# 马斯克无滤镜访谈第3部分（花絮）
> 
- 原标题：Elon Musk Unfiltered: Interview Part 3 (Bonus Material)
- 时间：2022 年
- 频道：Tesla Owners Silicon Valley
- 网页版：https://elon.ruinews.com/ep/elon-musk-unfiltered-interview-part-3-bonus-material/
- 精读字数：约 6978 字（阅读约 16 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。
一辆二手的特斯拉 Roadster 正飘在地球和火星之间的轨道上，驾驶座坐着一个穿宇航服的假人，仪表盘上还粘着一个更小的假人，尺寸跟火柴盒差不多。这两件事都不是公关公司策划的。

2018 年 2 月，猎鹰重型（Falcon Heavy）首飞。按行业惯例，新火箭第一次上天不会装贵重卫星，只会塞一块混凝土配重，因为没人愿意拿几亿美元的载荷去赌一枚还没飞过的火箭。马斯克觉得这事太无聊了。

## 首飞放什么？别人放混凝土，他放自己每天开的车

他当时的原话大意是，放块混凝土太没意思了，得加点料。这个念头是在朋友家的厨房里定下来的。那位朋友是乔纳森·诺兰（Jonathan Nolan），写《蝙蝠侠：黑暗骑士》和《西部世界》的那位。诺兰建议他放一辆特斯拉进去，马斯克说行，车库里就有一辆，直接拿来用。

被送上天的这辆车不是一号车，也不是什么收藏级样车。按他自己的说法，序列号大概在一千五百号左右，就是他在洛杉矶日常代步的那辆。如今它绕在太阳轨道上，轨迹会经过地球和火星附近，谁都能查到它在哪。

车上还坐了个人。马斯克的说法很直白，光放辆车太空了，总得有人开，于是有了那个叫 Starman 的假人。再后来，一位叫诺拉的朋友提议，在仪表盘上放一个火柴盒大小的特斯拉模型，里面再塞一个迷你版 Starman。他也照做了。

他顺带讲了个笑话：等外星人哪天发现这辆车，大概会推断人类极度崇拜这个东西，所以专门做了个小的复制品摆在旁边。就像人类挖到古代文明的遗物，总倾向于解释成神殿、祭坛、祭祀用具，也许真相只是个普通人家的日用品，没那么庄重。

发射前他对成功率的估计并不高。猎鹰重型有三枚助推器、二十七台梅林发动机，同步点火这件事本身就有太多出错的可能。他当时的反应是：能飞起来简直不可思议。

## 汽车公司每时每刻都在往破产的方向跑

访谈现场有位车主提问，他在 Turo 上出租自己的八辆特斯拉，问特斯拉内部有没有团队在做车辆共享，因为 Model Y、Cybertruck 在共享场景下看起来比别家更适合。

马斯克的回答很干脆：过去几年特斯拉的注意力根本不在共享上，而在怎么让工厂继续转。

> 你可以把任何一家汽车公司想象成每时每刻都在朝破产狂奔，你要做的就是想尽办法别让它跑到那儿。（马斯克）

这句听着像玩笑，往下听会发现是 2022 年的实况。供应链中断一个接一个，缺一个零件，整条产线就停，全世界的仓库里堆满半成品，车造不完也发不出去。过去两年对他来说是彻头彻尾的噩梦。

他点了几个具体卡点。2022 年春天上海的封控让上海工厂停摆；奥斯汀这边在爬 4680 电池和结构化电池包的产能；更荒诞的是，用来生产 2170 版本车型的产线工装卡在中国港口，没人能把它运出来。工厂在，工装在海上，产能自然上不去。

柏林和奥斯汀两座新工厂被他形容成两个巨大的焚钞炉。现场有人接话说那像垃圾桶着火，他纠正说垃圾桶太小了，那是超级工厂级别的火。大量支出，几乎没有产出，每天在烧几十亿美元量级的钱。

