美智库预言特斯拉十年内退出中国：已踩红线，谷歌就是前车之鉴

爱派的

要么向苹果公司学习建设云上贵州，所有中国区的数据必须在中国境内进行处理；要么向谷歌学习，彻底退出中国市场。

2020年年末，在经历了8年的发展期后，特斯拉终于在中国市场站稳了脚跟。2020年销售保障，在中国电动车市场占比达到21%，仅第四季度就交付18万辆电动车，相对于第三季度数据上涨了30%，可以说是前景一片光明。

但是来自摩根士丹利的分析师亚当·乔司却提出了不同意见，他认为特斯拉在国内的销量在2025年之前将保持增长，5年内到达顶峰。然后迎来断崖式下降，在2030年前中国市场的特斯拉销量将降为0。

被问及原因时亚当表示：车辆质量、售后服务等都是决定车辆销量的重要因素，但不是决定性因素。现在著名的车企都有着大规模召回汽车的黑历史，这没什么大不了的。

但是特斯拉相对于传统汽车，它更像是一台装了轮子的电脑，信息收集能力远超谷歌地图街景收集车。并且特斯拉目前只在美国建设数据中心，对中国数据安全仅做口头保证，这对中国来说是难以接受的。

一直以来特斯拉都坚持使用摄像头作为自动驾驶传感器，在2019年加州的特斯拉公开课上，埃隆·马斯克表示：

基于视觉传感器上发展而来的特斯拉自动驾驶系统，一套底层的逻辑是：当出现自动驾驶系统无法理解的事物时，系统提醒车主手动接管，并且将当前收集到的信息实时上传至位于北美的数据中心。

这些图片将进入特斯拉自动驾驶数据集，增强特斯拉的认知能力，用来优化特斯拉自动驾驶功能。

而返回特斯拉的数据是长这个样子的：

位于车身四周的八个摄像头会无死角地采集周围的信息，搭配高精度GPS以及车载陀螺仪信息，精准的还原当时车辆以及其周边的环境。

这时存在的一个隐患就是，如果特斯拉在道路上瞄到了一眼军用车队，会不会也因为“无法理解”，从而给北美中心反馈回八张带定位的照片呢？

根据2018年11月的数据，特斯拉已经收集了超过160亿公里的车辆数据，其中超过16亿公里都使用了自动辅助驾驶系统。目前特斯拉的自动驾驶程序已经从14年最初的静-动物测量，逐步向细分方向发展。

简单的来说就是特斯拉可以理解马、狗、兔子和袋鼠等概念。对于人类的细分目前停留在年龄和性别等分类上，是否具有基于姿态或面孔数据的身份识别就不得而知了。

归根结底，特斯拉的大部分隐私问题都是来源于，其基于视觉传感器的自动驾驶模式。但是目前特斯拉人工智能和自动驾驶视觉总监 Andrej Karpathy（安德烈·卡帕蒂）表示，车辆是根据人的行为模式设计的，只有视觉这种最接近人感知世界方式的传感器，才能兼容目前复杂的道路环境。

基于激光雷达的自动驾驶回避了视觉认知这个最关键的问题，从而不可能达到L4级别以上的自动驾驶。特斯拉不可能使用激光雷达这种“落后”的技术。

如果将视觉传感器比作人类的双眼，激光雷达系统则更像是盲人手中的导盲杖。激光雷达通过发射激光的反馈来判断光线方向是否有障碍物存在，这种判断不涉及物体具体种类的识别。简而言之一辆静止的装甲车和墙壁对于激光雷达来说并没有什么区别。

这也是为何基于激光雷达的自动驾驶在隐私问题上并没有特斯拉的视觉传感器那么敏感。但是激光雷达作为一种高精度光学构件，其高昂的价格限制了它的发展。

目前看来量产车载激光雷达方面，国内走在最前沿的是华为公司。在已公布的ARCFOX极狐的HBT新车将搭载3颗由华为提供的96线激光雷达。

这款由华为设计开发的中长距激光雷达产品，具有120°x25°的大视角，实现全视野线束均匀分布，可以实现城区新车车辆检测覆盖，并且兼顾车辆高速检测能力，符合中国复杂路况下的场景。

不仅如此，最为关键的是，华为在东莞建设的首条车规级激光雷达试制生产线将激光雷达的成本从几千美元缩减到十分之一，年设计生产能力为10万个。

原本基于视觉的自动驾驶方案特斯拉已经从分庭抗礼，到独自对抗全世界了。在激光雷达成本阻碍被打破了之后，特斯拉面临的压力更加严峻。

目前看来摆在特斯拉面前的只剩下两条路了：要么向苹果公司学习建设云上贵州，所有中国区的数据必须在中国境内进行处理；要么向谷歌学习，彻底退出中国市场。

但是亚当·乔司认为，特斯拉目前在国内营收数据如此亮眼主要归功于“尖端”、“先进”、“高冷”的品牌形象塑造，这也是为何特斯拉保持较高的溢价空间依旧能有不错的销量的原因。一旦特斯拉向具体政策低头，这些品牌形象就很难继续保持。

并且，亚当·乔司透露：目前美国监管当局已经开始着手立法，禁止中国汽车自动驾驶网络在美国运营了，他们无法接受中国人在美国使用AI学习网络学习一些隐私数据。车辆网络没有理由独立于互联网之外，作为对等措施，企业形象还是真金白银？需要特斯拉做出决定的时间不会太远了。

如同特斯拉全球副总裁陶琳说的一般：“特斯拉作为一家在中国开展业务的公司，必须遵守中国的法律法规。”这是确实最基本的要求，希望特斯拉能够说到做到。