近日，特斯拉CEO馬斯克不到24小時的“閃電訪華”引起廣泛關注，有消息稱其目的在于推動完全自動駕駛（FSD）系統(tǒng)在華落地。這次短暫的訪華讓馬斯克收獲頗豐，特斯拉通過了中國汽車數(shù)據(jù)安全4項全部要求，成為其中唯一一家符合合規(guī)要求的外資企業(yè)。
今年來，特斯拉動作不斷，從推送基于端到端神經(jīng)網(wǎng)絡的新一代FSD，到宣布8月份發(fā)布Robotaxi完全擺脫駕駛員的出租車，無一不在彰顯其在自動駕駛里的領軍地位。在汽車智能化的大潮之下，自動駕駛已成為車企和各路資本爭相布局的重點領域。結合當下火爆的人工智能深度學習技術，頭部玩家嘗試“設備上做減法，算法上做加法”，“重感知”還是“純視覺”，自動駕駛的實現(xiàn)方式受到越來越多的關注。
AI技術賦能
“純視覺”方案有了落地基
在汽車電動化浪潮下，車企之間加速“內卷”，車型不斷推陳出新，更長的續(xù)航、更“壕”的內飾、更低的價格……但僅僅做到增配減價似乎不足以打動消費者，越來越多的主機廠以及技術服務商著力在自動駕駛技術上做文章。
當下，實現(xiàn)自動駕駛出現(xiàn)了兩條路徑：特斯拉選擇徹底放棄激光雷達，選擇依賴攝像頭的“純視覺”自動駕駛方案；不少車企則堅持配置雷達設備，選擇“重感知”的多設備融合自動駕駛路徑。
今年3月，特斯拉在北美推送了FSD軟件更新，馬斯克稱其是一次大版本更新的“重磅發(fā)布”。據(jù)悉，新版本在算法層面做了較大改動，全程使用端到端神經(jīng)網(wǎng)絡，無需任何人工程序規(guī)則介入，汽車的自動駕駛能力有了明顯進步。
在自動駕駛技術上，特斯拉無疑扮演著領頭羊角色。正是基于神經(jīng)網(wǎng)絡應用深度學習算法，特斯拉才有了拋棄雷達設備的底氣，成為“純視覺”駕駛方案的堅定擁護者。
南方科技大學教授、無人駕駛專家郝祁表示，自動駕駛企業(yè)普遍采用了基于程序規(guī)則的算法體系，汽車在行駛中根據(jù)既有程序命令去執(zhí)行相關操作，這需要多傳感器合作為汽車提供準確的環(huán)境信息。當前，基于人工智能技術的應用，端到端模型正在改變自動駕駛傳統(tǒng)模塊化的實現(xiàn)方式，無需冗長的代碼來制定規(guī)則，而是利用海量數(shù)據(jù)進行訓練，讓汽車擁有自主學習的能力以應對復雜的駕駛場景。“人工智能算法能力提升，自動駕駛中對于行駛場景的解析能力更強，因此，通過硬件設備獲取信息需求就自然而然降低了。”他說。
如果說算法是“純視覺”方案實現(xiàn)的基礎，低成本則是推動其商業(yè)化背后的動力。
郝祁指出，在自動駕駛的傳感器設備中，激光雷達雖然近幾年價格下降很快，但與攝像頭相比，仍然是成本較高的設備。激光雷達的成本可以分為設備成本與開發(fā)成本兩部分，其應用的激光線束越多價格就會越高，開發(fā)與之相適應的算法數(shù)據(jù)集也是一筆不小的支出。
感知融合視覺
多傳感器協(xié)作仍是行業(yè)主流
當下，采用感知融合視覺的多傳感器協(xié)作方式實現(xiàn)自動駕駛依然是主流選擇。
近年來，國內以“蔚小理”為代表的造車新勢力、傳統(tǒng)主機廠以及百度、華為等科技大廠紛紛布局自動駕駛，并且不斷有新的自動駕駛初創(chuàng)公司參與其中。它們大多主張通過搭載激光雷達、毫米波雷達、攝像頭等方式來增強單車感知能力，從而實現(xiàn)快速量產，完成商業(yè)化落地。
與人類駕駛員開車的方式類似，自動駕駛的核心系統(tǒng)由三部分構成：感知系統(tǒng)、決策系統(tǒng)與執(zhí)行系統(tǒng)。
