商業內幕發文稱，馬斯克想讓特斯拉成為AI公司的願望可能不會實現，因為其引以為傲的自動駕駛數據採集系統，效果難以達到預期。

馬斯克與特斯拉

馬斯克曾表示，特斯拉不應再被視為一家電動車製造商，而應是一家AI公司。他的信心源自於公司獨特的資料庫：從全球特斯拉車輛中收集的海量駕駛影片數據，總量達PB級。理論上，這些真實世界的數據是訓練車輛實現完全自動駕駛（無需人類幹預）的關鍵——這正是馬斯克對特斯拉未來的核心願景。但問題在於：這些數據可能不像他聲稱的那麼有用，甚至部分毫無價值。

開發與人類駕駛程度相當的AI，與打造類似ChatGPT的自然語言處理模式截然不同。 ChatGPT透過爬取網路上的千億級詞彙訓練，目標是依靠模式識別提供可靠資訊和答案，但其結果常因錯誤而尷尬。然而，若控制車輛的AI出錯，後果可能是致命的。

駕駛涉及更多變量，如路況、天氣、施工、交通流量變化、其他車輛動態等。自動駕駛AI的核心挑戰在於掌控這些變量，並能對突發狀況做出反應。僅靠大量高速公路行駛視訊訓練，AI難以學會處理導致碰撞的危險「邊緣案例」 （edge cases）。

匿名自動駕駛公司高層表示：“常規路況下，特斯拉的自動駕駛系統或許能平穩駕駛，但遇到異常情況就束手無策。如果只是模仿人類行為，AI甚至會習得闖紅燈的壞習慣——畢竟90%的人會在停車標誌前滑行。”

這也解釋了為何特斯拉的競爭對手（如Waymo）使用光達和雷達來建構3D環境模型。 Waymo研究主管德拉戈・安傑洛夫曾稱，僅靠攝影機方案「需要頂尖的攝影機系統，這是高風險且不必要的賭注」。

Meta首席AI科學家楊立昆同樣質疑特斯拉的數據優勢：“數據量的邊際效益會遞減。即使數據翻倍，系統仍遠未達到人類可靠性。”目前尚無企業實現L5級全自動駕駛，但青少年“僅需20小時練習即可掌握駕駛”，這暴露出現有AI架構在理解世界和高效學習方面的重大缺陷。

Snorkel AI首席執行官亞歷克斯・拉特納指出，獨特數據確有優勢，但“垃圾進，垃圾出”的法則依然適用：“如何區分優秀與糟糕駕駛者的視頻數據？這至關重要，因為模型會學習最常見的行為。”

楊立昆犀利批評道，「特斯拉在AI研發界幾乎零存在——他們不參加學術會議，不發表論文，彷彿隱形。」Waymo已在美國四城營運700輛自動駕駛計程車，2024年營收預估超1億美元。相較之下，特斯拉自動駕駛系統頻現危險操作，如新澤西州高速出口險撞、中國路口闖紅燈等。

馬斯克承諾6月在奧斯汀啟動機器人計程車試點，但楊立昆斷言：「特斯拉缺乏頂尖科研團隊，自動駕駛突破不會來自他們。」楊立昆預測，實現類人自主智能還需十年，「讓AI像人類一樣透過視訊理解世界，需要範式改變」。