他还补了一句常被忽略的事实：把一座工厂推到高产能，比当初把它建起来更费劲。建厂是施工问题，爬产是无数个零件、供应商、工艺参数同时收敛的问题。

关于共享，他的判断是自动驾驶会把这个问题整个抹掉。真到全自动驾驶那天，车队的调度、清洁、维修、充电会变成另一门生意，人可以管几十辆车，像放牧一样照看一群车，而不是自己握着方向盘接单。至于中间态，他没兴趣投入工程资源。

## Model 3 不会有 Plaid 版，S 和 X 是感情分

有人问，会不会出 Plaid 版的 Model 3。他的回答只有一个词：不会。

理由是复杂度。特斯拉内部把“给自己加复杂度”称为最大的敌人。再多一个高性能变体，意味着多一套验证、多一条产线、多一堆售后问题，收益却不成比例。

Model S 和 Model X 今天还在生产，他承认这不是因为它们能赚大钱，更多是感情因素。这两款车满产也就十万辆一年。Model 3 和 Model Y 两年内会到两百万辆以上，乐观估计三到四百万辆，差着一个数量级。

他给了一条经验法则：价格翻倍，买得起的人会少掉一个数量级，远不止减半。所以高端车型的天花板从来不在性能，在钱包。

## 媒体为什么敢骂特斯拉，不敢骂通用

话题转到公关。有车主问，普通人能帮上什么忙。马斯克的回答绕到了广告这门生意上。

传统媒体的收入里，汽车广告占很大比重，甚至常常是最大的一块。通用汽车在报纸上投广告，报纸转头写一篇通用的负面报道，广告主一个电话打过去，明年的预算就没了。不需要谁下命令，编辑心里清楚谁在付工资。

特斯拉不投广告，于是在这门生意里成了唯一可以随便打的靶子。他形容 2017 到 2019 年那段时期，媒体的负面报道像不间断的水流，标题从“特斯拉是骗局”到“特斯拉要完”，三年没停过。

结果销量一路涨。

他的结论有点反常识：那就继续骂吧。因为大多数人根本不读正文，只扫标题，而标题带来的曝光本身就是价值。他自己也承认，一周之后你大概只记得在某篇报道里看到过特斯拉，具体写了什么完全想不起来。

被问到要不要干脆开始投广告，他的态度是犹豫的。这事在原则上让他不舒服，但从纯商业角度看，确实是一个可以打的选项。

## 点开链接，撞上付费墙，然后彻底放弃

顺着媒体的话题，他吐槽了付费墙，语气明显带情绪。

点开一条新闻链接，页面提示订阅；订阅流程有十几页，要填一堆个人信息；填完了还老忘密码；在 Twitter 内置浏览器里打开，登录状态不生效，得跳到外部浏览器，再跳回 App。他自己订了《纽约时报》和《华尔街日报》，从 Twitter 点进去照样被判定为未订阅用户。

他给的方案是按篇付费。一篇文章十美分、二十美分，点一下就能读。这个模式在音乐行业早就跑通了，一首歌按播放次数结算，没人为了一首歌买下整个曲库。

媒体这边，这笔钱是增量收入。绝大多数点进费城问询报某篇现场报道的人，本来永远不会订阅，但那条新闻只有他们家的记者在现场，其他媒体都在转载。这些人不订阅，却被硬生生挡在门外，双方都亏。

他还抛了一个更大的想法：Twitter 应该介入这一层。用户在 Twitter 里订阅内容，点开链接直接能读，体验统一，媒体拿到分成。他甚至建议，西方干脆把微信抄一遍。

> 微信是个了不起的产品，你用它可以聊天、付款、做几乎一切事情。中国之外没有对等的东西，那就照抄好了。（马斯克）

## 日本一年少了六十万人，政策改了也没用

访谈中间有段跑题跑得很远，但信息量不小。有位车主说自己生了四个孩子就不再生了，马斯克接话说他在“敲婴儿鼓”，见到朋友就劝人生。

他给的数据是日本一年人口减少六十万。日本没有实行过计划生育，寿命全球最长，人口照样在缩。他把这个趋势看得很重，一旦进入下行通道，下降速度还会加快。

中国的情况他讲得更细。一孩政策取消后改二孩，再改三孩，生育率没有明显反弹。他把原因归结到更底层的变量上：受教育程度、收入水平、城市化、宗教性。受教育程度越高、越富裕、宗教性越弱，生育率越低。

