（特斯拉介绍时公布的图片，显示了“单辆自动驾驶出租车的毛利润”。图片由Stephanie Brinley拍摄）

Musk表示，特斯拉的自动驾驶出租车将无需驾驶员在车内控制。他表示，自动驾驶出租车的业务将仅限于特定的管辖区，因为特斯拉无法在所有地方都获得监管部门的批准。Musk并未承诺自动驾驶出租车能在所有司法管辖区正常运营。对于特斯拉的车主，这位首席执行官承诺将会把优步和Airbnb的商业模式结合起来；任何客户都可以在特斯拉网络中添加或删除他们的汽车。虽然特斯拉没有讨论会向消费者收取多少费用，但Musk表示，特斯拉将从每辆自动驾驶出租车中获得20%至30%的收入。他指出，在没有足够车主共享特斯拉汽车的地方，将由特斯拉公司自己运营的自动驾驶车辆来满足需求——这也是公司总体规划的一部分。车主可以通过一款应用，在特定时间共享自己的车辆，或将车辆共享给朋友、同事或网友。对于车主来说，这样带来的好处是共享汽车有可能帮助抵消每月部分或全部的车辆贷款。作为该计划的一部分，自动驾驶出租车用户可以从停车场呼叫汽车，然后乘车出行。当车辆租借时间结束后，车辆将自动返回。

尽管这一计划的主要内容并不新鲜，但Musk对于他所认为的潜在成本和收入机会提出了最新的看法。Musk指出，在美国，人们平均每天开车1-1.5个小时，他相信共享自动驾驶出租车可以将车辆使用时间增加至每天5-6小时。对于由Model 3组成的特斯拉自动驾驶出租车车队，Musk预计，每辆车在生命周期内将创造10万美元的收入机会。目前，Musk预计每辆车的成本为3.8万美元，服务里程为100万英里，能源效率为4.5英里/千瓦时。Musk表示，最终这些汽车将不再需要方向盘和踏板，如果获得监管部门的批准，这些控制装置将在未来被全部移除。Musk表示，或许两年后，特斯拉将生产出没有方向盘或踏板的汽车。此外，他预计在三年内，这些没有控制装置的自动驾驶出租车成本将不超过2.8万美元。

Musk估计，自动驾驶出租车每英里的成本不到0.18美元，相比之下，传统汽车所有权的车辆（每年行驶1.35万英里），其每英里行驶成本为0.62美元，而当前网约车公司的车辆，每英里行驶成本高达2 - 3美元。Musk还估计，即使假设自动驾驶出租车上路期间大约有一半时间没有产生收入，不过该公司每辆自动驾驶出租车每年可以产生约3万美元的毛利润。这一估算基于自动驾驶出租车每年行驶9万英里（每小时行驶16英里，每天行驶16小时）的假设之上。Musk预计这些汽车将能够运行大约11年，使用寿命为100万英里。Musk表示，到2020年年中，将有100多万辆特斯拉汽车上路提供自动驾驶出租车服务，一辆自动驾驶出租车的净现值约为20万美元。

新型全自动驾驶计算机

到2019年4月中旬，所有特斯拉汽车都将配备新型全自动驾驶（FSD）计算机，使用特斯拉定制的芯片，以及8个视觉摄像头和12个雷达硬件包。Musk表示，一旦软件完全开发出来，这些硬件包足以支持部署自动驾驶汽车技术。特斯拉表示，FSD计算机“在不影响成本或行驶里程的情况下，将令特斯拉汽车达到全新的安全性能和自动化水平”。Musk在活动上表示，所有特斯拉汽车在出厂时已经有必要的硬件，“你所需要做的就是改进软件”。到2019年第二季度末，Musk表示特斯拉将有50万辆上路的汽车配备8个摄像头、12个超声波传感器和1个雷达，1年内将会有100万辆汽车配备这些硬件。Musk在4月份指出，仍有47.5万辆特斯拉汽车在使用之前的NVIDIA Xavier芯片；Musk表示这些车辆仍然为神经网络训练和开发收集必要的数据。特斯拉在自动驾驶汽车领域的竞争中具有可持续的优势，那就是车辆在场景中反馈的真实数据通常无法在模拟中获得。Musk认为自动驾驶模拟“基本上就是独自在做家庭作业，因为你不知道哪些内容是你不知道的”。这并不是说自动驾驶模拟没有用，特斯拉也进行自动驾驶模拟，不过特斯拉将继续识别路上几乎每一辆汽车收集（匿名）的大量数据，并为神经网络训练提供更深入的数据集。Musk还指出，公司已经在研发下一代FSD计算机；他说，这款产品应该在两年内上市，性能将超过目前的FSD三倍，不过他拒绝透露更多具体细节。

