美國當(dāng)?shù)貢r(shí)間7月10日，特斯拉正式向約2000名美國用戶推送了“完全自動(dòng)駕駛”FSD Beta V9版本。該版本的吸睛之處在于其拋棄毫米波雷達(dá)，采用純視覺的自動(dòng)駕駛解決方案，這與其它廠商使用激光雷達(dá)、攝像頭等多種感知硬件的做法背道而馳。

特立獨(dú)行背后，特斯拉自動(dòng)駕駛到底有一套怎樣的發(fā)展邏輯？它為什么能成長如此之快？未來又會(huì)成長為什么樣子？7月22日，特斯拉在一場以智能化駕駛為主題的T-talk線下交流會(huì)中分享了答案。

特斯拉的愿景是“加速世界向可持續(xù)能源的轉(zhuǎn)變”，通過造好車、賣好車，形成可持續(xù)的商業(yè)模式，將盈利用于研發(fā)創(chuàng)新，帶動(dòng)更多廠商研發(fā)制造高品質(zhì)的純電動(dòng)智能汽車，形成產(chǎn)業(yè)創(chuàng)新，最終讓可持續(xù)能源的世界加速到來。

而調(diào)查顯示，全球每天有3萬余人死于交通事故。因此對于“好車”的概念，特斯拉認(rèn)為首先是必須建立在安全的基礎(chǔ)之上。

除了車身結(jié)構(gòu)帶來的被動(dòng)安全方面的優(yōu)勢，特斯拉在事故預(yù)防方面全系標(biāo)配主動(dòng)安全配置。每輛特斯拉車型，均有側(cè)撞預(yù)警、盲點(diǎn)碰撞警報(bào)、前撞預(yù)警、速度限制警報(bào)、障礙物感應(yīng)限速、自動(dòng)緊急制動(dòng)、車道偏離防避等功能。

在此基礎(chǔ)上，特斯拉還提供主動(dòng)巡航控制、輔助轉(zhuǎn)向、自動(dòng)變道、輔助駕駛導(dǎo)航等功能，車輛預(yù)知風(fēng)險(xiǎn)、預(yù)判后，系統(tǒng)能夠自主實(shí)施轉(zhuǎn)向、制動(dòng)等決策，盡量避免事故的發(fā)生。以Model 3為例，當(dāng)在并入的臨近車道中探測到車輛時(shí)，Autopilot便會(huì)觸發(fā)側(cè)撞預(yù)防功能（轉(zhuǎn)向干預(yù)），并保障車輛自動(dòng)轉(zhuǎn)向行駛到一個(gè)更安全的位置。

NHTSA公布的最新數(shù)據(jù)顯示，在美國每行車674萬公里，平均會(huì)發(fā)生8.66次事故。而這個(gè)數(shù)據(jù)，在使用了Autopilot的特斯拉車主中僅為1次；沒有使用Autopilot但有主動(dòng)安全功能參與的駕駛中，事故約為2次。也就是說，特斯拉的Autopilot讓行車安全水平達(dá)到平均水平的8.66倍。

每天全世界有500多萬個(gè)小時(shí)被浪費(fèi)在交通堵塞上，有1700平方公里的土地面積，因?yàn)槿藗冇貌坏蕉煌２吹能囕v白白占用。

因此，除了安全的底線，特斯拉方面介紹，研發(fā)FSD不僅希望讓交通事故將不復(fù)存在，也希望可以更高效地使用交通資源，極大地緩解擁堵和土地占用問題。

特斯拉正在通過接近量產(chǎn)、最現(xiàn)實(shí)、最能大范圍適配的自動(dòng)駕駛技術(shù)，推動(dòng)一個(gè)沒有交通事故和擁堵的世界變?yōu)楝F(xiàn)實(shí)。

特斯拉的Autopilot在不斷進(jìn)化，其芯片已經(jīng)經(jīng)過3次迭代。最早的1.0數(shù)據(jù)處理單元包括1顆英偉達(dá)Tegra和1顆Mobileye Q3；Autopilot2.0拋棄了Mobileye芯片，采用1顆英偉達(dá)Tegra Parker芯片和1顆Pascal架構(gòu)GPU；2.5版本則多了1顆英偉達(dá)Tegra Parker芯片；特斯拉最新的Full Self-Driving Computer上搭載了兩顆自主研發(fā)的加速芯片，它就是Autopilot3.0硬件，將逐步取代現(xiàn)款車型上裝配的Autopilot2.5硬件。

