特斯拉自動駕駛的重大彩蛋出現了。

國外黑客大神 GreenTheOnly 在特斯拉 FSD Beta 的代碼中發現了一段隱藏代碼。據了解，這段代碼可以開啟一個全新的模式「Elon Mode」（埃隆模式，代碼以馬斯克名字命名）。

如果車輛時速在60km/h以下，開啟這一模式，車輛可以實現 L3 級自動駕駛，無需雙手把持方向盤。

(資料圖片僅供參考)

可以說，特斯拉在技術上已經有能力實現 L3 級自動駕駛。只是，目前其仍沒有拿到政府的相關批準。

在自動駕駛領域，特斯拉一騎絕塵。

但是，領先地位的鑄就并非朝夕。

復盤特斯拉自動駕駛發展歷程，實際上不亞于看了一篇逆襲「爽文」。即使是特斯拉，也經歷了從落后，到追趕超越，再到稱王加冕，自我超越的五個時期。

2016 年，在 Mobileye 首先官宣「分手」后，特斯拉便開始自研算法。期間有一段時間，其算法表現甚至不如 Mobileye。

直到 2020 年，重構算法后，特斯拉才確立了行業領頭羊的地位。

在這一時期涌現的BEV、Transfomer、自動標注等技術，現如今已經成為如今行業普遍延用的技術路線。

但特斯拉并未止步，又對算法進行了升級，比如時序信息的加入，升級到占用網絡。

自始至終，特斯拉追求的就不是「武林第一」的頭銜。

特斯拉的目標只有一個：在純視覺方案下，如何用算法刻畫真實的物理世界，以實現自動駕駛。

總結來看，堅持視覺方案，特斯拉從「第一性原則」出發，針對算法問題進行持續迭代，使算法更趨向于理解真實世界。

01 、自研算法誕生前夜，特斯拉與 Mobileye 分手

2016 年 5 月 7 日，一場發生于美國的車禍引起了全球的關注。

一輛 Model S（2015 年款）在使用 Autopilot 狀態下，攔腰撞向了一輛垂直方向開來的白色掛車，事故導致了一人死亡。

彼時，這起事故被媒體冠以「全球首宗自動駕駛致命事故」的標題經大肆報道。

在鋪天蓋地的報道之下，特斯拉的Autopilot 成了眾矢之的。

特斯拉和 Mobileye 的合作開始于2014 年。

2014 年 10 月，特斯拉發布第一代硬件Hardware 1.0，軟硬件均由 Mobileye提供，自動駕駛芯片是 Mobileye 的 EyeQ3。

而在上述事故發生的兩個月后，2016 年 7 月，Mobileye 宣布了和特斯拉終止合作。供應商搶先聲明雙方合作破裂，這在汽車市場來說頗為罕見。

對于分手原因，彼時雙方各執一詞。

在特斯拉看來，Mobileye 的黑盒模式是雙方分手的原因所在。

特斯拉曾在一份文件中直言：黑盒模式之下，Mobileye 難以跟上特斯拉產品的發展步伐。

而 Mobileye 則表示：因為特斯拉的自動駕駛功能「超過了安全的底線」，因此才終止了雙方的合作。

實際上，雙方的分手早有預兆。

2015 年，特斯拉就開始布局自研自動駕駛軟硬件，Mobileye 被棄用只是時間問題。

2015 年 4 月，特斯拉組建了基于計算機視覺感知的軟件算法小組 Vision，準備自研軟件。

同年，特斯拉還從 AMD 挖來了傳奇芯片設計師 Jim Keller。隨后，在 2016 年，特斯拉開始組建芯片研發團隊，并由 Jim Keller 擔任 Autopilot 負責人。

