# 马斯克 Ark Invest 2019 完整专访音频：Tesla、自动驾驶与比特币
> 
- 原标题：Elon Musk's Full Interview with Ark Invest 2019, Audio   Tesla, Autonomous Cars and Bitcoin
- 时间：2019 年
- 频道：Billionaires Note
- 网页版：https://elon.ruinews.com/ep/elon-musk-s-full-interview-with-ark-invest-2019-audio-tesla-auto/
- 精读字数：约 6098 字（阅读约 14 分钟）
> 本文为 elon.qiaomu.ai 基于原始视频与文稿的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。
2019 年，ARK Invest 的三个人坐在弗里蒙特（Fremont）工厂里，问马斯克一个略带挑战意味的问题。分析师 Tasha Keeney 把他 2013 年说过的话翻了出来：自动驾驶最后 10% 极其困难，必须始终留一个人在环里。她想知道是什么让他改变了主意。

马斯克的回答是，他没有改变主意。

**最后 10% 依然极其困难，最后 1% 更是如此。**他改变的是「完成」这个词的定义。

这场对话由 ARK Invest 录制，是他们播客 FYI（For Your Innovation）的一期。主持人是 ARK 创始人 Cathie Wood（当时还叫 Kathy Wood）和分析师 Tasha Keeney。整场访谈可以切成三块：产能与指数增长、自动驾驶的技术路线、以及最后突然聊起来的比特币。

信息密度最高的部分集中在自动驾驶。马斯克在里面讲清楚了几件事：他为什么认定激光雷达是死路，为什么纯视觉方案够用，为什么别人的自动驾驶会卡在局部最优，以及他凭什么敢说特斯拉的真实道路数据比同行多出一百倍。

## 2023 年 2600 万辆电动车，他觉得这个数字八九不离十

访谈从电动车的销量预测开始。ARK 有一个自上而下的模型：如果只看电池成本的下降曲线，加上电池包系统和新化学体系的改进，考虑到需求的价格弹性，全球电动车销量会从 2018 年的 130 万辆涨到 2023 年的 2600 万辆。五年，二十倍。前提是电池产能跟得上。这个数字大概是当年全球汽车总销量的三分之一。

马斯克的评价很直接：

> 「自上而下这么算，听起来差不多。你可能差个一两年，但差不了太多。」（马斯克）

ARK 自己的自下而上模型反而要保守得多。他们给特斯拉算的是那一年卖 160 万辆，据此得出一个熊市到牛市的目标价区间，每股 700 到 4000 美元。Tasha 当场承认，160 万辆这个假设看起来越来越站不住脚了，因为特斯拉领先其他车厂和科技公司的距离太大。

马斯克接过这个话题，讲了一段关于指数曲线的常识。

2017 年他被骂得很惨，原因是交付量不够。他的解释是，那一年还处在指数爬坡的起点，曲线下方的面积很小。等到曲线真正陡起来，底下的面积会大得吓人。**问题在于大部分人是用线性方式思考的。**

> 「我一直在说这件事，但人们不理解指数是什么意思。去年我们基本上把全球保有量翻了一倍，因为累计产量差不多等于公司历史上造过的所有车的总和。你拿线性去外推，那当然是不可能的。」（马斯克）

他顺手举了个更容易理解的例子。2018 年特斯拉冲到每周 5000 辆的峰值产能，比他最初的估计晚了大约六个月。在宏大叙事里，一个全新车型项目晚半年，真的不算什么。但媒体报道是按百分比来算缺口的，于是六个月的时间平移被描述成了一场巨大的失败。

同一个道理反过来也成立：**在指数曲线上，日历时间挪动半年到一年，百分比差异会大得离谱。**所以他对未来的猜测必须带上误差范围。半年和一年的区别，在指数曲线上可能是五倍的差距。

他自己给出的猜测是：2021 年特斯拉 150 万辆，2023 年如果电池成本下降的判断成立，全行业 2600 万辆不是没可能。他还补了一句关于中国的判断：**特斯拉在中国大概能卖到 300 万辆。**

顺带他解释了一个容易被忽略的口径问题。所谓的「周产 5000 辆」是峰值产能，不是季度平均。把公共假日和设备检修算进去，一个季度的平均产能大概是峰值的 80% 到 85%。媒体拿峰值当成平均值去倒推季度交付，误差自然就出来了。

