据IT之家10月4日消息，特斯拉首席执行官埃隆·马斯克于当地时间周六透露，奥斯汀地区的无人驾驶出租车（Robotaxi）运营结束时间已由晚间22点延长至23点。同时他表示，研发团队正着力解决一个隐蔽棘手的问题——避免在夜间视线不佳的情况下碾过宠物。这项进展的核心价值在于：它标志着特斯拉的纯视觉自动驾驶方案正在向低光照、高动态障碍物的复杂场景发起技术攻坚。
要理解这次升级的难度，得先看懂特斯拉Cybercab用的是什么“眼睛”。Cybercab没有搭载激光雷达（LiDAR，即通过发射激光光束扫描周边环境来构建三维点云图的传感器），也没有毫米波雷达，而是完全依赖8个车外可见光摄像头采集道路信息，再交给车载AI芯片处理。这就是业内常说的“纯视觉路线”——就像人开车只用双眼看路一样，好处是硬件成本低、系统架构简单；坏处是对光线条件极其敏感。
特斯拉车辆使用手册中也明确写明：光照不足的环境，包括夜间没有路灯或者照明很差的道路，会限制摄像头输出精准视觉信息的能力。上一代FSD系统在暗光下主要依靠提升摄像头的ISO感光度来“看清”画面，但这会带来大量噪点，导致图像模糊。而这一次，马斯克在X平台回复网友时提出了新的技术路径：“由人工智能完成光子计数分析之后，可见光摄像头在黑暗环境下也可以拥有很不错的识别效果。”
所谓“AI辅助光子计数分析”，简单来说，就是让AI算法直接去统计摄像头传感器接收到的极微弱光子信号，而不是等图像生成后再去降噪。这相当于把原本需要物理硬件（如夜视仪或激光雷达）完成的暗光探测工作，交给了软件算法来代劳。对你有什么好处？这意味着在不增加昂贵传感器硬件的前提下，车辆在深夜也能更早地“看”到路面上的物体。
为什么马斯克特别强调“灰色的小猫跑到灰色沥青路面上”这个场景？因为猫狗这类动物的行动难以预判，会突然窜冲到车道上，相比常规通行车流属于更高风险的道路目标。而在夜间，深色毛发与深色路面之间的对比度极低，传统图像处理很容易将其当成背景忽略掉。如果AI光子计数能成功区分出这种微弱的光学反射差异，系统的感知边界将得到实质性拓宽。
作为技术路线对比，无人驾驶出租车行业的另一家头部企业Waymo采用的是包含激光雷达的融合感知方案。激光雷达自带光源，不受环境光影响，理论上在夜间识别障碍物更具优势。但现实情况是，多传感器融合并非万无一失。2025年的一个深夜，一台Waymo车辆依旧撞死了一只名叫Kit-Kat的9岁虎斑猫，周边不少居民事后纷纷发帖悼念。这说明无论采用哪种技术路线，L4级自动驾驶（即在特定设计运行域内无需人类干预的高级别自动驾驶）在面对夜间突发的小型动物时，都还没有交出满分答卷。
从实际运营数据来看，特斯拉的Robotaxi业务自2025年在奥斯汀投入试点运营后，正逐步扩大服务范围，覆盖奥斯汀、得克萨斯州其他城市以及佛罗里达州。据华兴证券整理的公开资料，截至9月3日，特斯拉在得州登记了420辆自动驾驶车辆，其中Cybercab有45辆，其余主要是Model Y；而截至9月22日，车队总数已增加到476辆，其中67辆是Cybercab。运营时间的延长和车队规模的扩大，意味着系统需要在更多真实夜间场景中收集数据，以训练其AI模型。
不过，技术的落地依然伴随着监管审视。美国国家公路交通安全管理局（NHTSA）目前正针对特斯拉FSD的摄像头感知系统展开调查，核查这套系统能否在能见度不理想的条件下有效识别道路危险物。此外，根据特斯拉向NHTSA提交的事故报告，2025年9月，奥斯汀一台用于Robotaxi运营的特斯拉Model Y曾撞到一只突然冲上马路的狗，事后这只狗自行跑开，看上去并未受伤。这些真实案例都在提醒行业，夜间长尾场景（Corner Case）的解决无法一蹴而就。
总结来说，特斯拉Robotaxi在奥斯汀将夜间运营延长至23点，并引入AI光子计数分析来攻克夜间宠物识别难题，是其纯视觉技术路线在低光照场景下的一次重要迭代。它证明了软件算法在一定程度上可以弥补物理传感器的先天短板，但距离实现全天候、全场景的绝对安全仍有距离。对于关注智能驾驶技术演进的读者而言，这项基于AI的底层图像处理能力，比单纯延长一小时运营时间更值得持续追踪。