和眾多俗套的情愛故事一樣，與 Mobileye 分手之后，特斯拉也經歷了短暫的低谷和失落。

但在隨后的日子里，失意的特斯拉最終成長為自動駕駛領域領頭羊。

02、2016 年-2018 年特斯拉初出茅廬

在告別了 Mobileye 之后，特斯拉選擇全棧自研自動駕駛算法，自立自強。

在自動駕駛軟硬件發展思路上，馬斯克為特斯拉制定了「硬件先行，軟件更新」的思路。

硬件方面，2016 年 10 月，特斯拉還發布了第二代硬件Hardware 2.0。自動駕駛芯片由英偉達提供，配置 8 個攝像頭+12 個遠程超聲波雷達+1 個前置毫米波雷達，并且這一套配置延續到了 Hardware3.0。

算法方面，特斯拉延用了業內常規的骨干網結構；使用 2D 檢測器進行特征提取；以人工對數據進行標注。

整體來看，這一套自動駕駛算法還比較原始，相對傳統。

值得一提的是，在這一時期，特斯拉自動駕駛算法仍處于技術追趕階段。

從硬件配置來看，盡管 HW2.0 優于此前 Mobileye 提供的的 HW1.0，但受限于軟件算法，彼時特斯拉的自動駕駛能力和 Mobileye 有著較大差距。

盡管2016 年 10 月，特斯拉推出了HW2.0，但在空跑了大半年后，直到2017 年 3 月，Model3/Y 才開始能夠真正用上 Autopilot 功能。

