特斯拉FSD陷信任危机，连参与研发的员工都不愿乘坐
特斯拉一直将FSD定义为迈向完全自动驾驶的重要一步，马斯克也多次公开表示，这套系统的安全性远高于普通人类驾驶。然而，一份来自美国媒体的调查，却让外界重新审视这项技术背后的真实状态。
多名曾参与FSD训练与优化的前员工透露，他们并不愿意乘坐开启FSD功能的特斯拉，甚至有人明确表示，即便获得报酬，也不会体验Robotaxi服务。最值得关注的地方在于，这些人并非普通消费者，而是长期参与系统训练的数据处理人员。
这些员工过去的工作，是逐帧检查车辆摄像头回传的道路画面，识别算法遗漏的目标，再将错误反馈给工程团队。他们亲眼见过系统在真实道路中的大量异常表现，包括无法及时识别人行横道上的行人、靠近儿童时反应迟缓，以及在限速路段出现明显超速行为。
在部分更新版本中，车辆甚至会以远超限速的速度行驶。内部员工认为，这类问题并非偶发现象，而是长期存在的基础缺陷。更令人担忧的是，很多高频风险并未得到优先修复，团队资源反而被投入到少见场景的研究中。
数据统计方式也成为争议焦点。
特斯拉长期宣传FSD比人类驾驶安全数倍，但研究人员发现，企业公开的数据口径与联邦事故统计并不一致。特斯拉主要统计气囊弹出的严重事故，而对照数据却包含大量需要拖车处理的普通事故，两者标准差异明显。
此外，特斯拉对事故归属的定义更加严格。只有在FSD退出后的极短时间内发生事故，才会被计入系统责任范围，而行业常用标准的时间窗口更长。这样的统计方式，会让系统表面上的安全成绩显得更加理想。
部分研究机构重新采用统一标准测算后发现，FSD即便存在一定优势，也远没有宣传中那么夸张。
除了数据争议，Robotaxi项目的演示方式同样受到质疑。
有前员工透露，在公开展示前，运营区域已经经过大量预处理，包括针对固定路口进行重复训练和风险修正。换句话说，系统在特定区域表现稳定，并不意味着它已经具备真正的普适自动驾驶能力。
这与特斯拉过去强调“不依赖高精地图”的路线形成明显反差。业内人士指出，如果系统只能在提前优化过的有限区域内稳定运行，那么距离真正意义上的大规模无人驾驶仍有很长距离。
监管部门也开始持续加压。
美国国家公路交通安全管理局目前已对数百万辆涉及FSD功能的特斯拉展开调查，重点关注闯红灯、逆行、错误变道等问题。部分事故已经造成严重人员伤害。
其中一些事故地点甚至出现多次重复碰撞，暴露出系统在特定复杂场景中的稳定性问题。针对低能见度环境下的自动驾驶风险，监管机构还进一步升级调查等级，重点审查车辆在眩光、扬尘等情况下的警示能力。
与此同时，监管机构要求特斯拉提供事故数据与视频资料时，企业方面多次延期提交，也引发外界不满。
美国国会部分议员公开表示，自动驾驶相关宣传可能存在误导消费者的情况。他们认为，企业长期强调系统安全性，却没有提供足够透明、统一的数据依据。
法律层面的压力也正在增加。此前美国佛罗里达州一起涉及Autopilot的事故中，一名年轻女性死亡，法院最终判决特斯拉支付高额赔偿。另一些涉及FSD的诉讼，也陆续进入和解阶段。
过去几年里，“完全自动驾驶即将到来”一直是特斯拉最具吸引力的技术口号之一。但现实情况显示，自动驾驶远比发布会演示复杂得多。
真正的道路环境里，没有固定脚本，也不存在提前布置好的标准路线。任何一次识别失败，都可能在极短时间内演变成严重事故。
当连长期参与系统训练的人都对它缺乏足够信心时，消费者最关心的问题已经不再是功能是否先进，而是这项技术究竟距离真正可靠还有多远。你认为现阶段的自动驾驶系统，已经足够放心交给普通用户了吗？