访谈开头还有一小段关于资本市场的讨论。Cathie Wood 说 ARK 成立的动机之一，是创新在公开市场被系统性地错误定价，而大型资产管理公司已经开始跑到 pre-IPO 阶段去找创新。她感谢马斯克没有把特斯拉私有化，因为要享受指数级增长，就得留在公开市场里快速扩张。马斯克没在这上面纠缠，很快把话题带回了产品。

## 「功能完备」和「能睡觉」之间，隔着无数个 9

回到 Tasha 那个问题。马斯克说，他依然认为最后那一点点极其困难，但他对 2019 年有一个明确的判断：

> 「今年我们会实现功能完备的全自动驾驶。意思是车能在停车场找到你，接上你，一路把你送到目的地，全程不需要任何干预。今年，我对这一点是确定的，这不是一个问号。」（马斯克）

紧接着他做了区分，这段区分值得单独拿出来说。**功能完备只是第一层。**

第二层是可靠性。功能齐了之后，剩下的工作是沿着「9 的个数」往上爬。两个 9 是 99%，三个 9 是 99.9%，每多一个 9，事故率就下降一个数量级。要几个 9 才算够，是个工程和统计问题，也是一个成本问题。每多一个 9，需要的真实里程数都在翻倍，而这些里程只能靠车队一台一台车跑出来。

第三层是监管。监管机构什么时候认可这个可靠性水平，允许多少人在什么条件下使用，这不在特斯拉的控制范围内。

三层拆开之后，时间表就清楚了。功能完备在 2019 年，这一点他反复说自己能控制，因为他每周都直接盯着 Autopilot 的工程细节。至于什么时候普通人可以「上车睡着，醒来到站」，他的猜测是：

> 「我猜大概是明年年底。我认为那时候安全性已经足够了。但监管什么时候同意，我不知道。」（马斯克）

2019 年底，那个「功能完备」并没有如期发生。这是后话。**但如果你把他自己讲的「9 的个数」套回去，就会发现这个延迟根本不意外**，因为功能完备只是爬坡的起点，真正消耗时间的是后面每一层 9。他自己在访谈里就把答案说出来了。

## 监管这件事，中国比欧洲更懂技术

Cathie Wood 追问了一句，你觉得中国会先同意吗，那些市长和监管者看起来挺懂技术的。

马斯克的评价相当正面。他说中国的监管者非常有想法，也相当聪明，一路上打交道下来感觉很好。美国联邦层面同样不错。加州有时候会过度热情（overzealous）。欧洲偏保守，节奏慢一些。

但他也把话说得很清楚：**监管基本没有卡住特斯拉。**欧洲对导航式 Autopilot 的批准预计下周就能下来，这类事情在宏观视角下都是微不足道的延迟。全世界只有少数几个辖区格外保守。

监管愿意听什么？马斯克的答案很朴素：数据。你说自己有一台很快的电脑，一切都会好用，这只是个声明。你拿出几十亿英里的行驶数据，摆出事故率和干预率，证明不开 Autopilot 反而更不安全，这才是能谈的东西。他说到这个结论时用了一个词：无可辩驳（unequivocal）。

主持人提到一个细节。在 Autopilot 涉及的第一起致死事故之后，监管机构看完数据，态度反而朝特斯拉这边偏了。马斯克承认存在一种现象：人会过度信任这套系统。所以每开启一次，车都会提示必须看着路、手必须放在方向盘上。手离开太久，车会先报警，然后自动减速。

## 数据护城河：几百万个你想象不到的怪场景

关于数据，Tasha 问的重点在质量，不在数量。马斯克说，质量的优势来自一个别人很难复制的东西：**干预数据。**

每一次有人从 Autopilot 手里接管方向盘，这次干预的信息都会被保存并上传。系统不知道是哪台车，也不知道驾驶员是谁，没有任何个体归因，只知道「这里发生了一次接管」。然后工程团队去看要修什么才能消除这次接管。这个设计同时解决了两件事：数据能拿到，隐私不用碰。

他提到，现在已经开始做到不太需要人工标注了。人在路口怎么开，本身就是标注。

> 「有数以百万计的边缘场景，奇怪到你无法相信。不同国家的道路规则不一样，人们的预期也不一样。雨、雪、雨夹雪、冰雹、飓风、洪水、火灾、烟雾、沙尘，全都有。而我们的车几乎跑遍了所有这些环境。」（马斯克）

