Teslas fremragende prestasjon i Dongchedi-testen skyldes i stor grad deres langvarige forpliktelse til en ren visuell teknologisk tilnærming. I motsetning til den "laser radar + millimeterbølge radar + kamera" multi-sensor fusionsløsningen som andre bilprodusenter vanligvis bruker, stoler Tesla kun på kameraer for å samle visuell informasjon, og bruker avanserte algoritmer for å oppnå miljøoppfatning og beslutningskontroll. Dette teknologivalget har vist flere betydelige fordeler i testen, samtidig som det har utløst vedvarende kontroverser i bransjen.
Kostnadseffektivitet er den mest åpenbare konkurransefordelen ved den rene visuelle løsningen. Ifølge bransjedata er kostnaden for Teslas Model 3s intelligente kjøre system omtrent 40 % lavere enn for Wanjies M9, som er utstyrt med laser radar. Kostnaden for en enkelt laser radar er fortsatt rundt 500 dollar, mens kostnaden for de vanlige kameraene som Tesla bruker, kun er noen titalls dollar. Denne kostnadsforskjellen gjør at Tesla kan investere mer ressurser i algoritmeutvikling og databehandling, samtidig som de opprettholder en høyere fortjenestemargin. Kommentarene fra nettbrukere er skarpe: "Ren visjon er den riktige veien, fordi den virkelige verden er laget for mennesker, laser radar kaster bort maskinvarekostnader."
Det mest imponerende i testen var den menneskelignende beslutningslogikken som Teslas system viste. I scenariet "kontruksjon møter lastebil", da Model 3 nærmet seg hindringsområdet med en hastighet på 130 km/t, identifiserte den ikke bare hindringen foran i tide og aktiverte bremsene, men fullførte også en rekke komplekse operasjoner som filskifte og sakte omkjøring etter en kort stopp, og klarte til slutt å passere gjennom et smalt rom på bare 2,55 meter. Denne evnen til å "håndtere kritiske situasjoner jevnt og til og med 'logisk'" viser den kjernefordelen ved Teslas ende-til-ende nevrale nettverk - det handler ikke bare om enkel "oppfatning-respons", men om å simulere den omfattende vurderingsprosessen til en menneskelig sjåfør.
Teslas teknologiske arkitekturinnovasjon er også en viktig årsak til deres fremragende prestasjon. FSD V12 bruker Vision Transformer-arkitektur for å oppnå direkte mapping fra bildeinngang til kontrollkommandoer gjennom en ende-til-ende-modell. Deres sparsifiserte baneprognosealgoritme reduserer responstiden for komplekse kryssbeslutninger til 120 millisekunder, nær menneskelig nivå. Enda viktigere er det at Teslas system bruker en "enkel beslutningsstrøm"-design, som unngår problemer med systemkonflikter. I Dongchedi-testen ble Wanjies M9s NCA (automatisert navigasjonsassistent) funksjon tvunget til å avbrytes etter at AEB (automatisert nødbrems) ble utløst i konstruksjonsscenariet, noe som førte til systemstrategikollaps; mens Teslas FSD-system, ved å bruke en enhetlig arkitektur, unngår situasjoner med "høyre hånd som kjemper mot venstre hånd", noe som gir mer sammenhengende og stabil beslutningstaking.
Imidlertid står den rene visuelle løsningen også overfor mange spørsmål og begrensninger. Kontroversen rundt testmetoder og scenarievalg er først og fremst. Huawei ADS-leder påpekte på sosiale medier: "Ekte intelligente kjørekonkurranser bør finne sted i komplekse scenarier som bylandsbyer og matmarkeder, ikke på lukkede motorveier." Faktisk var alle testene i Dongchedi på motorveier og inkluderte ikke de komplekse byforholdene som er unike for Kina, som høyresving uten beskyttelse, blandet trafikk med ikke-motoriserte kjøretøy, osv., og disse er nettopp de anerkjente svakhetene ved den rene visuelle løsningen. Målinger fra februar i år viste at FSD hadde 34 brudd på kinesiske byveier, med en tydelig utilstrekkelig evne til å gjenkjenne lokale trafikkelelementer som busspesialfelt og tidevannsfelt.
