当前位置：首页>自动驾驶>自动驾驶终极对决

自动驾驶终极对决

2026-02-02 11:10:29

NVIDIA 高调加入自动驾驶

Tesla投资者该慌吗？

NVIDIA 刚刚在 CES 上发布了自己的自动驾驶系统，很多特斯拉投资者就开始担心 FSD 是不是迎来了杀手呢？股票市场也对此也有所反应，特斯拉当天下跌了大概 4%，同时很多营销号开始发布那种天塌了的观点来吸引眼球了。作为一个马斯克的脑残粉和特斯拉多年的投资者，我简单的分享一下我对这件事情在背后技术角度的一些看法。这全部的内容都是我自己的主观个人看法，看懂需要对这个行业有一定的基本理解，不保证能够读懂，也同时不作为任何的投资建议。

NVIDIA的新动作

对Tesla路线的「最高认可」

首先我想说，大家说特斯拉需要担心这句话的时候，本身就说明了很大的问题。第一就是大家都承认了特斯拉其实现在在领先地位。大家认为特斯拉需要担心，实际上是特斯拉技术路线被认可了，Elon几乎在 X 上同步也回应了，这正是特斯拉在做的事情。所以现在整个业界都是认可了特斯拉的技术路线，然后再往同一个方向去走的。甚至包括 Waymo，我其实之前也分享过，你看似它在用激光雷达之类的，但是它的技术栈也越来越倾向于通过视频，通过摄像头起到了越来越多的作用，它们整个模型也是往端到端的方向在发展，证明了特斯拉的技术路线再一次被得到认可。

那为什么股价当天还能下跌那么多呢? 其实这就牵扯到一个投资界事实层面的问题，90% 的投资者其实是没有思考的，他们只会跟着媒体的风向做判断。所以投资最重要的一个原则就是，明辨是非，独立思考。要破解这个问题，只能从第一性原理出发，去看看这个模式从底层技术上来说是怎么样去实现的？

深入技术问题

AI真的需要像人类一样「慢思考」吗？

我们简单来聊一聊，就是NVIDIA的这个技术跟特斯拉到底有哪些异同呢？

首先，我们说它是一个端到端模型，它们是一个叫做

VLA

的模型，这里其实我不是很想强调这个 VLA 的特性，其实大语言模型到了最后其实大家都是类似的，甚至说大家都是一样的。这个也是基本上的行业共识，如果你对此有异议可以去各大大语言模型的平台咨询。

第二就是黄仁勋他这次强调说，我们这个模型是有

Reason

能力的，它是能够去思考推理的。其实这就涉及到了卡曼尼的《思考快与慢》，人类思考的系统一和系统二，我相信大家现在都很清楚这个概念。就拿开车来说，我们绝大多数都是系统一，就是我们在做这个操作的时候，实际上我们是不经过大脑的，我们很自然而然地做出一个条件反射来开车的。甚至有时候你开一段时间之后，你都不知道自己是怎么开过来的。这就是所谓的系统一，它是一个条件反射式的思考系统。我们说人类的驾驶在绝大多数情况下其实都是系统一的思考，但是有时候系统一可能就不够了。比如我们要开一段从来没开过的山路，这时候你的大脑就需要慢思考，需要一个逻辑推理。我们是这样来思考的，做自动驾驶的第一性原理就是去模仿人类驾驶，因为有很多非常复杂的情况，是需要这种推理和思考的系统二。

NVIDIA的这套系统，它说的这个 Reason 呢，它不仅仅只是说在特别复杂的时候你需要思考，它实际上他们强调的是即使在系统一的时候，这个模型在做各种各样的操作的时候，其实都是有一个因果关系的，都是有原因的。这就是他们强调的，这个模型比较有意思的一点是，它会告诉你我为什么做这个操作。这就和端到端的黑盒相冲突了，黑盒是解释不了为什么的，只能按照系统一的方式输入动作，但是为什么需要解释出来呢？其实它还是有实际意义的。比如它里面提到你去判断这个机器为什么做这个操作的时候，你怎么知道它做的原因呢？如果这个机器能告诉你它的原因，你就能去审核它到底做得对还是错。尤其这对于监管来说你那机器如果能够告诉原因的话，这是一件非常好的事情。但是就是担心，机器的解释是一种什么行为的解释，是有因才有果，还是由果反推因，这个值得很深的思考。