还有一类更麻烦的场景：规则本身被破坏了。施工路段的人可能摆错了牌子，锥桶没放，路面上突然出现一个大坑，或者一个从没见过的物体横在路中间。

数量级是这样的：特斯拉的真实道路里程比任何同行都多得多，可能是所有人的一百倍。主持人提到其他公司加起来大概占 5%，马斯克说，更接近 1%。数据量随车队规模增长，而车队规模在指数增长，所以这个差距会越拉越大。

## 激光雷达为什么是死路：局部最优 vs 全局最优

主持人们抛出了他们在研究 Waymo 和 Cruise 时的困惑。那些公司用的是确定性、规则化的方法，而特斯拉用的是概率性的深度神经网络。**区别到底在哪里？**

马斯克的回答毫不含糊：

> 「本质上是启发式的方法，会把你带到一个能力的局部最优，而不是全局最优。你必须用足够复杂的神经网络才能达到全局最优。这就是为什么他们依赖激光雷达是不明智的。它能带你走一段，然后就没了。一堆 if-then-else 语句加上激光雷达，解决不了这个问题。忘了它吧，游戏结束。你必须解决视觉感知，也就是理解。视觉解决了，其他什么都不需要，不需要任何别的传感器。」（马斯克）

他给的参照物是人类自己。人开车靠的是两只成像质量相当一般的眼睛，装在一个转速很慢的云台上。职业司机几乎不出事故。**如果几亿年进化出来的生物视觉够用，工程视觉就没有理由不够用。**

这里藏着技术路线的分岔。规则化方案在早期看起来进步飞快，因为每一个能想到的场景都可以手写一条规则。但规则的数量会随着长尾场景的暴露而指数膨胀，最终撞上维护成本的天花板。神经网络在早期笨得让人绝望，但它的上限取决于数据和算力，而这两样都在指数增长。起点高度和爬升斜率，是两件完全不同的事。

## 自研芯片：三年前立项，提升 2000%

访谈里马斯克提了一件他觉得外界重视不够的事：特斯拉的自动驾驶 AI 芯片要量产了。所有订购了全自动驾驶（FSD）的车主会免费拿到这块板子。

性能对比很夸张。相比之前用的英伟达系统，他说提升了一个数量级，实际数字大概是 2000%。主持人补了一个外部佐证：一位在英伟达做了九年深度学习的分析师，看完参数后认为特斯拉至少领先同行三年。

为什么要自己做芯片？马斯克讲了电子游戏的那个老道理：**软件和硬件必须配套，再聪明的软件也没法在一台过时的硬件上跑出今天的画面。**神经网络也一样，模型规模和硬件吞吐互相锁死。

当时的限制很具体。系统每秒大概能处理 100 帧，为了塞进算力预算，必须对画面做裁剪、变形，不能所有摄像头都跑全分辨率。换成新芯片之后，所有摄像头、全帧、全分辨率，算力还有富余。

用老硬件能不能做到全自动驾驶？他说原则上可以，但软件问题会难得多的多，因为你得不停地做算力取舍、玩各种技巧。硬件的余量，本质上买的是软件的自由度。三年前立项做芯片，赌的就是这个自由度迟早会成为瓶颈。

至于安全性的差距，他给了两个粗略的数字。用旧硬件硬啃，大概只能做到比人类安全一点点；换上新硬件，安全性可能到 1000% 的量级。这台机器还在不断学习，所以数字会继续变。

## 铺开路径：先高速，再路口，再一个国家一个国家

Waymo 那种打法是一座城市一座城市地开，带着地理围栏。特斯拉走的是另一条路。

顺序是从高速公路开始。原因有两个。第一是收益最大，堵车和走走停停最折磨人，高速上开 Autopilot 的体验差异最明显。第二是危险最大，高速上的事故速度更高，致死风险更大。

马斯克自己就是用户。他会为了能用上 Autopilot 而选择绕高速，哪怕那条路更长。他甚至还说自己已经不用 Waze 了，因为穿一堆弯弯曲曲的小街，精神开销太大，不如在高速上坐着。

