Melihat pernyataan terbaru dari Xin Zhou Wu, kepala bisnis otomotif NVIDIA, kesimpulan yang terus saya sampaikan menjadi semakin jelas. Tesla jelas yang terdepan di L2++. (Saya selalu mengatakan bahwa batasan Tesla adalah FSD berbasis pengawasan, di mana tanggung jawab kecelakaan tetap ada pada pengemudi.) Hal ini juga diakui oleh Wu. Namun, masalahnya berhenti di sana. Mengoperasikan Cybercab secara massal dengan pendekatan hanya visi saja, dengan jalur saat ini, kemungkinan besar tidak mungkin terwujud. Pada akhirnya, Tesla akan cenderung hanya menunjukkan demonstrasi di area terbatas, sambil menyembunyikan intervensi jarak jauh dan pengecualian operasional untuk membeli waktu. Argumen Wu sangat sederhana. L2++ dan L4 bukanlah permainan yang sama. L2++ menempatkan pengemudi sebagai pihak terakhir yang bertanggung jawab. Jika kamera bingung, manusia bisa ikut campur. Alasan Tesla unggul di sini jelas: mereka telah konsisten mempertahankan pendekatan visi sejak lama dan mengumpulkan data besar dari fleet konsumen. Wu bahkan mengatakan, “Di dasar L2++, Elon hampir lebih maju daripada siapa pun.” L4 berbeda. Tidak ada pengemudi. Jika satu sensor gagal, atau satu kondisi runtuh, mobil harus mampu berhenti secara aman sendiri. Dengan kata lain, prinsip dasar L4 menurut Wu adalah: “Mobil harus tetap dapat beroperasi dengan aman meskipun terjadi kegagalan pada satu titik saja.” Oleh karena itu, NVIDIA membangun Hyperion dasar dengan konfigurasi kamera dan radar untuk L2++, sementara versi lanjutan untuk L4 menambahkan lidar. Ketika saya bertanya kepada Wu apakah lidar diperlukan untuk L4, jawabannya singkat: Ya. Dia tidak mengatakan itu benar-benar tidak mungkin secara teoritis 100%. Namun, dia menekankan bahwa jika hanya mengandalkan visi, wilayah operasional (ODD) akan sangat terbatas. Untuk menerapkan L4 dalam kondisi nyata yang diinginkan pelanggan, lidar jauh lebih unggul. Kalimat ini adalah intinya. Bukan karena visi saja “tidak mungkin sama sekali,” tetapi karena menciptakan L4 yang dapat diskalakan itu sulit. Di lingkungan terbatas—cuaca bagus, jalan rata, operator jarak jauh siap siaga—Anda bisa menirunya. Tapi itu bukan operasi fleet besar. Fleet besar menghadapi hujan, silau balik, area konstruksi, benda jatuh, hambatan reflektif rendah, kontaminasi sensor, kegagalan penglihatan malam hari, dan struktur jalan tak terduga setiap hari. Kamera adalah sensor pasif yang bergantung pada cahaya. Ia tidak mengukur kedalaman secara langsung, melainkan menyimpulkannya. Simpulan itu kuat dalam distribusi pelatihan, tetapi tiba-tiba melemah di luar distribusi itu. L4 tidak mengizinkan momen lemah semacam itu. Penilaian Wu bahwa Waymo adalah “pemain yang sudah terbukti” dan Tesla masih “mencari jalurnya” juga berada dalam konteks yang sama. Waymo telah berhasil menciptakan layanan tanpa pengemudi yang dapat dioperasikan secara berulang di kota-kota terbatas. Cybercab berbasis visi Tesla belum mencapai tahap verifikasi operasional tersebut. Perbaikan FSD konsumen dan fleet komersial besar tanpa pengemudi manusia adalah dua masalah yang sama sekali berbeda. Yang pertama sukses jika tingkat intervensi rendah; yang kedua harus menghilangkan intervensi sama sekali dari model operasionalnya. Struktur data juga tidak menguntungkan