從特斯拉FSD發(fā)展路徑看國(guó)內(nèi)智能駕駛終局1.智能駕駛是特斯拉的核心壁壘之一作為智能駕駛的標(biāo)桿，特斯拉市值冠絕全球主機(jī)廠。特斯拉是目前世界上市值第6高的公司，同時(shí)也是市值最高的車企。橫向比較來(lái)看，2022年特斯拉汽車銷量93.62萬(wàn)臺(tái)，不及豐田的1/10，而它的市值卻是豐田的3倍。究其原因，在三電系統(tǒng)、供應(yīng)鏈管理、生產(chǎn)模式、智能駕駛、戰(zhàn)略規(guī)劃、營(yíng)銷模式等方面，它都是行業(yè)顛覆者，是標(biāo)桿一樣的存在。特斯拉是目前唯一一家自動(dòng)駕駛?cè)珬Ｗ匝胁?shí)現(xiàn)量產(chǎn)落地的主機(jī)廠。消費(fèi)者購(gòu)買特斯拉的原因有很多，除了三電系統(tǒng)、方便的充電體驗(yàn)、高保值率、品牌影響力，其智能駕駛能力是重要的考慮因素之一。這份報(bào)告主要是特斯拉自動(dòng)駕駛能力的進(jìn)一步解析。通過(guò)研究我們發(fā)現(xiàn)，在自動(dòng)駕駛領(lǐng)域，特斯拉面臨過(guò)跨越式與漸進(jìn)式選擇，經(jīng)歷了從依靠外部技術(shù)到自研芯片和全棧自研實(shí)現(xiàn)FSD的摸索過(guò)程；硬件配置上，也從依賴攝像頭、超聲波雷達(dá)、毫米波雷達(dá)到拋棄各種雷達(dá)甚至降低攝像頭配置等幾個(gè)階段（中間也曾嘗試過(guò)激光雷達(dá)）。特斯拉走過(guò)的路，國(guó)內(nèi)想實(shí)現(xiàn)智能駕駛?cè)珬Ｗ灾骺煽氐膹S商或許都將經(jīng)歷。當(dāng)前，國(guó)內(nèi)頭部科技實(shí)力強(qiáng)的主機(jī)廠城市場(chǎng)景的NOA已進(jìn)入落地試點(diǎn)階段，從場(chǎng)景上看，與特斯拉存在5年左右的差距，故在這時(shí)候回溯特斯拉自動(dòng)駕駛成王之路，以啟讀者。2.特斯拉智能駕駛經(jīng)歷了漫長(zhǎng)的進(jìn)化過(guò)程特斯拉研發(fā)智能駕駛系統(tǒng)可追溯至2013年。2013年9月，馬斯克在推特披露特斯拉正在研發(fā)其輔助駕駛系統(tǒng)AP（AutopilotSystem）。特斯拉早期曾與Google合作半自動(dòng)駕駛系統(tǒng)Autopilot，后來(lái)叫停，主要原因是Google認(rèn)為半自動(dòng)駕駛系統(tǒng)不可靠，現(xiàn)任GoogleWaymoCEOJohnKrafcik解釋稱“當(dāng)你把這個(gè)系統(tǒng)開(kāi)發(fā)得越好，人們就越容易過(guò)度信賴它”。后來(lái)Google轉(zhuǎn)向研發(fā)L4～L5級(jí)別的自動(dòng)駕駛，特斯拉轉(zhuǎn)而開(kāi)發(fā)第一代AP。作為車載OTA鼻祖，特斯拉在設(shè)計(jì)智能駕駛功能時(shí)遵循硬件先行、軟件升級(jí)的方式。與視覺(jué)處理芯片獨(dú)角獸Mobileye合作，特斯拉在2014年10月正式向公眾推出其HW1.0（AutopilotHardware的簡(jiǎn)寫(xiě)，特斯拉的自動(dòng)駕駛電腦），其組成包括：1）1個(gè)前置單目攝像頭（Mobileye），2）1個(gè)77GHz毫米波雷達(dá)，最大探測(cè)距離160米（Bosch），3）12個(gè)超聲波傳感器，最大探測(cè)距離5米，4）MobileyeEyeQ3計(jì)算平臺(tái)，5）高精度電子輔助制動(dòng)和轉(zhuǎn)向系統(tǒng)。HW1.0僅在ModelS和ModelX上提供。在未來(lái)一年多的時(shí)間里，車輛通過(guò)OTA不斷更新固件，獲得更完善的駕駛輔助或自動(dòng)駕駛功能。需要進(jìn)行區(qū)分的是，HW是特斯拉車載自動(dòng)駕駛電腦，是硬件；AP是Autopilot輔助駕駛系統(tǒng)，是軟件。這兩個(gè)概念不能混淆，因?yàn)橛布窍妊b機(jī)的，有了硬件支持后，輔助駕駛體驗(yàn)主要依賴軟件，是真正的大腦，而軟件是逐漸升級(jí)的。特斯拉的智能駕駛研發(fā)是一個(gè)逐漸“拋棄拐杖”的過(guò)程。HW1.0依賴Mobileye的技術(shù)；HW2.0時(shí)代是英偉達(dá)的CPU疊加特斯拉自研軟件，同期車端FSD芯片也在醞釀當(dāng)中；2019年4月搭載兩顆FSD芯片的HW3.0上車標(biāo)志著特斯拉智能駕駛技術(shù)正式邁入全棧自研的時(shí)代。