特斯拉FSD训练团队9人7人拒乘:自动驾驶的真相

一群最懂FSD的人，选择不坐FSD。

这不是段子，是最近在自动驾驶圈炸开的一则新闻——特斯拉负责训练FSD的核心团队，9人中有7人明确表示，不愿乘坐自己亲手"教出来"的自动驾驶系统上路。

这则消息的反差感，比任何技术发布会都强烈。

造车的人、训练AI的人、最了解这套系统边界的人，反而对自家产品敬而远之。这种"造枪的不肯扣扳机"的现象，把自动驾驶行业一直回避的问题，一把掀到了台面上。

我们今天不谈FSD又升级了几个版本、又不扶方向盘跑了几公里。我们只谈一个问题——

当最了解它的人都不敢用，普通消费者凭什么买单？

##训练团队看到了什么

外人看FSD，看到的是流畅的变道、漂亮的绕障、丝滑的红绿灯识别。

但训练团队看到的，是另一幅图景。

他们每天的工作，就是给系统喂"事故录像"。

那些在公开新闻里一闪而过的极端案例——突然横穿的行人、毫无预兆的逆行电动车、雨雾天突然消失的车道线、施工区临时摆放的锥桶——正是训练数据里最核心的部分。

他们比任何人都清楚，这些"长尾场景"出现的概率有多低、危害有多大、系统在那一刻的反应有多不确定。

这些场景之所以叫"长尾"，恰恰是因为——它不是出现一次就结束，而是会反复出现，每一次都可能致命。

一位长期参与自动驾驶数据标注的工程师私下说过一句大实话：

"我们标注的每一个case，都是某个人真实经历过的危险瞬间。你以为模型学会的是'开车'，它其实学会的是'幸存者的偏好'。"

这不是危言耸听。这是训练数据的本质局限。

自动驾驶的真相：长尾问题

要理解FSD团队为什么拒乘，必须理解一个被反复掩盖的概念：长尾问题（Long-Tail Problem）。

###什么是长尾

自动驾驶系统表现好不好，看的不是"平均表现"，而是"最差表现"。

一个模型在99.9%的场景里表现完美，依然会在0.1%的场景里犯错——而那0.1%，恰好对应现实世界里所有"你无法预判"的时刻。

长尾的特点是：稀疏、随机、不可枚举。

你永远无法穷举所有可能的危险场景。哪怕你跑了一万亿英里的路测，也只是把长尾的可见部分稍微压缩了一点，真正没见过的，依然藏在看不见的角落。

###训练数据的三大局限

第一，现实世界的"长尾"是开放的，而训练数据是封闭的。

模型只能学习它见过的数据。但真实道路上，每天都会出现新的标志、新的车型、新的施工方式、新的动物行为。这些"未见样本"，对模型来说一律是黑盒。

第二，标注存在系统性偏差。

人类标注员不可能穷举所有合理的驾驶行为。两个标注员对同一个模糊场景，可能给出完全相反的"正确答案"。这种标注噪声，会让模型学到一个"伪共识"——看起来大家都这么开，但其实没有任何一个人真的会在那种场景下这么做。

第三，模型无法真正"理解"物理世界。

它学到的，是"在这种像素分布下，人类历史上的平均反应是什么"。它不知道什么是"危险"，只知道"这种画面在过去没有出过大事故"。

这两者的差距，就是自动驾驶从"演示视频"到"真实上路"之间那条不可逾越的鸿沟。

安全冗余的本质矛盾

自动驾驶行业一直强调"冗余设计"——双系统、双电源、双刹车。

但问题在于：冗余解决的是"硬件失效"，解决不了"认知失效"。

当模型把白色货车误识别成天空、当模型把侧翻的卡车当成广告牌——这时候冗余再多，方向盘还是由同一个"看错"的系统在掌控。

真正的安全冗余，必须建立在"系统知道自己不知道"之上。

而今天的FSD，本质上是一个"不知道自己不知道"的系统。它会非常自信地做出错误判断，并把这个错误判断坚持到底。

##行业反思：从业者都不敢用的技术，消费者该不该买单

这是最该被正视的问题。

任何一项技术，安全性评价的最低标准，都应该是"从业者愿不愿意让自己的家人使用"。

FSD团队9人7人拒乘，等于行业内部用自己的脚投票，给出了一份极为严厉的"不信任票"。

###三个层面的反思

第一，"辅助驾驶"和"自动驾驶"的概念模糊，是有意为之。

车企在宣传时高度强调"自动驾驶"的科幻感，在事故责任时又强调只是"辅助驾驶"。这种话术切换，本质是把技术不确定性转移给消费者。

第二，普通消费者的判断力被严重低估。

厂商假设：消费者会看说明书、会理解系统边界、会随时接管。但现实是，95%的驾驶员在开启自动驾驶后，注意力会在30秒内显著下降。

当系统给出一个"看起来很聪明"的反应时，人会倾向于相信它，而不是质疑它。

这是认知科学里早已验证的现象。

第三，监管标准落后于技术演化。

目前对FSD这类系统的评测，主要依赖"脱离接管次数"或"事故率"这类后验指标。但长尾问题的特点，就是用后验指标永远测不出真正的风险——因为真正致命的case，可能要跑一亿公里才会出现一次。

###消费者应该问的三个问题

在决定是否使用这类系统之前，请一定问自己三个问题：

1. 这套系统，会在哪些场景下明确告诉你"我不行"？

如果它的回答是"基本都行"，请保持高度警惕。

2. 出事故时，责任在谁？

如果你依然需要承担几乎全部责任，那所谓"自动驾驶"的便利，是否值得你承担这个风险？

3.你的家人，是否会坐在副驾？

如果答案是否，请重新评估你的使用边界。

##未来3年，FSD会走向哪里

我们不否认FSD在过去几年取得了真实进步。但进步的方向，和"真正可靠"的距离，依然遥远。

第一阶段（1年内）："安全话术"全面升级

FSD会在宣传上更谨慎，事故率统计会更"科学"。但底层模型架构不会有根本性突破，因为目前主流的"端到端神经网络"路线，本质上仍是一个"统计拟合器"，而不是"推理器"。

第二阶段（2-3年）：高精地图与车路协同回潮

纯视觉路线在长尾场景下的瓶颈，已经被业界反复验证。未来3年，几乎可以确定会有车企回归"高精地图+车路协同"的混合方案——这条路更保守，但更可控。

第三阶段（3年以上）：真正可商用的L4，仍是未知数

L4级自动驾驶（完全无人干预）的真正落地，可能不在乘用车上，而在封闭场景的Robotaxi、矿区、港口——这些场景的长尾问题被人为压缩了。

对普通消费者来说，未来3年的"自动驾驶"，依然只是一个"很厉害的辅助驾驶"。

把它当司机，你会失望；把它当工具，你才能用对。

##最后的判断

FSD训练团队9人7人拒乘，本质是一群最懂系统边界的人，用脚投出的"不信任票"。

这不是对特斯拉的否定，也不是对整个行业的否定。

这是对一种过度乐观叙事的否定。

自动驾驶是一项真实存在巨大价值的长期技术。但它的成熟度，远没有到可以让普通消费者"放心使用"的地步。

在长尾问题真正被解决之前——

任何把"自动驾驶"当成"司机"卖给消费者的产品，本质上都是在销售一个尚未兑现的承诺。

而我们每一个人，都应该在掏钱之前，先问一句：

"你自己，敢坐吗？"