Tesla. Tesla mempertahankan loop tertutup fleet sendiri. Ini adalah senjata kuat untuk meningkatkan L2++. Namun, sertifikasi keamanan L4 dan ekspansi multi-OEM serta multi-kota adalah optimasi yang berbeda. Wu menekankan bahwa NVIDIA menekankan berbagi data dan simulasi antar OEM. L4 tidak cukup hanya dengan pemandangan dari satu perusahaan saja. Anda harus mencakup kejadian langka, kegagalan sensor, persyaratan regulasi, dan budaya lalu lintas lokal. Loop tertutup memang cepat, tetapi redundansi yang dapat diverifikasi menjadi lemah. Logika biaya juga tidak selalu menguntungkan Tesla seiring waktu berjalan. Keunggulan utama visi saja adalah biaya rendah. Namun, semakin mendekati L4, model menjadi semakin besar, komputasi inferensi dan redundansi meningkat, dan ketika beralih ke chip generasi baru (kelas AI5), beban komputasi melonjak drastis. Wu juga menyebut titik ini. Untuk menutup celah keamanan yang tidak cukup hanya dengan kamera, Anda harus menggunakan model lebih besar dan lebih banyak komputasi—namun biaya sensor yang awalnya dihemat kini kembali muncul dalam bentuk biaya chip, daya, pendinginan, dan verifikasi. Apalagi jika ditambah biaya tenaga pendukung jarak jauh, batasan operasional, penanganan kecelakaan, asuransi, dan pengecualian operasional per kota, maka “perangkat keras murah” akan segera berubah menjadi “operasi mahal.” Jadi, jalur realistis Cybercab menurut saya adalah sebagai berikut: Pertama, beroperasi hanya pada rute terbatas dan waktu terbatas di beberapa kota. Kedua, jika terjadi masalah, tanggapi dengan intervensi jarak jauh dan penarikan kendaraan. Ketiga, terus melakukan pembaruan perangkat lunak sambil mempertahankan citra “robotaxi tanpa pengemudi.”Keempat, ekspansi skala besar secara komprehensif terus ditunda ke kuartal berikutnya, kota berikutnya, dan chip berikutnya. Ini adalah strategi penundaan yang menolak mengakui kegagalan. Karena sulit untuk memenuhi persyaratan redundansi fisik dan tingkat keamanan regulasi yang dibutuhkan untuk operasi komersial L4 hanya dengan inferensi kamera. Batasan ODD yang disebutkan oleh Wu adalah titik itu. Demonstrasi memang mungkin. Keberhasilan terbatas juga mungkin. Namun itu tidak sama dengan operasi sehari-hari armada skala besar. Tidak perlu meremehkan pencapaian Tesla di L2++. Pencapaian itu nyata. Namun, jika menempatkan pencapaian itu pada tingkat yang sama dengan penyelesaian cybercab L4, logikanya runtuh. Alasan pentingnya pernyataan Wu adalah karena ia tidak mengabaikan Tesla, tetapi memisahkan kekuatan dan keterbatasan Tesla. Pemimpin di L2++ adalah Tesla. Operasi terbukti L4 masih lebih dekat ke Waymo. Cybercab berbasis visi saja sulit menutup kesenjangan itu hanya dengan data dan komputasi. Seperti yang saya perkirakan. Cybercab akan tampak “berfungsi” selama beberapa waktu. Video terlihat hebat, beberapa segmen benar-benar berjalan dengan baik. Namun, untuk menjadi jaringan transportasi otonom yang mampu menyerap secara konsisten cuaca, kota, dan situasi tak terduga, struktur saat ini masih belum cukup. Sementara bagian yang kurang ini diisi, Tesla memperoleh waktu, dan pasar tetap mempertahankan harapan. (Penggemar Tesla yang naif akan terus tertipu.) Wawancara Wu menunjukkan bahwa waktu itu tidak bisa diperpanjang tanpa batas.