HW1.0中的芯片和核心技術(shù)都來(lái)自Mobileye。2016年7月，由于數(shù)據(jù)所有權(quán)和公司文化的沖突，Mobileye宣布EyeQ3是它和特斯拉的最后一次合作。實(shí)際上，早在2015年4月，特斯拉就組建了基于視覺(jué)感知的軟件算法小組Vision，準(zhǔn)備自研軟件逐步替代Mobileye。2016年10月，特斯拉推出HW2.0，這套方案基于英偉達(dá)的DrivePX2，由兩個(gè)公司聯(lián)合開(kāi)發(fā)。HW2.0相較于HW1.0在性能上實(shí)現(xiàn)了大幅提升，攝像頭由2個(gè)增加至8個(gè)，處理器算力提升為12TPOS，為HW1.0的48倍。由于HW2.0的軟件系統(tǒng)AP2.0是特斯拉自行研發(fā)的，起初輔助駕駛使用體驗(yàn)（8.0版本）不夠成熟。2017年3月29日，特斯拉推送了8.1版本軟件更新，AP2.0的性能逐漸開(kāi)始追平AP1.0。2017年8月，特斯拉為HW2.0進(jìn)行了一次小幅更新，被業(yè)內(nèi)稱為HW2.5。HW2.5為Autopilot系統(tǒng)提供了更強(qiáng)的算力，增加了系統(tǒng)的冗余性和可靠性，為實(shí)現(xiàn)自動(dòng)駕駛打好了硬件基礎(chǔ)。軟件上，2018年10月，特斯拉推送AP9.0，此版本基本實(shí)現(xiàn)了對(duì)高速/城際公路這種簡(jiǎn)單場(chǎng)景的自動(dòng)駕駛，這項(xiàng)功能被視作是L4最早期的形態(tài)。HW3.0中的FSD芯片是特斯拉專門為自動(dòng)駕駛打造，與特斯拉車型強(qiáng)耦合，讓特斯拉擁有了對(duì)其產(chǎn)品的完全掌控權(quán)。一方面可以充分利用計(jì)算單元、高效迭代產(chǎn)品，另一方面成本也更加可控。在研發(fā)HW2.0的同時(shí)，特斯拉內(nèi)部也啟動(dòng)了FSD芯片的研發(fā)。他們認(rèn)為DrivePX主要基于通用的GPU架構(gòu)，并不是專門為無(wú)人駕駛系統(tǒng)打造，還有一定的優(yōu)化空間來(lái)提升運(yùn)算速度。2017年8月，F(xiàn)SD芯片測(cè)試完成。2019年4月，F(xiàn)SD芯片正式在Model3上應(yīng)用。FSD芯片主要由CPU、GPU和NNA（NeuralNetworkAccelerator）三個(gè)計(jì)算模塊，以及各種接口，片上網(wǎng)絡(luò)等組成。算力上，每秒可處理圖片2300張，較HW2.5的每秒110張的處理能力提升了21倍。由于該芯片只針對(duì)特斯拉車型設(shè)計(jì)，所以設(shè)計(jì)時(shí)將NNA的許多通用功能從FSD芯片上剝離，只保留特斯拉需要的硬件，成本相對(duì)于HW2.5下降20%。特斯拉可以在FSD芯片上打造自己需要的方法，比如編譯器，以更高效地利用各個(gè)運(yùn)算單元（這個(gè)在第三節(jié)會(huì)有更好的感知）。整個(gè)FSDComputer（和HW3.0同義）上布置了兩個(gè)完全獨(dú)立的FSD芯片，及各自電源系統(tǒng)、DRAM和閃存，可以實(shí)現(xiàn)完全冗余。在實(shí)際行車過(guò)程中，兩顆芯片同時(shí)對(duì)相同的傳感器數(shù)據(jù)進(jìn)行獨(dú)立分析，并對(duì)結(jié)果進(jìn)行平衡、仲裁和驗(yàn)證，提高自動(dòng)駕駛的安全性。FSDComputer在設(shè)計(jì)上與HW2.0的傳感器、線控參數(shù)、I/O、尺寸等保持一起，特斯拉已承諾為所有選配FSD包的HW2.0和HW2.5用戶免費(fèi)升級(jí)到FSDComputer。至此，特斯拉擁有了算力強(qiáng)大的FSD芯片和源源不斷生成的車隊(duì)數(shù)據(jù)，具備通過(guò)AP算法的升級(jí)實(shí)現(xiàn)自動(dòng)駕駛的理論可能性。2019年FSD芯片上車以后，AP算法飛速迭代，我們將在下一章節(jié)詳細(xì)介紹。3.FSD：特斯拉智能駕駛的關(guān)鍵一躍2021年7月10日，特斯拉正式向約2000名美國(guó)用戶推送了“完全自動(dòng)駕駛”FSDBetaV9版本，其獨(dú)特之處在于摒棄了毫米波雷達(dá)、超聲波雷達(dá)等傳感器，采用純視覺(jué)的自動(dòng)駕駛方案。本章將從FSD的含義、演進(jìn)過(guò)程、現(xiàn)狀出發(fā)探究特斯拉在智能駕駛領(lǐng)域的進(jìn)展和貢獻(xiàn)。3.1.

