PURE VISION = PURE GAMBLE

他們賣的是「AI 神話」 付代價的是你的車、 你的家人

我們不反對 AI,我們反對的是 「假裝的安全」
這裡集結所有相信過「特斯拉純影像辨識自動駕駛/自動倒車」、卻因此付出真實代價的車主。
我們用真實案例、用技術原理,告訴所有還沒交錢的人:純影像辨識,不是夠用,只是更便宜。

★ ★ ★ ★ ★
UNITED & UNAFRAID EST. 2026 · TAIWAN

我們不是在反對創新
我們是在反對把實驗品當成成品在賣

我們是一群曾經相信「特斯拉自動倒車有多先進」「AI 比人還準」的車主。 我們花了 17 萬加價購買 AI 加值功能,卻在按照原廠 SOP 操作的情況下被自家系統撞了。 我們不是仇恨者,我們是受害者。我們聚在這裡,是為了三件事:

01

讓事實被看見

不抹黑、不造謠,只用真實案例、原廠對話、影像紀錄,把事情完整講給社會大眾、媒體、未來車主看。事實本身就是力量。

02

讓技術被理解

我們解釋什麼是 CNN 純影像辨識、為什麼它會把實體桿子當成牆上的圖案;什麼是 LiDAR / 毫米波 / 超音波;為什麼多感測器融合才是真的安全。

03

讓受害者不孤單

提供受害者一個具名或匿名都可以發聲的地方。把分散在 FB、IG、Mobile01、PTT、Reddit 的故事集結起來,一個人是個案,一群人才會被當回事。

當你 100% 照原廠 SOP 操作,
還是被撞了,
那是誰的責任?

CASE 001
檔案編號:PVA-001 / 受害者:本聯盟發起人(匿名) 狀態:進入法律程序
車型
2026 Model Y 白色精裝版
領車日
2026/03/30
事故日
2026/04/28 中午
估價金額
> NT$ 100,000

事件經過

車主 3/30 領取全新 Model Y 白色精裝版,含加價 17 萬購買的「自動輔助駕駛 + 增強自動輔助駕駛」系統。 車主太太在教會服事,每週往返兩到三次,整整一個月,每次都使用自動倒車功能停在教會地下二樓的機械式停車格,從未發生問題。

2026/04/28 中午,太太一如往常啟動自動倒車,在系統倒車過程中發現車身右側刮到東西,立刻踩煞車取回控制權,並把車輛駛離車格。 這個處置——立刻接管、停止系統動作、把車駛離——正是當初業務員與車主手冊明確指示的標準操作流程(SOP)。

「太太完全遵照購車時,特斯拉所告訴我們的 SOP 接管了車子的控制權,
不然車體受損的部位只會越大越嚴重。」

當天時間軸

12:xx · 事故發生
太太自動倒車中發現右側刮擦聲,立刻踩煞車並取回控制權,駛離車格。
12:xx · 車主搭 Uber 趕往現場
在 Uber 上即撥打特斯拉客服,全程保持通話,依客服指示翻拍行車記錄器前、後、右、右後 B 柱等各角度。
當天下午 · 開往內湖服務廠
客服請我們回原廠估價,並表示「技術團隊會根據影片判斷事故原因」。
服務廠接待中心
服務人員說「我們是 Level 2 輔助駕駛,車主手冊有寫」開始推卸責任。
10 分鐘後
車廠開出一張超過 NT$ 100,000 的維修估價單。
隔日 · 保修部門主管來電
直接承認系統影像辨識誤判,但表示「無法做任何賠償、減免、或優惠」,只能「協助出險」。

業務員當初是怎麼介紹的?

領車前的試車過程,業務員故意挑了一個很難停的車位進行倒車入庫示範,全程強調:

「我們的系統 AI 多麼先進、多麼強大。
只要任何狀況,您只要立刻手握方向盤,車子的掌控權就會回到您手上。」

——車主太太 4/28 當天完全做到了這件事。
車體已經受損,而且不是駕駛造成的,是車主額外加價 17 萬購買的 AI 系統造成的。

真相浮現:保修部主管的關鍵承認

根據行車記錄器影像判斷,事故發生的技術原因是: AI 在判斷停車格時,一開始的切入角度就有偏差,調整好倒車角度之後,過程中沒有做任何修正,等於是用一個不準確的角度持續倒車,因此撞上了停車格分隔的金屬桿。

隔日,特斯拉保修部門主管致電車主,說明:

⮕ 那根停車格分隔桿,用我們的純影像辨識方式無法判斷究竟是「一根真實的桿子」還是「畫在牆上的桿子圖案」,所以才會誤判。

⮕ 影像辨識本來就有誤判

⮕ 如果用 LiDAR 雷達,就能判斷那是一個實際的物體,就不會發生誤判

⮕ 但是「大老闆的堅持」,他們的系統就是用純影像辨識

然後呢?

