自动驾驶技术的讨论已经持续了十多年，其中一个核心问题一直存在争议：是否必须使用激光雷达。在9月3日于奥斯汀举行的Cybercab发布会上，特斯拉AI软件副总裁Ashok Elluswamy给出了明确的回应：“世界上没有任何传感器可以预测未来。”这句话并非否认激光雷达的作用，而是强调一个更根本的观点——决定自动驾驶能力的关键不是传感器本身，而是背后的智能技术。

在回溯12年前，自动驾驶刚开始发展的时期，行业内几乎达成了共识。多数专家普遍认为，仅依靠摄像头是不能实现安全的自动驾驶的，必须整合激光雷达、毫米波雷达和高精地图等多种传感器，以确保安全和可靠。这是基于激光雷达能够精准获取三维距离信息、毫米波雷达擅长测速的直观判断，大家普遍认为传感器数量越多，系统就越安全。然而，特斯拉自始至终坚持另一种理念：传感器只是眼睛，无法取代大脑。Ashok指出，自动驾驶的真正难点不在于了解前方的物体，而在于理解这些物体出现的原因及接下来的变化。

举个例子，当一个行人站在人行道边缘，激光雷达可以测量出距离，摄像头能识别出他是个成年人，雷达可以判断他移动的速度，但没有任何传感器能直接回答这个人是否会突然横穿马路。这个问题的答案依赖于预测，而这种能力来源于AI。人类的驾驶过程正是最好的证明。

为了阐述这个观点，特斯拉引用了一个简单而具有争议的例子——人类驾驶员。我们每天只用双眼驾驶，从高速公路到城市街道，无论白天还是黑夜，大多数情况并不依赖激光雷达或实时生成三维点云。人眼本质上是一种视觉传感器，但重要的是，大脑不断地理解环境，并推理出意图和未来几秒钟内可能发生的变化。当我们看到一辆车慢慢接近路口时，会判断它可能要并线；当我们注意到孩子追逐球时，会提前减速；当看到公交车停靠时，我们会预判可能有行人出现。这些能力并不是简单的“识别”，而更重要的是“理解”。特斯拉的目标是将这种人类的驾驶能力转移到计算机系统上，因此，其大量的技术投入主要集中在端到端神经网络、世界模型（World Model）和大规模视频训练上，而非一味增加传感器数量。

从根本上说，特斯拉与Waymo代表了两种不同的AI理念。如果特斯拉强调“软件优先”，那么Waymo显然是“硬件冗余”的代表。Waymo Robotaxi通常配备四个激光雷达、13个摄像头，同时结合毫米波雷达和高精地图，通过多传感器融合构建一个精度极高的环境模型。而特斯拉的Cybercab则坚持使用纯视觉方案，力求用更强的AI模型来弥补部分硬件的不足。尽管两家公司在无人驾驶的道路上方向相同，但选择的技术路径却大相径庭。真正的差别在于，谁能更准确地预测世界的变化。

在发布会上，特斯拉还透露了另一个重要的里程碑：无人监督的Robotaxi累计行驶里程已达到100万英里（约160万公里）。与过去需要安全员随时介入的测试模式不同，这意味着越来越多的数据来自真实的运营环境，也预示着系统正在接受城市道路复杂场景的持续考验。值得一提的是，奥斯汀成为了两种技术路线首次交锋的试验场。一边是Waymo的激光雷达与多传感器融合方案；另一边是特斯拉的纯视觉与端到端AI技术。它们在相似的城市道路上行驶，面对相同的行人与交通流。

经过十多年的争论，自动驾驶的讨论终于从“理论的正确性”转向“数据的正确性”。最终决定谁更接近未来的，不再是论文、参数或者传感器的数量，而是奥斯汀街头那45辆Robotaxi每天积累的数据，如真实事故率、接管率等。正如Ashok所言，传感器是用来观察世界的，而AI的职责则是预测未来。