在算法能力追上 Mobileye 后，特斯拉發現，當前使用的算法存在著諸多不足。其中，最為明顯的是效率問題。

在那一時期，自動駕駛的目標檢測普遍遵循一個通用的網絡結構：Input → backbone→neck →head →Output

主干網絡 backbone為特征提取網絡，主要用于識別圖像中的多個對象；

neck 則主要負責提取更為精細的特征；

而在經過特征提取之后，檢測頭 head 則為提供了輸入的特征圖表示，比如檢測對象，實例分割等。

值得一提的是，當時業內自動駕駛視覺神經網絡都只有一個 head。

但是，在自動駕駛的場景中，往往需要在一個神經網絡中同時完成多項任務，比如車道線檢測，人物檢測與追蹤，信號燈檢測等。

這就使得原有算法出現了「腦袋不夠用」的情況。

因此，在 2018 年，特斯拉開始了對自動駕駛算法的第一次革新，瞄準自動駕駛網絡結構及效率。

03、2018 年-2019 年算法利刃初成

在這次算法革新中，特斯拉構建了多任務學習神經網絡架構HydraNet，并使用了特征提取網絡 BiFPN。

這使得特斯拉算法效率得到了提升。其中，最具特色的為 HydraNet。

Hydra 一詞源于傳說中的生物「九頭蛇」，因而 HydraNet 也被稱為「九頭蛇網絡」。

以「九頭蛇」命名的原因在于，HydraNet 結構能夠完成多頭任務，而非此前的單一檢測。

相較于此前算法，HydraNet 能夠減少重復的卷積計算，減少主干網絡計算數量，還能夠將特定任務從主干中解耦出來，進行單獨微調。

不過，此次革新更多是一次算法的「微調」，并沒有達到重構和跨越性的程度。

在融合方式上，特斯拉采用的仍是后融合策略，數據進行人工標注，且自動駕駛算法仍舊是小模型，與后續算法革新相比，并沒有太大的突破。

這一時期，在改良了傳統算法之后，特斯拉還對硬件進行了新一輪的更新。

在歷經四年研發后，2019 年 4 月，特斯拉發布了 Hardware 3.0 系統。其中最大的亮點是特斯拉采用了自研的FSD 芯片。

特斯拉 FSD 芯片算力達72TOPS，遠高于當時市面上的自動駕駛芯片。同時，FSD 芯片以兩塊 NUD 為主，圖片處理效率更高，且不裝配激光雷達。

新硬件的發布，為特斯拉算法的下一次迭代提供了可能。

在完成硬件準備的前期工作之后，特斯拉開始了對自動駕駛算法的史詩級重構。

04、2020 年特斯拉自動駕駛一騎絕塵

2020 年 8 月，馬斯克在推特上發文稱，Autopilot 團隊正對軟件的底層代碼進行重寫和深度神經網絡重構；全新的訓練計算機 Dojo正在開發。

馬斯克的一封推文激起浪千重。市場對特斯拉自動駕駛算法的發展方向投以關注。

在他看來，對 AP 的重寫，不是對現有結構的優化，而是一場「量子式躍遷」。

縱覽特斯拉自研算法近十年歷程，2020 年可以說是其最為璀璨的一年。

在這一場行業重構中，特斯拉帶來的一系列技術方向被自動駕駛行業延用至今，如 BEV+Transformer 的組合，特征級融合取代了后融合，數據自我標注取代人工標注等。

如果說 2020 年自動駕駛江湖是群雄逐鹿時期，那么，自 2020 年之后，這片江湖便進入了特斯拉時代。

(1）BEV+Transformer，自動駕駛進入大模型時代

在特斯拉的這場技術重構中，最為引人注目的便是于 2020 年引入的 BEV+Transfomer 架構。

在特斯拉看來，過去自動駕駛依靠「2D 圖像+ CNN」便企圖實現全自動駕駛是不太可能的。

主要原因在于，攝像頭采集的數據是 2D 圖像，但自動駕駛需要面對的卻是三維真實世界。

以二維數據解決三維問題，不大現實。

純視覺路線之下，攝像頭拍攝的 2D 圖像如何「升維」到 3D，成了特斯拉需要思考的問題。

在特斯拉看來，2D 圖像「升維」的最佳表達方式是：BEV（鳥瞰圖）。BEV 視角，形成車身自坐標系的好處在于兩方面：

一是將不同視角在 BEV 下統一表達是很自然的描述，有利于后續規劃控制模塊任務；

二是 BEV 視角解決了圖像視角下的尺度和遮擋問題。

但緊接著問題就來了：如何實現 2D 向 3D 的轉換，以引入 BEV？

D 圖像是照片，存在近大遠小的問題。而解決「近大遠小」問題的傳統轉變方法是依靠 IPM（逆透視變幻），進行先 2D 再 3D 的正向開發。

IPM，簡而言之，就是利用照相機成像過程中坐標轉換的公式，在已知照片的光圈，焦距等條件下，去「算出」3D 坐標數據，對 2D 的圖像進行「3D 復原」。

但是，和課堂上的算數題一樣，這樣的計算需要以各種「完美」假設為前提。比如，地面是「完美」水平的，相機和地面不存在相對運動等。

也即是說，只要車輛有任何一點顛簸，道路有一點不平，就會打破這個假設，導致最終的成像結果失真。

另外，在一系列卷積，提取特征，融合之后，得到的感知結果，再投影到 BEV 空間中，精度很差，尤其是遠距離的區域。

以此來看，利用傳統方法，實現從 2D 到 3D 的「升維」，很難實現。

在這樣的情況下，特斯拉引入大模型 Transformer，進行 3D 到 2D 的逆向開發。

在這一方式中，特斯拉先在 BEV 空間層中初始化特征，再通過多層的 Transformer 和 2D 圖像特征進行交互融合，最終得到 BEV 特征，也就是先 3D 再 2D，反向開發，實現 BEV 的轉換。

Transformer 是一種基于注意力機制（Attention）的神經網絡模型。與傳統神經網絡 RNN 和 CNN不同，Transformer 不會按照串行順序來處理數據，而是通過注意力機制，去挖掘序列中不同元素的聯系及相關性。

