特斯拉用了一个神秘的方法收集道路数据，这个方法把特斯拉的竞争优势给大大提升了。2025年，他们只用30亿英里的真实道路数据，就超越了Waymo二十年的数据总量。因为每天有几百万车主开车，特斯拉就偷偷地把这些数据都给收集起来。AI助手专门负责处理这些数据，然后通过OTA给汽车系统升级。但这样做也有个问题，就是法律合规性一直不太清楚。加州DMV要求自动驾驶测试要报备具体路线和时间，可是特斯拉的测试没有固定路线，也没安全员守着。而且发生事故时，到底是车主的责任还是AI的错也很难说清楚。和传统路测相比，特斯拉的模式成本极低。Waymo每测试一英里要花费10美元成本，而特斯拉的这种模式几乎是零成本。但是这种模式有个致命弱点就是数据质量不好。车主开车时吃汉堡、故意测试系统极限等等行为都会产生很多噪声，工程师们要花70%的算力来清洗这些数据。还有一个问题是数据维度单一化，特斯拉的数据大多来自日常通勤场景，这样他们的系统在旧金山这样的陡峭坡道上就容易失灵。 佛罗里达平坦公路上的行驶数据对特斯拉的AI来说，并不足够教会系统应对九曲花街那样的急转弯。奔驰最近也宣布要学习特斯拉这种模式，用新款EQS车主收集数据来进行测试；不过Waymo坚持认为没有质量控制的道路数据比垃圾还危险。加州立法机构已经成立了特别小组来讨论如何监管这个新模式；马斯克在财报会议上强调安全问题时提到“极度偏执”，他可能是在暗示一个残酷的现实：特斯拉正在用公共道路做一个史无前例的开放式实验。监管机构现在面临着一个艰难选择：是为了创新给更多自由空间还是为了安全建立更严格的规则？这个问题可能决定未来十年自动驾驶行业的走向。