他的意思其实就是说，如果我们说驾驶是需要系统一和系统二的时候，就像我刚才说的，我们绝大多数的驾驶实际上是靠强大的系统一来完成的，我们很多时候去进行这种思考的情况是非常非常少的，而且我们很多时候是在学习的时候，是需要慢速思考。但是一旦我们学会了，更多的时候实际上是靠的是条件反射。你可以想象一下，就像一个新手开车的时候，他遇到复杂情况的时候，他可能要琢磨一下，教练告诉过他这可能会有鬼探头，要小心。但如果你是个老司机的话，可能远远地看到那个公交车车阻挡了视线，你甚至都不会提醒自己，自己就会慢下来，这就成了一个条件反射了。所以实际上真正重要的是你有一个强大的系统一。当你的系统一足够强大的时候，你的系统二占的比重会越来越少。实际上你是不希望在驾驶的时候一直是在思考。

那么再回来看看它这一套技术栈，它这一套技术栈跟特斯拉有一个明显不同的是，它是多传感器的输入，它甚至包含了 Lidar。这非常有意思，因为如果你仔细看它这个模型的话，这个模型其实就是个视觉模型。那些所谓的 Lidar 这些传感器实际上是可以有，但实际上更多时候它是鼓励你没有。比如黄仁勋他在发布会的时候说了一句话，我的唯一请求是只要你能，你就尽量多使用视频训练。其实意思就是说，本质上这个模型实际上是一个端到端的视觉模型。

那 NVIDIA 的这套技术栈里面还有一个非常有意思的一点是，它里面还包含了另外一个叫做

Classic AV Stack

的东西。它的意思就是说，你这个端到端的模型不一定是百分之百管用的，万一它要判断错误的时候怎么办呢？我们还有一套 Classic AV Stack 的东西来帮助你解决。这个 Classic AV Stack 就是一个基于规则的方式，就是规则类的老式的自动驾驶的技术路线。

你会发现英伟达的这一套系统，它又有端到端，又有最新的所谓的 Reason，然后它还包含了 Lidar，然后还包含了最古老的那些 rule based 的自动驾驶的东西。那它为什么会包含这么多东西呢？

自动驾驶的三大难关

99%之后的「绝望长尾」与数据鸿沟

现在我们就来讨论一下 NVIDIA 发布的这一堆东西，对 FSD 是一个挑战吗？我的看法是自动驾驶实际上是有三个问题要解决。第一个问题，就是99%到99.99999%的（long tale）长尾挑战。Ashok 也分享过，这个长尾是非常非常长的，大多数人其实都不知道这个有多长。NVIDIA 这个自动驾驶 Demo 那么丝滑，这是为什么呢？这就是我想说的，Elon Musk 也经常强调，你想实现百分之九十是相对容易的。这个相对容易是什么概念呢？这就是端到端模型的威力。

我其实本人也经历过这种担心的时刻，我买了一台华为最新搭载 ADS4.0 的自动驾驶阿维塔，在城区和高速上都测试了几天，测试完之后基本上心里也就有数了，这种长尾效应非常的明显，95% 的路况都能表现的非常丝滑，但是问题就出在那 5% 上面，而且经常性的需要你接管，所以这个 ADS 基本上城区的表现会比较糟糕。你去看下网友上传的真实视频就能发现，在中国阉割版的 FSD 对于这些中国厂商来说都有一个非常大的差距的。

这其实就证明了，端到端这个模型确实是非常的厉害，只要你正确使用了这个模型，你有一些很基础的数据，你就可以实现百分之九十的自动驾驶。这是理想，华为等车企的 demo 告诉我们的，也是 NVIDIA 这次 demo 告诉我们的事情。

