Re: [新聞] 美擬放寬自駕車監管 特斯拉飆漲快10％

[LimYoHwan (gosu mage)]

最近一堆低能媒體說什麼「川普政府放寬自駕車法規」，

事實根本不是放寬，而是AI 把整套舊時代的法規打爆，監管被逼著重寫一套新的驗證規
則。

先講清楚：SAE 分級早就過時了
所謂的 L0～L5 是美國一個民間組織 SAE（汽車工程師學會）自己訂的參考表格 在2014
裡面都一堆過時老人 不然就是傳統車廠老人
根本不會AI
不是政府、不是法規、沒有執照功能
原本是用來描述「駕駛 vs 系統」誰負責開車的分工

問題來了：現在的 AI 自駕根本不是模組接管的邏輯。

Tesla FSD 、Wayve、Ghost 都是端到端神經網路，直接從視覺感知預測車輛軌跡，
整個決策是統一建模出來的，根本沒有「感知模組、控制模組、駕駛可以中途接手」這種
設計。

所以你拿 SAE L3 去說 FSD 不夠格，根本就是用卡式電話去檢驗 iPhone 處理器。

以前的法規是為「人類駕駛＋機械控制」設計的

舊的 FMVSS 法規管的是：

有沒有方向盤、後視鏡、煞車燈、保險桿高度
車子撞牆會不會碎
軟體幾乎沒在管，因為預設人類掌控一切

但現在是什麼？
車是 AI 在開
決策是神經網路從影像推理出來的
每次 OTA 更新都可能改變整台車的駕駛邏輯
一秒做幾千萬次浮點運算來規劃路徑

你怎麼可能還用「有沒有按鈕」、「轉向盤幾度」這種標準去管這種車？


NHTSA 推出的新制度（AV STEP / ADS NPRM）有兩大特點：

1）改用行為績效評估（Performance-Based）
         不再強制你裝方向盤、鏡子
        改看你實際上能不能在數百種真實場景下（交織匝道、夜間行人、突發路障）安
全
駕駛
        看你 OTA 更新之後，有沒有變更穩，錯誤率有沒有下降
        誰表現好，誰就能上路，不管你是多模組還是端到端

2）但對「關鍵安全模組」仍然要求冗餘與容錯能力
        NHTSA 沒有全面放飛，對於煞車、轉向、主電源這種會致命的控制層，
仍然需要符合 功能安全（FuSa）標準，尤其是要能進行 MRM（最小風險動作）
        換句話說：你神經網路可以出錯，但你不能讓車失控
        Tesla FSD 雖是單網路決策，但底層硬體有雙煞車、雙 MCU
        Waymo/Cruise 則是多感測冗餘 + 遠端接管 + ASIL-D 控制器

所以結論不是「鬆綁」，而是「重寫賽制」

舊制度問：「你裝了哪些東西？」
新制度問：「你能不能跑完所有場景，而且比人還穩？」

AI 讓車自己開了，法規也要跟上
現在的監管不是不要安全，而是：

不管你怎麼設計，只要你能證明你更穩、更聰明，就放你上場。做不到，就下線。

裝一堆光達但是會撞緩撞車一樣吃屎

這才是現在 自駕產業真正的監管邏輯。
不要再用 2014 的 SAE 分級去看 2025 的 AI 自駕車了，真的跟不上。


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.249.19.160 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1746814635.A.7E6.html
→ ken52011219 : 其他認同 但真的要切決策點是切得出來的  更何況模
→ ken52011219 : 型跑出來的結果還是會再包一層框架 真以為你 input/
→ ken52011219 : output 出來就直接用嗎… 它不是黑盒子
傳統的模組式系統（比如 Waymo）確實是「每層切割清楚」，感知→語義理解→路徑規劃
→控制，每一層都可解釋、可插拔。但像 Tesla、Wayve 或 Ghost.ai 的做法，是真正把
這整條 pipeline 用一個神經網路端到端學出來。

