊，這局到底該怎麼解？

第二部分：FSD 是有層次的，別指望一鍋燉

要搞清楚特斯拉接下來的操作，我們得先了解一下 FSD 到底是怎麼被設計和訓練出來的。

現在大家都在吹“端到端”（End-to-End），好像攝像頭一拍，方向盤自己就動了，中間什麼都沒有。但實際上，在真正進入最後的“端到端”融合之前，FSD 是有明確的層次結構的，每一層的職責完全不同，它們對新車型的適應難度也天差地別。

感知層：汽車的視神經

第一層，是最底層的“感知層”（Perception Layer）。

感知層是什麼？就是汽車的視神經。它的輸入是 8 個甚至 11 個攝像頭的原始視頻流，而它的唯一目的，就是搞清楚“我在哪，我周圍有什麼”。它不負責開車，它只負責畫地圖。

它要把視頻裡的畫面，轉化為規劃層能聽懂的語言：這裡有一輛卡車，那裡有個騎自行車的，左邊是可行駛區域，前面那條是車道線，那個紅色的八邊形是停止標誌。

問題來了：Cybercab 的物理攝像頭雖然型號和 Model Y 一樣，但安裝位置變了。FSD 需要把所有攝像頭的圖像縫合在一起，形成一個 360 度的統一上帝視角。因為位置變了，原來在 Model Y 上訓練得爐火純青的感知模型，放在 Cybercab 上直接就抓瞎了。神經網絡必須針對這些全新的視角、全新的盲區和透視偏移進行重新微調。

規劃層：汽車的大腦

第二層，是中間的“規劃層”（Planning Layer）。

如果感知層是眼睛，那規劃層就是大腦。它接收感知層傳來的三維世界地圖，然後開始算計：我接下來應該走哪條路線？是用 30 碼的速度滑行，還是猛踩油門超車？

關鍵點在於：規劃層不是“車型通用的”。

你的車身尺寸、你的轉彎半徑、你的加速極限和剎車距離，直接決定了你能不能做出某些動作。開大卡車和開靈巧小轎車，過同一個彎道的走線絕對不一樣。

Cybercab 又小又靈活，如果它完全照搬 Model Y 的規劃邏輯，它就會顯得非常笨拙，白白浪費了自己短小精悍的優勢。

控制層：神經末梢和肌肉

第三層，是最頂層的“控制層”（Control Layer）。

規劃層決定了“我要在 3 秒內變到左車道”，而控制層負責把這個想法翻譯成物理動作：方向盤電機轉多少度？油門給多大電壓？剎車卡鉗施加多少壓力？

在這裡，Cybercab 和 Model Y 的差異又成了大問題。車輛的動態響應——一腳油門下去車竄得有多快，一腳剎車下去車點頭有多嚴重，急打方向時車身側傾有多大——這倆車完全不一樣。

為了做到極其精準的底層控制，你必須擁有一個極其精確的、專門針對 Cybercab 的車輛動力學模型。

理解了這三個層次，你就會發現，特斯拉要讓 Cybercab 上路，絕不是把代碼複製粘貼那麼簡單。針對這三個層，特斯拉必須對症下藥，因為每一層需要的“藥引子”是完全不同的。

第三部分：特斯拉不為人知的驗證劇本

FSD 最終確實是“端到端”訓練的，但這只是最後收尾的一步。在這之前，每一層都必須先單獨拉出來開小灶訓練。

為什麼？因為模型太龐大了。FSD 的神經網絡有幾十億甚至上百億的參數，而最終的輸出結果只有寥寥幾個數字：方向盤轉角、油門大小、剎車力度。

如果你一開始就給它看視頻，然後只告訴它“這裡該踩剎車”，它根本學不會。那一點點輸出信號，根本不足以反向更新幾十億個參數。你不能指望通過只教網絡踩剎車，就能讓它自動頓悟“原來前面那個兩條腿走路的東西叫人類”。