下一个战场是路口。识别停止标志和红绿灯在开发层面已经不是问题，难的是歧义：一个复杂的路口有七八个灯，到底该看哪一个，人类司机有时候也说不清。

这一步会先在美国跑通，然后往其他地区移植。欧洲高速的样式差别很大，得一个个处理角落案例。**挪威是优先项，因为那边的车主多。**接下来是荷兰、德国、瑞士。

## 要不要开放给别的车厂：可以，但别改需求

Cathie Wood 问了一个开放平台的问题。马斯克的态度是这样的：

传统车厂并不容易合作。首先，没人真的在门口排队。特斯拉开放了专利，但真正用起来的人不多，这和提供一整套集成系统是两码事。如果有车厂愿意原封不动地用特斯拉的硬件加软件，特斯拉很开放。问题在于，对方坐下来谈的第一句话通常是「我们想改这六件事」。

> 「那样会严重拖慢我们。你想用一模一样的东西，没问题。但你不想用一模一样的东西。用超充网络、用 Autopilot 都可以，前提是别给特斯拉的工程团队增加大量额外负担。」（马斯克）

## 比特币：结构精妙，但太耗电

访谈最后几分钟，话题突然拐到了加密资产。Tasha 说这事儿最近老上新闻。

马斯克讲了个小插曲。推特上冒充他的以太坊骗子太猖獗，他回应了一下，结果账号被自动规则封了，大概是因为涉及比特币交易的判定。

他对技术本身评价不低。比特币的结构相当精妙，他有些深度参与加密的朋友，以太坊那套设计也有可取之处。**但他不确定特斯拉把资源投进加密是不是个好主意，因为公司的使命是加速可持续能源的到来。**

> 「我认为加密的一个缺点是在计算上非常耗能。这本身就会成为创造加密货币的一种约束。就现在这个阶段，挖出增量比特币极其耗电。」（马斯克）

Cathie Wood 从另一个角度补了论点。比特币网络上流转的交易额是万亿美元级别的，只是大家看不见。这些交易里没有披萨，也没有可乐，全是企业对企业。在非洲，把一种本国货币换成另一种的成本高得离谱，必须先换成美元。对他们来说，加密货币就是「跑在 IP 上的钱」，是免费的价值传输，还能绕开货币管制。

马斯克的回应很有意思。他没有反驳，而是把视角拉到更远：

> 「纸币是会消失的。加密是比纸片好得多的价值转移方式，这一点毫无疑问。当然有利也有弊。」（马斯克）

主持人最后确认了一句：特斯拉不会开始卖比特币吧。答案是，不会。

## 这场访谈里真正能拿走的东西

把整场对话拆开看，马斯克反复在做同一件事：**把「某件事什么时候发生」拆成「哪些部分我能控制，哪些部分我控制不了」。**

产能是可以控制的，所以他敢说 5000 辆每周；技术功能完备是可以控制的，所以他敢说 2019 年；用户行为和监管批准是控制不了的，所以他给的是猜测，而且提前把误差说明白。他唯一没料准的，是爬完那些 9 需要多久。

另一个反复出现的判断标准是上限。启发式加激光雷达能快速做出漂亮的演示，但天花板很低；纯视觉加神经网络起手很笨，但天花板取决于数据量和算力，而这两个变量都在指数增长。**选路线的时候，起点的高度不重要，斜率才重要。**

做技术、做投资、做产品的人，这场 2019 年的对话有几条可以直接拿来用的判断方法：

- 听到任何关于自动驾驶的进展，先问它的数据闭环是怎么建的。是人工标注的规则库，还是真实干预数据的自动回流。前者会随长尾场景膨胀而崩溃，后者随车队规模扩大而变强。
- 判断一家公司有没有被算力卡住，看它的软件里有没有大量裁剪、降采样、分时复用的技巧。有，说明硬件是瓶颈；没有，说明还有余量。
- 看到指数型业务的预测，把日期当成区间读，把数字当成条件句读。凡是没写「如果电池产能跟得上」「如果监管批准」的预测，都可以直接打折。
- 自己给团队定目标时，学他把交付物拆成三层：功能做完、可靠性达标、外部批准。混在一起报一个日期，最后一定是信任受损。
- 评估技术路线别只看谁的演示更惊艳，要看谁的上限受物理定律约束、谁的上限受工程投入约束。受工程约束的那条路，长期一定能走通。
- 用「9 的个数」来提要求。问对方现在是两个 9 还是三个 9，比问「离全自动驾驶还差多久」有用得多。

最后一条值得单独说。他在这一个小时里说了好些现在回看已经不准的时间点，但同时他也把不准的原因讲清楚了。**预测错了不稀奇，讲不清为什么可能错，才是真的问题。**