特斯拉的智能駕駛包分為三個(gè)類別特斯拉的智能駕駛包分三個(gè)類別，AP是特斯拉車型標(biāo)配，F(xiàn)SD是頂配：

AP（Autopilot）：最基礎(chǔ)版本，免費(fèi)&標(biāo)配；

EAP（EnhancedAutopilot）：增強(qiáng)輔助駕駛，在基礎(chǔ)版的基礎(chǔ)上增加了智能召喚、自動(dòng)泊車、自動(dòng)變道、自動(dòng)導(dǎo)航駕駛（NOA）等功能，目前中國(guó)區(qū)售價(jià)3.2萬(wàn)元。FSD：主要功能包括導(dǎo)航輔助駕駛（NOA）、自動(dòng)變道、自動(dòng)泊車、智能召喚、交通信號(hào)識(shí)別、（基于導(dǎo)航路線的）城市道路自動(dòng)轉(zhuǎn)向等，目前僅在北美地區(qū)有Beta版，美國(guó)售價(jià)1.5萬(wàn)美元/加拿大售價(jià)1.75萬(wàn)美元（現(xiàn)在可以申請(qǐng)一個(gè)月的試用權(quán)）。除了收費(fèi)之外，裝Beta版的客戶需要安全得分超過(guò)80且駕駛里程超過(guò)100英里。2021年7月10日，特斯拉正式向約2000名美國(guó)用戶推送了“完全自動(dòng)駕駛”FSDBetaV9版本，根據(jù)公司在2022年Q3業(yè)績(jī)交流會(huì)上的披露，F(xiàn)SDBeta在2022年9月測(cè)試用戶擴(kuò)大到16萬(wàn)。自2021年以來(lái)FSDBeta實(shí)現(xiàn)了36次新版本推送，目前最新版本是在2022年11月1日發(fā)布的FSDBeta10.69.3。FSD在能力上向L4發(fā)展，但在歸責(zé)上仍遵循L2的方式。按照目前受到廣泛認(rèn)可的國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)（SAE）的定義，L4等級(jí)的自動(dòng)駕駛應(yīng)當(dāng)能夠自主識(shí)別是否達(dá)到了設(shè)計(jì)運(yùn)行條件，并在條件無(wú)法達(dá)到時(shí)，自動(dòng)執(zhí)行最小風(fēng)險(xiǎn)策略，而用戶并沒(méi)有義務(wù)進(jìn)行介入。在L4的語(yǔ)境里，駕駛系統(tǒng)可以在限定的區(qū)域內(nèi)實(shí)現(xiàn)自動(dòng)駕駛，不需要人來(lái)介入，并且在這個(gè)場(chǎng)景下，由系統(tǒng)承擔(dān)責(zé)任。特斯拉并沒(méi)有遵循業(yè)界常用的自動(dòng)駕駛分級(jí)標(biāo)準(zhǔn)，而是自創(chuàng)了一套規(guī)則：在FSDBeta里，系統(tǒng)的設(shè)計(jì)遵循自主工作的邏輯，但必須有駕駛員的監(jiān)控。車內(nèi)攝像頭可以監(jiān)視駕駛員注意力的集中度，如果駕駛員走神，車內(nèi)會(huì)報(bào)警；如果駕駛員忽略報(bào)警，車會(huì)自動(dòng)開(kāi)到路邊停下來(lái)?；谶@樣的設(shè)計(jì)，F(xiàn)SD仍被視作是L2系統(tǒng)，事故責(zé)任在駕駛員而不在特斯拉。從用戶角度看，客戶花錢買到自動(dòng)駕駛能力，但做的是測(cè)試員的工作。這里額外提到一句L3。L3指的是車輛自己開(kāi)，駕駛員坐在駕駛位可以玩手機(jī)可以看視頻，不能睡著。車輛如果遇到問(wèn)題之后提前報(bào)警，駕駛員在規(guī)定時(shí)間之內(nèi)監(jiān)管車輛。在責(zé)任劃分上，根據(jù)因果關(guān)系判斷駕駛員及系統(tǒng)責(zé)任。特斯拉在技術(shù)上實(shí)際上已經(jīng)超過(guò)L3，但本質(zhì)還是L2系統(tǒng)。第一是因?yàn)長(zhǎng)3權(quán)責(zé)的模糊性，第二是因?yàn)楝F(xiàn)在系統(tǒng)還不夠成熟，公司無(wú)法為L(zhǎng)4背書(shū)?，F(xiàn)在業(yè)內(nèi)的一種觀點(diǎn)是，提出L3不是一個(gè)好的產(chǎn)品形態(tài)，未來(lái)智能駕駛產(chǎn)品可能先要標(biāo)配DMS，而后由L2、L2+、L2++直接跳到L4。3.2.FSD架構(gòu)演進(jìn)充分展現(xiàn)了特斯拉的強(qiáng)大實(shí)力本部分將以FSD的架構(gòu)為核心，分析FSD架構(gòu)的底層創(chuàng)新、理解純視覺(jué)和傳感器融合技術(shù)路線的異同。具體的技術(shù)細(xì)節(jié)不做詳實(shí)的展開(kāi)，因?yàn)樗鼘?duì)非研發(fā)人員對(duì)參考意義不大。無(wú)論是純視覺(jué)還是多傳感器期融合方案，實(shí)現(xiàn)自動(dòng)駕駛都可以拆解為以下2步：

