美国德州一辆特斯拉 Model 3。以 73 英里每小时的速度撞穿了外墙，撞死了里面一个 76 岁的祖母。司机说 FSD（全自动驾驶）开着时失控了。

特斯拉的反应挺有意思的。上来就是「数据证明司机油门踩到底了」。

在我看来，这辆车不是「判断错了」，它压根没在判断。特斯拉的纯视觉方案干的事情特别简单：摄像头拍画面，AI 模型做匹配。这是车，这是人，这是路标，这是车道线……然后输出：可以走，或者该减速。

可在训练数据里，「障碍物」长什么样？车、人、路障、施工牌。一栋房子的正面长什么样？对不起，没学过。对这套模型来说，房子正面是一个巨大的矩形。这不是障碍物，这是壁纸。

不是我挑特斯拉刺。所有 AI 都是这个德性，不认东西，只认像素。

所以这不光是汽车的事。在AI眼里「概率最高的」跟「正确的」是同一个东西。所以这辆车在社区街道开到73迈后穿墙而入，和一个聊天机器人张口胡编，都是模式匹配撞了南墙。

而且这辆车在撞上去的时候，不是一套 AI 在犯懵，是三套。

视觉 AI 在管眼睛。一栋房子越来越近，画面中央一个好大的矩形。没反应。因为它学过的「障碍物」是车尾灯、施工锥、行人的轮廓。一栋房子？它没见过这玩意。

好，视觉 AI 没报，决策 AI 收到的是「前面一切正常」。继续走。

动力系统更绝。电动车的油门不是真油门，是一个电信号传感器。如果电池供电突然有个波动，比如“空调压缩机启动了一下”逆变器可能误读：「哦，油门踩到底了」。然后就真的执行了。

三个系统各干各的，没有一个知道前面是房子，里面有人。不是说它们做错了选择，是它们压根没得选。

我其实不怎么在乎司机有没有真把油门踩到底。几个月后 NTSB 出报告，自然就知道了。

我烦的是另一件事。那些把车交给自动驾驶的，把邮件交给AI 助理的，把决策交给智能决策的。底下跑的是同一套东西：匹配、匹配、匹配。大部分时候对。错的时候呢？

一辆车猜错了，一个 76 岁的老太太在自己客厅里被撞死。一个聊天机器人猜错了，给你一段胡编但看着像回事的答案。

科技行业花了几十年干了一件事：让你相信「算得快」就是「聪明」。但这两者之间隔了一条河，叫理解。

所以你的车不知道它在开车。你的 AI 不知道它在回什么。它们只是在做选择题，每道题都是「以下哪个最像正确答案」。而这就叫智能。