Cybercab发布，L4时代来了？

当地时间 9月3日，特斯拉在得州奥斯汀发布Cybercab。方向盘、刹车油门踏板、后视镜——人类驾驶需要的硬件，这台车一件没留。它将与已经在得州运营的Model 3（参数丨图片）/Y共同运营，何时取代后者，特斯拉没有给出时间表。

马斯克4月份就许愿过，这款车产能爬坡完成后，销量会超过特斯拉其他产品的总和，意思很明白：他认为取代有人驾驶网约车的时刻已经到了。发布会安排在北京时间半夜，媒体的反应也分成两派，一派认为这是对网约车的降维打击，一派认为时机未到。

争论的焦点大多落在这台1.4吨、单电机、小电池、低风阻的车商业价值有多大，但这问早了。真正该问的是：它能不能不依赖电子围栏、不依赖后台随时救场，独立完成全自动运行？答案是暂时不能。方向盘拆掉了，Cybercab在造型上先到了L4，技术上，它目前顶多算L4的前菜。

L2的数据飞轮没法用于L4

元戎启行 CEO周光在2024年说过一句话："L4自动驾驶玩家就是画一个地图出来跑，都是扯淡，没有任何商业模式。"这句话点出了一个事实：目前回暖的多数L4商业运营，依赖电子围栏和高精图运行，本质是假Robotaxi。

真正的L4，安全冗余要求比L3高两到三个数量级：必须覆盖所有长尾场景，包括从未出现过的异常状况，且在异常状况下仍能安全降级、靠边停车。这要求异构冗余模块、最小安全策略（MRM）、独立安全监控器、失效注入验证、可解释接口——监管大概率不会允许黑盒模型充当主脑。这一整套软硬件投入，商业价值在现阶段无从谈起，远不是节省几个电费的事。

更麻烦的是，L2积累的数据飞轮，几乎无法迁移到L4。L2能采集到的极端场景数据本就稀少，又常因人类接管而被打断，价值有限。L4需要的是各类险情、罕见障碍物、极端天气、施工区、交警手势，甚至需要主动触发传感器或执行器失效，逼出系统的失效边界——这也是Cybercab纯视觉方案的隐患之一。这类数据的采集成本极高，只能依靠仿真大量生成。

特斯拉的选择与问题

仿真场景要真正有效，场景里的 NPC需要具备一定的博弈能力，不能沿固定轨迹机械前进。这不意味着L4必须依赖世界模型，但仿真至少要具备场景多样性，以及能模拟车辆动力学、轮胎、路面、碰撞、传感器物理特性（例如雨雪天气下传感器信噪比下降）的物理引擎。合格的L4训练场景，最终要靠混合方式解决。

特斯拉走的是另一条路：真实数据回放（基于影子驾驶）加3D渲染（如高斯泼溅），辅以数据扰动去逼近真实世界，没有采用世界模型。这与Waymo、英伟达、华为普遍采用的世界模型路线，是两个方向。

L2模式并非全无价值：至少能发现系统与真实驾驶行为之间的差距，这正是不能完全依赖世界模型的原因；传感器融合算法、数据采集系统、地图先验等前端技术，在L2和L4之间基本通用。

真正卡住Cybercab的，是场景泛化，不是硬件。

Cybercab的所谓L4，大概不是单一模型运行，而是多模型协同：弥补纯视觉局限的隐式感知、预测和交互、不确定性估算、安全壳，最后的兜底大概率仍要依靠远程协助。

L4的泛化难题

所有 L4运营商都要面对场景泛化这道难题。如果不采用世界模型加物理引擎，就只能对运营区域进行密集数据采集来做增强——但一个普通天气下的长尾场景，一旦叠加天气变化、眩光、其他参与者的不可预期行为，复杂度会陡增，做到这一步，其实已经与世界模型的功能相差无几。

华为投入车路协同，是因为它本身是ICT设备商，做基础设施有先发优势，也能得到交通部门配合。特斯拉不具备这个条件，只能专注单车智能。特斯拉的优势在云端——Dojo训练、云端仿真回放、车队数据回流——但蒸馏到车端的模型，不可能保留云端大模型的全部长尾能力。车端模型受SoC工艺、功耗、带宽和车载环境制约，参数规模难以提升，业内所说的"硬件墙"，指的正是车端而非云端，云端理论上只受电力这一个约束。

直接让云端推理来解决这个问题是否可行？目前看不行——5GA通信的可靠性还没到能让人放心的程度。像奥斯汀这样的城市，离开市区或进入地下停车场，5G信号基本消失，与北京、上海的5G部署无法相比，星链带宽也不够用。车端模型无法单独支撑L4，这是当前的硬约束。华为过去几年推动边缘计算，正是为了解决云算力无法承担实时任务这个问题，车路协同能从根本上改善这一点。

据此推测，Cybercab遇到处理不了的场景，大概会先由本地系统降级，再触发远程兜底介入。好在奥斯汀这类得州城市的路况，与中国大城市早晚高峰的复杂度相比要简单得多，Cybercab需要处理的场景相对轻松。Waymo和特斯拉的商业运营都验证过一点：有时候客户本身才是系统的短板——喝醉、下车不关门、车内搞破坏，这类问题在中国要少得多，几乎不构成成本。说到底，在路况简单的小范围围栏里运行L4没有太大难度，中国监管机构也已经发出不少L4路测和商业试运行牌照。

突破电子围栏靠的不是决心

以上分析指向一个结论：特斯拉目前离不开电子围栏，一旦脱离，密集数据采集就无法进行。真正意义上的突破，靠的是设计运行域（ODD）的持续扩展，而不是一次性彻底取消围栏——大范围围栏仍是必要的，这件事乐观估计还需要数年时间。

在一个相对明确的运营区域里，系统可以更密集地采集数据、更充分地验证场景，也更容易建立远程和运营侧的兜底体系。一旦运营范围无限扩张，数据、验证、算力和安全责任都会同时变得更复杂。

至今，特斯拉也没有表现出把FSD V15的端到端模型做成可解释机制的意愿。这意味着无论在美国还是中国，FSD目前的状态都很难通过监管审查——监管不会信任黑盒模型，即便L4的监管细则真正出台还早。Transformer未必是终点，未来五年很可能出现完全不同的注意力架构，就像当年Transformer横空出世那样，但方向和时间都难以预判。

纯视觉路线在L4上的争议也远未平息。从感知冗余的角度看，激光雷达和毫米波雷达补盲，让系统的感知能力超越人类驾驶员，可能是必要条件，而非可选项。

所以，Cybercab与其说是L4的落地，更像是给L4叙事添了一把火。拆掉方向盘，证明的是马斯克的决心，不是技术已经越过那条线。

注:图片部分来源网络，如有侵权，联系删除。

车企利润薄弱却没人退出

谁会是方盒子王者

车企和家电巨头联姻是防御