> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# 自动驾驶远未解决
- URL: https://www.hubwiz.com/blog/self-driving-cars-arent-nearly-a-solved-problem/
- Published: 2026-06-30T04:45:36.000Z
- Updated: 2026-10-13T15:46:00.000Z
- Description: 与普遍看法相反，Waymo 并非真正完全自动驾驶，问题比想象的要难
- Author: admin
- Tags: PHYSICAL AI, #Import 2026-10-14 14:41

自动驾驶汽车并非一个已解决的问题，甚至远未接近解决。我会进一步解释，但由于在这个问题上，信使比信息本身更重要，先听一听 Andrej Karpathy 告诉你同样的事情。

Karpathy 的资历无可挑剔：他在 2017 年至 2022 年间担任特斯拉 [全自动驾驶软件](https://en.wikipedia.org/wiki/Tesla%5FAutopilot?ref=hubwiz.com#Full%5FSelf-Driving%5Fcapability) 的首席 AI 研究员。（Karpathy 还曾在 OpenAI 担任过两期研究员，在斯坦福大学教授深度学习课程，并创造了"vibe coding"一词。）

以下是 Karpathy 在 2025 年 10 月 17 日与 Dwarkesh Patel 的 [访谈](https://www.dwarkesh.com/p/andrej-karpathy?ref=hubwiz.com) 中的长段引述：

> **Dwarkesh Patel** *01:42:55*

> **Andrej Karpathy** *01:43:11*[演示](https://en.wikipedia.org/wiki/Navlab?ref=hubwiz.com)

> 快进一下。当我加入特斯拉时，我看过一个非常早期的 Waymo 演示。那大约是 2014 年，它给了我一次完美的乘车体验，所以那是十年前一次完美的 Waymo 体验。它带我们在帕洛阿尔托等地转了一圈，因为我有个朋友在那里工作。我当时以为这已经很接近了，但结果还是花了很长时间。

> 对于某些类型的任务和工作来说，从演示到产品的差距非常大——演示很容易，但产品很难。在自动驾驶这类失败成本太高的情况下尤其如此。许多行业、任务和工作可能没有这个特性，但当你确实有这个特性时，它肯定会延长时间线。

> 例如，在软件工程中，我认为这个特性确实存在。对于很多 vibe coding 来说，它不存在。但如果你在编写真正的生产级代码，这个特性应该存在，因为任何错误都可能导致安全漏洞之类的问题。数百万甚至数亿人的社会安全号码可能会泄露。所以在软件领域，人们应该小心，就像自动驾驶一样。在自动驾驶中，如果出了问题，你可能会受伤。有更糟糕的后果。但在软件领域，后果几乎是无限的。

> [九](https://en.wikipedia.org/wiki/High%5Favailability?ref=hubwiz.com#%22Nines%22)

> 这就是为什么这些事情需要这么长时间。这对我来说绝对是形成性的——看到一个演示。我对演示非常不以为然。每当我看到任何事情的演示时，我都极其不以为然。如果演示是别人为了展示给你而精心准备的，那就更糟了。如果你能与之互动，那就好一点。但即便如此，你也没做完。你需要真正的产品。当它接触现实时，它会面临所有这些挑战，以及所有需要修补的各种行为。

> 我们将会看到这一切如何展开。这是一个九的征程。每个九都是恒定的。演示令人鼓舞，但仍然有大量的工作要做。这是一个关键的安全领域——除非你是在做 vibe coding，那当然又好玩又有趣。所以这也强化了我对时间线的看法。

Karpathy 后来在访谈中进一步阐述：

> 我想回到的另一个方面是，自动驾驶汽车仍然远未完成。部署规模非常小。即使是 Waymo 等公司也只有很少的车辆。粗略来说，它们这么做是因为不经济。它们建造了某种存在于未来的东西。它们不得不把未来拉近，但代价是让它变得不经济。这里有很多成本，不仅是那些汽车的边际成本及其运营和维护成本，还有整个项目的资本支出。让它在经济上可行仍然是一场艰苦的战斗。

> 此外，当你看着这些车，车里没有司机时，我实际上认为这有点欺骗性，因为这里有非常复杂的远程操作中心，有人在一定程度上与这些车形成闭环。我不知道具体情况，但人机协同的程度可能比你想的要多。有些人在某个地方从云端接入。我不知道他们是否完全参与了驾驶。有些时候他们是参与的，但他们肯定参与其中，确实有人在。从某种意义上说，我们并没有真正移除人，只是把他们移到了你看不到的地方。