这里有个常被误判的点。很多人认为生育率低是因为养不起，他的反驳是：社会福利网最好的地方，生育率恰恰最低；越穷的地方，孩子生得越多。数据上的相关性他称之为无法辩驳。

他还提到宗教与生育率的关系。多数宗教教义鼓励生育，这在历史上直接影响了人口规模。他的推论是，如果信教群体持续多生、无神论群体持续少生，几十年后这会变成自我实现的预言。

## 把全人类堆成一个肉丸，能放进中央公园

讨论人口的时候，他顺手拆了一个直觉错误：很多人以为地球上人已经太多了。

他的算法是看横截面积。从洛杉矶飞到纽约，往下看，随便扔一个保龄球或者一发炮弹下去，砸到人的概率低得惊人。哪怕在洛杉矶这种看起来人挤人的地方，把所有建筑和车辆做成半透明，从上往下统计人类占据的横截面积，比例不到百分之一。

他还讲了一个流传很广的图：把全人类堆成一个肉丸，体积大概只够放在纽约中央公园，高度比最高摩天楼略高一点。另一个版本是让所有人类肩并肩站着，不叠罗汉，整个纽约市的面积就能站下。

这话有现实佐证。2003 年哥伦比亚号航天飞机返航解体，残骸散落在美国南部多个州，搜索回收了几万块碎片，没有一块砸死人。他解释过其中的物理：航天器沿轨道再入时几乎是平行于地表飞行，以每秒约七公里的速度减速、解体，碎片沿途洒下，覆盖范围很广，但人类的横截面积实在太小。

他的结论是，人类密度低到再翻一倍也毫无压力。对资源的担忧，在他看来更多是分配问题，总量从来不是瓶颈。

## 自动驾驶：雷达是个错误

全场技术含量最高的部分，是他复盘为什么拆掉雷达。

目标很清楚：城市道路上的点对点行驶，零干预。要求很苛刻，一次都不许接管。

他说这条路比他最初想象的难得多，远超预期。有人直接问，你连续好几年都说“今年就能实现”，怎么回应。他的回答是：今年。

现场笑成一片。他自己也承认过去过于乐观，原因是不了解问题的规模。距离成功很近的感觉会反复出现，像驴子眼前吊着胡萝卜，永远差一点，于是继续拉车。

雷达的问题在于，它能让系统“几乎”解决问题。多数时候雷达和视觉神经网络给出同样的结论，偶尔冲突，冲突的时候没人知道该信谁。两套传感器给出两个答案，代码里就必须有一个仲裁逻辑，而仲裁逻辑本身会引入新的错误。

拆雷达的决定在内部遭到强烈反对，自动驾驶团队最初站在对立面。他拍了板。拆掉之后，团队的反馈是没人愿意装回去。

更关键的发现在后面。雷达一拆，神经网络的真实水平暴露了：它比大家以为的弱很多，之前的很多表现是靠雷达兜着。只剩视觉之后，没有任何东西可以躲。

架构也跟着改了。以前是神经网络输出一堆点，再由 C 代码判断哪里是车道中心。后来改成让神经网络自己解释这堆点，理解场景的语义。这套网络被反复重写，按他的说法重训了上千次。外部看到的是“两步前进两步后退”，实际是在换地基。

## 两条路线竞争？不必，问题不在动机

有人提了个合理建议：既然拆雷达有风险，为什么不养两个团队，一个保留雷达和老方案，一个走纯视觉，让它们竞争？特斯拉在星舰项目上就这么干过，博卡奇卡和佛罗里达两个基地并行推进。

他的回答是，这个团队不缺动机，也不缺工作强度，缺的是时间。他把自动驾驶软件与 AI 团队称为自己共事过的最好的软件团队，还特意说自己对技术水平的判断很苛刻。这个团队是跌了很多跟头才凑起来的，中间有过好几次推倒重来。

