

美国哥伦比亚广播公司找上美国联邦航空管理局(FAA),提了一个很关键的问题:这台能在天上翻跟头的交通工具到底归谁管。他们得到的答复是:
特斯拉 Roadster 不符合 FAA 对航空器的定义。
美国国家公路交通安全管理局随后表态,即便这辆车在视觉上挑战了物理定律,特斯拉也必须保证它符合适用的机动车安全标准,驾驶员同样要遵守属地道路法规。
意思就是:Roadster 并不是一辆飞行汽车。

特斯拉能飞,但只能飞六秒
发布会上的画面让人眼花缭乱,但真要讲起来其实很简单。特斯拉一共用了两套方案:一套负责把车吸在跑道上,另一套负责把车推向半空。
Roadster 倒挂在跑道顶端的关键,在于车底那几台大功率风扇。

据特斯拉介绍,这 4 台轴流风扇的单台功率在 20 kW 左右,电机架构源自特斯拉成熟的热泵压缩机。

自然地,这几个风扇对过弯也有帮助。
特斯拉车辆工程副总裁拉尔斯 · 莫拉维透露,在时速 0 到 50 英里(约 80km/h)的低速状态下,这套负压系统能够提供超过 2G 的横向抓地力。

在现场演示特技的 Rocket 版本里,工程师拆掉了副驾驶座椅,塞进了一个容量达到 600 升的碳纤维缠绕高压储气罐。这个气罐承受着 700 bar 的高压,里面储存了将近 250 公斤的高压气体。

莫拉维还提到,为了让各喷嘴在喷出高压气体时不出现时间差,工程师们在底盘下做了一组严格等长的管路布局。

总结下来,全新 Roadster 跳起来的流程大概就是:
底部的垂直喷嘴开启,高压气体向地面喷出,产生超过车身重力的反作用力,把车体托入空中。紧接着,车侧喷嘴点火,车载陀螺仪计算角速度,在车身刚好翻转 180 ° 的瞬间喷出反向气流制动,随后着陆。

根据美国联邦法规,能够依靠空气动力或动力升力,在空域中维持受控的巡航与导航的,才能算作航空器。Roadster 显然达不到这个要求,原因很简单,它的推进系统最多就只能撑几秒钟。
航天领域常用「比冲」来衡量推力效率,简单来说就是看推进剂能顶多长时间。普通火箭靠化学燃料做功,比冲通常在 300 秒以上,而特斯拉采用的冷气推进由于没有热量释放,比冲一般被卡在 50 秒上下。
比冲低,说明气体喷出的流速不够快,想要达到足够大的推力,就只能提升喷气量。

也就是说,储气罐里装下的 250 公斤气体,在全推力工况下,撑不过 6 秒钟。
据海外媒体 MotorTrend 报道,现场完成三次跳跃的演示车辆,储气量刚好是普通的 Thrust 推进版本的三倍——后者的储气罐只有 200 升,在全推力工况下,甚至撑不过 2 秒,后续的充气时间则长达 6 到 7 个小时。

「安全不是主要目标。比如你买一辆法拉利,安全不会是首要目标。如果安全是你的首要目标,我会说别买 Roadster。」马斯克说。

能否落地还要看飞行安全,飞行参数等具体指标。但是所有人都无法绕开飞行认证,在全球这都是需要一个长期工作。
何小鹏所说的飞行认证,是所有低空载人交通工具必须跨过的制度门槛。从适航审定到航线划设,每一步都需要长期的验证。
在社交平台上被问及这辆车能在哪里开时,马斯克表示,特斯拉将在得克萨斯总部修建一条环形赛道,供车主在封闭环境里体验「特技」。
不实用,不代表无价值
在看完发布会后,图灵奖得主、Meta 首席 AI 科学家杨乐昆(Yann LeCun)在社交平台上敲下了一道计算题。
他也认为,即便整车一半的重量全都分配给压缩气体,在推重比大于 1 的条件下,有用的推力大概也就维持 5 秒钟上下。
杨乐昆随后把这辆车形容成一个 700 bar 气压、600 升容积的「放屁装置」,认为它不过是一个声势浩大的营销噱头,算不上通往飞行汽车的道路。
马斯克给出的回应带着他一贯的风格——一句源自荒诞喜剧《巨蟒与圣杯》里的台词。
我朝你放个屁。

在日本经典动画《高智能方程式》里,主角赛车阿斯拉达最具辨识度的配置之一,就是车身两侧的大功率风扇。
依靠这两个风扇,阿斯拉达在过弯时可以在突破抓地极限腾空跃起,在空中完成角度修正后再落回赛道。

和特斯拉 Roadster 一样,这辆车也在网上找来了一大堆冷嘲热讽。
有人调侃宝马造了一台「带四个轮子的巨型戴森吸尘器」,有人觉得 50kW 的风扇纯属浪费电,更有人觉得这套系统动静震天,除了发视频博眼球,没有任何实际意义。

但在科技演进的历史里,很多技术的价值显现往往有很长的延迟。那些今天支撑着现代社会的基础设施,刚诞生时大多也挨过类似的骂声。
最典型的例子是黄仁勋与英伟达。
2006 年,黄仁勋做出了一个让同行不解的决定:他要求英伟达出厂的每一块游戏显卡,都必须加入支持通用计算的 CUDA 架构单元。对于当时只想玩《魔兽世界》的玩家来说,这不仅不能带来画面和帧率的提升,反而让显卡变得又烫又贵。
这项被华尔街视作「毫无商业价值」的投入,一度让英伟达的股价跌去了将近八成。
直到 2012 年,Krizhevsky 和 Sutskever(后来的 OpenAI 联合创始人)用两块英伟达显卡跑出了 AlexNet 模型,大家才猛然发现,原来只有 CUDA 能搞定深度学习的大规模计算。

难道说,黄仁勋在 2006 年就已经预见到大模型时代了?当然不可能,他当年只是觉得,物理世界纷繁复杂的模拟,迟早需要更庞大的并行计算架构。
这种技术投入在当下看往往是反常识的,因为它很难在财表里即时变现。回到汽车行业,也是一样的道理。
如果一家车企永远只挑「立刻有用」的项目去做,工程师的大部分精力,无非是围着换供后的台架测试打转,或者想方设法把车身风阻从 0.21 抠到 0.20。
这些微小的改良当然必不可少,但它们终究只是在既有的跑道里内卷。

马斯克自己也说,「Roadster 已经不能算是一辆真正意义上的汽车」。
正因为它不需要被当成正经车来造,反倒成了整个研发团队最没有包袱的试验场。也只有面对这种完全不考虑使用场景的项目,工程师们才有机会放开手脚,去摸一摸技术的边界。

技术演进向来很难按部就班,那些今天看起来毫无用处的折腾,放长远看,说不定恰恰是拉开代差的伏笔。