> 我仍然认为还有很多工作要做，就像你提到的，从一个环境到另一个环境。让自动驾驶成为现实仍然面临挑战。但我确实同意它已经跨过了一个门槛，感觉上像是真的了——除非它是真正的远程操作。例如，Waymo 无法到达城市的所有不同区域。我怀疑是在那些信号不好的区域。总之，我对技术栈一无所知。我只是在瞎猜。

> **Dwarkesh Patel** *01:50:23*

> **Andrej Karpathy** *01:50:27*

> **Dwarkesh Patel** *01:51:08*

> **Andrej Karpathy** *01:51:14*

既然我已经用 Karpathy 的专家意见作为背书，下面我来深入细节。

## 1、自动驾驶公司自己认为这是已解决的问题吗？

自动驾驶初创公司 Cruise Automation 曾被认为是完全自动驾驶竞赛中的领跑者，估值达 300 亿美元，获得了 SoftBank、Honda、Microsoft 及其母公司通用汽车数百亿的投资。截至 [2023 年](https://fortune.com/2023/10/27/gm-cruise-grounds-entire-fleet-driverless-vehicles-earn-public-trust-california-suspension-high-profile-accidents/?ref=hubwiz.com)，Cruise 在旧金山拥有 400 辆自动驾驶原型车，在德克萨斯州和亚利桑那州有 200 辆。在旧金山，白天为 Cruise 员工 [运营](https://www.cnbc.com/amp/2023/04/25/cruise-robotaxis-now-run-24-7-in-san-francisco-public-access-at-night.html?ref=hubwiz.com) 机器人出租车服务，深夜向公众开放。

2024 年 12 月，Cruise 认输了。机器人出租车事业结束了。通用汽车吸收了 Cruise 剩余的一切，将其应用于高级驾驶辅助系统（ADAS），也许，可能有一天会应用于可供个人购买而非叫车的完全自动驾驶汽车。截至 2024 年 12 月，Cruise Automation 并不认为自动驾驶汽车是一个已解决的问题。至少通用汽车不这么认为。

Cruise 并非个例，而是一种趋势的一部分。2021 年，Uber 放弃了自动驾驶汽车的雄心，出售了其自动驾驶汽车部门 Uber Advanced Technologies Group（Uber ATG）。Uber ATG 的残余被卖给了名为 Aurora Innovation 的自动驾驶公司。而 Aurora 本身也放弃了制造自动驾驶汽车的尝试，转而专注于自动驾驶半挂卡车。今年早些时候，Aurora 的一位联合创始人 [离开公司](https://www.reuters.com/business/autos-transportation/gm-hires-self-driving-company-leader-chief-product-officer-2025-05-12/?ref=hubwiz.com) 去通用汽车从事 ADAS 工作。

Aurora 在自动驾驶半挂卡车上也不太可能有好运气。2023 年，Waymo [放弃了](https://techcrunch.com/2023/07/26/waymo-puts-the-brakes-on-self-driving-trucks-program/?ref=hubwiz.com) 其自动驾驶半挂卡车项目。初创公司 Pronto AI 也曾尝试制造自动驾驶半挂卡车，但 [转向了](https://techcrunch.com/2024/08/01/why-anthony-levandowski-pronto-av-startup-offroad/?ref=hubwiz.com) 在矿场运输石头的自动驾驶越野卡车。

许多其他自动驾驶汽车公司已经放弃或资金耗尽，例如 [Voyage](https://techcrunch.com/2021/03/15/cruise-acquires-self-driving-startup-voyage/?ref=hubwiz.com)、[Argo](https://en.wikipedia.org/wiki/Argo%5FAI?ref=hubwiz.com)、[Drive.ai](https://en.wikipedia.org/wiki/Drive.ai?ref=hubwiz.com) 和 [Ghost Locomotion](https://techcrunch.com/2024/04/03/openai-backed-ghost-autonomy-shuts-down/?ref=hubwiz.com)。有时公司的剩余部分被卖给收购方，而收购方随后也认输了。Lyft 将其 [Level 5](https://techcrunch.com/2021/04/26/lyft-sells-self-driving-unit-to-toyotas-woven-planet-for-550m/?ref=hubwiz.com) 部门卖给了丰田。苹果关闭了 [Project Titan](https://techcrunch.com/2024/02/27/apple-cancels-electric-car-project-titan/?ref=hubwiz.com)。放眼望去，自动驾驶汽车公司和部门都没能成功。

