作者LimYoHwan (gosu mage)
看板Stock
標題Re: [新聞] 美擬放寬自駕車監管 特斯拉飆漲快10％
時間Sat May 10 02:17:13 2025
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://webptt.com/m.aspx?n=bbs/Stock/M.1746814635.A.7E6.html
1F：→ ken52011219 : 其他認同 但真的要切決策點是切得出來的 更何況模05/10 02:21
2F：→ ken52011219 : 型跑出來的結果還是會再包一層框架 真以為你 input/05/10 02:21
3F：→ ken52011219 : output 出來就直接用嗎… 它不是黑盒子05/10 02:21
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
4F：→ a000000000 : dmv爛死惹05/10 03:11
5F：→ cityport : 加州DMV連發駕照都這麼落漆..你敢相信他?05/10 03:15
6F：→ s9300519 : 用政治的觀點來看不就是先射箭再畫靶？05/10 03:36
7F：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05/10 03:54
8F：→ aasslleepp : 人類不應該有車05/10 03:54
9F：推 casper955033: 先解釋一下今天TSLA怎麼又噴了?05/10 03:55
10F：→ aasslleepp : 不可能的 所有場景都跑不完05/10 03:55
11F：→ WunoW : 中國電動車還在卷L分級真的笑死 跟FSD完全不同次元05/10 04:44
12F：→ WunoW : 自駕的未來只能是FSD 其他都是所謂 在座的各位05/10 04:46
13F：→ WunoW : 走錯路了 走再遠都是枉然不用拿來吹05/10 04:47
15F：推 linbryan : ptt專家評論從L1-L5改成P1-P100等級.以後改問你的05/10 05:08
16F：→ linbryan : 自駕有P60?台灣學生強在算數不是數學啊05/10 05:08
17F：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05/10 07:57
18F：→ focoket12 : 人了05/10 07:57
19F：推 fish0414 : 這篇有料 05/10 08:14
20F：推 GingFreecss : 但其實這樣跟之前的監管比起來是放寬沒錯啊05/10 08:33
21F：→ GingFreecss : 很明顯在圖利特斯拉啊 但我很爽 嘻嘻05/10 08:34
22F：推 b2060027830 : 特黑崩潰05/10 08:56
23F：推 zz841031 : 很專業推推 05/10 09:06
24F：推 JKLee : 推05/10 09:11
25F：噓 maniaque : 講那麼多,責任問題 完全都不提.....唉~~~~05/10 09:15
26F：→ maniaque : 對,美國憲法還是他馬的一部百年老法,怎能拘束我川呢05/10 09:16
27F：→ maniaque : 管你多會扯遙遙領先,到法院去這些都是 屁05/10 09:17
28F：→ maniaque : 有本事就開個場子,放一百台自駕車從場子四面八方05/10 09:18
29F：→ maniaque : 進去吧,告訴大家 AI 在沒有可follow 的rule05/10 09:19
30F：→ maniaque : 是怎樣如何順順利利開過這個場子05/10 09:19
31F：→ maniaque : 你這套歪理,在虛擬幣那邊也是一樣在歪來歪去05/10 09:20
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
。
32F：→ bnn : 啊你黑盒子只看整個車的出事率 責任切分就比較尷尬05/10 09:45
33F：→ bnn : 以後你就不能針對 喔 這油箱問題 這剎車問題 這XXX05/10 09:46
34F：→ bnn : 你只能說 車禍了 喔 這特斯拉全責05/10 09:46
35F：→ bnn : 那你要改善時問題就 我也不知道怎麼再現問題debug05/10 09:47
36F：→ bnn : 跟Vibe coding一樣變成 唉我用AI再重寫一遍吧 05/10 09:47
37F：→ bnn : 你程式可以It just works,你車規全部重頭跑一遍送驗 05/10 09:49
38F：→ bnn : 每次沒法debug就全部重跑個出來撞一百萬次驗出事率?05/10 09:50
39F：推 a316xxx : 認真文給推05/10 09:50
40F：→ bnn : 不提安全性問題 你每次這樣重跑驗證成本多少05/10 09:51
41F：→ 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05/10 09:51
42F：→ bnn : 你有辦法基於過去經驗加速驗證進步來cost down嗎05/10 09:52
43F：→ bnn : 還是變成你每出點小事就等於重新開發一輪產品驗證05/10 09:52
44F：→ bnn : 還是反正算力便宜 AI無敵 總之先跑一千套壓壓驚05/10 09:53
※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 09:58:03
45F：推 darkangel119: 大內高手05/10 09:57
46F：噓 amongolu : ㄧ樓就大特黑 05/10 09:58
47F：推 s972627 : 專業給推 05/10 10:17
48F：→ potionx : 反正特斯拉弄無人計程車就是期中考 實戰跑了就知道05/10 10:18
50F：→ potionx : 不要像中國那樣亂吹就好了 05/10 10:18
51F：噓 maniaque : 別把 刑事責任 用 民事責任 去包,好嗎???05/10 10:22
52F：→ maniaque : FSD 吹幾年了,放手出事哪時候特斯拉說 "我負責"過??05/10 10:23
53F：→ maniaque : Waymo 是在怎樣的框架下去follow 法規,才有允許的 05/10 10:25
54F：→ maniaque : 權力??? 呵呵~~人家是在現有框架,你認為的那種過時 05/10 10:26
55F：→ maniaque : 規範下乖乖運作的 05/10 10:26
56F：→ maniaque : 現在吹特斯拉就說是那是過時規範?? 05/10 10:26
57F：→ maniaque : 不就是 因人設事,量身訂做? 05/10 10:27
58F：→ maniaque : 反正,到時候出事,告上法庭,大概就看到每個出庭的 05/10 10:27
59F：→ maniaque : 都說 這不是他的責任 ,對吧? 05/10 10:28
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
60F：推 tslabull : 都進中國了 還在有種來台灣測 井蛙可以去看一下中 05/10 11:19
61F：→ tslabull : 國”一般人”用FSD的影片 中國可以台灣一定也能跑 05/10 11:19
62F：推 no2muta : 哈哈台灣法規跟上了嗎？ 05/10 12:53
63F：推 cs005337 : 感謝原po分享，受益良多 05/12 09:54