特斯拉Model 3产能不足，成为各方诘难特斯拉2018年第一季度财务报表亏损扩大的原因之一。对此，特斯拉CEO马斯克在推特上承认，过渡依赖机器人生产Model 3是个错误，并表示“Humans are underrated.”，即“低估了人类。”
大部分媒体的关注重心集中在Model 3的产能与财务数据以及特斯拉的生死存亡方面，对“低估了人类”的解读寥寥无几。然而，马斯克的这一生产经验，相比于财务数据，对行业的价值更为关键。
布满150个机器人的美国加州弗里蒙特市以其全自动化的生产方式成为特斯拉高科技的标签之一，为其赢得不少赞誉。起初，为了提高Model 3的生产能力，马斯克决定将其生产的“最后一英里”完全自动化。结果却事与愿违，生产线因其传送带网络导致全自动化生产系统并没有按照预期完成生产任务。
自从围棋大战中，AlphaGo打败世界棋坛最优秀的棋手、韩国传奇李世石，人工智能便以决定性的优势成为人们口中的未来，几乎不夹杂一丝的质疑。
然而，事实并非如此。
早在1980年代，针对人工智能和机器人的研究就已经有学者揭示了人工智能的短板，指出了人不可替代的优势。在研究人工智能和机器人时，汉斯·莫拉维克、布鲁克斯、马文·闵斯基等学者发现一个与常识向左的现象，称之为莫拉维克悖论，即和传统假设不同，人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力。
莫拉维克将其通俗的表述为：“要让电脑如成人般地下棋是相对容易的，但是要让电脑有如一岁小孩般的感知和行动能力却是相当困难甚至是不可能的。”语言学家和认知科学家史迪芬·平克也有类似的发现，他认为：“困难的问题是易解的，简单的问题是难解的。”
最近，经济学人发表了一篇题为《运动能力：人类对AI的终极优势？》的文章。文中提到的实验结果显示，两个宜家机器人用了20多分钟才装好一把椅子，而一个人通常只要几分钟。在教会工业机器人组装椅子之后，新加坡的人工智能研究人员发现：机器擅长抽象的“高智商”认知型任务，比如下棋和做微积分；但机器很难做好那些非常简单的体力活，比如穿过一个杂乱的房间。这正是自动化的局限性。
文中提到：“相比一个严肃的研究，它更像是一个基本事实：身体的灵活运转比下围棋更难通过计算实现。人们之所以没能透彻地理解这一点，是因为这本身被包含在进化的历程之中。自然选择用了几十亿年来解决操纵现实世界的问题，直到达到轻松自如的程度。相比之下，国际象棋只有不到两千年的历史。人们觉得下棋很难，是因为人类大脑不是为下棋而存在的。”
因此，当自动化生产线不能满足Model 3的产能任务的时候，马斯克表示，用优秀人类员工取代了昂贵的自动化设备后，事情正在改善。
相对稳定环境的生产线尚且受人工智能的此种制约，那么面临更复杂环境的无人驾驶呢？