这当然最终让我们来到了 Waymo。Waymo 认为它已经解决了自动驾驶吗？简而言之，没有。看看 Waymo 实际在做什么。截至 [2025 年 8 月](https://waymo.com/blog/2025/05/scaling-our-fleet-through-us-manufacturing?ref=hubwiz.com)，Waymo 的商业车队有 2,000 辆车，测试车队可能还有更多。作为对比，五年前 Waymo [有](https://techcrunch.com/2020/10/08/waymo-starts-to-open-driverless-ride-hailing-service-to-the-public/?ref=hubwiz.com) 600 辆车（可能只是商业车队，或者两者合计）。

Waymo 车队规模小并非因为产能限制。2018 年，Waymo 和 Jaguar [宣布](https://www.theguardian.com/technology/2018/mar/27/waymo-self-driving-taxis-jaguar-land-rover?ref=hubwiz.com) 了一项协议，Jaguar 将为 Waymo 生产多达 20,000 辆 I-Pace 掀背车。同年，Waymo 和 Chrysler [宣布](https://www.nytimes.com/2018/05/31/business/waymo-chrysler-minivans.html?unlocked%5Farticle%5Fcode=1.xk8.Da19.0nCxv8uhp2m5&smid=url-share&ref=hubwiz.com) 了一项高达 62,000 辆 Pacifica 小型货车的类似协议。然而，七年后，车队仅有约 2,000 辆车。Waymo 仅 [计划](https://waymo.com/blog/2025/05/scaling-our-fleet-through-us-manufacturing?ref=hubwiz.com) 在 2026 年再生产约 2,000 辆车。如果自动驾驶是一个已解决的问题，为什么不部署更多车辆？

还值得考虑的是，Waymo 的母公司 Alphabet 决定 [向外部投资开放](https://techcrunch.com/2024/11/05/waymos-latest-funding-round-boosts-it-to-45b-valuation/?ref=hubwiz.com) Waymo，而不是继续由 Alphabet 自己全额资助。Alphabet 当然负担得起，因为它 [拥有](https://www.barrons.com/articles/google-alphabet-earnings-stock-price-dd993a03?ref=hubwiz.com) 980 亿美元的现金和短期投资。如果自动驾驶汽车真的解决了，它们将是一个 [巨大的财务机会](https://research.ark-invest.com/hubfs/1%5FDownload%5FFiles%5FARK-Invest/White%5FPapers/ARK%5FInvest%5F060822%5FWhitepaper%5FAutonomous%5FMobility.pdf?ref=hubwiz.com)。通过引入外部投资者，Alphabet 正在降低其在 Waymo 的所有权份额，从而降低其从该机会中获利的能力。

一个潜在的无害解释是，Alphabet 只是想让 Waymo 的股权有个定价，以便员工了解其股票价值并可能套现。（根据 [Hiive](https://www.hiive.com/securities/waymo-stock?ref=hubwiz.com)——一个买卖私营公司股票的市场——Waymo 股票目前价值约 280 美元。）然而，一轮外部投资就足够了。Waymo 自 2020 年以来已经进行了四轮融资，最近一次在 2024 年，引入了数十亿美元的外部资本。

Alphabet 没有披露其在 Waymo 的所有权份额。由于 Alphabet 主导了最近一轮投资，事情变得更加复杂。不过，如果 Alphabet 提供了最近一轮一半的资金，根据我的计算，Alphabet 在 Waymo 的持股比例已被稀释到约 75%。（我假设 2020 年和 2021 年以 300 亿美元估值投资了 55.5 亿美元，使外部投资者拥有 Waymo 18.5% 的所有权。我假设 2024 年以 450 亿美元估值由外部投资者投资了 28 亿美元，再获得 6.2% 的 Waymo 股份。）