伊隆·马斯克他发了条推说，你大概需要一百亿英里的真实训练数据，才有可能实现这种安全的、无人监督的自动驾驶。我们去看 NVIDIA，它总共收集了1700多个小时的真实数据，再加上大概八万多个小时的模拟数据，总共下来也就是几百万英里的数据，这和马斯克说的一百亿英里要差多少个数量级都算不清。所以从99%到99.99999%，这个难度其实是超出了大多数人的想象。所以当你看到一个厂商的 demo 好像实现了99%的时候，客观来说，这只是刚刚开始而已。

有一个比喻就是用稀土提纯，中国的稀土为什么能够当做贸易战谈判的筹码，就是因为中国稀土企业的提纯能够做到99.99999%，这个纯度后面每加一个9 带来的性能是指数级别的提升，关于稀土有兴趣的可以看看之前我对于这个行业的一些简单的研究文章。

自动驾驶的三大难关

从丝滑Demo到量产落地的距离

自动驾驶的第二个问题是从 demo 到量产，或者说大面积部署的区别。就是你看到一个厂商 demo 得很不错，但是你把这套系统真正地放到车上，并且开始大规模生产，它们之间的距离其实非常非常远的。

马斯克说FSD 从它开始能够工作到它比人类要更加安全，要花很多年的时间。
传统车企会观望，会在 FSD 比人类更加安全之后几年，才会真正把他们的摄像头和 AI芯片放到车里，去大规模地生产。
奔驰跟 NVIDIA 合作的这款车型，现在确实是把这些摄像头和 AI芯全都放进去了。NVIDIA 需要在量产的车上验证它的这一套模型是有效的，从而去推销它的这一套技术栈。

实际上 NVIDIA 这次是发布了一系列工具来帮助你做自动驾驶，但是整个汽车的传统主机厂，他们自己是不愿意做这个事情的。特斯拉花了100 亿美金在 NVIDIA 的 Hardware 上，如果你是传统车商，你的数据中心在哪？你愿意花这么多钱去买显卡，跑数据，堆算力，去训练吗？这是非常大的长周期投入。所以这个事情就阻挡了传统车企，至少在自动驾驶被彻底解决、被商品化之前，他们是不愿意去做这个事情的。甚至我们可以很明确地说对传统车企来说，它们根本就没有意愿想要去实现自动驾驶，这不符合它们的车企风格。

我们从更高维度来思考这个问题，首先 NVIDIA 它自己其实并没有解决自动驾驶，它提供的只是一个 starter kit（启动套件），它不是一个拿来就能实现自动驾驶。然后更重要的是，NVIDIA 不可能去代替客户去解决自动驾驶。它做这件事最大的想法依然是要继续卖它的算力芯片，在车子的终端，数据中心这些地方都要用到它的芯片，而且芯片的利润是 80%，汽车制造业的利润才 20%，黄仁勋怎么可能去做卖车这样的生意呢？

自动驾驶的三大难关

Robotaxi 商业运营的隐形壁垒

自动驾驶的第三个难题其实就是自动驾驶和 robotaxi 的区别。自动驾驶是一回事儿，就是你可以实现自动驾驶，但是你想去做 robotaxi 这个业务的时候，它又是另外一个概念，因为里面你要有车队的管理，运营模式、商业化的概念，这也是需要很长的时间去布局、去运营、去积累的。很多厂商他们也许对自动驾驶有欲望，但是对于 robotaxi，他不一定有。但是 robotaxi 是真正赚钱的买卖。

这就是为什么我认为 NVIDIA 发布的这一套东西，其实并没有对现在自动驾驶的市场做出本质的改变。

我们最应该去担心谁呢？

首先，我们是不是应该担心 NVIDIA，NVIDIA 会不会来搞自动驾驶，甚至下场造车，去跟特斯拉竞争呢？这时候我们就要去思考一下 NVIDIA 的策略是什么。很多人会说，NVIDIA 你就是个卖铲子的，但我认为 NVIDIA 是一个非常伟大的公司，因为它把卖铲子这件事情做到了极致。

