马斯克谈论科学家特斯拉（号称特斯拉FSD将免费试用）

马斯克谈论科学家特斯拉（号称特斯拉FSD将免费试用）表面上，一个月的免费体验是让客户尝鲜，然后吸引更多客户订阅服务，相当于免费试吃一口冰激凌来扩大销量。首先，FSD以深度神经网络为核心技术支撑，在技术上仍处于测试阶段，这就意味着它需要大量数据来训练，才能不断调优和升级。去年11月，马斯克宣布，特斯拉在北美地区正式开放FSD测试版软件，车主付费购买后就可以使用。在北美定价为1.5万美元或每月99-199美元。FSD行驶距离已超过1.5亿英⾥，2022年底用户规模已突破40万⼈。马斯克免费体验的说法没公布具体的时间计划，用户体验时一样要为交通事故负责任，也不代表能获得L3审批通过，所以有不少人认为马斯克又在画大饼。但重点是，画这个饼对特斯拉大有好处，免费体验背后的战略意图是加速训练自动驾驶系统，快速拓展FSD市场，乃至尽快拿下L3批准。

你好，我是王煜全，这里是王煜全要闻评论。

5月8日，马斯克发推文说一旦完全自动驾驶系统FSD运行得安全又流畅，未来将为北美所有特斯拉车主免费提供一个月的FSD试用服务。在其他国家的道路上运行良好并获得当地监管机构批准后，也会扩大应用范围。

FSD全称Full Self-Drive，是特斯拉驾驶辅助系统Autopilot的升级版，有自动驾驶导航、自动变道、自动泊车、自动召唤等功能。

虽然，FSD名义上叫“完全自动驾驶”，但实际上并不允许汽车完全自主，仍需要驾驶员时刻准备接管车辆。

去年11月，马斯克宣布，特斯拉在北美地区正式开放FSD测试版软件，车主付费购买后就可以使用。在北美定价为1.5万美元或每月99-199美元。FSD行驶距离已超过1.5亿英⾥，2022年底用户规模已突破40万⼈。

马斯克免费体验的说法没公布具体的时间计划，用户体验时一样要为交通事故负责任，也不代表能获得L3审批通过，所以有不少人认为马斯克又在画大饼。

但重点是，画这个饼对特斯拉大有好处，免费体验背后的战略意图是加速训练自动驾驶系统，快速拓展FSD市场，乃至尽快拿下L3批准。

首先，FSD以深度神经网络为核心技术支撑，在技术上仍处于测试阶段，这就意味着它需要大量数据来训练，才能不断调优和升级。

表面上，一个月的免费体验是让客户尝鲜，然后吸引更多客户订阅服务，相当于免费试吃一口冰激凌来扩大销量。

但深层原因是，如果北美每辆特斯拉上都使用FSD，即便只是一个月，也能收集大量的驾驶数据，尤其是不同城市场景下的驾驶数据，这就有很大价值，可以提升FSD的性能，加快FSD在其他地方的审批和推广。

但其实，L3最终能否审批通过，技术进步还是次要的，更关键的是标准的制定。

对监管机构来说，审批就代表要承担责任，所以最关心的是自动驾驶的安全性问题，需要建立相关标准。

可问题是，像国际自动机械工程师学会SAE制定的《驾驶自动化分级》等行业标准，只是从驾驶员介入程度和自动驾驶适用范围来划分自动驾驶类别。

简单来说，驾驶员负责大部分操作就是L1，在部分路段负责小部分操作就是L2，在部分路段可以完全不操作但要随时待命就是L3，在部分路段不操作也不待命就是L4，在所有路段完全放手就是L5。

但是，标准划分的等级只是分类而不是高低，虽然编号为0到5，但不代表L4比L3“更好”，而且除了“部分路段”这种模糊概念之外，标准中没有安全性的量化指标，自然也无法指导实际的分级考核。

也就是说，自动驾驶级别高并不代表安全性高，这就导致监管部门在参考类似标准时难以做出安全性评估，只能看重实际路测表现。

其实，特斯拉在推出FSD时就受到了安全性质疑，汽车教育合作伙伴联盟的Ed Niedermeyer说，利用未经培训的消费者在公共道路上验证beta级软件是危险的。

而FSD也确实出了问题，比如，由于不适应路况，它在曼哈顿运行中经常出现无法左转和在空地直接停车的情况，这进一步加重了监管部门对安全性的担忧。

因此，特斯拉尝试在北美进行大范围路测，可能是让自动驾驶系统学会处理更多实际问题，提高事故处理能力，更快获得监管认可。

但需要注意的是，路测也只能解决常见场景问题，却难以应对罕见场景。

罕见场景在现实路测中出现的概率比较小，但一旦出现，人工智能又没有经过预训练，就很可能发生事故。

人类驾驶员在学开车时，也只学了基本驾驶技能，没有做过事故处理训练，但是人有模糊推理能力，理论上有可能应对罕见事故。

虽然人也有人的劣势，有些交通事故恰恰是驾驶员处理不当造成的，事故给人的反应时间也就1-2秒，没经验的人很难应对。

也就是说，在很多常见事故场景，自动驾驶比大多数人类驾驶员处理的好。

但在没有针对性训练时，自动驾驶处理罕见事故的能力确实不如人类，而路测中罕见事故出现的概率本身就比较小，单纯靠路测也难以解决，这可能是监管部门审批缓慢的根源。

简单说，人的能力和人工智能的能力很不一样，不能用考核人的方法考核自动驾驶。要推动自动驾驶的商用，必须尽快建立针对自动驾驶的分级考核方法，而不是含糊不清的定义。

解决问题的方法之一是虚拟路测，马斯克也意识到这一点，他说FSD每天100万英里行驶数据远远不够，为了获得足够的潜在严重事故训练数据必须在模拟环境中训练它们。

但这可能不是一家公司能解决的问题，我在上周的科技特训营中提出一个思路，和大家分享。就是在自动驾驶评测中制定罕见事故处理能力评测细则，以量化指标来直观的评估自动驾驶的安全性能。

在实际操作中，可能需要企业与监管部门合作，对大量事故数据做统计分析，分级定义常见和罕见场景，然后用数字技术做场景还原，让自动驾驶系统在虚拟场景中训练，提高罕见场景的处理能力，并用同样的思路，基于自动驾驶系统对虚拟的罕见场景的处理能力来考核分级。

基本原理是：可以根据自动驾驶针对不同级别罕见场景的处理能力，来评估性能等级。比如，把能处理罕见性为100万分之10事故率的场景的自动驾驶系统列为1级，把能处理罕见性为100万分之1事故率的列为2级，等等。

同时，也可以和相关标准结合，形成更完备、更有操作性的行业规范，让自动驾驶企业有罕见场景可用，让监管部门有评测指标可依，让自动驾驶成为降低交通事故率的重要工具，为人们提供更加安全的交通服务。

目前，虽然很多公司已经在做模拟路测，也创建了大量虚拟场景，因为需要全产业协调和监管部门配合，虚拟场景的罕见程度分级和量化评估工作进展缓慢，真正推出规范化、可量化执行的认证体系尚需时日。

这就是我们一直呼吁的，中国在科技产业前沿已经取得了领跑资格，但还没学会领跑，要真正建立起强大的科技产业生态，必须学会产业的深度协同和规则制定，这样才能真正领跑产业。

以上是今天的内容，更多详细的产业分析和底层逻辑，我会在科技特训营里分享。欢迎关注全球风口微信号，报名加入！

王煜全要闻评论，我们明天见！