另一个合乎逻辑的问题是：Waymo 实际上 *说* 自动驾驶是已解决的问题吗？答案并不完全清楚。在公开讲话或写作时，Waymo 的人都很谨慎，措辞小心，既不明说自动驾驶是已解决的问题，也不说是未解决的问题。在 6 月的一次 [访谈](https://news.engin.umich.edu/2025/06/waymo-co-ceo-dmitri-dolgov-discusses-prescience-and-patience/?ref=hubwiz.com) 中，Waymo 联合 CEO Dmitri Dolgov 被问到："你认为还需要多久才能达到完全的 Level 5 自动驾驶？"Dolgov 给出了谨慎的回答：

> 思考自主性更简单的方式是：要么你需要一个人类司机坐在方向盘后面，要么不需要。其他都是细微差别。

> 但如果我们坚持采用 SAE（汽车工程师学会）框架，Waymo 目前在 Level 4 运行——车辆在特定领域内无需人工干预即可运行。相比之下，Level 5 意味着在任何地方、任何人类能驾驶的条件下完全自主——从偏远的山路到极端的冬季天气条件，没有运营限制。

> *任何任何*

Dolgov 承认 Waymo 还没有解决 Level 5 自主性，他似乎在暗示这不会很快解决。关于天气条件，Waymo 10 月的一篇 [博文](https://waymo.com/blog/2025/10/creating-an-all-weather-driver?ref=hubwiz.com) 指出雪天仍然是一个持续的挑战。

还有更多的说法可以分析。Waymo 2024 年的一篇 [博文](https://waymo.com/blog/2024/10/ai-and-ml-at-waymo?ref=hubwiz.com) 引用了一位工程副总裁的话："我们试图解决的问题是如何构建在现实世界中导航的自主智能体。"这是一个奇怪的现在时态陈述。类似的表述在整篇文章中随处可见，例如：

> 使我们的工作特别引人注目——也充满挑战——的是构建能够处理现实世界驾驶全部复杂性的最先进模型，这是一项社交任务，在规模化时必然包含许多长尾场景。从其他道路使用者的 erratic 行为到快速变化的天气条件，我们的目标是构建一个能够持续可靠地处理这些边缘情况的系统。

这意味着可靠处理边缘情况的目标尚未实现。该博文还建议："随着我们继续扩展 Waymo Driver，Waymo 在 AI 方面最有趣的工作还在后面。"它结尾呼吁那些"热衷于解决自动驾驶汽车、机器人技术等领域一些最大 AI 挑战"的申请者，这暗示着尚未解决的挑战。

这些暗示与 Waymo 最深入的技术演示一致。在 2021 年的一次 [演讲](https://exchange.scale.com/public/videos/ml-at-waymo-building-a-scalable-autonomous-driving-stack-with-drago-anguelov?ref=hubwiz.com) 中，Waymo 副总裁、前研究主管、现任 AI 基础团队负责人 Drago Anguelov 这样描述自动驾驶问题的一个方面（强调为原文所加）：

> 我们的自动驾驶领域与其他一些机器人领域相比的一个巨大优势是，当我们驾驶时，我们捕捉到了所有与我们试图完善的任务相同的人类行为。你可以捕捉到 10 到数百个人类驾驶行为，展示他们是如何做的。当然，有些是真正的专家，有些则不那么专业。但这对机器学习来说都是非常有用的信号。

> **让机器学习在几乎没有样本的情况下鲁棒地处理问题，仍然是一个开放的研究问题。**

这仍然是一个开放的研究问题。深度学习仍然极度数据低效，深度强化学习仍然极度样本低效，而将模型泛化到训练数据之外、处理罕见边缘情况，正是 AI 模型仍然严重挣扎的领域。

在随后的 [2023](https://www.youtube.com/watch?v=ly6qVN2jWv0&ref=hubwiz.com) 和 [2024 年](https://www.youtube.com/watch?v=zCJO7ONdPZM&ref=hubwiz.com) 的演讲中，Anguelov 重新讨论了这一话题。他概述了在自动驾驶环境中使用机器学习的一些持续挑战，例如感知系统检测不熟悉物体的问题，以及在陌生场景中使用模仿学习和强化学习进行规划的问题。他描述了 Waymo 正在尝试的一些技术。他没有给我一种他认为问题已经解决的感觉。Anguelov 在 2024 年的 [播客访谈](https://www.youtube.com/watch?v=dL4GO2wEBmg&ref=hubwiz.com) 中也重申了机器学习在处理边缘情况方面的困难。