1.感知：我周圍有什么物體？他們是怎么在空間上分布的？下一步他們會(huì)去哪里？

2.規(guī)控：我該怎么走？

在感知與還原這一步，除了要識(shí)別周圍物體的分布和運(yùn)動(dòng)狀態(tài)，還需要識(shí)別車道線、信號(hào)燈/指示牌，用于后面規(guī)劃路線。在規(guī)控上，基于上一步的結(jié)果，旨在尋找安全、舒適、高效地到達(dá)目的地的路線方案。在實(shí)際行車過(guò)程中，這些運(yùn)算需要在毫秒級(jí)別的時(shí)延里完成。純視覺(jué)和多傳感器器融合方案的區(qū)別主要是在第一步，在規(guī)控算法方面，大家要突破的問(wèn)題并無(wú)二致。感知上，AP軟件架構(gòu)在2020年8月做了一次底層重構(gòu)，是純視覺(jué)實(shí)現(xiàn)L4的“關(guān)鍵一躍”。實(shí)現(xiàn)L4最難做的就是城市場(chǎng)景，尤其是十字路口拐彎的場(chǎng)景，其困難性在于車道線軌跡復(fù)雜、其他物體多且各自的運(yùn)動(dòng)軌跡不同。在早年AP還沒(méi)有覆蓋城市道路場(chǎng)景的時(shí)候，特斯拉的感知方案是對(duì)二維的圖像數(shù)據(jù)做語(yǔ)義識(shí)別。這個(gè)方案的瓶頸在于：1）行車是在三維空間中進(jìn)行的，在圖像中做規(guī)控不如在空間中做規(guī)控。2）無(wú)法對(duì)被遮擋的地方做預(yù)測(cè)。在這種方案下，AP在復(fù)雜的城市道路場(chǎng)景下的瓶頸難以突破。2020年8月，馬斯克在推特上宣布團(tuán)隊(duì)正在對(duì)FSD的底層架構(gòu)進(jìn)行重寫(xiě)。在此后2021年和2022年的特斯拉AIday上，AP團(tuán)隊(duì)向公眾介紹了新的軟件架構(gòu)，底層創(chuàng)新令人非常震撼。到2021年年中，主要進(jìn)展是建立了2維攝像頭圖像向3維空間的映射，相當(dāng)于生成了一個(gè)實(shí)時(shí)的車體和其周圍空間的俯視圖，同時(shí)也獲得了周圍物體的運(yùn)動(dòng)速度，解決了攝像頭無(wú)法測(cè)速的問(wèn)題。Multi-head是業(yè)界自動(dòng)駕駛感知模塊常用的方法，它包括Backbone，Neck和Head，在輸入rawdata后，Backbone和Neck會(huì)提取一些通用的圖像特征，然后，在Head層會(huì)解決不同的感知任務(wù)，比如物體檢測(cè)、交通信號(hào)燈識(shí)別、車道線識(shí)別等，特斯拉的Multi-headNet叫HydraNet。革新一，將周圍的空間統(tǒng)一：圖像經(jīng)過(guò)RegNet、BiFAN提取特征后進(jìn)入BEV（鳥(niǎo)瞰圖）空間轉(zhuǎn)換層，將所有8個(gè)圖像組合成一個(gè)超級(jí)圖像，這個(gè)新的空間較原來(lái)的二維圖像增加了深度信息（物體之間的距離）。革新二，融入時(shí)序數(shù)據(jù)：在實(shí)際行車過(guò)程中需要做大量預(yù)測(cè)，比如周圍物體的移動(dòng)速度、他們是否被遮擋、前方50m外的標(biāo)志牌是怎樣的，這些都需要圖像的上下文（即視頻）。因此，特斯拉將視頻模塊也放入神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，在BEVTransform后加入VideoNeturalNet，由此使感知模型具有了短時(shí)記憶的能力。到2022年年中，特斯拉在長(zhǎng)尾障礙物的感知問(wèn)題上取得了一定進(jìn)展，主要針對(duì)的是行車中cornercase無(wú)法被覆蓋、惡劣天氣、物體被遮擋的問(wèn)題。通過(guò)前面的介紹，比較敏感的讀者可能會(huì)發(fā)現(xiàn)特斯拉解決的問(wèn)題主要就是高精度地圖和雷達(dá)可以為攝像頭補(bǔ)足的短處，但這個(gè)模型并不完美。