在发布会上，黄仁勋说，我们 NVIDIA 是以一种非常特殊的方式在做，我们是把这些所有的模型彻底开源的，这样我们就能让所有的公司、每一个行业，甚至每一个国家都能参与到这个 AI 革命当中。无论你是去训练模型还是去模拟数据，或者说你去推理你的模型，你都需要去买我的铲子。甚至更进一步来说，说到自动驾驶上，这实际上对他们来说是一个非常大的业务，因为这些公司都用他们的这一套系统去训练数据、训练模型，然后使用它们去生成数据。无论你是做什么，他们都会去提供更多能让你使用他们铲子的东西。

所以这时候你会发现 NVIDIA 把这些模型全都开源，然后它把自动驾驶每一步厂商所需要的东西都提供给你，它最终的目的就是非常极致地、非常聪明地去卖铲子。NVIDIA 不可能做所有的事情，也不可能去做自动驾驶跟特斯拉竞争。NVIDIA 要做的就是让所有人去竞争，所有人都去参与这个游戏，然后它就去卖铲子。所以不用去担心 NVIDIA 会来竞争自动驾驶，甚至去做 Robo Taxi，因为它是一个赋能者，不是竞争者；是一个提供者，不是技术领导者。

这里，推特上有个特斯拉的前 FSD 的员工，现在也是个网红老于说：“英伟达的模型里啥都有，它不是因为需要，而是为了向客户证明，我的芯片可以跑所有要素，至于你能不能做出特斯拉水平就看你自己造化了。”你还记得我们刚才说 NVIDIA 这个模型里其实是包含了多传感器 Lidar 的，它什么都有。甚至它还包含了什么呢？Rule-based Classic AV Stack，就是最原始的那一套自动驾驶技术，If-Else 那一套技术它都有，它包含了所有。它的意思就是说，都用我的吧，你想走哪条路线都行，我这个东西都能够提供，但是至于能不能做成，就看你们各自的造化了。

那如果你觉得自动驾驶不需要 Lidar，但是要装门面，其实为什么这么说，因为很多公司其实越来越走纯视觉路线，但是他们的 Lidar 放在上面其实是一种宣传，这是所谓的冗余，是为了安全宣传等等，我把它称之为市场装门面。但是如果你需要做这件事情，我们这套模型也能配合你。所以这就是我说的，它是一个赋能者，不是竞争者；是一个提供者，不是领导者，因为它不会非常坚定地坚持自己的观点，说就得走纯视觉路线。但是特斯拉是这样的公司，它会坚持自己的路线，而 NVIDIA 会去迎合所有人的路线。

实际上我们去看 NVIDIA 这些年在自动驾驶技术栈上的进步和发展，你就能发现，它每一代推出的产品都是符合当下最流行或者大家都认可的趋势。当大家是 rule-based 的时候，它就发布 rule-based 的东西；当大家用 Lidar 的时候，它就发布关于 Lidar 的东西；现在大家开始走纯视觉了，它也开始发布这些纯视觉的东西。它就是能够非常聪明地、极致地去卖铲子的一个公司。所以 NVIDIA 不是我们应该担心的对象，那我们是不是应该担心它的客户呢？

谁是真正的对手

传统车企：为什么他们注定是「诺基亚」

首先我们来看一下，它这次发布的合作客户其实并不多。我们看到有捷豹、Lucid、Uber，还有一些自动驾驶的研究机构。而且我刚看到一个新闻特别有意思，就是传统厂商，包括福特这样的公司，他们也开始自研自己的自动驾驶了，要使用自己全新的平台，他们其实并没有在使用 NVIDIA 刚刚发布的这一套平台。