他给的理由还有一层：道路系统本来就是为人类的眼睛和生物神经网络设计的。车道线、路牌、红绿灯、反光标识，全部按人类的感知方式来。所以用摄像头加数字神经网络去解题，逻辑上最自洽，其他传感器路线绕不开这个根本事实。

他的判断相当激进：特斯拉会拿到自动驾驶方案，其他公司连边都摸不到，五年之内不会有第二家。这套东西可以授权给别的车厂，虽然对方情感上不愿意，因为在产品力上等于认输。一旦交付，一个月之内所有人都会看明白。

## 一米的车距误差，就是撞与不撞的区别

他讲了一个很少对外展开的工程细节：统一向量空间。

车上跑的不止一个神经网络。识别动态物体的是一个，识别静态物体的是另一个，各自输出自己的结果。问题是它们的输出没有汇入同一个约定好的坐标系。同一辆车，一个网络说在这个位置，另一个说在那边，系统就可能把它判进不可行驶区域，车于是莫名其妙停下来或者绕开。

时间同步也是坑。两个网络的帧率不同，一帧之差在时速一百公里时就是三十多米每秒乘以三十三毫秒，大约一米。一米在对向车流里意味着什么，不用解释。

他还讲了监管带来的荒诞场景。加州司机普遍滚动停车，路口没人时不会完全停死。自动驾驶如果严格依法把车刹到零，反而像个别扭的家伙。更麻烦的是车速表法规：仪表不能显示低于实际车速的数字，所以即便轮子完全静止，屏幕上也必须显示 1 英里每小时。用户投诉车没停稳，特斯拉只能录一段轮子的视频去证明轮子真的没转。

竞争对手也没少投诉 Autopilot，因为他们在产品上找不到对等的答案。

## 一千五百个标注员，被算法放大一百倍

外界容易把自动驾驶理解成一段跑在车上的软件，实际上一大半工作在后端。

特斯拉有一千五百名人工标注员。他们的产出被自动标注工具放大，他估计放大倍数至少一百倍，等效于十五万人的劳动。流程是这样的：一段视频有几千帧，自动标注先把车道线、车辆、行人全标出来，人只需要确认或者微调某一条线，修正结果再喂回模型，让自动标注工具学会更准地标注。

误标是隐藏的杀手。如果同一类场景里绝大多数标注正确，只有一小部分标错，神经网络会学到一个错误的概率分布，认为车道线偶尔会跳到另一个位置，于是它的判断开始摇摆。团队要做的，是回到标注工具里一行行排查，把那一小撮错误数据删掉。

他说自己脑子里七成的算力被两件事占着：自动驾驶和让星舰入轨。其余的杂事如果不做，就会堆成麻烦。

## 未来人类开车，会像电梯操作员

他用了一个很准的类比。

一百年前坐电梯，轿厢里有个专职操作员，负责拉闸、对准楼层。今天回头看，你会觉得那个岗位多余，按钮就在墙上，为什么要雇个人？

自动驾驶普及之后，人类开车就是那个岗位。人会显得反应慢、注意力涣散、判断不稳。他甚至说，全自动驾驶的车能开得比詹姆斯·邦德还稳，而通过门槛其实只是比人类更好，人类这个基准线并不高。

他对安全的预期是全自动驾驶把事故率降到现在的百分之一以下。但他也承认，过渡期会很长。路上跑的大多数还是人开的车，人会突然变道、会疲劳驾驶、会闯红灯，自动驾驶能做的有限。

访谈里有人提到一位女士骑车时被疲劳驾驶的卡车司机撞死。马斯克说，如果那辆卡车装了 Autopilot，它会保持在车道内，那条命不会没。

关于被起诉的风险，现场有人说得很直白：救了九成的人没人表扬，剩下一成会告你。他的态度是，这种事应该拿统计数据上法庭，事故少了十倍，就不该因为剩下那点事故被惩罚。

## Apple Music、老车主和越来越少的顶级工程师

后半段的提问回到产品细节。

车主们想要原生的 Apple Music，目前 Spotify 可以登录车机账号，Apple Music 只能走蓝牙。马斯克起初没听懂问题，绕了几圈才明白是“不要通过手机，直接登录车机”。他说会去推动。他还顺口提了一句，蓝牙的传输码率是可以提升的，音质瓶颈可能就在这儿。

