Melihat pernyataan terbaru dari Xin Zhou Wu, pemimpin unit bisnis mobil NVIDIA, kesimpulan yang telah saya sampaikan berulang kali menjadi semakin jelas. Tesla jelas pemimpin di kelas L2++. (Saya selalu mengatakan bahwa batasan Tesla adalah FSD berbasis pengawasan, di mana tanggung jawab kecelakaan tetap berada pada pengemudi.) Hal ini juga diakui oleh Wu. Namun, masalahnya berhenti di sana. Mengoperasikan Cybercab secara besar-besaran hanya dengan visi murni sangat sulit dilakukan dengan jalur saat ini. Kemungkinan besar, mereka akan cenderung hanya menunjukkan demonstrasi di area terbatas, sembari 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 bertanggung jawab akhir. Jika kamera bingung, manusia bisa ikut campur. Alasan Tesla unggul di sini jelas: mereka telah konsisten mempertahankan pendekatan visi sejak lama dan mengumpulkan data dalam jumlah besar melalui armada 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 mandiri dengan aman. 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 mempertahankan konfigurasi kamera dan radar Hyperion dasar 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 secara teoritis mustahil tanpa LiDAR. Namun, dia menekankan bahwa jika hanya mengandalkan visi, wilayah operasional (ODD) akan terbatas. Untuk menerapkan L4 dalam kondisi nyata yang diinginkan pelanggan—yang luas dan beragam—LiDAR jauh lebih unggul. Kalimat ini adalah intinya. Visi murni bukan “mustahil mutlak”, tetapi sulit untuk menciptakan L4 yang dapat diskalakan. Dalam lingkungan terbatas—geofencing sempit, cuaca bagus, jalan halus, dan personel jarak jauh siap segera mengambil alih—Anda bisa menirunya. Tetapi itu bukan operasi armada besar. Armada besar menghadapi hujan, silau balik, area konstruksi, benda jatuh, rintangan 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 telah terbukti” dan Tesla masih “mencari jalurnya” juga berasal dari konteks yang sama. Waymo telah menciptakan layanan tanpa pengemudi yang dapat dioperasikan secara berulang di kota-kota terbatas. Cybercab visi murni Tesla belum mencapai tahap verifikasi operasional tersebut. Peningkatan FSD konsumen dan armada 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 armadanya 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 mendorong berbagi data dan simulasi antar OEM. L4 tidak cukup hanya dengan pemandangan dari satu perusahaan saja. 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 semakin menguntungkan Tesla seiring waktu. Keunggulan utama visi murni adalah biaya rendah. Namun, semakin mendekati L4, model menjadi semakin besar, komputasi inferensi dan redundansi meningkat, dan ketika beralih ke chip generasi berikutnya (kelas AI5), beban komputasi melonjak tajam. Wu juga menyebut titik ini. Untuk menutup celah keamanan yang tidak cukup hanya dengan kamera, Anda memerlukan model yang lebih besar dan lebih banyak komputasi—tapi biaya sensor yang awalnya dihemat kini kembali muncul dalam bentuk biaya chip, daya, pendinginan, dan verifikasi. Ditambah lagi biaya tenaga pendukung jarak jauh, batasan operasional, respons kecelakaan, asuransi, dan pengecualian operasional per kota—“perangkat keras murah” segera berubah menjadi “operasi mahal.” Oleh karena itu, 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 mempertahankan citra “robotaksi tanpa pengemudi” sambil melakukan pembaruan perangkat lunak berulang-ulang.Keempat, ekspansi besar-besaran armada terus ditunda ke kuartal berikutnya, ke kota berikutnya, ke chip berikutnya. Ini adalah strategi penundaan yang menolak mengakui kegagalan. Karena sulit untuk memenuhi persyaratan redundansi fisik dan tingkat keselamatan regulasi yang diperlukan untuk operasi komersial L4 hanya dengan inferensi kamera. Batasan ODD yang disebutkan oleh Wu adalah titik itu. Demonstrasi mungkin dilakukan. Keberhasilan terbatas juga mungkin. Namun itu tidak sama dengan operasi harian armada skala besar. Tidak perlu merendahkan pencapaian Tesla di L2++. Pencapaian itu nyata. Namun, jika kita 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 pengangkutan otonom yang mampu menyerap cuaca, kota, dan situasi tak terduga secara konsisten, struktur saat ini masih tidak 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.