主管承認: 錯誤的原因不在車主身上。 但是依然以「車主手冊載明 Level 2」這一條卸責萬用條文,告訴車主—— 沒有任何賠償、優惠、或減免。「我只能協助你出險。」

車主回應:「我自己保的保險,我自己出險,為什麼需要你的協助?

真正讓人心碎的部分

車是我送太太的禮物。
但她說:「我不敢再開了,我覺得好害怕。」
──買車送太太,是希望她開心,不是造成她心中的陰影。

當天晚上,車主貼出二手賣車的訊息。車齡不到一個月,註定虧錢。 但是這個家不再願意承擔「花錢買來提心吊膽」的風險與心理陰影。

所以這個聯盟,是為了什麼?

「我這場官司八成會輸——我清楚知道。」聯盟發起人說。 「但是我一定會讓更多人知道:特斯拉要你加價購買的 AI 自動倒車系統,是一個會讓你的車在倒車時自己撞車的系統。 我陳述的是事實,目的是讓社會大眾在交錢之前,能多一個知道真相的機會。」

今天只是刮傷。
下一次,可能是太太被夾、被撞、被嚇到流產、被送進急診。
那就不是 10 萬的修車費——那會是過失傷害。

為什麼 AI 會把真實的桿子
當成牆上的圖案

我是研發出身三十多年、長期教 AI 的研究者。讓我用一般人能懂的方式,說明為什麼純影像辨識(CNN 卷積神經網路)看似強大, 在現實的「動態 3D 世界」裡,卻會做出讓你十萬塊錢不夠付的判斷。

CNN 純影像辨識

先進,但只有 2D,沒有「真實深度」

原理:把鏡頭拍下的一張張圖片,丟進「卷積神經網路」分類。 CNN 在 ImageNet 比賽中分辨「這張圖是貓還是狗」已經贏過人類, 但那是單張靜態圖片的分類

致命弱點:世界是 3D 的,影像是 2D 的。 一個「實體的桿子」和「畫在牆上的桿子」,在攝影機眼裡幾乎是同樣的像素分佈。 人類靠雙眼視差、視角變化、生活經驗才知道那是真的。 CNN 用單純像素訊號去推測深度,會猜錯,而且會自信地猜錯

  • 會被光影、貼紙、廣告看板、反光地面欺騙
  • 低光、雨天、逆光、雪地的辨識率大幅下降
  • 距離估算靠單目視覺,誤差會隨距離指數放大
  • 系統「自信高」但「實際錯」——這是最危險的組合
CAMERA 真實桿子 畫在牆上 ? CNN 看到的:兩根都是「桿子的像素」

LiDAR 雷射光達

真實 3D 深度,物理級準確

原理:主動發射雷射脈衝,量測光打到物體後反射回來的時間(ToF, Time-of-Flight), 直接算出每一個點的實際距離與三維座標,輸出「點雲」。

為什麼能解這次的事故?畫在牆上的桿子,雷射打過去,量到的就是牆面的距離。 真實的桿子,雷射量到的是桿子表面的距離(比牆近 30 公分)。 兩者點雲的形狀完全不同——是物理量測,不是猜測

  • 不受光影、貼紙、廣告看板欺騙
  • 夜間、暗光下表現幾乎與白天相同
  • 距離準確度通常在公分級
  • 缺點:成本高、雨雪有衰減、體積較大
LIDAR 點雲清楚分出:桿子=近,牆=遠

毫米波雷達 (mmWave Radar)

壞天氣不怕、能看穿煙霧

原理:發射 24 GHz 或 77 GHz 高頻電磁波,量反射回來的時間 + 都卜勒頻移, 可以同時得到距離 + 相對速度,是高速公路追撞偵測的核心感測器。

強項:

  • 夜晚、大雨、濃霧、沙塵幾乎不影響
  • 能直接量速度——對「鬼切」「急停車」反應比影像快
  • 體積小、成本中等、量產成熟
  • 缺點:橫向解析度低、難以分辨「人形」與「其他金屬物」

註:特斯拉曾經有毫米波雷達,後來「為了統一純影像方案」全面拿掉。這個決策,是這次事故的遠因之一。

CAR 同時得到:距離 + 速度(影像只能猜)

超音波感測器 (Ultrasonic)

短距離停車的最後一道保險

原理:發射 40~60 kHz 的超音波,量回波時間。短距、便宜、量產極為成熟。 這就是傳統「倒車雷達」嗶嗶嗶聲音的來源。

為什麼這次事故,超音波本來應該攔得下來?