這種機制背后，使得 Transformer 可以適應不同長度和不同結構的輸入。

Transformer 的引入，使得 BEV 視角在自動駕駛領域得以實現。

而 3D 空間的引入，使得自動駕駛的思維方式，更接近于真實世界。

但是，在這一階段，BEV 空間仍是對瞬時的圖像片段進行感知，缺乏時間序列信息，自動駕駛仍未進入 4D 空間。

（2）特征級融合取代后融合成為主流

BEV 即鳥瞰圖，「上帝視角」，車身自坐標系。

若僅從定義來看，BEV 或許是特斯拉各類「燒腦」術語中最容易理解的。但這絲毫不影響 BEV 對自動駕駛行業的價值和意義。

引入 BEV 視角后，給自動駕駛帶來最直觀的變化是，推動 2D 圖像向 3D 車身自坐標系的轉變，方便后續的決策和控制。

但除此之外，BEV 還使得自動駕駛從后融合（或稱「決策層融合」）向特征級融合（或稱「中融合」）方向邁進。

同一物體在不同傳感器視角中的狀態

自動駕駛的每一個傳感器，都在對周遭世界進行感知。

每個攝像頭、雷達都包含了其對真實世界的理解，但由于角度，傳感器類型的不同，使得車輛沒辦法依靠一個傳感器完成對周遭世界的認識。

因此，每個傳感器所感知的只是現實世界的其中一塊拼圖，要實現自動駕駛，便需要完成拼圖拼湊。

而傳感器數據的融合則可以看成是拼圖的拼湊步驟。

所謂的后融合，便是由決策層域控制器進行拼圖的拼湊。

后融合的好處非常明顯，傳感器「即插即用」，融合在域控制器決策層，對芯片算力要求較低。

后融合策略對車端算力要求僅在 100TOPS 以內，作為參考，前融合卻需要500-1000TOPS 算力。

而特征級融合介于兩者之間，大約需要300-400TOPS。

因此，在自動駕駛的早期，由于門檻低，后融合策略受到了自動駕駛供應商、車企的歡迎。

但是，后融合策略容易產生信息失真，造成錯誤決策。

后融合策略下，低置信度信息會被過濾掉，產生原始數據的丟失，并且可能誤差疊加，導致信息「失真」。

尤其是在惡劣天氣下，這樣的情況更為明顯。這就有可能造成決策層錯誤決策。相較于后融合策略，特征級融合本質上更接近于傳感器的原始數據。因此，其準確度必然會更高。

除此之外，在 BEV 空間層進行特征級融合，還具有多種好處，更是后續行業革新的方向：

跨攝像頭融合和多模融合更易實現。大多數行業公司采用的是異構傳感器（攝像頭、激光雷達、毫米波雷達等）的感知方案。而 BEV 空間能夠統一傳感器數據維度，更容易實現特征融合。

時序融合更易實現。

可「腦補」出遮擋區域的目標。

更方便端到端做優化。

得益于此，BEV 架構也成了國內自動駕駛公司延用的基本方向。

（3）數據從人工標注轉向自我標注

在自動駕駛圈，有一句名言：數據決定了算法的上限，模型只是不停的逼近這個上限。

數據燃料在自動駕駛算法訓練中的地位可見一斑。

為了確保投喂給算法的數據正確而有益，過去自動駕駛行業往往都采取人工標注的方式。

特斯拉也不例外。

在 2018 年時，特斯拉選擇和第三方公司合作，但這樣的方式標注效率很低，并且溝通的成本很高。

為了實現標注效率和質量的提升，特斯拉自建了標注團隊，人員規模一度超過 1000 人。

但是，自建標注團隊也隨之帶來了新問題。

隨著自動駕駛數據的進一步擴大，所需的標注人員數量也在進一步增長，這意味著成本水漲船高。

鑒于高成本，低效率的屬性，人工標注自然地成為了特斯拉的「眼中刺」。

在 BEV+Transfomer 引入后，特斯拉的數據標注效率得到了一定提升。在引入 BEV 空間層前，標注人員需要標記 8 張 2D 圖像，而在 BEV 空間層下，僅需要進行一次 3D 空間中的標注便可完成。

