Re: [新聞] 美擬放寬自駕車監管 特斯拉飆漲快10％

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。

--

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。

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 。

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。