  • 偵測距離通常 0.1m ~ 5m,剛好就是停車範圍
  • 對「正前方 / 正後方有實體物」的判斷非常可靠
  • 不受光線、貼紙、塗裝影響
  • 成本極低,每顆零售價只要幾百塊

註:特斯拉新車為了「Tesla Vision」純影像方案,連超音波感測器都取消了。 傳統 Toyota、Honda、BMW 上連最便宜的車款都有的功能,在你花了百萬以上的 Model Y 上,被「省掉了」。

桿子 短距離 = 高可靠 · 嗶嗶聲就是它

真正安全的,是「多感測器融合」 Sensor Fusion

沒有任何單一感測器是完美的。 Waymo、Mercedes、BMW、Volvo、現代等品牌的策略是: 用相機看「是什麼」,用 LiDAR 量「離我多遠」,用毫米波量「他多快」,用超音波守「最後 1 公尺」。 多種感測器各取所長、互相驗證。任何一個感測器看錯,其他三個會把它拉回來。 這才是工程師們真正同意的「安全」。

把感測器一個一個拿掉,只留下最便宜的攝影機,然後告訴你「這就是 AI 的未來」——那不是未來,那是 cost down。

一個人是個案
一群人才會被當回事

下方為示範卡片,將會以實際投稿替換。如果你也是受害者,請到下方「加入聯盟」投稿,我們會在審核去識別化資料後刊出。

CASE 0012026/04 · 台北
SCRAPED

2026 Model Y · 自動倒車刮到停車格分隔桿

教會地下二樓機械式車位 · 估價 NT$ 100,000+

領車 29 天,AI 切入角度偏差未修正即倒車,撞上分隔桿。保修主管承認純影像辨識誤判,但無任何賠償。

已立案
WAITING等待投稿
?

你的故事可能是 CASE 002

如果你或你認識的人因為純影像 AI 受害,請投稿

不論金額大小、不論是否已和原廠和解、不論是停車刮擦還是 AP/FSD 道路事故,我們都希望聽到你的聲音。

徵集中
WAITING等待投稿
?

你的故事可能是 CASE 003

海外案例同樣歡迎(美、歐、中、日、韓)

聯盟亦在持續整理國內外公開報導與司法判決,並會以「外部案例追蹤」專區呈現,與本平台投稿區分清楚。

徵集中

★ 本牆所有資料皆會在受害者同意下公開,並去識別化處理(不公開全名、車牌、住址、雇主)。

📋 全球案例追蹤資料庫

聯盟已彙整自 2016 年至 2026 年、全球 60+ 件具公開新聞報導與第三方來源可驗證的 Tesla AI 系統相關事故、監管調查、判決與訴訟。現在提供線上分類閱讀,也保留原始檔案下載:

Excel 案例資料庫

10 個工作表 · 56 個案件 · 含「對你訴訟之相關性」評分、「資料強度」標記、新聞連結。可排序、篩選、自加 row。

W

Word 摘要與訴訟策略

執行摘要 · 七大類別深度分析 · 給律師的 8 個關鍵論據 · 建議向 Tesla 請求調取的 Discovery 清單。

⚠️ 使用前請注意:部分 2025-2026 年的細節(特別是日期)來自 AI 研究代理人,可能存在事實誤差。建議律師對直接引用之判例「點開連結驗證一次」。 Excel 檔的「資料強度」欄位已標明各案的可信度等級。

用高點擊影片,
讓更多人看見系統性風險

這裡收錄 YouTube 上「Tesla 事故/Autopilot/FSD/停車功能/監管調查」等相關影片,並依內容分類,避免只靠情緒化片段、缺乏系統性理解。 首頁會隨機播放一支精選影片;點「看更多影片」可查看完整列表並點擊播放。

載入中…

把你的事,
變成下一個人不必再經歷的事

如果你也是受害者,下方表單可以選擇具名或匿名投稿。 你提交的內容會經過聯盟志工審核、去識別化處理後刊出,原始檔案僅用於存證。

⚠️ 目前處於前端 Demo 階段:本表單後端(資料儲存與聯盟志工審核流程)正在建置中。在此期間,請截圖你填寫的內容並寄至 atwood@1play.com.tw,我們會以 Email 進行人工接收。