北京一家法院就消费者针对特斯拉"完全自动驾驶"软件提起的欺诈诉讼举行了首次庭审。10位车主联合索赔逾395万元人民币(约合58.3万美元)。
此案最初于去年9月立案时有7位原告,目前已增至10人,是中国首起针对特斯拉FSD功能承诺的集体维权诉讼。
据《新京报》报道,各原告均在2019年至2021年间以5.6万元人民币(约合7800美元)的价格购买了特斯拉FSD套餐。他们指控特斯拉销售人员及首席执行官埃隆·马斯克曾向其保证,"完全自动驾驶"功能即将实现,且价格将上涨,以此促使他们尽快购买。
然而现实与承诺大相径庭。特斯拉今年开始在中国推送驾驶辅助软件时,仅支持搭载HW4.0硬件的车型,而所有2019年至2023年间生产、配备HW3.0硬件的老款车辆均被排除在外。
原告方认为,特斯拉FSD系统在中国尚未获得监管批准,无法实现其营销宣传中所描述的功能,且公司刻意隐瞒了硬件限制以促成销售。
依据中国《消费者权益保护法》,车主们要求获得全额退款并追加三倍赔偿,这是中国针对消费欺诈行为的标准处罚条款。
特斯拉在庭审中否认上述指控,称部分FSD功能"完全可用",其余功能则"部分可用"或仍在开发中。
此次庭审恰逢特斯拉中国自动驾驶战略的敏感节点。就在庭审前九天,特斯拉刚刚确认FSD(有监督版)已在中国正式上线;而就在庭审前一周,该公司又将其系统在中国市场更名为"特斯拉辅助驾驶"——此举在一定程度上承认了"完全自动驾驶"这一名称存在误导性。
这次更名对特斯拉的法律辩护而言恐怕适得其反,因为原告均是在原有品牌名称下购买FSD的,且当时明确被告知该系统将实现自动驾驶。
此案还进一步加剧了特斯拉在全球范围内因自动驾驶宣传而面临的法律风险。目前,特斯拉在全球面临高达145亿美元的诉讼,其中许多与Autopilot及FSD相关。在美国,一项针对FSD误导性宣传的集体诉讼正在推进;德克萨斯州一名车主近期已就特斯拉未能兑现FSD承诺获得1万美元赔偿判决,而特斯拉仍在上诉中。
据估算,特斯拉在中国搭载HW3.0计算平台的车辆超过100万辆,这意味着本案一旦判决,将可能为大量车主的维权行动树立先例。
目前,法院尚未披露判决时间表。
分析人士指出,特斯拉过早出售自动驾驶功能所带来的财务隐患正在全球各地逐步显现。问题的核心在于:特斯拉以"完全自动驾驶"为名、以数千美元的价格出售该功能,其首席执行官也一再承诺功能即将落地,但时至今日这一承诺仍未兑现。将软件在中国更名为"特斯拉辅助驾驶",实质上等于承认原有名称具有误导性,而这正是原告在法庭上所主张的核心论点。
此案之所以尤为值得关注,在于中国消费者保护法中的三倍赔偿条款。一旦法院支持原告,特斯拉不仅须退还购车款,还须赔偿车主所付金额的三倍。若将这一标准推及中国境内逾百万辆HW3.0车辆,潜在赔偿总额将高达数十亿美元。加之据报道还有数百名车主正在咨询律师、准备提起诉讼,目前的局面或许仅是冰山一角。
Q&A
Q1:特斯拉FSD在中国的诉讼具体涉及哪些指控?
A:10位中国车主指控特斯拉在销售FSD套餐时存在欺诈行为,主要包括三点:一是特斯拉销售人员及CEO承诺"完全自动驾驶"功能即将实现,但实际未能兑现;二是FSD系统在中国未获监管批准,无法实现宣传中的功能;三是特斯拉故意隐瞒硬件限制,导致HW3.0车主无法使用后续推出的驾驶辅助软件。原告依据中国《消费者权益保护法》要求全额退款并追加三倍赔偿。
Q2:特斯拉将FSD更名为"特斯拉辅助驾驶"对诉讼有何影响?
A:更名对特斯拉的法律辩护可能产生不利影响。原告正是在"完全自动驾驶"这一名称下购买了相关套餐,并被明确告知系统将实现自动驾驶。此次更名在一定程度上等于承认原有名称具有误导性,与原告的核心主张高度吻合,可能成为法庭上对特斯拉不利的重要依据。
Q3:如果中国法院判决特斯拉败诉,潜在赔偿规模有多大?
A:若法院支持原告并适用三倍赔偿条款,特斯拉需赔偿每位车主所付金额的三倍。考虑到特斯拉在中国搭载HW3.0计算平台的车辆估计超过100万辆,若更多车主效仿提起诉讼,潜在赔偿总额可能高达数十亿美元,对特斯拉构成重大财务风险。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。