Miljøavhengighet er en annen stor utfordring. Den rene visuelle løsningen kan oppleve en reduksjon i gjenkjenningsnøyaktighet på opptil 30 % under ekstreme forhold som kraftig regn og motlys. Selv om Teslas HW5.0-hardware er utstyrt med 12 værbestandige kameraer, med spesialtilpassede linser fra Samsung kombinert med oppvarmingselementer og vannavvisende belegg, som kan opprettholde en effektiv deteksjonsavstand på 250 meter i regn og snø, kan det fortsatt oppstå ytelsesvariasjoner i virkelige komplekse miljøer. I kontrast kan multi-sensor fusionsløsninger, gjennom den aktive deteksjonsevnen til laser radar, tilby mer stabil oppfatning under dårlige værforhold.
Det er verdt å merke seg at teknologiske tilnærminger ikke er helt motstridende, og det er en fusjonstrend i bransjen. Huawei ADS 3.0 har justert til en strategi der "laser radar er hovedfokus, visjon er sekundær"; samtidig har Tesla stille forbedret algoritmene sine, med den nyeste FSD Beta 13.2-versjonen som introduserer mer semantisk segmenteringsteknologi, noe som øker gjenkjenningsnøyaktigheten med 27 %. Det er en gradvis enighet i bransjen: det finnes ikke en absolutt optimal rute, bare kombinasjonsløsninger som passer best til spesifikke markedsforhold og teknologisk økologi. Teslas prestasjon i Dongchedi-testen beviser gjennomførbarheten av den rene visuelle løsningen under spesifikke forhold, men det betyr ikke at denne tilnærmingen har universelle fordeler i alle scenarier.
Etter offentliggjøringen av Dongchedi-testresultatene for førerassistansesystemet, fikk Teslas prestasjon mye oppmerksomhet, men kontroversene rundt metodologien, rettferdigheten og representativiteten til testen oppsto også. Disse kontroversene reflekterer ikke bare offentlighetens interesse for vurderingssystemet for intelligent kjøring, men avdekker også bransjens mangler når det gjelder standardisering. En grundig analyse av disse kontroversene er avgjørende for å forstå den faktiske betydningen av testresultatene.
Kontroll av testvariabler er et av de mest omstridte aspektene. Flere bransjeeksperter og bilprodusenter har påpekt at nøkkelparametere som hastighet og avstand til bilen foran ikke har en enhetlig standard i testen. For eksempel, i testen "bilen foran forsvinner plutselig", er scenariebetingelsene som forskjellige bilmodeller står overfor, varierende - noen biler har en tom venstre fil og kan omkjøre; mens andre biler har venstre fil opptatt av andre kjøretøy, og kan ikke omkjøre i det hele tatt. På samme måte har avstanden til bilen foran brukt en "middels" innstilling som er tilpasset av hver bilprodusent, men denne standarden varierer betydelig: Teslas "middels" kan tilsvare omtrent 120 meter avstand (7 hvite linjer), mens Wanjies "middels" bare er omtrent 45 meter (3 hvite linjer). Denne inkonsistensen i startlinjen gjør det vanskelig å sammenligne testresultatene horisontalt.
I møte med disse spørsmålene svarte Dongchedi: "Variablene kan selvfølgelig ikke være helt like, men den overordnede logikken er nært knyttet til virkelige motorveibruksforhold, og ikke standard laboratorietester." De understreket at testens mål ikke er å se "hvem som er smartest", men "hvem som gjør færrest feil". Denne holdningen har en viss rimelighet, fordi virkelige veiforhold er fulle av variabler, og intelligente kjøringssystemer må ha evnen til å håndtere usikkerhet. Imidlertid er det fortsatt et grunnleggende krav for å sikre vitenskapeligheten i resultatene å kontrollere nøkkelvariabler i passende grad for sammenligningstesting.
