特斯拉搞自动驾驶，年头可真不短了。

第一批带“Autopilot”的Model S(图片|配置|询价)出厂，那都是十年前的老皇历了。更先进的“全自动驾驶”（FSD）推到用户手上，也五年有余了。

可这么多年过去，烧了几十上百亿美元，这系统现在咋样了呢？一言难尽。

第三方数据说，最新版FSD每开493英里就得需要一次关键的人工干预。但这数据可能还太乐观了——因为数据同样显示，FSD的车主们根本信不过它，使用率只有可怜的15%！

再看看它在美国最近悄悄上线的Robotaxi服务，没几天就被拍到多次公然违章、危险驾驶。感觉特斯拉就像在撞南墙，咚，咚，咚……听着都疼。

肯定有人觉得，再给点时间，FSD总能兑现承诺吧？

但OpenAI近期的一篇研究论文，可能要把这最后的幻想也给戳破了。

OpenAI这家公司，除了搞砸你的饭碗、用AI垃圾污染互联网、吹起一个要命的经济泡沫之外，它内部其实也有一帮顶尖AI科学家在干正事儿——做些 brilliant 的研究。

有意思的是，他们最新的论文，可能就是戳破AI泡沫的那根针。

这帮科学家想解决的问题，是阻止AI“幻觉”（hallucinate）。

我特别讨厌这个词。它给一台冰冷机器的错误披上了拟人化的外衣，强化了某种大众的“脸盲式精神病”，让我们误以为这坨概率机器真有智能。

比方说，METR就发现，AI编程工具反而会拖慢开发者进度，因为它们总会犯一些重复且诡异的错误（“幻觉”），导致程序员花在调试上的时间比自己写代码还长。

如果AI公司没法根除这类错误，他们的工具就是废物，他们的生意也就一文不值。

而OpenAI这篇论文的结论，堪称毁灭性。它证明了，“幻觉”是生成式AI技术的核心特征，无法通过简单堆砌更多数据和算力（这正是OpenAI和整个AI行业当前的策略）来修复或降低到理想水平。

其实这没啥好惊讶的。生成式AI本质就是个“概率引擎”，它不是个会思考的东西。所以，它永远有一定概率犯错。论文里还有个更讽刺的发现：那些号称更聪明的“推理模型”，通过把你的问题拆成好几步来试图得到更准确答案，结果反而让“幻觉”更严重了！步骤越多，出错的机会就越多。

关注AI圈的人早该看出苗头了。什么“高效计算边界”（Efficient Compute Frontier），早就预言了AI的投入产出比会急剧下降。

那么问题来了：这跟特斯拉的FSD有半毛钱关系？

关系大了去了。

你可能没意识到，特斯拉的FSD，本质上就是两个生成式AI在套娃干活。

它从摄像头（并且只有摄像头）获取图像，先用AI计算机视觉生成一个周围环境的模型，然后把这个模型喂给另一个自动驾驶AI，再由这个AI来生成控制车辆的命令。

顺便说一句，FSD正好印证了我对“AI幻觉”这个公关术语的鄙视。当FSD搞砸时，我们从不叫它“幻觉”，因为后果是撞车或违章——这种后果我们可不想拟人化——所以我们直接管它叫错误。

但你看明白了吗？FSD就是两个完全没有保障的生成式AI模型在搭伙过日子。这整套系统都建立在一个完全错误的假设上：生成式AI能达到近乎100%的准确和零错误。系统里根本没有识别和纠正这些错误（“幻觉”）的机制。

几乎其他所有做自动驾驶的公司都明白这个道理。

所以它们会用多种传感器，跑好几个AI系统，并给AI加上各种行动约束来规避错误。

激光雷达（Lidar）、雷达（Radar）和超声波传感器用来交叉验证和纠正计算机视觉对世界的理解。

独立的系统会处理雷达和超声波数据，探测潜在碰撞风险，并在必要时越过AI直接刹车防止事故。

GPS数据和高精度3D地图不仅帮AI理解该做什么，更限制了它可能做的傻事。

虽然这些冗余系统还不足以让自动驾驶比人更安全，但确实能拦截和化解几乎所有的AI错误（“幻觉”）。

特斯拉以前也干过类似的事，2022年之前的车也配有雷达和超声波传感器。虽然那也不够拦住大部分错误，但好歹算个安全裤。然而，马斯克不顾工程师反对，强行让特斯拉转向了纯视觉方案。

这就好比别人都在用“五重确认”，特斯拉偏要“我猜我看就行”。

这就是为什么说FSD是条死胡同。

它的整个概念、架构、设计哲学和发展路径，都押注在“生成式AI很快就能近乎100%可靠”这个海市蜃楼上。马斯克本人也多次暗示，他们只需要更多数据就能让FSD变得坚不可摧，特斯拉从车主那里收集的海量数据将帮助他们抵达彼岸。

OpenAI的这篇论文，就像一枚“星舰”形状的炮弹，把这个叙事炸出了一个无法弥补的大洞。

这对特斯拉的未来意味着什么？FSD本是它未来的全部想象。

这对马斯克领导力的可信度又意味着什么？特斯拉的全部估值，都建立在“他懂AI”这个假设之上。

剩下的，就不用我多说了吧。