有人感谢 Waypoints 功能，说这改变了他们的用车方式。他顺势吐槽自家日历集成做得不好，说自己干脆不用日历，看日程全靠瞄一眼。

一位 2018 款 Model X 车主提了个小需求：打转向灯时在屏幕上显示盲区摄像头画面，新车型有，老车没有。他回应得很坦白，资源永远不够，排优先级的方法是“这件事能让多少人受益，乘以受益的程度”，给老车型加功能的排序非常靠后。那位车主自嘲是老古董，他补了一句，你还有终身免费超充。

聊到招人，他说了一个残酷的观察。真正顶尖的软件工程师数量极少，而且他认识的不少人在赚到钱之后就不写了，转去做投资或者半退休。他自己属于异类，天生就停不下来。

## 费米悖论：我们大概率只能找到细菌

最后一段聊到了宇宙。

宇宙年龄一百三十八亿年，人类有文字的历史五千年，前者是后者的两百多万倍。他说这个比例意味着，如果一个文明的技术痕迹存在过，我们应该早就看见了。但至今没有任何确凿证据：没有信号，没有探测器，没有访客。哪怕只是某个外星文明在太阳系附近丢下一个一英寸见方的纯钛立方体，人类也会立刻知道，因为那东西不可能是自然形成的。

他的推断是，能进行星际通讯的文明在同一时期共存于同一个星系的概率极小，可能为零。但生命本身大概率存在，只是形态简单。地球在很长一段时间里只有古菌和细菌，真核细胞的出现是个巨大的门槛，线粒体被吞进细胞、还要跟着细胞分裂同步复制，这件事的成功率低到难以想象。所以他猜，人类找到的第一个外星生命，大概率是细菌。

关于宇宙的起源，他承认没有答案。有没有第一因，有没有造物者，他说只能按证据做概率判断。他提到模拟假说：从 Pong 那种方块，到今天照片级真实的多人游戏，只用了我们这一代人的时间，如果这条曲线继续，游戏和现实会无法区分。

至于宗教，他的表述很克制。宗教让人相信自己已经知道答案，科学路径是承认不知道然后去弄清楚，这两种态度会导出完全不同的行动。他没有兴趣辩论，只指出一个后果：如果信教群体持续多生、世俗群体持续少生，几十年后社会的信仰结构会自己改写自己。

## 把这份访谈读成一张行动清单

- 做制造业或硬件创业的人，把供应链当成第一优先级。工厂建起来只是开始，把产线爬到高产能比建厂更耗人，任何一个零件卡在港口都能让整条线停摆。
- 做出行、租车、车队生意的，别把长期赌注押在“人类司机加平台派单”的中间态上。自动驾驶到来时，真正的岗位是车队运营：清洁、充电、维修、调度，一个人管几十辆车。
- 做产品或算法的，如果你的系统有多个模型、多个传感器输出，先建一个统一的坐标和时间基准，再谈功能。一米的偏差在高速场景里就是事故。
- 做内容或媒体产品的，按篇付费和统一的阅读体验是明显的空白。用户不订阅不等于不愿意为单篇付十美分，把这条路堵死，双方都亏。
- 带技术团队的，遇到路线之争要敢拍板，但拍板之后要允许团队把地基重挖一遍。外部看到的反复，往往是架构在升级。
- 招顶级工程师时接受一个现实：钱到某个量级之后，只有使命能留住人。很多有天赋的人在财务自由那天就停止写代码了。
- 看人口问题别只盯政策。教育、收入、城市化、宗教性这四件事和生育率的相关性，比补贴政策强得多。
- 评估 AI 能力时，别只看演示视频，去看它的数据标注和调试工具链。一千五百名标注员被自动标注放大一百倍，这才是模型表现背后的真实成本。