在2022年的AIDay上，AP團(tuán)隊(duì)向大家展示了感知模型的最新進(jìn)展，在去年HydraNet（+BEVLayer+VideoNeuralNet）的基礎(chǔ)上，進(jìn)一步提出了OccupancyNetwork。在OccupancyNetwork中，周圍的世界被劃分成小立方體，通過(guò)預(yù)測(cè)3D空間的占用概率來(lái)還原物體的大致形狀。它對(duì)物體沒(méi)有過(guò)多的幾何假設(shè)，因此可以建模任意形狀的物體和任意形式的物體運(yùn)動(dòng)，以應(yīng)對(duì)長(zhǎng)尾障礙物的感知和極端天氣的影響。在這種方案下，地圖由2D形式變成了3D形式。此外，輸入的數(shù)據(jù)不會(huì)再經(jīng)過(guò)ISP處理，而是直接輸入photoncount數(shù)據(jù)，這將保留更多的信息并能夠降低延遲。目前，OccupancyNetwork已經(jīng)在所有裝FSD的車上運(yùn)行，大約每10ms運(yùn)行一次。感知層是純視覺(jué)派自動(dòng)駕駛路線的主要爭(zhēng)議點(diǎn)。需要注意的是，特斯拉

也并沒(méi)有完全放棄雷達(dá)，2022年6月它在FCC注冊(cè)了一款4D毫米波雷達(dá)，并提交了詳細(xì)的合規(guī)測(cè)試報(bào)告。而在其他方面，比如規(guī)劃、車道線識(shí)別、數(shù)據(jù)訓(xùn)練等方面，特斯拉的做法充分體現(xiàn)了其強(qiáng)悍的算法、工程和架構(gòu)能力。數(shù)據(jù)：數(shù)據(jù)標(biāo)注：數(shù)據(jù)收集，一部分來(lái)自車隊(duì)傳回的數(shù)據(jù)。包括在用車時(shí)失效的案例，更新標(biāo)注后會(huì)被重新加入訓(xùn)練集。一部分來(lái)自模擬數(shù)據(jù)（Simulation）。模擬數(shù)據(jù)是由場(chǎng)景生成器生成的，最快5min生成一個(gè)場(chǎng)景，理論上可以通過(guò)排列組合的方式生成無(wú)限多的道路場(chǎng)景，這主要是為了提升自動(dòng)駕駛系統(tǒng)對(duì)長(zhǎng)尾場(chǎng)景的反應(yīng)力。標(biāo)注上，特斯拉采用人機(jī)合作標(biāo)注的方法，大幅提高標(biāo)注效率，人機(jī)標(biāo)注引擎正在構(gòu)建中。AutoLabeling和Simulation這兩個(gè)項(xiàng)目被認(rèn)為是工程人才集中的地方。數(shù)據(jù)引擎：串聯(lián)數(shù)據(jù)收集、人機(jī)數(shù)據(jù)標(biāo)注、模型訓(xùn)練（包括自動(dòng)標(biāo)注、規(guī)劃算法等離線模型與占用網(wǎng)絡(luò)、車道線識(shí)別等車載模型）、上車，往復(fù)循環(huán)。模型訓(xùn)練基礎(chǔ)設(shè)施：特斯拉內(nèi)部有3臺(tái)超級(jí)計(jì)算機(jī)，包括1.4萬(wàn)個(gè)GPU，其中1萬(wàn)個(gè)GPU用于模型訓(xùn)練，大約4千個(gè)GPU用于自動(dòng)標(biāo)注。共30PB的分布式數(shù)據(jù)緩存，每天都有50w個(gè)新的視頻流入。為了更高效地利用這些視頻，在加解碼、讀寫(xiě)環(huán)節(jié)都做了加速器的研發(fā)。在過(guò)去的一年里，一共訓(xùn)練了7.5萬(wàn)個(gè)神經(jīng)網(wǎng)絡(luò)模型（大約8次/分鐘），發(fā)布了其中281個(gè)模型。后面還會(huì)用自研芯片優(yōu)化處理性能。規(guī)劃與控制：融入成本函數(shù)、人工干預(yù)數(shù)據(jù)或其他仿真模擬數(shù)據(jù)，在向量空間中通過(guò)傳統(tǒng)規(guī)控方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合規(guī)劃系統(tǒng)實(shí)現(xiàn)汽車的行為與路徑規(guī)劃，生成汽車轉(zhuǎn)向、加速、剎車等控制指令，由汽車執(zhí)行模塊執(zhí)行。這部分業(yè)界大部分主要依賴基于規(guī)則的方法，特斯拉將深度學(xué)習(xí)很好地融入其中。