不是「output 拿來再包」，而是：
        Input：一整段影片或視覺序列
        Model：Transformer 直接做 spatiotemporal encoding，
        Output：直接產生 steering trajectory、heading、velocity profile（甚至
含?
）

控制決策就是 output，不再是給後面另一層邏輯套用的中間值。

如果你還用「模型輸出要再包一層框架」的邏輯去看，那是套用舊時代 modular stack
的概念。新時代 E2E 的精神，是「用一個大模型整合感知、理解與控制」，也因此才會
需要從 validation 到 regulation 重新設計驗證方式（例如 AV STEP）。

傳統模組：能用傳統軟安 (ISO 26262) 的單元測試、接口測試
        端到端：一改參數，行為整體變；必須 Scenario coverage＋大規模 shadow-te
st
        這也是 NHTSA/加州 DMV 正在做 AV STEP、整合模型覆蓋率 (ML coverage)、on
-r
isengagement trace 的原因

所以觀念真的要更新，不然會不小心把 GPT 的理解套用到 Vision Transformer 控制網
路上，那就錯了。
※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 02:30:57
→ a000000000  : dmv爛死惹
→ cityport    : 加州DMV連發駕照都這麼落漆..你敢相信他?
→ s9300519    : 用政治的觀點來看不就是先射箭再畫靶？
噓 aasslleepp  : 有種來台灣測啊  看了各種影像以後AI決定都不作動了
→ aasslleepp  :   人類不應該有車
推 casper955033: 先解釋一下今天TSLA怎麼又噴了?
→ aasslleepp  : 不可能的   所有場景都跑不完
→ WunoW       : 中國電動車還在卷L分級真的笑死 跟FSD完全不同次元
→ WunoW       : 自駕的未來只能是FSD 其他都是所謂 在座的各位
→ WunoW       : 走錯路了 走再遠都是枉然不用拿來吹
推 amatpapapa  : https://i.imgur.com/uQO7r3A.jpeg
推 linbryan    : ptt專家評論從L1-L5改成P1-P100等級.以後改問你的
→ linbryan    : 自駕有P60?台灣學生強在算數不是數學啊
推 focoket12   : 中共國的電動車根本比不上，B站都說是大型掃地機器
→ focoket12   : 人了
推 fish0414    : 這篇有料
推 GingFreecss : 但其實這樣跟之前的監管比起來是放寬沒錯啊
→ GingFreecss : 很明顯在圖利特斯拉啊 但我很爽 嘻嘻
推 b2060027830 : 特黑崩潰
推 zz841031    : 很專業推推
推 JKLee       : 推
噓 maniaque    : 講那麼多,責任問題 完全都不提.....唉~~~~
→ maniaque    : 對,美國憲法還是他馬的一部百年老法,怎能拘束我川呢
→ maniaque    : 管你多會扯遙遙領先,到法院去這些都是 屁
→ maniaque    : 有本事就開個場子,放一百台自駕車從場子四面八方
→ maniaque    : 進去吧,告訴大家 AI 在沒有可follow 的rule
→ maniaque    : 是怎樣如何順順利利開過這個場子
→ maniaque    : 你這套歪理,在虛擬幣那邊也是一樣在歪來歪去
你把「沒有規則可以跟」跟「沒人提責任歸屬」這兩件事掛在一起，完全搞錯現在自駕車
監管的方向。

美國現在就在把所有 AI 自駕該怎麼驗證、失效時怎麼收尾，寫進正式的聯邦法規。
像 NHTSA 的 AV STEP，早就要求你模型能跑、風險場景能應付、出事能自動停車。
FMVSS 也改成要看模擬跟實測數據，不是嘴巴說過就算，測試成績要先交出來給政府看。

責任這塊更不是沒人管。Waymo、Cruise、Zoox 都已經被加州 DMV 要求買 1000 萬美元
的無過失保險，直接寫死：只要是自駕系統在開，出事你公司全包。未來 Tesla 要上無
人 permit，一樣跑不掉。