Kontroversen om menneskelig inngripen involverer rettferdigheten i testprosessen. I testvideoen for Wanjies M9s konstruksjonsscenario, førte en plutselig rattbevegelse til at unngåelsesmanøveren mislyktes, og noen nettbrukere har stilt spørsmål ved om sjåføren har intervenert i bilens kontroll gjennom sakte video. Dongchedis tekniske personell forklarte at dette var en systemkonflikt forårsaket av at AEB-systemet ble utløst og NCA-funksjonen ble avbrutt, og ikke menneskelig inngripen. Denne forklaringen er rimelig, men avdekker også problemet med utilstrekkelig åpenhet i testprosessen - hvis testpartiet kunne ha offentliggjort mer detaljerte driftsprosedyrer og vurderingsstandarder på forhånd, kunne slike kontroverser vært unngått.
En mer grunnleggende kontrovers gjelder representativiteten til testscenariene. Dongchedi-testen fokuserte på 15 høy-risiko scenarier, alle i forhåndsdefinerte standardiserte situasjoner. Den virkelige veien er imidlertid mye mer kompleks og variert, spesielt de trafikksituasjonene som er unike for kinesiske byer, som elektriske kjøretøy som krysser fritt, fotgjengere som krysser barrierer, og ikke-motoriserte kjøretøy som kjører mot trafikken, som ikke ble reflektert i testen. Kritikken fra Huawei ADS-lederen treffer spikeren på hodet: "Ekte intelligente kjørekonkurranser bør finne sted i komplekse scenarier som bylandsbyer og matmarkeder." Begrensningene i testscenariene gjør at resultatene er vanskelige å reflektere de faktiske ytelsesforskjellene mellom systemene i bruk.
Merket som retter seg mot spørsmålene er også verdt å merke seg. Noen nettbrukere har påpekt at Dongchedis investeringspartner Sequoia Capital også har investert i Tesla, og mistenker at testen kan ha en "kapital-inflasjon" skjevhet. Selv om Dongchedi understreker at testen er organisert i samarbeid med CCTV, med full videoopptak uten redigering, kan kapitalforbindelser faktisk påvirke offentlig tillit. Den kalde responsen fra Hongmeng Zhixing, som "ikke vil kommentere", antyder også at noen bilprodusenter har forbehold om testens rettferdighet.
Bak disse kontroversene ligger det dypere problemer med mangelen på et standardisert system i den intelligente kjørebransjen. For øyeblikket har Kina ennå ikke etablert en nasjonal eller bransjeenhetlig standard for vurdering av intelligente kjøretester, og hver vurderingsinstitusjon designer sine egne testprosedyrer, noe som gjør det vanskelig å sammenligne resultater. CEO for Ideal Automotive, Li Xiang, har kommet med et konstruktivt forslag: "Det bør etableres en enhetlig teststandard som inkluderer 100 000 scenarier, som dekker ekstreme forhold som kraftig regn, nattkjøring, tunneler osv." Det er rapportert at Kinas bilindustriforening har startet arbeidet med å utvikle "Standard for vurdering av intelligente kjøresystemer", som planlegges implementert i 2026, noe som vil bidra til å forbedre vitenskapeligheten og troverdigheten til bransjevurderinger.
Et annet nøkkelproblem er funksjonsgrensene for L2-systemet. Alle bilmodeller som ble testet, var utstyrt med L2-nivå førerassistansesystemer, som er designet for å hjelpe, ikke erstatte menneskelige sjåfører. Wang Qiang, viseadministrerende direktør for trafikkloven i offentlig sikkerhet, uttalte klart: "De intelligente kjøresystemene som selges på det kinesiske markedet, har ikke automatisk kjørefunksjoner." Dette betyr at uansett testresultatene, må sjåførene alltid være oppmerksomme og klare til å ta over bilen. Noen bilprodusenter overdriver "automatiske kjøre" evner, noe som fører til at forbrukerne får urealistiske forventninger til systemets ytelse, og dette er også grunnen til at det er en avstand mellom testresultatene og offentlig oppfatning.