Waymo 工程师 Vincent Vanhoucke 在 2 月的一次 [访谈](https://www.youtube.com/watch?v=Ctuf2Y0MrcA&ref=hubwiz.com) 中也强调了解决罕见边缘情况的难度：

> 现在真正的挑战基本上在于规模化。当你行驶数百万英里时需要处理的所有问题。你必须在这个规模上处理的长尾问题基本上主导了你有什么问题、需要解决什么问题的方程式，对吧？你可以想象，如果你作为驾驶员，一生可能经历一次的事情，我们每周甚至每个月都会经历。所以所有那些异常、奇怪和困难的事情基本上都成了我们的常见情况，给我们的规模化带来了压力。因此，解决这个长尾问题才是我们真正关注的，也是我们希望 AI 和大型模型能力能够帮助我们加速的地方。

当被问到他何时认为机器人出租车在美国的行驶里程会超过人类司机时，Vanhoucke 的回答很保守：

> 我希望当我老的时候，能跟我的孙子们说，在我那个年代，我们以前都是亲手开车的。你能相信吗？这难道不疯狂吗？我觉得有一个潜在的未来，你会回顾今天，想着：天哪，考虑到车祸造成的伤亡和问题的复杂性，我们把汽车交给人类驾驶简直是疯了。所以，那是一个我希望能看到的未来。至于它是否会在我的有生之年发生，我不知道。

所以，总的来说，我没有感觉到 Waymo 在说自动驾驶是一个已解决的问题，而且它们的行为也肯定不像。

## 2、Waymo 成功的主要限制

Waymo 在自动驾驶方面的进展无疑令人关注，它从 2020 年开始逐步移除安全驾驶员，这使其在众多公司中脱颖而出。Waymo 将其自动驾驶技术概念验证推到了令人瞩目的高度。然而，Waymo 的成功背后有一些从表面上看不到的主要限制。最重要的一点是，Waymo 的车辆并非完全自主，而是需要远程人工干预才能运行。Waymo 将这种人工干预称为 ["fleet response"](https://waymo.com/blog/2024/05/fleet-response?ref=hubwiz.com)。例如，如果车辆不知道应该走哪条车道，它可以停下来，呼叫中心，让人类为它选择正确的车道。值得肯定的是，Waymo 车辆显然能够很好地处理驾驶，在需要 fleet response 之前很少发生碰撞，而且车辆知道自己何时需要请求 fleet response，这样人类可以被动而非主动地干预。这是一项令人印象深刻的成就，但必须说明的是，这不是完全的自动驾驶。

主要的限制是有人类参与其中，为 Waymo 提供操作指令，有时甚至会为 Waymo 绘制行驶路径。还有几个其他限制，或者至少是潜在的限制。这些方面很难详细说明，因为虽然 Waymo 公开披露了一些关于其"fleet response"的信息——尽管细节不多——但对于其自动驾驶试点的几乎所有技术细节都守口如瓶。我们知道 Waymo 使用街道级地理围栏，精确限制其车辆可以行驶的区域。我们知道 Waymo 使用高精度地图，这些地图会频繁更新，包含诸如施工区域等细节，可能为了让车辆绕开它们无法可靠处理的问题。地理围栏和高精度地图使 Waymo 能够划出最容易行驶的街道，避开对车辆来说太困难的地方。

我强烈怀疑——尽管我不记得看到过确凿的确认——Waymo 的驾驶软件和深度学习系统中存在大量特例处理。也就是说，Waymo 运营的每个城市中每条街道、每个街区、每个社区的每一个细节都得到了软件和 AI 工程师的大量关注。对全世界都这样做是不切实际的；这种方法不可扩展也不可泛化。现在，随着软件和神经网络训练的积累，Waymo 在扩展到新区域时可能比上一个区域需要更少的特例处理。然而，这并不是说它会达到一个临界点，使扩展到新区域所需的特例处理量小到不再是一个实际障碍。

在过去的三四年里（如果不是更长的话），特斯拉处于验证一个论点的理想位置：只要有足够的神经网络训练和软件开发，利用足够的数据和经验，车辆就能实现可泛化、可扩展的自动驾驶。我曾认为这种方法非常有前途，对此感到极度兴奋和乐观。但事实证明它并没有成功。这个问题比我意识到的更加复杂和棘手。太遗憾了。能有自动驾驶汽车就好了。