但是，由于人類標注員對于語義信息更擅長，而計算機對幾何，重建，三角化，跟蹤更加擅長。

這使得 BEV 下，數據標注是一種「半自動」狀態，需要人工和計算機進行協作。

同時，盡管標注的效率有所增加，但在數據的指數級增長下，仍舊捉襟見肘。

顯然，自動標注才是效率、效果、成本三方矛盾的最終破局方法。

為此，在 2020 年開始，特斯拉研發并使用了數據自動標注系統。

特斯拉數據標注的思路非常簡單：用更多的數據訓練更大的模型，再用「大模型」的數據訓練車端「小模型」。

在車輛行駛過程中，攝像頭收集的路面信息，打包上傳到服務器的離線神經網絡大模型，由大模型進行預測性標注，再反饋給車端各個傳感器。

由于傳感器視角不同，當預測的標注結果在 8 個傳感器均呈現一致時，則這一標注成功。

而這一過程，也即是車載模型對服務器的大模型進行自動標注系統的蒸餾。

同時，車輛也在充當特斯拉「眾包地圖」采集車的角色。

當不同的車輛走在同一段路時，離線大模型將記錄同一段路不同的標注結果。

當數據標注系統將不同車輛，不同時間，不同天氣狀況下的標注結果疊加后，得到了一個具備高度一致性的標注結果，這也意味著，特斯拉得到了自己的「高精地圖」。

052021 年-2022 年劍指端到端大模型

BEV+Transfomer 架構的引入，可以說是一場行業重構。

這一「黃金組合」在自動駕駛領域有著諸多優勢，是過去算法所不具備的。

但是，BEV+Transfomer 在推出之初，也并非完美無瑕。

隨著自動駕駛的進一步發展，面臨場景逐漸多樣化，coner case 越來越多，這便對自動駕駛算法的泛化能力提出了新的要求。

在隨后的兩年時間里，為了讓算法更接近人類的思考方式，特斯拉對 BEV+Transformer 架構進行了改良。

其中，最主要的兩個改良是時序信息的增加和占用網絡的應用。

雖然 2020 年，特斯拉利用 BEV 解決了 2D 向 3D 轉換的空間問題，但卻仍未引入時序信息。

也即是說，在上一個版本中，BEV 仍然是對瞬時的圖像片段進行感知，缺乏時空記憶力，汽車只能根據當前時刻感知到的信息進行判斷。

時序信息的缺席，讓自動駕駛潛藏了極大的安全風險。

例如在行車過程中，如果有行人正在穿過馬路，過程中被靜止的障礙物遮擋，如果汽車僅有瞬時感知能力，由于在感知時刻行人正好被汽車遮擋，則無法識別到行人，可能威脅駕乘人員和行人的安全。

