特斯拉FSD被事故和监管追问：AI故事讲得再大，也要回答谁负责

特斯拉最尴尬的地方，不是它讲AI和机器人公司故事讲得太大，而是FSD又被拉回了一个很老的问题：车出事时，到底是谁在开。

得州一辆特斯拉撞入住宅，造成一名76岁女性死亡。司机对警方说，当时启用了Autopilot。特斯拉AI软件副总裁Ashok Elluswamy在X上给出另一种说法：司机在住宅区把加速踏板踩到100%，手动覆盖了自动驾驶能力。

这件事现在不能判案。NHTSA和NTSB已经介入，独立调查还没完成。但它把特斯拉FSD最难的一笔账摆了出来：系统说自己能帮你开，人却仍被要求负责，中间那条线到底画在哪里。

FSD这次面对的不是一场事故，而是一串追问

几条线索放在一起看，压力才完整。

这里有两个概念不能混。

Autopilot是基础驾驶辅助。FSD（Supervised）仍要求驾驶员监督。FSD（Unsupervised）才是特斯拉更想推向无人化的版本。得州事故到底涉及哪套能力、系统当时处于什么状态，要等调查。

Waymo那边也不能写过头。研究机构MoffettNathanson是根据提单文件估算，Waymo今年按约每月300辆、全年3156辆节奏进口Ojai车辆。这不是Waymo官方确认的产能，也不等于这些车都已投放运营。

但方向已经很清楚：自动驾驶竞争正在从谁更会讲AI，回到谁能交出证据。

真正的分水岭，是安全冗余和责任证据

特斯拉押纯视觉路线，有它的商业逻辑。

摄像头便宜，装车快，能覆盖更大的存量车队。软件能力一旦跑通，成本结构会很好看。这个判断不能轻易否定。特斯拉把自动驾驶推成消费级产品，也确实推动了过去十年的汽车智能化。

问题是，自动驾驶不是手机算法。

手机照片拍糊了，最多删掉。车在道路上判断错了，后面是事故、保险、诉讼和监管问询。交通系统没有那么多试错空间。

Waymo选择多传感器，不代表它不懂AI。它是在把安全做成工程冗余：摄像头看图像，雷达看距离和速度，激光雷达补空间结构，外部音频接收器处理警笛等环境信号。代价是贵、重、慢。

特斯拉走的是另一条路：少硬件，多软件，靠数据和模型把成本压下去。赌赢了，很漂亮；赌输了，事故报告会把发布会叙事一页页拆开。

“天下熙熙，皆为利来。”这句话放在这里不是骂特斯拉。纯视觉路线背后就是明确的利益结构：更低BOM成本，更快规模化，更容易向车主销售软件能力。

但监管和法院不按商业故事结算。它们只会问更硬的问题：

• 事故发生时，系统到底处于什么模式？
• 驾驶员有没有被清楚告知能力边界？
• 系统在眩光、雾、扬尘这类常见场景下，能否稳定响应？
• 人类接管与系统控制之间，证据链是否足够清楚？

低能见度调查尤其关键。眩光、雾、扬尘不是罕见灾难，是道路日常。一个系统如果解释不清这些场景里的边界，就很难让监管相信它已经准备好从Supervised走向Unsupervised。

车主、行业和投资者该看什么

对普通特斯拉车主，最现实的动作不是站队，而是降级预期。

FSD（Supervised）名字里就写着监督。只要它仍是Supervised，驾驶员就不能把它当无人驾驶用。尤其在住宅区、低能见度、复杂路口和可能需要快速接管的场景，风险不是理论题。

对准备买车或买FSD功能的人，应该把宣传视频和责任条款分开看。能不能自动变道、转弯、识别信号灯是一回事；出事后系统日志怎么记录、责任怎么划分、保险怎么处理，是另一回事。后者更贵。

对汽车科技从业者，Lyft的表态更值得盯。它不是法规，却是商业入口。平台如果坚持多传感器安全标准，只用摄像头的Cybercab或robotaxi就很难进入它的网络。团队做方案、做采购、做合作评估时，不能只看模型能力，也要看平台准入门槛。

对投资观察者，接下来别只盯发布会和演示视频。更关键的是三类信号：

• 得州事故调查是否确认系统状态和责任链；
• NHTSA低能见度调查会不会要求改动、召回或限制；
• 出行平台、保险方、地方监管是否接受纯视觉Robotaxi进入真实运营。

这几项比一句AI公司叙事更能定价。

我不太买账的，是把自动驾驶竞争说成单纯的模型竞赛。模型当然重要，但车要上路，就要同时过四关：硬件冗余、监管证据、运营流程、责任分配。

Waymo的路线慢，烧钱，重资产，不完美。特斯拉的路线快，便宜，有规模想象，也不该被一句纯视觉就判死刑。真正的分水岭不在口号上，而在坏天气、误操作、事故复盘和平台准入里。

特斯拉要证明的也不是FSD在晴天城市道路上开得多像人。它要证明的是：当人和系统都可能出错时，车、公司、监管和法院能不能把责任说清楚。

AI公司可以靠愿景拿估值。交通公司不行。

车里坐着人，路边也站着人。自动驾驶的账，最后都要在现实道路上结。