物界前沿当一辆车只跑你需要的路，才是真正的无人驾驶
特斯拉最近曝光的FSD研发逻辑，让我想起了医疗AI落地时一个老生常谈的悖论：最全能的产品，往往不是最实用的产品。Cybercab先用完整版FSD，量产车跑精简版——这个策略背后，藏着一个产品经理最熟悉的词：场景化裁剪。但问题来了，为什么要让Cybercab先“吃螃蟹”？量产车用户难道不配拥有完整版吗？
从“全栈”到“全场景”的认知跃迁
很多人以为特斯拉FSD是一个统一的软件包，HW4量产车和Cybercab跑的是同一套代码。但逻辑恰恰相反：特斯拉正在把自动驾驶系统拆成两个版本——一个是为RoboTaxi设计的“全功能版”，另一个是为私家车定制的“体验版”。前者追求L4级别的安全冗余，要跑通所有Corner Case；后者追求的是用户在日常80%场景下的流畅体验，剩下的20%由人类接管。
这种分化在医疗AI领域早已有之。我们做肺结节检测时，给三甲医院放射科的产品是“全量版”，能识别微小结节、给出测量、动态随访、文本报告全自动生成。但给基层医院的产品是“精简版”，只保留敏感度最高的结节检出和结构化报告，因为基层医生不需要复杂量化，他们只想快速知道“有没有问题”。如果强行把全量版塞给基层，结果就是功能太多、培训成本高、医生反而不敢用。
特斯拉的做法本质一样：量产车用户不是专业司机，他们不需要FSD处理所有极端场景。一个更稳定、更自然的“辅助驾驶”体验，远比一套偶尔出错的“完全自动驾驶”更能赢得口碑。而Cybercab是无人运营的，一旦出错就是事故，所以必须跑完整版，哪怕系统偶尔显得“笨拙”或“保守”，也比激进驾驶导致事故要好。
训练数据的分流：谁在喂饱FSD？
另一个关键点是：量产车用户实际上在“养”Cybercab。特斯拉公开的秘密是，所有搭载HW4的量产车都在收集边缘案例数据，尤其是那些人工接管的时刻。这些数据被用来训练Cybercab的完整版模型，而精简版模型则直接从完整版中蒸馏（Distillation）出来。
从产品逻辑看，这是一个极其聪明的“飞轮”：量产车用户为训练付费（以数据形式），Cybercab为用户提供商业回报（以无人出租车服务形式），而精简版FSD则作为对量产车用户的“奖励”不断升级。但这里有一个潜在的伦理问题——量产车用户是否知道自己在当“小白鼠”？特斯拉的免责条款里写得很清楚，但用户感知不强。在医疗AI里，我们绝对不敢让患者“用数据换功能”，这是红线。
不过从商业价值看，这种做法无可挑剔。特斯拉不需要单独组建一支测试车队，它拥有全球最大的“影子模式”车队，而且这些车是用户自己买的。成本几乎为零，数据量却碾压所有竞争对手。Waymo还在用几百辆改装车在几个城市跑测试，特斯拉已经用数百万辆量产车跑完了全球路况。
精简版FSD的“够用”哲学
很多人担心精简版会阉割功能，但我认为恰恰相反。精简版的核心不是砍功能，而是砍“不确定性”。比如，完整版FSD可能会在无保护左转时犹豫三秒，因为它要计算所有可能的碰撞风险；但精简版会直接给出一个“建议接管”的提示，让人类来做最终决策。这种设计在用户体验上更友好，因为人类司机讨厌系统“犹豫不决”——他们宁愿自己来。
从产品经理视角，功能优先级排序必须基于用户场景。对于量产车用户，最核心的场景是高速公路巡航、城市道路跟车、自动泊车，而不是在旧金山的复杂路口无人掉头。精简版如果能把这几个场景做到95分，比完整版在100个场景里做到60分要强得多。这让我想起医疗AI里一个经典的失败案例：某公司做了一款“全科医生助手”，能识别几百种疾病，但每种准确率都只有70%。结果是医生根本不信任，还不如让我只做“肺炎诊断”一个功能，准确率做到99%。
趋势预测：未来三年，自动驾驶将彻底分裂为两个物种
我的判断是，到2025-2026年，我们会看到两条清晰的自动驾驶路线：一条是“RoboTaxi专用系统”，追求无人化、高冗余、高成本，典型如特斯拉Cybercab、Waymo；另一条是“人类增强系统”，追求辅助驾驶、人机共驾、低成本，典型如特斯拉量产车FSD精简版、华为ADS 2.0。这两条路线将不再兼容，因为硬件成本、软件架构、安全标准都完全不同。
对消费者而言，这意味着不必再幻想“买了车就能升级成无人出租车”。你的车永远只是你的车，它不会自动跑出去接单赚钱。但好消息是，精简版FSD会越来越便宜，体验越来越好，因为它只做你真正需要的事。对特斯拉而言，这个策略让它在两个市场同时下注——既不会错过RoboTaxi的万亿级市场，又能用量产车继续收割现金流。而所有试图用一个版本打天下的竞争对手，要么成本失控，要么体验稀烂。这或许就是产品经理眼中“场景化”的终极胜利。