人類司機在面對類似場景時，則會根據之前時刻看到行人在穿越馬路的記憶，能夠意識到行人被車輛遮擋，且有繼續穿越馬路的意圖，從而選擇減速或者剎車避讓。

如何給自動駕駛增加「記憶」功能便顯得尤為關鍵。

因此，自動駕駛感知網絡也需要擁有類似的記憶能力，能夠記住之前某一時間段的數據特征，從而推演目前場景下可能性最大的結果，而不僅僅是基于當前時刻看到的場景進行判斷。

為了解決這一問題，特斯拉感知網絡架構引入了時空序列特征層，使用視頻片段，而不是圖像來訓練神經網絡，為自動駕駛增添了短時記憶能力。

除了引入時序網絡外，在 2022 年，特斯拉對 BEV 進行了升級——引入占用網絡。

在過去，自動駕駛算法和人作比較，往往顯得呆板、過于機械。

在傳統的自動駕駛算法中，大多是依靠大數據喂養，得出「經驗」，然后識別物體，再進行決策。

也即是說，算法需要經歷，感知，辨識，決策，執行這樣的思考流程。

但在現實世界里，真實的路況下，實際情況是錯綜復雜的，存在著大量的極端情況（corner case），要讓算法認全所有事物，顯然不太現實，且效率不高。

以「二仙橋大爺」為例，若自動駕駛遇上了如此「超載」的車輛，算法將其識別為一般的三輪車，并判斷路況，但對車后拖載的貨物，既不顯示，也不識別。

當自動駕駛的車輛進行超車變道時，就容易發生剮蹭等事故，潛藏一定風險。

為了解決這類問題，特斯拉將 BEV 升級到了占用網絡（occupancy network）。

在 2D 圖像世界中，一個物體由無數個像素點組成。

而在占用網絡之下，3D 的真實世界則是由無數個微小立方體——體素堆疊組成。

占用網絡，將原本的 BEV 空間，分割成無數的體素，再通過預測每個體素是是否被占用。

簡單來說，不考慮這個物體到底是什么，只考慮體素是否被占用。這使得非典型但卻存在的事物能夠直接表示出來，增加了算法的泛化能力和對現實世界的認知。

實際上，占用網絡的體素，充當了激光雷達點陣的作用。而占用網絡最直接的效果便是實現了「偽激光雷達」的效果。

時序信息的增加，升級占用網絡，使得特斯拉自動駕駛算法的泛化能力得到了提升。

而借助于算法提升，特斯拉 FSD 更能刻畫真實的物理世界，進而才有可能實現端到端模型。

06、未來，自動駕駛將走向何方

在自動駕駛領域，特斯拉毫無疑問是領頭羊。

在確定純視覺路線后，特斯拉在自動駕駛算法上進行了四次迭代更新。除了第一次是為追趕行業發展以外，其余更新均引領行業的發展。

特斯拉能夠走在行業前列，除了優秀的團隊以外，更在于整體的思路設計秉持「第一性原理思維」。

所謂的「第一性原理思維」，即一種刨根問底、追究最原始假設和最根本性規律的思維習慣。

「物理學教會你根據第一性原理做出推理，而不是通過類比進行推理。類比式推理就是幾乎絲毫不差地模仿或模擬他人。」馬斯克曾如此說到。

在特斯拉自動駕駛迭代思維上，第一性原理思維滲透在了方方面面：

算效率不高，HEAD 部分不夠用？開發了九頭蛇網絡結構；

小模型無法實行并行計算，泛化能力不強，BEV 無法精確實現？引入大模型 Transfomer，逆向開發；

現有芯片的構成冗余，不適配純視覺路線需求，且成本高？自研 FSD 芯片；

數據標注成本高，數據訓練量不足？建設超算中心 DOJO，實現數據自我標注，同時虛擬場景訓練算法，提高自動駕駛能力等等。

在錨定純視覺路線后，特斯拉均在算法迭代中，針對各種問題，發現短板，并加以解決。

而這，正是特斯拉執牛耳的關鍵。

同時，鑒于特斯拉的行業領導地位，研究其自動駕駛算法迭代歷程后，也能讓外界窺見自動駕駛行業的未來。

（1）「輕地圖，重感知」成行業主流方向

在過去，自動駕駛行業，往往采取高精地圖方案，輔助實現自動駕駛。

