自动驾驶AI的关键战场：数据、基准与Tesla中式路线分野

4月的第一天，自动驾驶圈同时被两条新闻“敲醒”：一边是特斯拉承认其Robotaxi有时会被人类远程接管；另一边是中国武汉出现Robotaxi集体“趴窝”，乘客被困在高速路与城市主干道上。这两件事看起来是运营事故，往深里看，其实都指向同一个底层矛盾：自动驾驶AI到底靠什么训练、又该用什么方法评估它真的能上路。

在我们“人工智能在机器人产业”系列里，我一直强调一个观点：机器人（无论是人形机器人还是无人车）真正的护城河不是外壳，而是可规模化的高质量数据管线和贴近真实场景的评测体系。MIT Technology Review 最近提到的“居家训练人形机器人”的零工数据、以及“AI基准测试坏了”的讨论，恰好给我们提供了一个更清晰的对照框架：Tesla 的端到端视觉路线，与中国车企更偏多传感器、多供应商、强场景工程化的路线，分歧不在口号，而在数据与评测。

零工在家训练人形机器人：其实像极了“采车端数据”

直接结论：人形机器人训练正在把“真实世界数据”推到风口，而无人车早就处在这条路上。

MIT Technology Review 描述了一种新型工作：数据采集者把手机绑在头上，录制自己做家务、整理物品、开关抽屉等动作。这些“第一视角、长时序、带有自然失误”的视频，成为训练人形机器人最抢手的燃料。

把它映射到自动驾驶，你会发现逻辑几乎一致：

• 人形机器人需要“手眼协调”的操作数据；无人车需要“车-路-人”的交互数据。
• 人形机器人在家庭场景遇到“杂乱与不可控”；无人车在城市道路遇到“混行、施工、临停、突发”。
• 两者都需要大量长尾场景：并不是每天都发生，但一发生就决定安全。

数据的本质：不是“多”，而是“对”

很多公司会把数据规模当作第一指标，但真正决定模型上限的是数据是否覆盖关键分布：

• 覆盖“正常驾驶”很容易，覆盖“边缘风险”很难。
• 覆盖“单车道匀速”很容易，覆盖“复杂交互博弈”很难。

这也是为什么“零工采集人形机器人数据”会引发隐私与知情同意争议：真实世界数据越真实，越可能触及个人空间。同理，车端采集也面临合规与脱敏要求。数据越接近真实，治理成本越高；但不真实，模型就会在关键时刻掉链子。

一句话概括：自动驾驶不是缺数据，缺的是“能解释事故、能复现问题、能覆盖长尾”的数据。

Tesla vs 中国车企：路线之争，其实是“数据管线”之争

直接结论：Tesla 更像“单一体系闭环”，中国车企更像“多源体系拼装”，各有强项也各有软肋。

Tesla：端到端 + 规模化车队数据，但“远程接管”暴露评估盲区

Tesla 长期押注视觉为主、端到端学习、依赖大规模量产车队回传数据形成闭环。这条路的优势很明确：

• 数据规模与一致性：同一套传感器体系、同一套标注/训练范式，利于迭代。
• 成本结构可控：硬件相对简化，规模化摊薄。
• 学习“隐性规则”：端到端在某些交互细节上，能学到传统规则系统难以手写的策略。

但当 Wired 报道“Robotaxi 有时由人类远程司机完全控制”，它暴露的问题不是“有没有人接管”这么简单，而是：

• 接管发生时，系统对外的能力宣称与真实能力之间，如何量化差距？
• 接管的频率、持续时间、触发原因、场景分布，是否进入“对用户与监管可解释”的指标体系？

如果你的KPI只看“每千公里接管次数”，就可能忽略：一次接管发生在学校门口、雨夜、施工路段，风险权重完全不同。

中国车企：多传感器 + 供应链协作 + 场景工程化，但一致性是硬仗

中国主流路线更常见的是多传感器融合（摄像头+毫米波雷达+激光雷达等的组合）以及多供应商协同。优势同样明显：

• 冗余与鲁棒性：在雨雾、逆光、遮挡等场景，融合感知更稳。
• 更贴近“可验收工程”：更容易把能力拆成模块验收（感知、定位、规划、控制）。
• 落地速度快：在限定区域、限定ODD（运行设计域）里更容易先跑起来。