其神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集包括兩部分，一個(gè)是沒(méi)有時(shí)間約束下的傳統(tǒng)規(guī)劃算法的策略，一個(gè)是人類駕駛員手動(dòng)駕駛時(shí)選擇的策略。車載電腦FSDComputer的設(shè)計(jì)體現(xiàn)全棧自研廠商對(duì)產(chǎn)品的充分掌控，有助于芯片算力的充分利用。所有運(yùn)行在車載電腦的神經(jīng)網(wǎng)絡(luò)模型加起來(lái)大約有10億個(gè)參數(shù)，運(yùn)行過(guò)程中會(huì)生成1000多個(gè)神經(jīng)網(wǎng)絡(luò)信號(hào)。為了更高效地運(yùn)行這些模型，特斯拉在FSD計(jì)算機(jī)中搭建了專門針對(duì)神經(jīng)網(wǎng)絡(luò)的編譯器、神經(jīng)網(wǎng)絡(luò)連接器，并這些模型進(jìn)行聯(lián)合優(yōu)化，最大化計(jì)算利用率和吞吐量。設(shè)計(jì)混合調(diào)度系統(tǒng)，對(duì)兩個(gè)芯片上的系統(tǒng)進(jìn)行分布式調(diào)度，以并行的方式運(yùn)行這些網(wǎng)絡(luò)。在這樣的架構(gòu)下，可以實(shí)現(xiàn)在10毫秒內(nèi)任意場(chǎng)景在構(gòu)建帶高程的俯視圖，這也是特斯拉能擺脫高精度地圖依賴的原因。3.3.FSD對(duì)特斯拉而言意義重大全棧自研，快速迭代，基礎(chǔ)能力扎實(shí)，構(gòu)筑了特斯拉在智能駕駛領(lǐng)域的核心壁壘。1）以數(shù)據(jù)為中心，在多個(gè)感知、規(guī)控、標(biāo)注等部分之間共享數(shù)據(jù)格式和特征空間，減少了重復(fù)勞動(dòng)的時(shí)間和人力浪費(fèi)；2）以AI為驅(qū)動(dòng)，特斯拉作為目前世界上最領(lǐng)先的高科技公司之一，吸引了世界上最頂尖的AI人才，在算法設(shè)計(jì)上的歷次底層創(chuàng)新鑄牢了公司的護(hù)城河；3）全棧自研，從算法、車端硬件到離線數(shù)據(jù)中心的計(jì)算芯片，特斯拉在關(guān)鍵環(huán)節(jié)逐步實(shí)現(xiàn)完全自主可控，將核心能力牢牢握在手中?；诠緝?nèi)部的配合有利于更好地做產(chǎn)品架構(gòu)的頂層設(shè)計(jì)，效率上優(yōu)于需要產(chǎn)業(yè)鏈公司配合的友商。降本增效的“向前一步”。FSD更少的車端硬件可以減少特斯拉對(duì)供應(yīng)鏈的管理、故障召回等成本，這將進(jìn)一步壓縮整車制造成本。對(duì)馬斯克而言，“Bestpartisnopart”，他竭盡全力去除系統(tǒng)中不必要的部分，從而控制整個(gè)系統(tǒng)的熵維持在合理的水平。數(shù)據(jù)調(diào)度和處理能力、算法等關(guān)鍵能力可拓展到其他場(chǎng)景。在2022年AIday上，馬斯克發(fā)布了人形機(jī)器人特斯拉botOptimus。根據(jù)AIday2022的內(nèi)容不難發(fā)現(xiàn)，Optimus一方面在硬件上充分共享特斯拉汽車供應(yīng)鏈。另一方面，由于其軟件架構(gòu)的頂層性，F(xiàn)SD研發(fā)環(huán)節(jié)和相關(guān)算法也在其中很好復(fù)用：1）感知算法完全是FSD感知的下游應(yīng)用，2）路徑規(guī)劃可以復(fù)用FSD的規(guī)控建模路徑，只不過(guò)機(jī)器人場(chǎng)景中物體更多、交互關(guān)系更復(fù)雜、要求的分辨率更高、環(huán)節(jié)場(chǎng)景更多樣，3）室內(nèi)環(huán)境建模，與特斯拉對(duì)車內(nèi)導(dǎo)航問(wèn)題的抽象一致。特斯拉的解決方案有望率先實(shí)現(xiàn)單車智能L5。自動(dòng)駕駛的技術(shù)路線主要分兩種，一種是單車智能，通過(guò)攝像頭、雷達(dá)等傳感器以及算法賦予汽車自動(dòng)駕駛的能力；一種是車路協(xié)同，在傳感器的基礎(chǔ)上結(jié)合5G和高精地圖來(lái)感知路況和其他車的情況來(lái)實(shí)現(xiàn)自動(dòng)駕駛的能力。