 特斯拉為什么要放棄第三方芯片，選擇自研芯片？中信證券在研報(bào)中分析指出，2016年7月，由于安全事故，特斯拉停止與Mobileye合作，車輛采用英偉達(dá)自動(dòng)駕駛芯片。主要原因?yàn)橐环矫娌粷M于Mobileye進(jìn)程緩慢，另一方面不滿于Mobileye利用特斯拉車主駕駛數(shù)據(jù)來改善芯片算法。2017年12月，馬斯克向外界透露特斯拉正在研發(fā)自動(dòng)駕駛芯片，主要原因?yàn)橛ミ_(dá)自動(dòng)駕駛芯片解決方案主要依靠GPU，功耗較大。

據(jù)介紹，特斯拉Autopilot 3.0硬件，性能比2.5版本芯片強(qiáng)大21倍。算力的大幅提升，目的在于處理海量的圖像信息，特斯拉的自動(dòng)駕駛輔助系統(tǒng)之所以能夠快速迭代和提升體驗(yàn)，就在于通過各類不常見但仍可能存在的“邊角案例”情況，再通過（神經(jīng)網(wǎng)絡(luò)）深度學(xué)習(xí)讓系統(tǒng)能夠處理越來越多的駕駛場景。

深度學(xué)習(xí)簡單來說就是通過硬件模擬人類大腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)學(xué)習(xí)機(jī)制的一種學(xué)習(xí)方式，類似于人們對于外界事物逐漸熟悉和學(xué)習(xí)的過程。特斯拉通過不斷輸入數(shù)據(jù)，人工或自動(dòng)標(biāo)注出正確“答案”，令其不斷自我“進(jìn)化”，從而快速提供識別率，進(jìn)而不斷覆蓋所有的駕駛場景。

每當(dāng)車輛在遇到各類“邊角案例”時(shí)，也就是遇到一些比較“棘手”的駕駛場景，或駕駛員的操作與系統(tǒng)“預(yù)想”操作不一致時(shí)，車輛都會(huì)脫敏匿名將實(shí)際情況上傳給特斯拉云端服務(wù)器，通過龐大的集中算力進(jìn)行深度學(xué)習(xí)以優(yōu)化系統(tǒng)。當(dāng)然，系統(tǒng)也為用戶提供了不上傳數(shù)據(jù)的選項(xiàng)，所有上傳至云端的數(shù)據(jù)均為脫敏、匿名處理后的數(shù)據(jù)。

相比更加依賴車隊(duì)測試的企業(yè)，特斯拉FSD學(xué)習(xí)過程的優(yōu)勢在于絕大部分?jǐn)?shù)據(jù)是由真正行駛在路上的車輛收集的，只有小部分來自測試車隊(duì)，更加貼近車主日常駕駛場景，而這個(gè)數(shù)據(jù)正在呈指數(shù)級增長。

早在2020年4月，特斯拉啟用Autopilot的行駛里程就已經(jīng)突破48億公里。專家預(yù)測，這個(gè)數(shù)字將在2021年超過80億公里。有機(jī)構(gòu)粗略計(jì)算，如果用戶平均每天駕駛約一個(gè)小時(shí)（每輛車8個(gè)攝像頭），車隊(duì)每月大約會(huì)產(chǎn)生1.968 億個(gè)小時(shí)的視頻，這樣龐大且高質(zhì)量的數(shù)據(jù)量，是全球任何車企都無法比擬的。

為了處理巨量駕駛數(shù)據(jù)，特斯拉將把針對自監(jiān)督學(xué)習(xí)技術(shù)的研發(fā)提高到絕對優(yōu)先級。特斯拉啟動(dòng)了一個(gè)代號為Dojo 的重大項(xiàng)目，它是一臺(tái)超強(qiáng)的訓(xùn)練計(jì)算機(jī)，處理的數(shù)據(jù)不再停留在圖片層面，而是針對視頻類的數(shù)據(jù)，能夠以較低的成本實(shí)現(xiàn)算法性能的指數(shù)級提升。