特斯拉现在正在推出一个小规模的机器人出租车试点，但我认为这样做没有任何技术目的。从研发的角度来看，我看不出做机器人出租车试点与特斯拉已经做了多年的测试相比有什么优势或好处。这似乎是出于其他动机，比如在投资者面前展现良好形象，或者更善意地说，让特斯拉的员工专注于一个更具体的目标。

我认为 Elon Musk 的判断力大约在 2020 年左右开始恶化。他向来反复无常、有些冲动、倾向于设定不切实际的时间表，有时还不必要地好斗。然而，我曾希望他的积极品质——那些帮助特斯拉和 SpaceX 取得巨大成功的品质——能够胜出，他能遏制住自己最糟糕的倾向。可悲的是，情况恰恰相反，现在我不再信任他对特斯拉的领导。在他转向黑暗面之前，Elon 就已经做了很多损害自己信誉的事情，尤其是在 [全自动驾驶时间表](https://en.wikipedia.org/wiki/List%5Fof%5Fpredictions%5Ffor%5Fautonomous%5FTesla%5Fvehicles%5Fby%5FElon%5FMusk?ref=hubwiz.com) 方面。到了这个地步，我认为 Elon 在任何事情上都没有任何信誉可言。

总而言之，虽然所有从事自动驾驶的公司，包括 Waymo，都应该受到高度审视和怀疑，但我认为特斯拉应该被给予全面不信任。例如，我不相信特斯拉不会在其安全数据上撒谎。我不相信特斯拉不会掩盖事故、压制受害者、批评者或记者，或者利用特朗普政府的腐败来逃避监管机构的合理监督。机器人出租车试点感觉像是一个不必要的噱头。如果特斯拉最终从试点的机器人出租车中撤出安全驾驶员，我不相信那是安全的，也不相信特斯拉遵循了合理、谨慎的流程来做出该决定。我希望监管机构和立法者——以及记者，以及任何有勇气成为吹哨人的员工——像鹰一样盯着特斯拉，采取行动制止鲁莽行为。我们不应该相信特斯拉在车辆自主性方面所做的任何事情。

但回到主要观点：尽管特斯拉多年来处于理想的成功位置，但它在自动驾驶方面的进展却令人沮丧地缓慢、微小且增量式。特斯拉的尝试已经否定了这样一种观点：足够的规模或足够广泛的部署将达到一个临界点，从而实现通用的、可扩展的解决方案。特斯拉拥有你能想到的最佳尝试机会。一切都已就位。但它没有成功。因此，Waymo 也不太可能做得更好，尤其是考虑到 Waymo 可能无法达到特斯拉 1% 的规模。

## 3、更广泛的影响

认为 Waymo 已经解决了自动驾驶是一种误解。Waymo 自己甚至都不说它已经解决了自动驾驶，而且它需要人类在环中才能使其试点项目运行。如果你不相信我关于自动驾驶尚未解决的说法，那就相信 Andrej Karpathy 吧，他是世界上最顶尖的专家之一。

Waymo 的前景并不乐观。特斯拉已经证明，规模并不能带来许多人（包括我）所希望的好处。Waymo 可能注定要永远烧钱，或者走上 Cruise 和许多其他自动驾驶初创公司的道路。（当然，除非出现意外的突破。但我们不能指望这个。）

我希望我是错的。我不喜欢汽车带来的危险。我憎恨并哀悼车祸造成的生命损失。我的一些朋友就这样悲剧地离世了。这是一件可怕的事情。我希望我们有一个自动驾驶的解决方案，或者我们正处在解决方案的门槛上。那将是美妙的。那将是我一生中世界上发生的最好的事情之一。但遗憾的是，我们还没有到那一步。

自动驾驶汽车本身就是一个足够重要的话题。然而，它们也为最近围绕通用人工智能（AGI）的狂热讨论提供了一个实物教训。如果 AGI 即将到来，实在没有合理的理由解释为什么自动驾驶汽车还没有被解决。自动驾驶行业也是一个鲜明的例子，说明商界领袖和工程师为雄心勃勃的 AI 目标设定很短的时间线，然后公司越过这些时间线直接走向破产或贱卖并购。在技术层面上，自动驾驶是我们拥有的关于深度学习在现实世界复杂性方面局限性的最重要的经验证据之一，尽管深度学习在其他方面已经做好了发挥其最大优势的准备。

