先說最顯然易見的事實，tesla還在準備demo，而waymo以及在好幾個城市對公眾開放，正式運營很久了。
再說兩個tesla信徒的常見理由，最後談技術本身。
（1）tesla信徒的理由一：waymo成本太高，商業化不可行；而tesla成本更低，商業化更有前途
這是沒有理解waymo成本到底高在哪裏，為何降不下來。
阻礙真的是在激光雷達這些硬件嗎？NONO，一個技術一旦普及，硬件成本會迅速下降。18年19年無人駕駛熱潮，各種startup雨後春筍，那時激光雷達的價格以肉眼可見的價格迅速下降，成就了大陸的hesai公司。同時，還有各種新型的固態激光雷達湧現。激光雷達的技術哪怕不再進步，隻要robotaxi真的落地，robotaxi車開始量產，激光雷達這些硬件成本就會迅速下降。
成本降不下去的真正原因，在我看來，還是拿不掉遠程接管團隊。需要維持一支遠程接管團隊，在車遇到困難，卡住時，隨時遠程接管。
這就說到了tesla馬上的robtoaxi發布會，如果有demo的話，根據FSD現在的錯誤率，大概率會有人在遠程死死的盯著，隨時隨地準備接管，哈哈
（2）tesla信徒的理由二：tesla的錯誤率即使比waymo高一些，但隻要比人開車低，就可以了。所以，waymo可靠性上高出來的哪部分不重要。
可惜現有法律監管可不支持這種說法。哪怕robotaxi的統計上的錯誤率比人低，隻要出現一次致命失誤就涼涼。這其實是robotaxi，哪怕是waymo，無法落地的真正原因。
Cruise就是一個很好的例子，被動的卷入一場事故，導致整個公司黃了。當然，其中有部分原因是公司隱瞞不報。反過來說，公司之所以選擇隱瞞不報，也是知道事故的嚴重後果了。也算是無論如何都逃不掉吧。
最後，說技術。
tesla做法，離robotaxi的安全性差的太遠了，具體原因在我之前的21年的視頻裏就解釋過了：
https://www.youtube.com/watch?v=4mi9wfThDgc
當然，最近又了end2end的FSD，給了信徒的信仰充值了。可惜當前FSD的end2end依然遵循的是傳統套路（相對於最近的大語言模型LLM而言）。傳統套路就是perception，後麵接prediction，然後是planning，最後是control。perception是最早用神經網絡的。prediction和planning都是傳統rule-based。後來，prediction可以並到perception裏用神經網絡直接出temporal的車的軌跡，planning有了所謂ML planner。每個模塊都變成神經網絡了，然後所有神經網絡接到一起，就可以end2end訓練了。但實質上還是傳統的那個套路。
同理，沒有什麽技術障礙說waymo的planning不可以用ML planner，waymo不可以end2end 訓練。或許waymo已經用上了，哈哈。
最後，即使是tesla目前的這種輔助駕駛技術，最近兩三年的大語言模型LLM的發展，也給了其他公司趕上甚至彎道超車的機會。大家，我想也包括Tesla，都在研發基於vision-language model的新一代的真正的end2end的solution，讓我們拭目以待，exciting！
最後的最後，即使退一萬步說，tesla真的做出robotaxi了，robotaxi也不會tesla的護城河。因為技術一旦成熟，就會擴散開來，然後被趕上，甚至像電車本身製造那樣被超越。Openai就是一個很好的例子，最早chatgpt技驚四座，現在的大模型遍地開花。