你必須先手把手地教底層網絡認識這個世界的結構。只有當模型真正懂得了什麼是物體、什麼是車道、什麼是交通規則之後，最後的端到端訓練才能起到畫龍點睛的作用。

特斯拉的破局方法，就是把這三層拆開來，逐一擊破。

感知層：重建仿真 + 真值套件，雙保險

先看最頭疼的“感知層”。

感知層怎麼預訓練？你需要海量的數據對，也就是“視頻畫面”加上“正確的標註”（比如在這個畫面裡圈出卡車的位置）。

因為 Cybercab 攝像頭位置變了，Model Y 的龐大數據庫不能直接用。特斯拉拿出的殺手鐧叫做“重建仿真”（Resimulation）。

特斯拉內部有一個極其恐怖的仿真引擎。它能幹嘛？它能把一輛 Model Y 在現實世界裡錄下的視頻直接“剝離”重構，然後假裝這輛車是沿著另一條稍微不同的軌跡開的，或者假裝攝像頭的安裝位置變了，然後重新渲染出一段視頻。

就好像用虛幻引擎把現實世界建了模，然後把攝像機的機位往下調了十幾英寸，重新拍一遍。在這個過程中，物體的透視會正確變化，遮擋關係會自然改變，這樣生成的新視頻，就完全符合 Cybercab 那套攝像頭的視角了。

特斯拉現在絕對在以一種常人難以想象的算力規模，瘋狂地運行這個重建仿真引擎，把那幾百萬輛 Model Y 積攢的天文數字般的視頻庫，全部轉換成 Cybercab 的視角，用來投餵給感知層。

那問題來了：既然仿真引擎這麼牛，為什麼我們還能在加州的大街上，看到人工開著帶有方向盤的 Cybercab？甚至有些車頂上還頂著那個高高的、醜陋的“真值傳感器套件”（Ground-Truth Rig，通常包含高精度激光雷達）？費這勁幹嘛？

答案很簡單，也很讓人肅然起敬：敬畏心與極度的謹慎。

特斯拉的仿真技術絕對是目前行業內最頂尖的，但是，如果你要把世界上第一個大規模的無監督 Robotaxi 服務，建立在一個百分之百純靠電腦模擬出來的數據庫上，那是極其不負責任的。

現實世界太複雜了。邊緣場景、極其詭異的光照條件、罕見的角落，總有一些細微的東西是仿真引擎無法完美還原的。收集真實的 Cybercab 路跑里程，無論是有沒有那個激光雷達套件，都是為了在第一批普通乘客坐進車裡之前，給特斯拉的工程師們吃下一顆最大的定心丸。

真值傳感器套件：Ashok 展示過的“魔法”

說到那個頂在車頂的“真值傳感器套件”，我們得深入聊聊它到底有多重要。

在 2021 年特斯拉 AI Day 上，自動駕駛負責人 Ashok Elluswamy 展示過一套絕技：特斯拉是怎麼給海量的視頻打標籤的？

不是靠人工一張張畫框。他們用高精度的激光雷達數據，訓練出了一個專門生成“絕對真值”（Ground Truth）的超級模型。一旦這個模型訓練好了，它以後就只需要看普通的攝像頭視頻，就能直接輸出極其精準的 3D 標籤，而不需要每輛車都裝激光雷達。

它的工作原理像魔法一樣：

• 測試車在路上正常開，記錄下所有的視頻和車輛狀態（速度、GPS、重力感應等）。
• 當車子駛近一個物體——比如一個行人、一個坑窪——當距離非常近的時候，攝像頭拍得一清二楚，這時候模型以極高的置信度給這個物體打上標籤。
• 然後，神操作來了：系統會把這個確定的標籤，“時光倒流”一樣反向傳播到幾秒鐘之前的視頻幀裡。

在那些早期的畫面裡，這個物體可能還只是個極其模糊的像素點，或者被擋住了一半，光靠那一幀畫面根本認不出來。但通過結合所有的攝像頭視角和已知的車輛運動軌跡，系統通過多視角的交叉驗證，就能在物體還極其遙遠的時候，給出極其精準的深度和語義識別。

結果就是，特斯拉得到了一套比傳統的純視覺自動標註準確得多的“真值數據”。這就是他們不給量產車裝激光雷達的底氣所在。

那為什麼在新區域開荒，或者推出 Cybercab 這種新車時，還要把舊的激光雷達套件搬出來重新掃街？

原因有兩個：

1. 首次“無監督”投放，需要最高級別安全冗餘。
   純視覺自動標註雖然已經很好了，但在極少數情況下，用激光雷達校準過的真值數據，依然在準確率上有著物理級別的優勢。特斯拉不願意在首批脫手運行時冒哪怕一絲一毫的風險。