那種十字路口沒有紅綠燈、車從四面八方來的亂場景，也早就是聯邦的測試項目。現在還
規定你要交幾十萬筆 scenario、模擬通過率跟真實介入紀錄。

至於端到端 AI
現在已經證明：遇到沒有圖資、沒有車道線、交通錐亂擺，傳統 rule-based 如waymo就
會當掉，反而是像 Wayve 或 Tesla 這種 E2E 網路，用畫面直接學出「這邊該停」、「
這邊能擠」，才扛得住。

AI 自駕現在最怕的不是沒規則，是規則終於來了而且專門針對沒把模型搞清楚的人寫的
。

→ bnn         : 啊你黑盒子只看整個車的出事率 責任切分就比較尷尬
→ bnn         : 以後你就不能針對 喔 這油箱問題 這剎車問題 這XXX
→ bnn         : 你只能說 車禍了 喔 這特斯拉全責
→ bnn         : 那你要改善時問題就 我也不知道怎麼再現問題debug
→ bnn         : 跟Vibe coding一樣變成 唉我用AI再重寫一遍吧
→ bnn         : 你程式可以It just works,你車規全部重頭跑一遍送驗
→ bnn         : 每次沒法debug就全部重跑個出來撞一百萬次驗出事率?
推 a316xxx     : 認真文給推
→ bnn         : 不提安全性問題 你每次這樣重跑驗證成本多少
→ bnn         : 反正就假設你每次重練出來的AI模型都能跑完場景通關
→ bnn         : 你有辦法基於過去經驗加速驗證進步來cost down嗎
→ bnn         : 還是變成你每出點小事就等於重新開發一輪產品驗證
→ bnn         : 還是反正算力便宜 AI無敵 總之先跑一千套壓壓驚
※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 09:58:03
推 darkangel119: 大內高手
噓 amongolu    : ㄧ樓就大特黑
推 s972627     : 專業給推
→ potionx     : 反正特斯拉弄無人計程車就是期中考 實戰跑了就知道
→ potionx     : https://youtu.be/Eic_dDj98_A?si=tg4SzHPjiSpNwYYl
→ potionx     : 不要像中國那樣亂吹就好了
噓 maniaque    : 別把 刑事責任 用 民事責任 去包,好嗎???
→ maniaque    : FSD 吹幾年了,放手出事哪時候特斯拉說 "我負責"過??
→ maniaque    : Waymo 是在怎樣的框架下去follow 法規,才有允許的
→ maniaque    : 權力??? 呵呵~~人家是在現有框架,你認為的那種過時
→ maniaque    : 規範下乖乖運作的
→ maniaque    : 現在吹特斯拉就說是那是過時規範??
→ maniaque    : 不就是 因人設事,量身訂做?
→ maniaque    : 反正,到時候出事,告上法庭,大概就看到每個出庭的
→ maniaque    : 都說 這不是他的責任 ,對吧?
現在監管的邏輯是「你技術怎麼玩都行，但失敗成本先買單、最壞情境先想好」。
Waymo、Tesla、Zoox 通通照這三條跑；誰都不能一句「不是我的責任」就閃人。真的要
比？就看誰的 MRM 可靠、誰的模型 pass 率高，跟你說的「喊個口號就免責」完全兩回
事。

正在修的 FMVSS 150/155 直接要求廠商提交「場景覆蓋率 & simulation pass rate」。
你的感測方案（LiDAR 也好 Vision-only 也好）踩不到 99.x% 就別想上路。
※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 11:12:39
推 tslabull    : 都進中國了 還在有種來台灣測 井蛙可以去看一下中
→ tslabull    : 國”一般人”用FSD的影片 中國可以台灣一定也能跑
推 no2muta     : 哈哈台灣法規跟上了嗎？
推 cs005337    : 感謝原po分享，受益良多