首先我们是不是应该去担心这些传统车企呢？NVIDIA 也许会成为未来 AI 世界的安卓，但是这些传统车企大概率不会成为新时代的载体。怎么看这个问题呢？首先我们看一下安卓的历史。安卓、iOS 出现之后，代表了一个新平台的产生，但是你会发现站在这个新平台上茁壮成长的往往不是那些传统的公司，比如诺基亚、摩托罗拉被收购了，黑莓的情况大家也知道，这是为什么呢？其实大家道理都懂，因为他们有太多的负担，他们的商业模式、官僚体系和创新能力等等，都不足以让他们站到新时代的平台之上，这就是那句古话叫做「大船难掉头」。

其实放到传统车企上也是一样的，自动驾驶对他们来说，只有当自动驾驶变得非常便宜，能够帮他们卖车的时候，他们才愿意真正地去做这个事情。但是到那时候就太晚了，他们现在却又没有意愿、能力和资源去做这个事情。所以这完全是两个不同的游戏，他们玩不了这个游戏。

实际上你仔细看这个游戏，它里面其实包含了三层。

第一层是电动车之战，现在很多传统厂商其实都不愿意去造电动车。
第二层是自动驾驶之战，这个战役我们刚才讲了，他们没有意愿、没有能力、没有资源去做。
第三个是 Robotaxi 之战，这距离他们就更远了。

也许他们能够活到那一天，可以把自己的车交给类似 Uber 这样的公司去管理，接入 Robotaxi 网络运营。但是即便如此，他们依然只是卖车，卖车的利润非常少。实际上现阶段能拿得住特斯拉股票的投资者心里已经默认了这并不是一家靠卖车赚钱的车企，如果特斯拉只是一家车企的话现在的股价已经完全 over value 了，这也是为什么特斯拉 200 多倍的 PE 也一直跌不下去的原因。所以这件事情对于传统车企来说，我认为他们没有任何可能和几率成功，所以大家不用去担心。传统车企已经变得无关紧要了。那我们是不是应该去担心那些自动驾驶初创公司呢？

谁是真正的对手

Uber、Lucid、Rivian？

我认为其实也不应该去担心，因为这些公司先不说他们的技术路线都是走昂贵的 LiDAR 之类的，单说一点，他们没有自己的车，不能大规模生产制造自己的车，我认为这个游戏就跟他们没有太大的关系。因为我们刚才说了，真正的差异点在哪里？是你的车队、你的数据、你的不断迭代、你的部署和运营。如果你连车队都没有，那就收集不了那些数据，只是靠模拟数据是不可以的。如果模拟数据能够超过现实数据的话，那么大家都去模拟就好了，为什么 NVIDIA 还要去收集那些真实的数据呢？同样我们说模拟很重要，特斯拉也在做模拟，也在做自己的世界模型。最后大家的技术栈其实都是一样的，真正的区别还是我们说的你的车队有多少，你的真实数据有多少。

那下一个，就是这些电动车公司，那些处在生存边缘线上的公司，比如 Lucid、Rivian 这样的公司，我认为也不用去担心。我们看新闻说 Rivian 他们自己要自研芯片了，要自己搞自动驾驶，我认为他们这可以说是本末倒置。当你还活不下来的时候，你去花重金做这个事情，它不能作为你的生命线，你不能指望那个东西能够让你扭亏为盈。你真正第一个要做的事情，是你的电动车如何才能赚钱，实现盈利。如果这一点都做不到，你现在去追求自动驾驶，实际上对你来说是一件更消耗资源的事情。他们先活下来再说，我们不需要担心他们。

谁是真正的对手？

唯一具备「牌桌资格」的竞争力量

那我们真正应该担心的是谁呢？我还是之前的看法，应该真正关注的是中国的这些电动车厂商，因为他们是唯一具备这些条件的，也就是我们刚才提到的，他们有自己的车队，能大规模地生产制造，然后他们能够有自己的数据，无论是真实的数据还是模拟出来的数据，然后他们能够快速地迭代、快速地部署，也能够专注做运营这件事情。