2. 真實 Cybercab 數據，可以消滅仿真帶來的“領域偏差”。
   你可以拿 Model Y 的真值數據去仿真出 Cybercab 的數據，但如果你能收集到一些真正用 Cybercab 跑出來的、帶著最新鮮真值的真實視頻，你就可以直接拿著真實視頻和真實標籤去訓練模型，保證最生死攸關的感知任務絕對可靠。

更妙的是，把這些真實的 Cybercab 視頻和標註拿回去，還能用來反向校驗和升級那個“重建仿真引擎”。仿真引擎越做越準，以後對 Model Y 數據轉換的質量就越高。這是一個完美的正向循環。

規劃層：白嫖 Model Y 的數據護城河

聊完了感知層，我們來看第二層：規劃層。

規劃層就好辦多了。它幾乎可以直接白嫖現有的 Model Y 海量數據。

只要底層的感知層穩如老狗，把周圍的世界準確地抽象成了三維地圖和物體的運動軌跡，那麼對於規劃層來說，周圍是轎車還是卡車，路有多寬，都已經變成了一串串數據。這時候，仿真視頻裡哪怕有幾個像素點不對勁，也完全不影響大局。

特斯拉只需要把客戶車隊收集到的海量現實詭異場景（什麼路中間飛出一隻雞，什麼前方卡車突然掉了個輪胎），扔進仿真環境裡，然後把裡面那臺車設定為短小精悍的 Cybercab，調整一下物理參數。

規劃層就可以在模擬器裡瘋狂試錯，通過強化學習（Reinforcement Learning），學會如何利用 Cybercab 更小的轉彎半徑在狹窄的小巷子裡穿梭。在這層，特斯拉之前積累的“數據護城河”依然堅不可摧。

控制層：少量實車測試 + Cortex 裡跑上億公里

最後是第三層：控制層。

這層需要的是極度精確的車輛動力學模型。這個是真沒法全靠敲代碼憑空模擬出來的，必須實打實地去測。這就是為什麼現在路測的 Cybercab 裡，有些裝了方向盤。

特斯拉讓試車員開著裝有方向盤的 Cybercab 去跑，記錄下人類每打一次方向、每踩一腳油門時，車輛真實的偏航率、側向加速度和制動減速度。

收集到這些數據後，特斯拉在電腦裡建一個 1:1 的 Cybercab 數字孿生動力學模型。一旦模型建好，就被扔進名為 Cortex 的超級計算機強化學習環境裡。控制層可以在裡面跑上幾億公里。

這個階段需要的真實道路數據其實非常少，可能幾百英里就足夠建個完美模型了。這是三層裡最好搞定的一環。

所有這些單項訓練完成後，最後再用純真實的 Cybercab 數據，或者高度逼真的仿真數據，進行最後一次端到端大一統的微調。他們絕對不會從零開始訓練一個新的 AI，那太浪費算力了。他們肯定是拿已經極其聰明的 Model Y 模型為底子，做定向的“知識遷移”。

這就是特斯拉的驗證劇本，層層遞進，粗中有細：在最要命的感知層投入最重的人力和真值路測；在規劃層聰明地壓榨原有的數據護城河；在控制層進行精準的硬件實測。沒有急於求成，一切都穩紮穩打。

第四部分：馬斯克的數據護城河干涸了嗎？

說到這裡，肯定會有人問：如果特斯拉每次去一個新的城市，或者每次發佈一款新車，都得重新派出帶激光雷達的測試車去掃街、去收集所謂的“真值數據”，那他們引以為傲的“純視覺神話”是不是破滅了？

最誠實的回答是：

在 2026 年這個時間節點，是的，他們依然離不開這個步驟。

現在的特斯拉，還沒有自信到敢在不收集任何真實高精度真值數據的情況下，就把一輛全新的、沒有方向盤的 Robotaxi 扔到一條完全陌生的街道上去跑無監督 FSD。

現實世界裡那種長尾的邊緣場景，那種當地特有的奇葩紅綠燈設計，那種在夕陽下泛著詭異光澤的瀝青路面，依然需要實體車和真實的物理攝像頭去碰一碰，去驗證。這不是馬斯克不願意，這是一個負責任的頂級工程團隊必須做出的理性選擇。