對(duì)于目前具備L4能力的公司的區(qū)別，特斯拉智能駕駛前負(fù)責(zé)人Andrej描述很生動(dòng)：“Waymo和業(yè)內(nèi)許多其他公司都使用高清地圖。必須在預(yù)先鋪設(shè)地圖的環(huán)境、擁有厘米級(jí)精度的激光雷達(dá)，而且要軌道上，才能開(kāi)車。你準(zhǔn)確地知道你將如何在十字路口轉(zhuǎn)彎，哪些紅綠燈與你相關(guān)，知道它們的位置以及一切。我們不做這些假設(shè)。對(duì)我們來(lái)說(shuō)，在我們遇到的每一個(gè)路口，我們都是第一次看到它。”由于行車是基于開(kāi)放場(chǎng)景，而車路協(xié)同中智慧的路全面鋪開(kāi)短期內(nèi)較難實(shí)現(xiàn)，結(jié)合前文的分析，相較之下特斯拉最有希望率先通過(guò)算法革新實(shí)現(xiàn)全場(chǎng)景自動(dòng)駕駛。4.自動(dòng)駕駛，誰(shuí)主沉浮4.1.各類廠商加緊投入，國(guó)內(nèi)智能駕駛快速發(fā)展2022H1中國(guó)L1、L2級(jí)別的輔助駕駛滲透率持續(xù)提升，L1級(jí)別的主動(dòng)安全和行車功能逐漸成標(biāo)配。在中國(guó)，目前L1、L2級(jí)別的智能駕駛已經(jīng)大范圍鋪開(kāi)，大眾價(jià)位的車型加快L2級(jí)別的方案上車。根據(jù)中國(guó)汽車報(bào)的披露，2021年，中國(guó)乘用車市場(chǎng)的新車銷售中，具備L2級(jí)智能駕駛的車型銷量為476.6萬(wàn)，占比23.5%，同比增長(zhǎng)57.2%。根據(jù)佐思汽車研究的拆分?jǐn)?shù)據(jù)，在2022H1銷售的新車中，目前L1級(jí)別的主動(dòng)安全進(jìn)展最快，滲透率達(dá)三成以上；L1級(jí)別的行車功能滲透率快速提升，從去年的10%左右到2022年的20%左右；L2級(jí)別的輔助駕駛主要集中在泊車場(chǎng)景，自動(dòng)泊車輔助APA滲透率達(dá)13.8%。L3-L5的智能駕駛處于商業(yè)化早期，以造車新勢(shì)力、科技企業(yè)為代表的自研派進(jìn)展較快，已開(kāi)始積極試水城市道路場(chǎng)景。NOA領(lǐng)航輔助駕駛是目前已經(jīng)量產(chǎn)的高級(jí)別的輔助駕駛功能，目前僅有頭部造車新勢(shì)力如蔚小理和頭部科技公司如華為實(shí)現(xiàn)了高速的NOA。城市道路的NOA是下一步要攻克的方向。由于中國(guó)的城市道路場(chǎng)景復(fù)雜多變，城市NOA較高速NOA研發(fā)難度大幅提升。根據(jù)小鵬汽車自動(dòng)駕駛副總裁、前高通自動(dòng)駕駛負(fù)責(zé)人吳新宙博士的公開(kāi)訪談。相比高速NGP，城市NGP的代碼量提升至6倍；感知模型數(shù)量提升至4倍；和車輛行為相關(guān)的部分包括預(yù)測(cè)、規(guī)劃、控制，相關(guān)代碼量提升至88倍。目前，小鵬和極狐已經(jīng)分別在開(kāi)始推送城市NOA的試點(diǎn)；搭載激光雷達(dá)的毫末已經(jīng)進(jìn)入量產(chǎn)，計(jì)劃年內(nèi)發(fā)售。不過(guò)，小鵬僅僅是在廣州一些特定路段進(jìn)行小范圍測(cè)試，搭載華為技術(shù)的極狐也只面向深圳的Beta用戶進(jìn)行封閉式推送。蔚來(lái)計(jì)劃2022年內(nèi)實(shí)現(xiàn)在ET7和ET5等車型搭載的NAD系統(tǒng)上實(shí)現(xiàn)城市輔助駕駛。主流車企錨定2024/2025實(shí)現(xiàn)L4，技術(shù)上走傳感器融合路線，以激光雷達(dá)為代表的硬件預(yù)埋已開(kāi)始，構(gòu)建數(shù)據(jù)閉環(huán)為關(guān)鍵能力。目前包括蔚小理等新勢(shì)力和傳統(tǒng)的自主OEM廠商對(duì)實(shí)現(xiàn)L4的規(guī)劃普遍在2023-2025年之間。對(duì)L3+的自動(dòng)駕駛技術(shù)上的兩派，一派跨越式，以Waymo為代表的L4廠商。這些廠商切入智駕賽道較早，技術(shù)上往往采取多傳感器融合+高精度地圖的車路協(xié)同方案。激光雷達(dá)在惡劣環(huán)境下仍能測(cè)距和定位，高精度地圖提供先驗(yàn)知識(shí)。