先说最显然易见的事实，tesla还在准备demo，而waymo以及在好几个城市对公众开放，正式运营很久了。
再说两个tesla信徒的常见理由，最后谈技术本身。
（1）tesla信徒的理由一：waymo成本太高，商业化不可行；而tesla成本更低，商业化更有前途
这是没有理解waymo成本到底高在哪里，为何降不下来。
阻碍真的是在激光雷达这些硬件吗？NONO，一个技术一旦普及，硬件成本会迅速下降。18年19年无人驾驶热潮，各种startup雨后春笋，那时激光雷达的价格以肉眼可见的价格迅速下降，成就了大陆的hesai公司。同时，还有各种新型的固态激光雷达涌现。激光雷达的技术哪怕不再进步，只要robotaxi真的落地，robotaxi车开始量产，激光雷达这些硬件成本就会迅速下降。
成本降不下去的真正原因，在我看来，还是拿不掉远程接管团队。需要维持一支远程接管团队，在车遇到困难，卡住时，随时远程接管。
这就说到了tesla马上的robtoaxi发布会，如果有demo的话，根据FSD现在的错误率，大概率会有人在远程死死的盯着，随时随地准备接管，哈哈
（2）tesla信徒的理由二：tesla的错误率即使比waymo高一些，但只要比人开车低，就可以了。所以，waymo可靠性上高出来的哪部分不重要。
可惜现有法律监管可不支持这种说法。哪怕robotaxi的统计上的错误率比人低，只要出现一次致命失误就凉凉。这其实是robotaxi，哪怕是waymo，无法落地的真正原因。
Cruise就是一个很好的例子，被动的卷入一场事故，导致整个公司黄了。当然，其中有部分原因是公司隐瞒不报。反过来说，公司之所以选择隐瞒不报，也是知道事故的严重后果了。也算是无论如何都逃不掉吧。
最后，说技术。
tesla做法，离robotaxi的安全性差的太远了，具体原因在我之前的21年的视频里就解释过了：
https://www.youtube.com/watch?v=4mi9wfThDgc
当然，最近又了end2end的FSD，给了信徒的信仰充值了。可惜当前FSD的end2end依然遵循的是传统套路（相对于最近的大语言模型LLM而言）。传统套路就是perception，后面接prediction，然后是planning，最后是control。perception是最早用神经网络的。prediction和planning都是传统rule-based。后来，prediction可以并到perception里用神经网络直接出temporal的车的轨迹，planning有了所谓ML planner。每个模块都变成神经网络了，然后所有神经网络接到一起，就可以end2end训练了。但实质上还是传统的那个套路。
同理，没有什么技术障碍说waymo的planning不可以用ML planner，waymo不可以end2end 训练。或许waymo已经用上了，哈哈。
最后，即使是tesla目前的这种辅助驾驶技术，最近两三年的大语言模型LLM的发展，也给了其他公司赶上甚至弯道超车的机会。大家，我想也包括Tesla，都在研发基于vision-language model的新一代的真正的end2end的solution，让我们拭目以待，exciting！
最后的最后，即使退一万步说，tesla真的做出robotaxi了，robotaxi也不会tesla的护城河。因为技术一旦成熟，就会扩散开来，然后被赶上，甚至像电车本身制造那样被超越。Openai就是一个很好的例子，最早chatgpt技惊四座，现在的大模型遍地开花。