用純模擬數據去發佈大規模無人駕駛出租車，那不是在顛覆行業，那是在草菅人命。

真值依賴的“拐點”，正在被精確計算

但注意，這不代表特斯拉在原地踏步。他們正在非常精確地計算，這個“依賴真值測試”的拐點什麼時候會到來。

在特斯拉內部，他們可以同時跑兩個版本的模型：

• 版本 A：完全不用現實新跑的數據，純靠 Model Y 老數據通過引擎仿真出來訓練。
• 版本 B：仿真數據，再加上當地新鮮出爐的激光雷達真值數據一起訓練。

把這兩個模型放到未知的路段去考一考，對比一下分數。這中間的差距，就是他們現階段還需要依賴真實路測的原因。但隨著仿真引擎越來越逼真，這個分數差距正在肉眼可見地縮小。

可以預見，在未來的某一天，當重建仿真引擎強大到連路面上一粒石子的反光都能完美模擬時，針對大多數的新區域擴張，特斯拉就可以徹底扔掉這根“真值採集”的柺杖了。

注意一個詞，這叫“重建仿真”（Resimulation），而不是從零開始建個 GTA 一樣的遊戲世界。所有的瘋狂場景、離譜路況，全是幾十萬真實車主拿命開出來的。世界上沒有任何一套純程序生成的模擬器能覆蓋這種真實世界的混沌感。

這個由數十億英里堆起來的真實視頻語料庫，就是特斯拉不可逾越的護城河。

老數據沒白跑，護城河沒有貶值

那這是否意味著特斯拉的數據護城河貶值了？如果換個新車還得重新適應，那老車主跑的數據是不是白跑了？

絕對不是。這是對 FSD 底層邏輯最大的誤解。

你得明白，絕大多數千奇百怪的極端情況，比如路口五個車搶道、比如前面卡車突然掉下個席夢思床墊，這些全都是給“規劃層”喂招的。規劃層完全不在乎你這視頻是不是仿真出來的。規劃層吸收了這海量的經驗，變得極其老道。

只有換了眼睛的“感知層”，才需要一點點新鮮的真實數據來開胃。而且，即便是感知層，也依然在享受著那些老車主數據被仿真引擎轉換後帶來的巨大紅利。

新鮮採集的這點真實數據，只是一劑為了追求極致安全而打的加強針。隨著技術進化，這針遲早有一天不需要再打。特斯拉的數據複利，依然在以恐怖的速度滾雪球。

第五部分：暗度陳倉的監管密碼——“雙模式”之路

現在我們搞懂了為什麼特斯拉還需要讓人開著車去收集數據。但這又引出了一個極其尖銳的現實問題：

Cybercab 沒有方向盤。如果你為了收集數據，非得在車裡裝上方向盤和人工踏板，那你這車怎麼合法量產？美國的汽車監管法規可是出了名的嚴苛。

這就要揭開本期最精彩的一個底牌了。

2022 年的冷門法規，被特斯拉玩成神器

美國國家公路交通安全管理局（NHTSA）在 2022 年發佈了一項極其枯燥，但卻被特斯拉玩得出神入化的法規：《乘員保護最終規則》（Occupant Protection Final Rule）。

這項法規，為自動駕駛汽車的製造商開闢了一條明路：它允許一種被稱為“雙模式”（Dual-mode）的汽車存在。

什麼意思？就是這輛車可以有兩種形態：

• 一種是裝了手動控制裝置的；
• 一種是把這些裝置隱藏或者拆除的。

法規裡有一句極其關鍵的原文大意是：

當控制裝置被收起（或拆除）時，該駕駛座位的車輛要求，將適用與乘客座位相同的 FMVSS（聯邦機動車安全標準）要求。

看出門道了嗎？

如果特斯拉去申請一輛純粹沒有任何方向盤的“專用自動駕駛汽車”，根據美國的法律，他們每年最多隻能拿到 2500 輛的豁免名額。這點產量塞牙縫都不夠。

但是，由於有了這個“雙模式”的規定，特斯拉在得州工廠的流水線上，造的是一輛“兼容”車輛。

線控轉向 + 插拔式方向盤：工程與監管的雙贏

Cybercab 採用的是純粹的“線控轉向”（Drive-by-wire）技術，沒有那種貫穿底盤的機械轉向柱。它的方向盤，說白了就像個打遊戲的 USB 方向盤一樣。而且安全氣囊是直接集成在方向盤模塊內部的。