我们已经开始进入这样一个时间框架，一些 AGI 狂热的大喇叭正在被证明是假先知。Anthropic 的 CEO Dario Amodei [预测](https://futurism.com/six-months-anthropic-coding?ref=hubwiz.com) 在今年第一季度，AI 将在今年最后一个季度编写 90% 的软件代码。根本没有发生这样的事。在 Anthropic 内部，这个 90% 的门槛 [甚至都没有达到](https://www.youtube.com/watch?v=wUOjTR1511M&t=1042s&ref=hubwiz.com)——而你应该认为 Anthropic 会是最早采用者。

我经常看到人们引用自动驾驶作为 AGI 即将实现的证据。如果深度学习能解决自动驾驶汽车，为什么不能解决其他一切？但教训实际上是相反的。深度学习无法解决自动驾驶汽车——至少在现有技术的限制下还不能——因此我们应对它很快解决类似复杂的现实世界问题持怀疑态度。

从社会学和行业角度来看，大致从 2017 年（特斯拉推出 [Hardware 2](https://en.wikipedia.org/wiki/Tesla%5FAutopilot%5Fhardware?ref=hubwiz.com#Hardware%5F2) 平台并聘请 Andrej Karpathy）到 2024 年（Cruise Automation 关闭）的自动驾驶狂热（泡沫？），几乎与现在生成式 AI 和 AGI 的炒作如出一辙。那些在行业内身居要职、或者知识渊博且声誉良好的人，可以自信地说出某事发生的年份——2020 年或 2022 年或 2024 年——结果却远未发生，然后世界就这么继续前进了。Dario Amodei 关于 AI 编码的失败预测是当前这波生成式 AI 狂热中第一个显著的例子（至少据我所知）。下一个很可能是 Elon Musk 荒谬的 [预测](https://twitter-thread.com/t/1979524628163842463?ref=hubwiz.com)，即下一版 Grok——Grok 5——将成为 AGI 或"与之无法区分的东西"。Grok 5 [预计](https://www.theinformation.com/briefings/elon-musks-xai-delays-grok-5-release-next-year?ref=hubwiz.com) 在 2026 年初推出。

自动驾驶汽车狂热最激烈的阶段持续了大约七年，尽管之前的狂热也有一定基础（例如 Uber ATG 在 2015 年开始研发自动驾驶汽车），并且在某种程度上持续至今。我预计在五到十年内，我们将在生成式 AI 和当前的 AGI 狂热中看到类似的差强人意的结果——相对于当前的期望，虽然在绝对意义上不一定如此。ChatGPT 是一个很棒的搜索引擎，它利用先进的自然语言处理实现了真正的语义搜索，这是谷歌和其他公司长久以来的梦想。根据大多数评价，特斯拉的 Autopilot 和名不副实的"全自动驾驶"软件是出色的高速公路驾驶辅助系统。两者都有真正的创新和真正有用的产品。但是，完全自动驾驶汽车的宏大变革愿景尚未实现，而 AI 知识工作者在未来五到十年内取代人类从事复杂工作的想法也不会在那个时间框架内实现。

## 4、更新（2026 年 6 月 22 日）

2026 年 5 月，Reuters 发表了一篇 [深度文章](https://www.reuters.com/investigations/why-teslas-ai-trainers-dont-trust-its-self-driving-tech-or-its-safety-stats-2026-05-28/?ref=hubwiz.com)，报道特斯拉部署机器人出租车的努力。文章认为特斯拉实际的技术进展远落后于公司的声称。

本月初，Bloomberg 发表的一篇文章（在 [洛杉矶时报](https://www.latimes.com/business/story/2026-06-10/tesla-robotaxis-stall-as-musks-self-driving-hype-hits-real-world-traffic?ref=hubwiz.com) 上联合发表）报道了特斯拉机器人出租车类似的 technical 故障。它证实了 Reuters 文章的主要观点：特斯拉正在努力推出机器人出租车，因为该技术在开放式的现实世界条件下表现不够好。

---

原文链接: [Self-driving cars aren't nearly a solved problem](https://strangecosmos.substack.com/p/self-driving-cars-arent-nearly-a)

汇智网翻译整理，转载请标明出处

> **这是「AI × 工业 / PLC」专题的一部分。**完整地图见：[AI × 工业 / PLC 完全指南](https://www.hubwiz.com/blog/ai-industrial-stack/)