特斯拉无人驾驶测试半年，马斯克坐不住了

首富画的饼，真的咽不下了。

一直以来，在无人驾驶领域，马斯克始终对“激光雷达”嗤之以鼻，认为这种方案无异于拄拐走路。

在这种理念下，马斯克押注“纯视觉”技术。然而，测试了大半年，特斯拉的无人驾驶车仍停留在取消安全员阶段。

这不禁让人疑惑，特斯拉的无人驾驶，什么时候才来？

一、特斯拉无人驾驶路测曝光

千呼万唤之下，特斯拉的无人驾驶出租车，终于有眉目了。

最近，一位X用户拍下一辆在奥斯汀街头行驶的特斯拉Model Y，车内看上去空无一人，甚至没有配备安全员。

图源：X

这段视频迅速在特斯拉关注者中传开，许多人兴奋地打开打车软件下单验证，却发现接单的车辆依然配备着安全员。显然，完全无人的服务还未正式到来。

对此，马斯克很快作出回应，称测试确实正在进行，且“车内无人”，但强调目前仍处于测试阶段，尚未进入商业落地。

图源：X

那么，是什么在拖慢特斯拉Robotaxi 的商业化脚步？一个重要原因在于特斯拉始终坚持的“纯视觉”技术路线。

该方案仅依赖摄像头，数量约8个，并已逐步移除了超声波雷达、毫米波雷达等其他传感器。

这种做法虽然简化了硬件，却也带来了显著挑战。缺少不同传感器之间的交叉验证，系统容错率较低，必须依靠高度精确的算法来模拟人眼的感知与人脑的决策。

据特斯拉向美国国家公路交通安全管理局（NHTSA）报告的数据，今年7月至10月间，其配备安全员的Robotaxi测试车队发生了多起事故。

在实际道路上，摄像头的表现十分依赖环境光线。逆光、夜间、大雨、大雾等极端场景下，其识别性能容易大幅下降。

相比之下，激光雷达不受光照影响，毫米波雷达能穿透雨雾，在恶劣天气中往往更加稳定。

此前，有博主发视频吐槽，曾因天气预报有雨，特斯拉远程叫停服务并要求乘客下车，可见环境局限依然明显。

图源：微博

目前，业内成熟的无人驾驶方案大多采用多传感器融合路线。

以Waymo第六代系统为例，全车配备了13个摄像头、4个激光雷达、6个毫米波雷达及音频接收器，通过多重感知层叠提升安全冗余。

包括小鹏、蔚来在内的多家车企及自动驾驶公司，在推进高阶自动驾驶功能时，也都选择了融合激光雷达的方案。

然而，马斯克对激光雷达始终持排斥态度，他曾直言：“在我看来，激光雷达就像是一根拐杖，在汽车上用激光雷达简直是愚蠢透顶，它昂贵且毫无必要。”

