过去十年，特斯拉与 Waymo 代表了两种截然不同的技术哲学。特斯拉走「渐进式」路线，从 L2 辅助驾驶起步，通过 OTA 和车队数据逐步升级，坚信纯视觉 + 端到端神经网络能逼近 L4。Waymo 则走「跨越式」路线，直接研发 L4 级无人驾驶，依赖激光雷达、高精地图和模块化系统，在限定区域内实现全无人运营。2022 年 Argo AI 的倒闭曾让跨越式路线备受质疑，但如今特斯拉自身的路线反转——从 L2 升维 L4 变为 L4 降维 L2——意味着两种路线正在合流，而「谁先跑通 L4 模型」成了新的胜负手。

特斯拉 FSD 路线逆转的技术核心是「模型蒸馏」。特斯拉先在 Cybercab 强大的 HW5.0 计算平台（内存超 32GB，算力达 1000 TOPS）上训练超大「教师模型」，再通过蒸馏技术将其压缩成可运行在 HW4 量产车上的「学生模型」。学生模型无法完整保留全部参数，但能继承大部分驾驶决策能力，同时满足车端算力和内存限制。这一做法本质上是将训练平台与部署平台彻底解耦——训练在数据中心，蒸馏后下放给车队。小鹏、理想等国内玩家也纷纷跟进，将云端 720 亿参数基座大模型蒸馏至车端，成为行业共识。

马斯克力推纯视觉方案，称「只有傻子才用激光雷达」，核心逻辑是成本控制——摄像头仅 10 美元，激光雷达动辄上千美元。但反对者指出，纯视觉方案在暴雨、大雾、雪夜等极端天气下识别能力大打折扣，而激光雷达 + 毫米波雷达的融合方案能提供硬安全冗余。小鹏 Robotaxi 选择纯视觉 L4，华为则坚守激光雷达多传感器融合路线。2025 年特斯拉 Autopilot 在暴雨中误判白色卡车的事故，正是纯视觉缺陷的典型案例。两种路线没有绝对优劣，本质是成本与安全的权衡，在安全临界点到来之前，争议不会平息。

特斯拉 Cybercab 计划 2026 年量产，目标年产能 500 万辆，整车成本低于 3 万美元，出行成本降至 0.2 美元/英里。但实际部署进度远慢于预期——截至 2026 年 6 月，全美 Robotaxi 车队仅 59 辆，远低于马斯克承诺的 500 辆。关键变量有三：一是监管，德州已允许无方向盘车辆上路，但加州、中国等核心市场仍受限；二是技术，FSD 仍需解决长尾场景（如铁轨误判、闯红灯）；三是经济模型，当单车运营成本低于有人网约车时，规模化拐点才会到来。行业普遍预计 2028 年前后进入规模化规范阶段，2030 年实现城市级普及。

文章「One More Thing」提到马斯克悄然收购 APR Energy——一家拥有 1 GW 移动燃气轮机发电能力的公司，交易估值超 10 亿美元。这看似与自动驾驶无关，实则揭示了 AI 时代最硬的瓶颈：电力。2026 年全球数据中心用电量预计达 565 TWh，AI 直接耗电接近 270 TWh，GPU 功耗四年翻五倍。马斯克买发电厂，是为了给 xAI 的 Grok 数据中心供电，先烧天然气让算力跑起来，再谈太阳能转型。真正的追问是：当芯片不再是瓶颈，电力成为新的天花板，自动驾驶的「L4 降维 L2」是否也需要跨越能源基础设施的鸿沟？