但武汉 Robotaxi “冻结”事件也提醒我们：多源系统常见的系统性风险包括：

• 供应商版本、车端算力、地图/云端依赖之间的耦合，导致“一个环节异常，全链路降级失败”。
• 复杂系统更难做一致性回归测试，尤其在多城市、多区域快速扩张时。

简化一句：多传感器路线更像“工程集成能力竞赛”，端到端路线更像“数据与学习系统竞赛”。

AI基准测试“坏了”：自动驾驶最需要的是“长周期、团队化”的评测

直接结论：自动驾驶评测不能只看孤立指标，必须把“时间维度”和“人机协作”纳入基准。

MIT Technology Review 提到一个关键批评：传统AI基准喜欢让模型在隔离题目上超越人类，但真实世界是“混乱、多方协作、长时间运行”。这句话放在自动驾驶上，几乎是一针见血。

为什么“单点指标”会误导

很多自动驾驶公司喜欢展示：

• 识别准确率
• 车道保持成功率
• 接管次数/千公里

这些都重要，但问题是：它们默认环境稳定、任务可切分、失败可局部隔离。现实恰恰相反：

• 同一段路，白天与夜晚是两套分布。
• 同一个交叉口，交通组织变化、施工围挡、临停行为会不断改变。
• 系统不是跑10分钟，而是要持续运行数小时、数天、数月。

更适合自动驾驶的“人—车—组织”评测框架（可直接落地）

我更赞同“Human–AI, Context-Specific Evaluation”这类思路：把AI放进真实工作流里评估。落到Robotaxi或高阶辅助驾驶，可以变成一套可执行的指标组：

1. 长时序可靠性：连续运行8小时/24小时的故障率、降级次数、恢复时间（MTTR）。
2. 风险加权接管：按场景风险给接管赋权（学校、医院、施工、雨夜权重更高）。
3. 组织级响应：出现异常时，车端、云端、远程运营、现场人员的协同是否在SLA内完成闭环。
4. 可解释复盘能力：事故/险情是否能在24小时内给出可复现的最小案例（minimal reproducible case）。
5. 分布漂移监控：城市扩张、季节变化（比如清明前后出行高峰、春季多雨）带来的性能漂移是否被提前预警。

评测的核心不是“证明系统厉害”，而是“在最糟糕的那天也别失控”。

从人形机器人到无人车：数据治理与合规会成为第二战场

直接结论：数据质量决定上限，数据治理决定你能不能规模化。

零工在家拍摄训练数据引发的隐私争议，其实预告了更大的趋势：机器人越进入人类生活场景，合规成本会从“法务流程”变成“产品能力”。

对自动驾驶而言，建议企业把三件事前置到数据管线里，而不是出事后补丁：

• 最小化采集：只采“模型必需”的字段，减少无关个人信息。
• 端侧脱敏：在车端做模糊化/抽象化（如人脸、车牌、窗内画面），再上传。
• 可追溯授权：对数据来源、用途、保留周期建立审计链，确保可追责、可删除。

这也是Tesla与中国车企的另一个差异点：车队规模与数据闭环越强，合规体系就越需要系统化；多供应商、多运营城市越多，治理就越需要标准化。

给产品与研发团队的三条实操建议（拿去就能用）

1）把“长尾采集”当成产品功能，而不是运营任务

• 在车端设计“事件触发采集”：急刹、频繁接管、罕见目标、传感器冲突时自动打包。
• 让采集带着上下文：路况、天气、车速、系统状态机、规划候选。

2）建立“风险加权”的统一北极星指标

不要只追求更少的接管次数。更有效的是：

• Risk-Weighted Intervention Rate（风险加权干预率）
• High-Risk Scenario Pass Rate（高风险场景通过率）

这样能逼着团队把精力放在真正决定安全的地方。

3）把远程接管纳入系统设计与对外透明

远程接管不是羞耻点，它是当前阶段的现实“安全员”。关键在于：

• 明确接管边界：何时允许、何时必须降级停车。
• 公开披露口径：对监管与用户说明接管角色，避免能力表述与实际运营脱节。

结尾：真正的分水岭，是“数据—评测—运营”闭环能否跑通

自动驾驶AI的路线争论很热闹：纯视觉还是多传感器、端到端还是模块化、单一体系还是多供应商。我的看法更直白：任何路线都会在真实世界里挨打，能活下来的只会是把数据、评测、运营闭环打通的团队。

人形机器人用零工视频训练，提醒我们“真实数据”越来越贵也越来越敏感；AI基准测试的反思，则提醒我们“会做题”不等于“能上岗”。当Tesla承认Robotaxi会被人类接管、当国内Robotaxi因系统故障冻结，我们应该把注意力从口号移到方法：如何定义可验证的安全、如何用更贴近现实的基准去评估、如何用高质量数据持续修正模型。

下一次你听到某家公司宣称“自动驾驶已经准备好了”，我更建议追问一句：**它的风险加权指标是什么？长时序评测怎么做？数据治理怎么保证规模化？**答案，往往比演示视频更接近真相。