高精地圖能夠提供超視距、厘米級相對定位及導航信息，在數據和算法尚未成熟到脫圖之前，能夠成為整機廠的「拐杖」，幫助自動駕駛的落地。

但是，和其優點一樣，高精地圖的缺點也非常明顯：

需要圖商采集更新，無法實時更新；

制圖資質受到嚴格管理，信息采集面臨一定法規風險；

成本昂貴高昂。

在這樣的情況下，特斯拉構建了自己的「高精地圖」。

通過 BEV 空間層，特斯拉將不同視角的攝像頭采集到 2D 圖像統一轉換到 BEV 視角，車輛形成自車坐標系。

同時，引入服務器的離線神經網絡，實現數據自動標注，確保標注效果，且在無數「眾包采集車」的幫助下，疊加標注結果，得出道路信息標注的「唯一解」。

BEV、Transfomer、引入時序信息、數據自動標注等等，一系列技術加持之下，特斯拉才得以實現「無圖」。

國內市場，「輕地圖，重感知」也成為了行業發展的主流方向。

2022 年 4 月，毫末智行提出要做「重感知、輕地圖」的城市智能駕駛，開始降低方案中高精地圖的權重，乃至做到無需高精地圖；

2022 年年底，小鵬發布了第二代智能輔助駕駛系統 XNGP，并對外宣布將擺脫高精地圖限制；

2022 年下半年，華為余承東表示：「自動駕駛未來不應過分依賴于高精地圖、車路協同。」

今年 5 月，蔚來發布了 Banyan 2.0.0 系統，完成了向 BEV 感知路線的切換；

國內一眾廠商深受特斯拉路線影響，延用 BEV 架構，開始對高精地圖動刀，「重感知，輕地圖」路線成為了市場主流發展方向。

特斯拉的 BEV+Transformer 方案為行業的「脫圖」提供了技術上的可行性。

從特斯拉路線經驗來看，如果要以純算法，實現擺「脫圖」，或許需要車企同時具備以下兩個條件：

引入 BEV 架構，實現異構傳感器的融合，生成活地圖；具備超算中心，或離線服務器的大模型，能夠實現自動標注及仿真訓練；

目前，「輕地圖」路線大多仍是通過軟硬件結合的方式，降低高精地圖需求，本質上仍然是「多傳感器+高精地圖」路線。

從行業發展趨勢來看，國內車企也在向「云端大模型+BEV」的路線靠攏，以期實現「脫圖」。

6 月 17 日，在理想汽車家庭科技日上，理想副總裁兼自動駕駛負責人郎咸朋便對外公布了理想汽車的 NPN 網絡。

郎咸朋介紹稱，在車輛行經一段路時，NPN 網絡將道路信息特征進行提取后，存儲于云端。

而當車輛再次行駛到該路口時，再將儲存的道路特征拿出來，與車端模型進行特征層融合，以此解決道路信息的遮擋問題。

當 NPN 網絡對同一路段堆疊大量標注結果后，最終便達到了「高精地圖」的效果。

理想汽車的「NPN 網絡+BEV」實際上延用的就是特斯拉的「離線大模型+BEV」的技術路線。

（2）升級到占用網絡，實現去「激光雷達」

在 2022 年的 AI day 上，特斯拉將 BEV 升級到了占用網絡。

占用網絡顯著的特點是，拋棄了過去算法需要先識別、判斷物體，再進行決策的思路。

在面對訓練中沒有出現過的物體時，如側翻的白色大卡車，垃圾桶出現在路中央，傳統視覺算法是無法檢測的。

而占用網絡，則用體素的概念，僅僅是判斷該空間有沒有物體，而不去深究物體是什么。

這大幅提升了模型的泛化能力，有助于城市 NOA 的實現。

從特斯拉 AI Day 演示效果來看，特斯拉通過鳥瞰圖、占用檢測和體素分類使純視覺方案已經達到「偽激光雷達」效果。

值得注意的是，在特斯拉發布的最新硬件HW4.0中，預留了4D 毫米波雷達接口。這預示著特斯拉或將重啟毫米波雷達，以彌補純視覺算法在高程信息感知上的不足。

從成本來看，公開報道顯示，4D 毫米波雷達價格僅約為高線束激光雷達的 1/10。

（3）AI 大模型卷入自動駕駛，超算中心成標配