這類廠商在第一波自駕潮中崛起，吸收了大量資本市場(chǎng)的投資，但始終存在量產(chǎn)和政策合規(guī)的問(wèn)題，目前經(jīng)營(yíng)上主要是Robotaxi的MaaS（MobilityasaService）模式。另一派漸進(jìn)式，它們?cè)缙谝栽燔囐I車為盈利點(diǎn)，通過(guò)OTA的方式使智駕等級(jí)由L2向更高級(jí)別過(guò)渡。這類廠商可以通過(guò)售賣私家車形成數(shù)據(jù)積累到模型訓(xùn)練、算法迭代的閉環(huán)。在漸進(jìn)式廠商中，除了特斯拉采用純視覺(jué)方案，其他廠商都采用多傳感器融合方案，前者的難度主要在算法上，后者對(duì)算法要求低一些，但對(duì)數(shù)據(jù)融合的考驗(yàn)比較大。當(dāng)然對(duì)算法的要求是沒(méi)有上限的，在算法無(wú)限優(yōu)化的情況下，激光雷達(dá)可以起到安全冗余的作用。硬件預(yù)埋軍備競(jìng)賽已經(jīng)開(kāi)始，如何用好數(shù)據(jù)、構(gòu)建數(shù)據(jù)閉環(huán)是關(guān)鍵。在2022年上市的車型中，以蔚來(lái)

ET5、理想L9、小鵬G9、哪吒S、廣汽埃安AIONLXPlus為代表，均搭載了1顆以上的激光雷達(dá)，同時(shí)也加了高精度地圖定位單元，各家廠商的硬件預(yù)埋已經(jīng)就位，也暗示了這些中國(guó)自主玩家都將走傳感器+高精度地圖的融合路線。根據(jù)蔚來(lái)官網(wǎng)的數(shù)據(jù)，NIOAutonomousDriving蔚來(lái)自動(dòng)駕駛的33個(gè)傳感器的感知系統(tǒng)每秒能夠產(chǎn)生8個(gè)G的數(shù)據(jù)。相當(dāng)于一秒看完兩部4K電影，數(shù)據(jù)積累速度非?？?。面對(duì)體量如此龐大的多維數(shù)據(jù)，如何最大化利用好數(shù)據(jù)資產(chǎn)，發(fā)揮其應(yīng)有的價(jià)值，是每個(gè)車企在埋下硬件后應(yīng)該嚴(yán)謹(jǐn)規(guī)劃的問(wèn)題。4.2.關(guān)于自動(dòng)駕駛終局的三點(diǎn)預(yù)測(cè)回到智能駕駛行業(yè)上，當(dāng)前中國(guó)的智能駕駛產(chǎn)業(yè)鏈正處于發(fā)展初期，車企與自動(dòng)駕駛供應(yīng)鏈之前還未形成強(qiáng)綁定關(guān)系?；谇懊娴难芯?，不妨對(duì)自動(dòng)駕駛的終局做一些預(yù)測(cè)。主要觀點(diǎn)有三：

第一，選擇從純視覺(jué)與多傳感器融合兩個(gè)方向落地路徑依賴較強(qiáng)，未來(lái)倒戈可能性??；

第二，自動(dòng)駕駛能力為稀缺項(xiàng)，選擇L4等三方廠商為車企提供解決方案更有助于品牌在快速迭代的競(jìng)爭(zhēng)中占得有利地位；

第三，自動(dòng)駕駛終局或?qū)⒊尸F(xiàn)類手機(jī)操作系統(tǒng)的蘋果和安卓雙足鼎立的形態(tài)。首先，可以看到對(duì)自動(dòng)駕駛已經(jīng)在路上的整車廠商，無(wú)論是多傳感器融合方案，還是純視覺(jué)方案，從數(shù)據(jù)收集到模型搭建，各自的路徑依賴很強(qiáng)的，未來(lái)再易轍的可能性不大。對(duì)于傳感器融合方案的成本上的顧慮，隨著技術(shù)的進(jìn)步，還有產(chǎn)業(yè)鏈的逐步完善以及規(guī)模效應(yīng)的顯現(xiàn)，傳感器融合方案的成本會(huì)持續(xù)下降。以激光雷達(dá)為例，當(dāng)前大概是在800美元左右。預(yù)計(jì)隨著國(guó)內(nèi)搭載激光雷達(dá)的車型逐漸放量，激光雷達(dá)的成本有望在幾年內(nèi)減半。隨著L3、L4級(jí)別自動(dòng)駕駛的成熟，激光雷達(dá)成本有望會(huì)降到100甚至50美元以內(nèi)?？梢詤⒖家唤M百度

Apollo的數(shù)據(jù)。2021年6月，百度首次披露無(wú)人車成本：第五代車ApolloMoon成本48萬(wàn)元。2022年7月21日，百度發(fā)布了第六代車ApolloRT6，成本降到25萬(wàn)元，這個(gè)價(jià)格和一輛Model3基礎(chǔ)款售價(jià)差不多。這樣比較下來(lái)，多傳感器融合降本的邏輯也是行得通的。其次，三方高科技公司為OEM廠商提供智能駕駛解決方案。智能駕駛的核心在于算法，算法實(shí)