这番言论鲜明体现了特斯拉在技术路线上的执着，也将其推向了一条与众不同、挑战重重的自动驾驶道路。

二、市场还有多少份额留给特斯拉

当特斯拉专注于攻克纯视觉技术难关时，Robotaxi的商业化竞赛已在其他赛道上悄然加速。

近期，Waymo投资者意外透露，其Robotaxi最新周订单已突破45万次，并称其安全性是人类驾驶员的10倍。

对比8个月前官方公布的25万单，其业务量在短期内暴涨80%，增长势头迅猛。

图源：36氪

这一成绩得益于Waymo持续的规模扩张。目前，Waymo已进入全球29个城市，并计划在明年再拓展12城。

同样快速增长的还有百度旗下的萝卜快跑。其第三季度全球出行服务次数达310万，同比增长212%。

仅10月，全无人驾驶周订单就超过25万次，总服务次数累计突破1700万。

目前萝卜快跑已覆盖22座城市，全无人驾驶里程累积超过1.4亿公里。

图源：新华财经

今年来，萝卜快跑加快全球化布局，先后获迪拜自动驾驶测试牌照、阿布扎比全无人商业化运营许可。

值得一提的是，萝卜快跑已先后与Uber、Lyft全球两大出行平台达成合作，加速数千辆无人驾驶汽车在亚洲、中东及欧洲市场的规模化布局。

据摩根士丹利研究报告显示，2024年，美国出租车市场几乎被Uber和Lyft瓜分，二者市占率分别为70%和30%。

估计到2032年，美国出租车市场将会五分天下，由Waymo、特斯拉和Uber拿下前三。

图源：36氪

从估计数据来看，市场对特斯拉依旧乐观，这背后与其独特的潜力密切相关。

首先，Robotaxi整体市场仍处早期阶段。2025年全球自动驾驶共享出行市场规模预计约44亿美元，远未饱和，后来者仍有巨大空间。

图源：Towards Automotive 

其次，特斯拉拥有规模庞大的潜在车队。全球已售出的数百万辆具备自动驾驶硬件的特斯拉车辆，一旦技术成熟、法规允许，均可接入Robotaxi网络，瞬间形成覆盖广泛的运营车队。

这与Waymo、百度需从头打造专用车辆的模式截然不同，具备显著的扩展弹性。

最后，纯视觉路线若成功，将带来成本与迭代速度的优势。不依赖激光雷达等昂贵传感器，单车成本更低；同时，海量真实行驶数据持续反哺算法，有望实现更快的优化和地域适配。

目前，特斯拉测试运营范围已覆盖约2790平方公里，与Waymo当前服务范围相当，反映出其网络覆盖的基础潜力。

图源：36氪

可以看出，Robotaxi领域正形成两种扩张逻辑：一方是以Waymo、百度为代表的“稳健融合派”，凭借多传感器方案在特定区域逐步推进商业化；

另一方是特斯拉代表的“激进视觉派”，依靠现有车辆规模与数据优势，谋求全盘颠覆。

特斯拉的机会在于“车辆即网络”的生态潜力，而挑战仍在于如何让纯视觉系统在安全性和可靠性上真正媲美甚至超越人类驾驶员。

这场竞赛不仅是技术路线之争，更是商业逻辑与运营模式的全面比拼。

谁能在规模、安全与成本之间找到最佳平衡点，谁就有可能在未来出行市场中赢得关键一席。

三、纯视觉方案发展到哪一步了

说到底，特斯拉Robotaxi的未来，始终系于其核心的纯视觉技术路线。而近期的一项关键突破，可能正试图为这条技术路径扫清障碍。

今年10月，特斯拉在X平台宣布，已构建了一个完全由神经网络驱动的“世界模拟器”。

图源：X

它并非简单的虚拟场景，而是一个基于海量真实数据生成的“赛博平行世界”。

这个模拟器能创造连续、多视角的驾驶场景，并高度还原真实世界的物理规律，保真度极高。

特斯拉宣称，通过这一系统，其AI能在一天内获得相当于人类500年的驾驶经验。这意味着，公司可以大幅减少对实地路测的依赖，在更安全、高效的环境中对FSD（完全自动驾驶）系统进行迭代和验证。

然而，技术飞跃的背后，一个根本的争议仍未解决：系统的“黑盒”特性。

这套端到端系统就像一个复杂的大脑，它接收数据，直接输出驾驶指令，但中间的决策过程极不透明。

工程师很难准确理解，系统为何在特定情况下做出超速或激进变道的判断。

一旦出现错误，由于神经网络的复杂性，也很难将问题反向追溯到某个具体参数。

这种不可解释性，一直是该方案被业界质疑的关键。

尽管如此，特斯拉推进的脚步并未放缓。

今年以来，马斯克多次重申，计划在年底前移除奥斯汀测试车队中的安全员。

他在2025年股东大会上更是明确，专用无人驾驶出租车Cybercab将于明年第二季度正式量产。

从这些表态来看，特斯拉内部对于纯视觉技术的成熟度与Robotaxi的商业化前景，似乎保持着乐观态度。

模拟器与“黑盒”，构成了一体两面的技术现实。

一方面，虚拟世界为AI提供了近乎无限的训练场，加速技术迭代；另一方面，端到端系统本身的不可解释性，仍像是藏在技术进步背后的一道阴影。

特斯拉正试图用更庞大的数据、更高效的仿真，去弥补甚至跨越纯视觉方案固有的感知局限与解释性难题。

而能否在安全性与可靠性上真正取得突破，将直接决定Cybercab能否如期驶出生产线，并开进真实的街道。