自動(dòng)駕駛系統(tǒng)，傳感器得到的數(shù)據(jù)是一切的基礎(chǔ)，不過不同的傳感器各有不同優(yōu)劣勢。對于特斯拉而言，其實(shí)取締毫米波雷達(dá)是早晚的事。因?yàn)樵缭?019年的“自動(dòng)駕駛大會(huì)”上，特斯拉就已經(jīng)公布了一些細(xì)節(jié)。

毫米波雷達(dá)（Radar）的優(yōu)勢在于對距離、速度等信息的判斷，不過通過算法的優(yōu)化，特斯拉已經(jīng)能夠通過攝像頭實(shí)現(xiàn)該目的。但特斯拉并沒有急于取消Radar，而是在此之前通過Radar來判視覺方案是否能夠準(zhǔn)確得知距離、速度等信息。

能夠替代Radar給出距離、速度等信息還只是其中一個(gè)理由，另一個(gè)更關(guān)鍵的理由在于，雖然越多的傳感器經(jīng)過融合算法后，能夠提供相對越全面的環(huán)境信息，但問題是當(dāng)不同傳感器給出的信息對決策來說是互相矛盾時(shí)，就會(huì)出現(xiàn)各類問題。

特斯拉經(jīng)過實(shí)際測試和對比，通過純視覺方案不僅能夠提供與Radar一樣的信息，并且還將體驗(yàn)優(yōu)化提升了很多。馬斯克曾發(fā)推表示，當(dāng)雷達(dá)和攝像頭不一致時(shí)，視覺的精度要高得多，所以比多傳感器融合更加可靠。

在前車緊急制動(dòng)的場景下，純視覺方案沒有出現(xiàn)Radar那種信息中斷和誤判的情況，非常線性，從而能夠提供線性的制動(dòng)決策，帶來更佳的使用體驗(yàn)。

而在通過立交橋下的場景中，由于Radar的垂直分辨率很低，所以容易導(dǎo)致系統(tǒng)誤判空中的物體為障礙物；而純視覺方案則完全不會(huì)出現(xiàn)該問題。

還有一種比較常見的情況就是對靜止物體的判斷。對于毫米波雷達(dá)來說，前方車輛?？吭诼愤?，導(dǎo)致識別較晚，在距離車輛110米時(shí)才感知到前方停有卡車。而純視覺方案在距離車輛180米的時(shí)候就已經(jīng)識別了該車輛。

在經(jīng)過技術(shù)推論、實(shí)際驗(yàn)證等多個(gè)環(huán)節(jié)后，特斯拉方面認(rèn)為，純視覺方案的可行性已經(jīng)得到了證明。對于特斯拉而言，無論是產(chǎn)品還是自動(dòng)駕駛系統(tǒng)，規(guī)模化都是核心要素之一，在各類自動(dòng)駕駛方案中，純視覺方案的適應(yīng)性和潛在覆蓋駕駛場景都是最全面的。

特斯拉方面表示，今后會(huì)加快Dojo的建立，通過海量的算力和人工智能自動(dòng)標(biāo)注技術(shù)，將處理數(shù)據(jù)的速度和能力再度提升一個(gè)臺(tái)階。而且HW4.0硬件也正在研發(fā)籌備中。所以，特斯拉的自動(dòng)駕駛系統(tǒng)的能力，仍在高速進(jìn)化，朝著完全自動(dòng)駕駛的方向邁進(jìn)。

特斯拉之所以沒有像其它廠商一樣選擇激光雷達(dá)的融合方案，一方面是因?yàn)楦甙旱挠布杀荆叶唐趦?nèi)還無法緩解，這跟特斯拉想要盡快實(shí)現(xiàn)規(guī)?；南敕ㄏ嚆?；而另一方面，特斯拉通過不斷豐富產(chǎn)品矩陣，降低消費(fèi)者門檻，路上已經(jīng)跑了上百萬輛汽車，這些車輛產(chǎn)生的源源不斷的數(shù)據(jù)可以進(jìn)一步幫助完善智能駕駛系統(tǒng)，而這是其它許多車企暫時(shí)無法做到的。因此，特斯拉走出了一條獨(dú)特的自動(dòng)駕駛發(fā)展路徑，不斷迭代的FSD還有待更多的檢驗(yàn)。

我就知道你“在看”