全站搜索

媒体中心MEDIA CENTER

美国电车遭集体诉讼,智驾改名,自动驾驶就是吹牛!

美国电车遭集体诉讼,智驾改名,自动驾驶就是吹牛!

公司动态 智驾 42 0

在美国电车的监督版智驾入华消息传出后,网上一片赞誉声,甚至网上出现了诸多车主展示双手离开方向盘,由智驾完全控制车辆的视频,如今当它正式在中国落地后,一切都回归真实,连连改名,还遭遇了车主的集体诉讼。

据悉这家企业的满血版智驾入华之后,迅速改名两次,先是改名为FSD辅助驾驶,再之后删除了FSD几个字母,FSD为Full Self-Driving,从字面意思是自动驾驶,然而实际上它在全球都未对交付给个人用户的智驾标注为L3级以上的自动驾驶。

更让这家美国车企尴尬的则是当下有10名车主在北京大兴区法院起诉这家车企,指责这家车企涉嫌“虚假宣传”与“消费欺诈”,对这家车企造成了巨大的影响。

这样的变化,对比这家车企的满血版智驾入华之前在网上泛滥的视频,变化巨大,此前那些视频博主不断上传他们在维修的道路、小路上美国智驾都能自如应对,车主无需干预。

这些智驾完全控制车辆的视频,美国电车都会说是视频博主自发传播,美国电车从没有进行营销宣传,对此笔者很好奇这些视频博主真的会自掏腰包主动、免费为这家车企进行营销宣传?笔者是不信的!

事实上美国电车的智驾神话早已在美国破灭了,2025年美国交通部门就指出美国电车的自动驾驶出租车事故率远超人类驾驶员--事故率大约是人类驾驶员的9倍,美国联邦法官以美国电车夸大宣传智驾为由判决这家车企赔偿一单事故受害者2.43亿美元;而此前这家美国车企的创始人马先生长期宣称他家的智驾比人类驾驶员更安全!

日前路透社再披露,他们找到这家美国车企的10名前员工,9名智驾标注员和1名智驾工程师,这些前员工指出美国电车的智驾无法识别施工区而会直接撞入其中,这家车企的智驾事故会剔除一些事故以降低事故率,而它上交给美国交通部门的数据并不完整,动辄以商业机密为由拒绝提供数据,实际上就是它的事故率恐怕会比美国交通部门披露的更高!

这10名前员工中的7个明确表示不会使用这家车企的智驾,其中1个更明确说给钱也不会使用,事实上美国的调查也显示诸多车主中相信智驾的比例仅有13%,超过六成车主明确表示不信任智驾。

自动驾驶真正开始应用的是自动驾驶出租车,然而美国的自动驾驶出租车运营最好的是waymo自动驾驶,waymo无人驾驶出租车已有577辆,Avride无人驾驶出租车有317辆,而这家美国电车企业的无人驾驶出租车仅有42辆,而且美国电车的自动驾驶出租车无法应付夜晚、雨天、雾天导致平均每天在线时间仅有20%,而waymo自动驾驶出租车平均每天在线时间高达80%。

上述那些视频博主双手离开方向盘而将车辆完全交给智驾涉嫌违法,然而这些视频博主却可以肆无忌惮地发放这类涉嫌违法的视频,这是要误导更多车主么?难道这些智驾是真的要导致重大事故的发生之后才加以整改?

上一篇: 下一篇:

相关推荐

  • 人眼视觉仿生系统:从选型误区到生产损耗,底层逻辑才是破局关键

    11

    人眼视觉仿生系统:底层逻辑决定产品上限在实际交付中,我们发现一个普遍现象:很多厂商宣称“人眼级动态范围”,但实际场景中,系统在逆光或强光切换时,仍会出现目标丢失或误检。问题出在哪?答案藏在底层逻辑里——人眼视觉仿生不是简单的参数堆砌,而是对视网膜神经元编码、视觉注意力机制、光响应动态平衡的深度复现。选型误区:被“标称数据”带偏的决策很多标称数据背后的真相是:实验室环境与生产现场的鸿沟。比如,某头部...

    查看全文
  • 人眼视觉仿生系统与协同效应:打破量产瓶颈的底层密码

    5

    选型陷阱:参数表上的「完美」与量产现场的「残缺」在实际交付中,我们发现一个诡异现象:某头部车企采购的视觉仿生系统,标称动态范围达140dB,理论可覆盖人眼极限的99%场景,但量产车上路后,隧道出口的强光过曝率仍高达12%。问题出在哪?很多标称数据背后的真相是——实验室环境与量产车的光路设计存在本质差异。人眼视觉仿生系统的核心,从来不是「堆硬件参数」,而是光路-算法-硬件的协同效应。这里面的水很深:...

    查看全文
  • 人眼视觉仿生系统:疲劳阈值,智驾安全的关键变量

    10

    人眼视觉仿生系统:疲劳阈值,智驾安全的关键变量在实际交付中,我们发现一个被行业忽视的真相:很多智驾系统标称的“全天候视觉能力”,在连续运行3小时后,目标识别准确率会下降17%。这背后,是人眼视觉仿生系统对疲劳阈值的控制逻辑存在根本性缺陷——系统没有真正理解“视觉疲劳”的生物机制,只是简单复制了人眼的静态参数。选型误区:参数堆砌≠疲劳抗性很多厂商在选型时,会陷入“高分辨率+高帧率=抗疲劳”的误区。听...

    查看全文
  • 工业园区与停车场管理:选型误区背后的真相

    9

    选型误区:别让“参数”蒙蔽了双眼在实际交付中,我们发现工业园区和停车场管理的智能设备选型,往往陷入“唯参数论”的怪圈。很多标称数据背后的真相是:厂商用实验室环境下的最优值,掩盖了实际场景中的性能衰减。比如,某头部厂商宣称其地磁传感器检测精度达99.9%,但实际交付后,在金属结构密集的工业园区,误报率飙升至15%——金属干扰、电磁屏蔽、多径效应,这些底层物理问题,参数表上永远不会写。选型误区一:过度...

    查看全文
  • 智能驾驶场景闭环:从选型误区到隐性损耗的深度拆解

    5

    场景闭环不是“数据堆砌”,而是“真实场景的精准映射”在实际交付中,我们发现很多企业把“场景闭环”简单等同于“数据采集+算法迭代”,甚至认为只要覆盖足够多的测试场景,就能实现闭环。但真相是:场景闭环的核心是“真实场景的精准映射”,而很多标称数据背后的真相是——采集的场景数据可能根本无法复现真实路况的极端情况,导致算法在实验室里表现优异,一到实际路况就“掉链子”。选型误区:高算力≠场景适配,传感器堆砌...

    查看全文
  • 高级驾驶辅助系统的防错机制:从选型误区到生产现场的隐性损耗

    12

    高级驾驶辅助系统的防错机制:从选型误区到生产现场的隐性损耗在实际交付中,我们发现一个普遍现象:很多主机厂在选型高级驾驶辅助系统(ADAS)时,往往被供应商的“标称数据”吸引——比如毫米波雷达的探测距离、视觉算法的识别准确率。但真相是,这些数据大多是在实验室理想环境下测得的,到了真实道路场景,尤其是复杂城市路况,表现可能大打折扣。听起来可能反直觉,但防错机制的设计,才是决定ADAS系统可靠性的关键。...

    查看全文
展开更多

  • 回到顶部
  • 回到顶部