5月21日，特斯拉又举起了降价大旗，将Model S和Model X车型的起售价分别调低了3000美元和2000美元。这也是特斯拉三个月内对这两款车的第三次降价。
特斯拉频繁价格结构调整背后，出于什么考虑？
有报道称，特斯拉正计划推出更大的Model S和Model X，配备新的内部设计和新的电池组。因此，采取降价措施的原因很可能是该公司正在清理一部分零部件，以便转向新版本的车型。但目前来看，最根本的原因还是特斯拉销量的低迷。据2019年第一季度财报来看，特斯拉累计全球累计交付6.3万辆，环比下降了31%，净亏损7.02亿元，是连续两个季度盈利以来亏损最大的。摩根士丹利分析师Adam Jonas指出，最糟糕情景是由特斯拉的债务负担增加、市场饱和、以及全球贸易局势继续发酵所构成，导致需求急剧下降。
在销量遭受“滑铁卢”的同时，特斯拉的自动驾驶也频频陷入“黄牌”警告……
自动驾驶又“闯祸”，漏洞多多让人心寒
近日，美国国家运输安全委员会(NTSB)发布调查报告，2018年3月1日发生在佛罗里达州棕榈滩的Model 3致命事故中，特斯拉电动车的自动驾驶系统(Autopilot)处于启动的状态。数据和视频显示，事发时驾驶员和辅助驾驶系统都未作出规避操作。
令人担忧的是，特斯拉汽车因“自动驾驶”行驶发生的事故远不止于这一次。
2018年5月，美国犹他州一辆特斯拉车以60英里的时速冲到一个交通路口时，撞上前方一辆消防车的尾部，特斯拉车辆驾驶员脚踝骨折，并称当时处于自动驾驶系统的开启状态。
2018年3月，一名美国加州华裔驾驶人在使用特斯拉Autopilot自动驾驶模式时发生车祸，导致其身亡。
2018年1月，在美国加利福尼亚州的卡尔弗城一辆特斯拉ModelS以105km/h的时速与一辆卡车相撞，造成特斯拉轿车的整个前机舱报废，车主声称车辆已开启Autopilot自动驾驶辅助系统。
2017年7月，美国明尼苏达州一名男子驾驶特斯拉电动汽车开启Autopilot驾驶辅助系统后突然加速，驶离了公路，导致司机和4名成年乘客在事故中受轻伤。
2016年5月，美国佛罗里达州一辆开着自动驾驶模式行驶的Model S，全速撞到一辆正在垂直横穿高速的白色拖挂卡车，车主死亡。
2016年1月，一辆开启自动驾驶模式的特斯拉在京港澳高速河北邯郸段，撞击一辆正在作业的道路清扫车，车主不幸身亡。
特斯拉方面表示，自动辅助驾驶并非自动驾驶功能，用户仍必须保持警惕并负责掌控汽车。但专家认为，如何确保控制方向盘和加速的自动辅助驾驶系统不会被错误地使用，特斯拉在这方面做的不够。
事实上，2019年4月，腾讯科恩实验室就发现了特斯拉Model S自动驾驶系统的三大漏洞。其中，最可怕的是在路面部署干扰信息后，可导致特斯拉车辆经过时对车道线做出错误判断。甚至只需将三张普通人肉眼几乎不可见的贴纸贴于路面，但特斯拉的自动驾驶算法会将其误认为车道线，从而做出变换车道的行为。
车辆会因为地上的三个贴纸驶入旁边车道(示意图)
此外，如果利用人工智能对抗样本生成技术生成特定图像并进行干扰，特斯拉自动驾驶系统输出了“错误”的识别结果，会让车辆雨刷启动；若利用已知漏洞在特斯拉Model S获取自动驾驶控制权之后，即使自动驾驶系统没有被车主主动开启，也可以利用自动驾驶功能实现通过游戏手柄对车辆行驶方向进行操控。据悉，2016年腾讯科恩实验室就曾成功以“远程无物理接触”的方式成功入侵了特斯拉汽车。
特斯拉事故的频频发生以及几大漏洞的爆出，无疑给人们对自动驾驶前所未有的热情浇了一盆大大的冷水。
自动驾驶安全需打破AI局限，让AI学会恐惧
特斯拉事件也再次把人们的视线拉回到自动驾驶安全性话题上。
卡内基梅隆大学电气和计算机工程教授拉杰·拉杰库马尔(Raj Rajkumar)表示，机器学习和人工智能（AI）有其固有的局限性。如果传感器“看到”它们以前从未见过或很少看到过的东西，它们就不知道如何处理这些情况。拉杰库马尔补充称：“特斯拉没有处理众所周知的AI局限性问题。”
针对该局限，对自动驾驶交通工具传感器的研究迫在眉睫。
日前，微软研究团队提出了一个新的研究发现：让AI学会恐惧，可能会提高自动驾驶汽车的安全性。
由恐惧驱动的生理反应帮助人类做出关键决定，保持警觉，尤其是在开车这样的情况下。在这项新研究中，研究人员提高自动驾驶汽车的决策技能借鉴了这一理念。研究人员给AI程序提供焦虑的粗略模拟，当计算机学习驾驶虚拟世界时，它会使用这些“恐惧”信号作为指导：如果一个人会感到害怕，计算机也可能会冥想“我做错了”，从而提升驾驶的安全性。
由美国普渡大学、新加坡南洋理工大学以及苏黎世联邦理工学院的研究者组成的团队则试图从蜘蛛身上的传感系统中得到启发，来为自动驾驶汽车提供更高效的危险规避系统。
当猎物或者捕食者撞击蜘蛛网，蜘蛛腿上的毛发就会发出一定频率的震动来提醒蜘蛛。但如果是灰尘降落在蜘蛛网上，蜘蛛腿上的毛发就不会这种频率的震动。研究者们希望可以开发一种像蜘蛛腿一样的，可以选择性的对信息进行分析的传感器，在降低信息处理量的同时，提高处理速度。
面对类似特斯拉自动驾驶所不可避免的AI局限，为了让自动驾驶交通工具传感器在即使未识别过的场景中也能够快速且正确地处理情况，引入人类的“恐惧”情绪、学习蜘蛛传感器等研究，或许提供了一个很好的思路。
干货获取方式
完整数据分析资料「包括SPSS\SAS\SQL\EXCEL\Project!」
