📢 转载信息
原文作者：TechNode 动点科技
谷歌 DeepMind 的联合创始人兼工程副总裁 Jeff Dean 在最近的一次活动中对特斯拉（Tesla）的自动驾驶技术进行了评论，他表示，特斯拉在 “纯粹的、有人驾驶的自动驾驶里程数” 方面，与 Waymo 相比仍有巨大差距。
Jeff Dean 强调了 Waymo 在真实世界中积累的大量自动驾驶里程数，并暗示这些数据为 Waymo 提供了宝贵的训练和验证资源。Waymo 长期以来一直专注于 L4 级自动驾驶的研发和商业化运营，其车辆在特定区域内实现了无需安全员的完全自动驾驶。
据报道，Jeff Dean 表示：“特斯拉在普通（有安全员在场的）道路上行驶的里程数非常庞大，但如果谈论的是 ‘纯粹的、无需驾驶员介入的自动驾驶里程’，那么 Waymo 的积累量是特斯拉根本无法比拟的。”
随后，埃隆·马斯克（Elon Musk）对此进行了回应。虽然马斯克没有直接引述 Dean 的具体言论，但他似乎在社交媒体上表达了对特斯拉 FSD（全自动驾驶） 系统的信心，并强调了特斯拉依赖 “视觉” 方案和大规模用户数据训练的独特路径。
自动驾驶技术路线之争
这次交锋再次凸显了当前自动驾驶行业中两大主流技术路线的差异：
- Waymo (谷歌) 路线： 倾向于使用激光雷达（LiDAR）、高精度地图和冗余传感器系统，专注于在受限区域内实现 L4 级（高度自动化） 的安全部署，强调安全性优先。
- 特斯拉路线： 坚持使用纯视觉方案（“Tesla Vision”），通过遍布全球的汽车收集海量驾驶数据，利用神经网络训练 FSD Beta，目标是实现 L2/L3 级别到最终 L4/L5 级别的快速迭代。
Jeff Dean 的言论更多的是基于 “完全无人驾驶（Robotaxi）” 部署的成熟度和里程数比较。Waymo 的 Robotaxi 服务已经在多个城市（如凤凰城、旧金山）进行常态化运营，积累了大量无需人类干预的实际运营数据。
然而，特斯拉的优势在于其庞大的在途车辆基数。虽然特斯拉 FSD 目前仍需要驾驶员监控，但其积累的 “影子模式” 或 “辅助驾驶” 里程远超任何一家 Robotaxi 运营商。马斯克及其支持者认为，这种规模化的用户数据是实现通用人工智能（AGI）在驾驶场景落地的关键。
一个关键的争议点在于： “完全无人驾驶里程” 的定义。对于 Jeff Dean 来说，这指的是在没有人类安全员时刻准备接管情况下的里程。而特斯拉的用户数据虽然包含人类干预，但其数据量级的庞大性，是其算法迭代的重要驱动力。
AI 基础设施与算力
Jeff Dean 作为谷歌 AI 基础设施的领导者，他对数据和计算资源有着深刻的理解。谷歌和 Waymo 在部署自动驾驶系统时，通常依赖于高精度的传感器（如 LiDAR）来确保系统在复杂环境下的可靠性，这需要巨大的算力支持。
尽管马斯克对 L4 级部署持保留态度，但特斯拉的纯视觉方案同样依赖于强大的端到端 AI 模型训练，尤其是其正在研发的 Dojo 超级计算机。
可以预见，在未来几年内，关于自动驾驶的竞争将不再仅仅是里程数之争，更是 “有效、安全、可扩展的自动驾驶数据” 积累与利用效率的较量。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区