FSD 比人类安全十倍？特斯拉 AI 训练师自己都不信
一句话看懂：路透社调查发现，特斯拉用来支撑其“FSD 比人类驾驶员安全 10 倍”说法的统计数据存在严重缺陷，且参与 AI 训练的前员工直言，该技术连避让紧急车辆、识别校车等基础操作都难以稳定完成，与马斯克公开宣传的进展差距悬殊。
事件核心：发生了什么
路透社通过对九名前特斯拉“数据标注员”和一位前自动驾驶工程师的采访，揭示了特斯拉 FSD（全自动驾驶）系统在真实研发中的安全短板。这些标注员负责审查车辆采集的视频片段，训练 AI 识别良好或危险的驾驶行为。他们表示，FSD 在近几个月内仍无法可靠完成基础任务，例如撞击猫狗或鹿时不减速、未刹停即碰撞，以及险些撞上街边玩耍的儿童。
与此同时，特斯拉高管多次公开宣称 FSD 安全性“比人类高 10 倍”，其依据是将 FSD 启用下的气囊弹出事故率，与涵盖更轻微事故的联邦全量车辆事故率进行对比。卡内基梅隆大学安全专家及 10 位交通安全研究员均指出，这种比较存在变量不对等——特斯拉新车平均车龄远低于美国普通车辆，导致安全数据被显著夸大。
报道还指出，特斯拉在得州奥斯汀启动的自动驾驶出租车试点项目高度依赖人工干预：员工需提前对路线进行详细地图标注，并针对特定危险场景训练软件。这种保障措施难以规模化复制。目前该项目运营约 50 辆出租车，且仍配有安全监控员，远未达到马斯克曾预测的“覆盖全美半数人口”的规模。
为什么重要
这一调查直接挑战了特斯拉当前约 1.6 万亿美元市值中最重要的叙事之一：即其纯视觉、无高精地图的 FSD 系统能够快速、安全地实现完全自动驾驶，并以“指数级”速度扩展。与 Waymo 等竞品相比，特斯拉既未寻求外部同行评审，也未公开详尽的原始数据，使投资者和公众难以独立评估技术真实水平。
此外，数据标注员是 AI 训练链上最知情的一环，他们的直接证言将马斯克“FSD 很快能在全球任意地方运行”的承诺置于更严苛的真实检验下。若核心安全基础动作仍需大量人工兜底，则意味着全自动驾驶的大规模商业化在未来数年内仍存高度不确定性。
对用户/开发者/创作者的影响
对特斯拉车主：FSD 在高速等简单场景下的表现或许尚可，但复杂市区环境中的安全缺陷尚未解决。车主不应放松对车辆的主动监督，官方小字免责声明仍然有效——目前特斯拉并未批准用户在开启 FSD 时发送短信或完全脱手驾驶。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者/AI 从业者：此案例说明，在自动驾驶这样安全关键的垂直领域，AI 系统的“模型能力”与“部署安全”之间存在巨大鸿沟。单纯依赖统计数据宣传可能严重误导行业预期，而真实数据标注与闭环反馈的规模和精度，才是衡量系统成熟度的核心指标。
对投资者/行业分析师：在评估特斯拉或任何自动驾驶公司时，建议交叉验证其声称的安全指标，关注其事故比较方法是否公允、是否经过独立第三方审查，并留意试点项目是否依赖人工兜底。目前的公开信息显示，特斯拉的 500 辆“自动驾驶出租车”数字并未兑现，实际仅为数十辆。
值得关注的后续
1. 安全标准是否会受监管审查：美国国家公路交通安全管理局（NHTSA）此前已对特斯拉 Autopilot/FSD 发起多次调查。这篇报道可能会推动监管机构要求特斯拉提交更透明的原始事故数据，甚至修改安全宣传措辞。
2. Waymo 等竞品估值变化：如果市场开始重新评估“靠数据和营销叙事”与“靠独立安全验证”两种技术路线之间的风险溢价，Waymo 等坚持更严谨统计方法的公司可能获得更大竞争力。
3. 奥斯汀等试点城市项目走向：目前特斯拉仅在有限区域内以极低数量运营出租车，且用户实际体验（如被中途卸在距离目的地 15 分钟步程处）不佳。后续是否扩大区域、取消安全员，将成为检验 FSD 能否规模化的真实标尺。
来源：Readhub · AI