這就是為什麼我們在網上看到的測試圖裡，Cybercab 的儀表盤那裡可以明顯看到一個被打開的缺口，那裡就是臨時接入方向盤的接口。

這是一個教科書級別的工程與監管雙贏方案：

• 在早期，為了讓測試員安全地去收集剛才我們說的那些至關重要的真實路測數據和真值數據，工廠可以直接把方向盤給插上。這車就成了一輛完全符合傳統安全法規的合法汽車。
• 等到數據收集夠了，無監督 FSD 的軟件在這個區域被徹底驗證安全了，特斯拉需要做的，就是把測試車開回車庫，拔掉那個像 USB 一樣的方向盤，把蓋板一合。

啪！這臺車瞬間就在法律意義上變成了一臺符合乘客座位標準的純 Robotaxi。

這種模塊化的設計，讓特斯拉徹底繞開了那 2500 輛的產能緊箍咒。生產線不需要停，也不需要分兩條線。所有的硬件都可以全速量產，唯一的區別只在出廠前的最後一步：要不要給你插個方向盤。

這項 2022 年出臺的法規，簡直就像是為特斯拉量身定製的過渡期神器，而馬斯克毫不客氣地把它利用到了極致。

結語：慢，不是拖延，而是蓄力一擊必中

回到開頭，我們一開始拋出了橫亙在 Cybercab 面前的三座大山：可運行的地理圍欄太小、缺乏原生的方向盤容錯、以及一個會讓 AI 產生認床反應的全新硬件平臺。

特斯拉對這三座大山的態度，不是傲慢地一腳油門踩到底，而是採取了一種極其剋制、分層剝繭的策略。

通過在新的目標運營區域，耐心使用帶有真值傳感器的設備去重新丈量世界，他們確保了最底層的感知層和規劃層在脫手運行的第一天，就能做到滴水不漏。這也為未來開放更大面積的地理圍欄，打下了最堅實的信任基石。

而巧妙的“雙模式”線控設計，則像是一座隱形的橋樑，讓特斯拉在遵守美國嚴苛法規的前提下，完美實現了“派人帶方向盤去踩點驗證”和“工廠無方向盤全速量產”的同步進行。

那些臨時插在儀表盤上的方向盤，不是特斯拉技術倒退的象徵，恰恰相反，它們是特斯拉用來穩妥過渡到徹底無人的墊腳石。

在這個隨便什麼科技公司都喜歡先拿半成品出來忽悠投資人的時代，特斯拉在 Cybercab 上展現出了一種久違的、老派工程師的剋制。為了追求極致的安全和最終的性能上限，他們拒絕走任何形式的捷徑。

他們本可以稍微調低一下安全閾值，提前幾個月把車扔到街上搶頭條，但他們沒有。

正如原文作者所說：匆忙上馬然後搞砸？不了謝謝。我們要的是仔細打磨，然後一擊必中。

隨著時間的推移，當仿真引擎的算力達到某個臨界點，當 AI 真正吃透了物理世界的底層規律，今天我們看到的這些臨時方向盤、那些醜陋的頂置傳感器，都會化作歷史的塵埃。

但在那一天真正到來之前，特斯拉正在用最苦、最重、最笨的辦法，把地基打到最深。

我們現在在街頭看到的，那些開得小心翼翼的 Cybercab，那些坐在裡面隨時準備接管的測試員，絕不是在猶豫。這是特斯拉在為即將席捲全球的 Robotaxi 帝國，鋪設最後一段鋼筋混凝土。

無人駕駛的未來早已註定會到來，而特斯拉正在用工程師的執拗，確保它的降臨，足夠安全，足夠震撼。

你覺得你所在的城市，什麼時候才能打到第一輛沒有方向盤的網約車？歡迎在評論區留言。