特斯拉的困境

正如文章開頭提到的，特斯拉Autopilot正在變得越來越不容忽視。50萬輛規(guī)模的特斯拉車隊正在全球各地收集著真實公開道路場景下的路測數(shù)據(jù)，而Autopilot啟用狀態(tài)下路測里程已經(jīng)突破了10億英里，如果你對這個數(shù)字沒什么概念的話，Waymo最近路測里程剛剛突破了1000萬英里，可以做個參照。

更重要的是，10億英里在整個特斯拉車隊累計行駛里程中占比只有10％，特斯拉車隊累計行駛里程剛剛突破了100億英里。根據(jù)ElonMusk的說法，在Autopilot關閉的那90億英里行程中，Autopilot會以影子模式的形式繼續(xù)運行，在收集路測數(shù)據(jù)的同時學習人類的駕駛行為模型。

但Autopilot存在一個致命問題：過度依賴攝像頭感知。

很多自動駕駛公司的高管對特斯拉Autopilot都是不屑一顧的，他們認為特斯拉孤注一擲做以攝像頭為中心感知的自動駕駛是投機的，特斯拉遲早會轉(zhuǎn)向激光雷達陣營。

ElonMusk沒有給特斯拉汽車配備激光雷達、厘米級高精地圖的原因在于，Autopilot定義的自動駕駛傳感器是要裝在成千上萬輛車上賣給全球各地的特斯拉車主的，這意味著所有成本高昂的元器件和技術和Autopilot注定無緣。

而特斯拉很可能在等待一個契機，在激光雷達和高精地圖成本變得可接受的時候，特斯拉會第一時間跟進，實現(xiàn)商業(yè)化。

但聽過ElonMusk對激光雷達的評價后就會知道，除非Autopilot以攝像頭為中心的感知路線走進了死胡同，否則哪怕激光雷達降到白菜價，Autopilot都不會采用的。

顯而易見，道路系統(tǒng)是面向被動光學的。為了在任何給定／變化的環(huán)境中（實現(xiàn)車輛自動）駕駛，我們必須把被動光學圖像識別問題解決得非常好。如果你解決了這個問題，主動光學器件（激光雷達）存在的意義是什么？它不能讀取路標，在我看來，它就像是拐杖，會讓那些公司陷入非常難以擺脫的境地。

如果你堅持極為復雜的神經(jīng)網(wǎng)絡技術路線，做到了非常先進的圖像識別技術，那么我認為你最大化的解決了問題。然后你需要把它和日趨復雜的雷達信息融合，如果你選擇了波長在400納米－700納米的范圍內(nèi)的主動質(zhì)子發(fā)生器，其實是很愚蠢的，因為你被動的做到了這一點。

你最終會嘗試在大約4毫米的雷達頻率上主動發(fā)出質(zhì)子，因為（該頻率）可以穿透障礙物，你可以透過雪、雨、灰塵、霧……其他任何東西“看”清前方路況。令人費解的是，一些公司會用錯誤的波長來做主動質(zhì)子發(fā)生系統(tǒng)。它們給汽車武裝了一大堆昂貴設備，讓汽車變得昂貴、丑陋也不必要。我覺得它們最終會發(fā)現(xiàn)自己在競爭中陷入劣勢。

在ElonMusk看來，這是傳感器感知信息底層的分歧，融合激光雷達與攝像頭、毫米波雷達的感知信息會把問題變得復雜化。所以，堅持以攝像頭為中心的感知路線是唯一正確又低成本的解決方案。

所以最終的結(jié)果是，1個前置毫米波雷達、8顆攝像頭、12個超聲波傳感器，這就是最新的特斯拉Autopilot2．5的全部傳感器。

現(xiàn)在看來，Autopilot在做的事情基本遵循著上面Elon提到的技術路線，在接受Recode采訪時Elon表示，目前最大的技術挑戰(zhàn)在于對深度神經(jīng)網(wǎng)絡的改進，8顆攝像頭最終都得具備識別所有道路交通物體的能力。

在8顆攝像頭全部啟用后，Autopilot運行著8個不同復雜程度的神經(jīng)網(wǎng)絡，然后將8個神經(jīng)網(wǎng)絡的感知信息融合，再做路徑規(guī)劃。

所謂「堅持極為復雜的神經(jīng)網(wǎng)絡技術路線，做到非常先進的圖像識別技術」，以「最大化的解決問題」。

但核心問題在于，目前的計算機視覺＋人工智能技術＋AI芯片要做到人眼＋大腦對環(huán)境路況的理解能力幾乎不可能。

Waymo會憑借自動駕駛技術顛覆汽車產(chǎn)業(yè)嗎？目前看這一天還很遙遠。特斯拉會代表汽車行業(yè)逆襲成功嗎？看起來潛力無限但又有巨大Bug。自動駕駛賽道的勝負，至少要5年之后才能知分曉。