今年 5 月，馬斯克發推文稱，FSD11.透露稱，FSD V12 版本將完全實現端到端。

什么是端到端？

目前，自動駕駛模型架構將駕駛目標分為感知、規劃、控制三大模塊。

但是，這和人類駕駛行為有著根本的不同。

人類司機在看到視覺信息后，不會對所看到的物體進行數據分析，而是基于經驗，在「黑盒」狀態下完成駕駛決策，并協調手、腳執行任務。

而端到端模型更為貼近人的駕駛決策行為。

攝像頭采集到外界的視頻數據后，算法直接輸出的是方向盤轉角多少度的控制決策，不存在單獨的「圖像識別檢測」任務。

端到端模型的決策在「黑盒」狀態下進行，通過賦予數據，使算法積攢「經驗」，使得其決策和執行同步進行。

在理想狀態下，「黑盒」狀態下的端到端大模型實際比基于規則設定的傳統小模型更為安全。

比起傳統的設定規則，參數對算法結構進行「補丁」式矯正，只要投喂的正確案例足夠多，那么 AI 大模型模型所需要的時間必然小于傳統規則。

而經過足夠的數據和案例的投喂，端到端模型的泛化能力也必然強于傳統的自動駕駛算法。

為了使得大模型落地，海量的數據投喂成了廠商必然選擇。

毫末智行 CEO 顧維灝就曾公開表示，要使由數據驅動的 Transformer 大模型量變引起質變需要 1 億公里的里程數據。

這一海量數據顯然無法單獨依靠某個廠家通過銷售車輛完成。在這樣的情況下，超算中心便成了 AI 大模型落地的標配。

超算中心對大模型的助力主要體現在數據標注和仿真訓練上。

特斯拉 2022 年發布的超算中心 Dojo 便是如此。

特斯拉 Dojo 的功能，能夠利用海量的視頻數據，做「無人監管」的標注和仿真訓練。

特斯拉打樣在前，國內不少廠商也緊隨其后。在 2022 年以后，超算中心開始活躍在自動駕駛領域。

2022 年 8 月，基于阿里云智能計算平臺，小鵬推出了扶搖超算中心，每秒浮點運算達 60 億次，專用于自動駕駛模擬訓練。

同時，小鵬還推出了全自動標注系統，將標注效率提升近 4.5 萬倍，以前 2000 人一年的標注量，現在 16.7 天可以完成。

今年 1 月，毫末智行和火山引擎聯合打造了MANA OASIS 智算中心，用于自動標注及仿真訓練。

據悉，MANA OASIS 智算中心，每秒浮點運算達 67 億次，存儲帶寬每秒 2T，通信帶寬每秒 800G。

除了小鵬和毫末以外，跟隨特斯拉步伐，國內車企設立的超算中心還有：吉利設立了星瑞智算中心；智己汽車的云上數據超級工廠等。

可以說，在自動駕駛領域，特斯拉引領著行業的發展方向。

自 2020 年以來，特斯拉率先使用了 BEV、Transfomer 架構、離線網絡大模型，隨后，國內眾多車企才開始紛紛跟進。

而近一段時間，「FSD 入華」的話題時常引發市場討論。

在熱議的背后，有觀點認為，FSD 將是那條引起自動駕駛行業優勝劣汰的鯰魚。言外之意滿是對行業賽道參與者的擔憂。

這倒也不用過分憂慮。

正如前文所言，特斯拉也并非一開始就是「江湖第一」。

在經歷「被分手」后，特斯拉自動駕駛算法經歷了落后，到追趕，再到引領的不同時期，更多是帶有逆襲成分。

而逆襲的關鍵點在于：選好目標，敢于「一條道走到黑」。

在過去一段時間里，市場對于特斯拉的純視覺方案并不看好。不少業內觀點認為，激光雷達是安全件，純視覺方案的自動駕駛并不具備可行性。

但在確定純視覺路線以后，針對純視覺方案的各種問題，特斯拉從第一性原理出發，思考確切問題的根本，并提出解決方式。

最終的結果是，特斯拉成為自動駕駛領頭羊。

目前，自動駕駛也并未到決賽階段。對于國內這一賽道的參與者，市場要有足夠信心。

畢竟，特斯拉 FSD 仍未入華，而賽道參與者的較量仍未真正開始。

關鍵詞：