在活动上，特斯拉自动驾驶仪硬件主管Pete Bannon表示，公司花费了大约18个月的时间开发FSC计算机，并用了三年多的时间将其投入生产。Musk证实三星是该芯片的制造商。特斯拉表示，FSC的功耗约为72瓦，低于公司内部原定100瓦的目标。Musk指出，该系统将对车辆的行驶里程带来影响，并且在城市驾驶环境下更为显著。此外，降低FSC的功耗还有助进行热管理。该装置可以安装在手套箱后面。凭借FSC系统，两台计算机收集数据建立冗余并生成一个解决方案；两台计算机相互检查并确定适当的前进路径。最终车辆是否沿着这条路径行驶，则通过车辆的传感器套件来测量确定。

神经网络学习

特斯拉人工智能高级总监Andrej Karpathy介绍了该公司的神经网络学习方法，并解释了特斯拉将视觉学习认为是自动驾驶汽车基础的原因。在活动中，Musk称将激光雷达用于汽车自动驾驶是一个“愚蠢的差事……谁寄希望于激光雷达，谁就将注定失败。”Musk和特斯拉公司希望能够借助视觉学习以及来自特斯拉汽车的大量视觉数据。Karpathy指出，数据引擎本质上是对不准确数据进行注释、测试误报和漏报以及重新培训系统的过程。系统需要查找预先设定的“触发”情况；如果在路上行驶的特斯拉遭遇这些情况，数据将上传进行检查和分类。Musk此前曾谈到过在影子模式下行驶的自动驾驶汽车。在建立神经网络和视觉学习的过程中，这一点可能变得最为重要，因为影子模式允许特斯拉的系统通过跟踪设计好的响应是否准确来测试响应。这次展示在某种程度上，是对特斯拉选用方法的一种辩护，因为Musk对自动驾驶依赖激光雷达和GPS持批评态度。Musk表示，GPS的作用应该肯定，但它绝不是首要的。对于高精度GPS，Musk表示它会使系统变得“脆弱”，并且无法适应任何变化。Musk认为视觉学习和汽车周围的可驾驶空间更加重要。

自动驾驶软件

特斯拉工程副总裁Stuart Bowers介绍了该公司软件和大规模工程软件的开发情况。Bowers介绍了特斯拉在软件开发中的四个基本阶段。包括监控当前汽车驾驶员的行为；影子模式根据人类驾驶员行为进行反复确认和软件修改；初步推出时借助人工输入；最终推出时无需人工输入。Bowers表示，特斯拉的多个摄像头具有重叠的视图，能够提供比激光雷达更多的细节。特斯拉的行人检测软件正在不断发展，不仅能够检测行人，还能检测行人可能的前进路线，不只是停车等待行人穿过，还能为可能走到车辆行进道路上的行人减速。特斯拉正在利用车辆提供的数据以及踏板和方向盘角度传感器来评估驾驶员的行为。Bowers重申，特斯拉有能力持续收集数据和快速反馈，以便更好地进行改进和更快速地迭代开发。实时收集视频数据和车辆数据的能力，以及通过影子模式测试潜在解决方案的能力，为特斯拉提供了大量数据，尽管允许驾驶员对新系统进行测试仍存在一定风险。