但是我觉得需要大家注意的是，你会观察到中国的这些车企并没有在使用 Nvidia这个新的架构或者模型，这些中国车企大部分都在做自己的技术栈，甚至做自己的芯片，有自己的模型，自己去训练，然后要做自己的 Robotaxi 业务。

其中我觉得最像特斯拉的公司还是小鹏，不管从产品还是路线各方面，都是最喜欢抄特斯拉的。自从铁娘子进小鹏之后，整个企业的状态也是焕然一新，现在汽车制造端可能从 26 年开始就要盈利了，后面的业务方向如果不出错的话，这家公司在中国的国产替代性可能会比较强。

投资者的终极视角

Tesla必须在未来拿下的「三个赛点」

最后，我认为特斯拉投资者或者特斯拉真正应该关注或者说担心的是特斯拉它本身。实际上我们抛开其他业务，只看自动驾驶这个业务来说，它实际上就是一个赛跑游戏。特斯拉要做的就是领先别人，提前完成目标，然后在这个提前的时间段里赚钱，这是我们股东最希望看到的事情。

我认为在自动驾驶这条时间线上，有三个时间点是必然会发生的。

第一个就是自动驾驶被广泛地解决，也就是说不光特斯拉把它解决了，其他的公司也会把它解决，我认为这是迟早要发生的事情。所以特斯拉要关注的是自己的优势能领先多久，这决定了会给你多大的时间和空间来获利。
第二个我认为这个市场迟早也会让自动驾驶这项技术变得商业化、平民化，就是变得非常便宜，任何厂商都可以去购买它。我认为特斯拉应该做的是在利用这个时间差，真正把自己的 Robo Taxi 业务变成市场领头羊。
第三个我认为我们一定会有那么一天，就是 Robo Taxi 能够被商业化、普及化，就是到处都是 Robo Taxi，任何一家车企的车都可以接入 Robo Taxi 网络，有很多的竞争对手，让打车这件事情变得非常便宜，甚至大家都不需要去买车了。特斯拉要做的就是在这一天到来之前，让自己的 Robo Taxi 生态系统变得非常完整、非常强大。特斯拉应该在让所有人都能做 Robo Taxi 之前，实现它的平台成熟化，从而主导这个市场。

这就是我认为特斯拉或者我们投资者真正应该关注的赛跑游戏。如果特斯拉足够紧迫，迅速地推进这件事情，我们盯住那几个重要的时间点，那么作为投资者，你才能真正区分市场上哪些是信号，哪些是噪音。因为还是那句话，如果你担心有竞争，担心别人也能做到你做的事情，那么这种担心是没有意义的，因为这些事情所有这些公司迟早都会做到的。我们真正应该关心的是特斯拉有多快，它能够提前多久完成这件事情。

政策转向与Cyber Cab量产

当下这个节点，我们应该关注的是特斯拉什么时候真正地去掉安全员，然后 Cyber Cab 是否能够大规模开始量产。随着越来越多路测的照片被拍到，这个确定性也越来越强了。而且1 月 13 号有个立法，让 Cyber Cab 的生产由原来可能被限制的少量配额，提高到更大的生产规模，这其实是非常好的政策利好。大家担心的政策上可能对特斯拉的自动驾驶、RoboTaxi 有所阻碍的事情，现在变得越来越不是问题，越来越清晰了。

现在我们真的应该把全部注意力放在特斯拉所说的那几个节点能不能快速实现，能够领先这个行业，达到我们刚才提到的这些目标。这就是我现阶段基于自己的理解所归纳出来的大纲，这些东西对我是有意义的，它能够帮助我作为一个投资者做好我该做的功课。结尾还是那句话，投资永远都是投资于未来，投资于你对未来的判断。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

自动驾驶终极对决

最新文章

热门文章

随机文章

自动驾驶终极对决

新款日产劲客小型SUV曝光

去年卖的最好的十款新能源SUV

最新文章

热门文章

随机文章