郝祁表示，車輛需要通過傳感器感知分析行使環(huán)境與交通標識，并對周圍運動目標的軌跡進行預測，根據(jù)機動協(xié)議進行路徑規(guī)劃和運動規(guī)劃形成決策，再按照實際道路情況做出加油、剎車或者轉向變道的操作。在實現(xiàn)自動駕駛的過程中，感知是先決條件，這就類似于駕駛員的眼睛，對路況信息進行捕獲之后才能做出準確的駕駛操作。
“采用多傳感器融合的方式，可以讓設備功能取長補短，最終形成一個綜合解決方案。”深圳清華大學研究院無人駕駛智慧城服研發(fā)中心主任陸有源指出，在自動駕駛中，攝像頭和激光雷達的分工不同，攝像頭像素高主要用于圖像信息的采集，實現(xiàn)精細化識別，例如各類車道線、交通標志、行人、障礙物等。激光雷達的作用則在于精準測算距離，且不受光照影響白天和晚上都能照常工作，但無法對障礙物的語義、材質軟硬進行精確描述。
“激光雷達屬于探測環(huán)境信息的主動傳感器，通過發(fā)射激光束的往返時間來精準測算汽車與前方障礙物的距離，而攝像頭屬于被動傳感器，容易受到天氣與光照的影響。單純從技術的角度出發(fā)，多融合方案一定具備優(yōu)勢，感知設備哪怕只是作為輔助做出很小的糾正，汽車的安全性能也能提升一大截。”郝祁說。
技術日新月異
自動駕駛將走向何方？
依托攝像頭的“純視覺”與多設備融合的“重感知”，兩種方案各有所長，哪一種才是自動駕駛最佳的實現(xiàn)方式？
“我比較看好‘純視覺’自動駕駛方案，特斯拉采用的端到端神經(jīng)網(wǎng)絡實際是從仿生學的角度讓機器模仿人類開車，人類駕駛員只用眼睛就足以識別周圍的駕駛環(huán)境，而攝像頭充當?shù)木褪茄劬Φ墓δ堋Ｆ占?lsquo;純視覺’方案取決于兩個因素，一是攝像頭硬件技術的迭代升級，二是人工智能算法體系的先進性。”陸有源說。
陸有源表示，攝像頭技術的升級讓汽車具備識別更多復雜環(huán)境的能力。當前，人工智能算法正越來越多地應用到自動駕駛中，“純視覺”方案推廣的關鍵還在于能否進行充分的模型訓練，數(shù)據(jù)基礎是否牢固，只要有海量豐富的數(shù)據(jù)積累，攝像頭就足以應對各種場景。
根據(jù)特斯拉描繪的藍圖，利用神經(jīng)網(wǎng)絡深度學習，降低了汽車對于雷達感知類傳感器設備的依賴度，汽車還能越開越智能，自動駕駛越用越流暢，這看起來的確令人興奮，但落地實施并不容易。
算法開發(fā)的投入就是一筆不小的開支，足以讓后來者望而卻步。根據(jù)馬斯克的計劃，特斯拉今年將在訓練和推理人工智能方面投入約100億美元。早在今年1月，特斯拉還追加了5億美元新投資，購買約1萬個英偉達GPU芯片。可見，沒有持續(xù)的真金白銀投入，用AI賦能自動駕駛難有保障。
郝祁認為，用單一視覺傳感器就實現(xiàn)自動駕駛，需要引入人工智能通用大模型，讓自動駕駛的汽車形成足夠豐富的“知識庫”，而不是只進行駕駛技能單項訓練，知識結構越豐富，駕駛中出現(xiàn)問題的可能性就會越小，但大模型訓練的能耗和成本十分高昂。
在自動駕駛落地驗證的過程中，駕駛安全始終是繞不開的領域。郝祁還表示，人工智能技術目前還在發(fā)展初期尚存短板，比方說，自動駕駛中如果出現(xiàn)事故，神經(jīng)網(wǎng)絡不具備追溯性，無法找到問題的來源，在安全性問題上算法本身還有很大的優(yōu)化空間。
自動駕駛仍然處于發(fā)展初期，市場各方都在爭搶這塊大蛋糕。站在創(chuàng)新大變革的時代，技術路徑到底如何選擇，且讓我們拭目以待。
特斯拉：完全自動駕駛落地僅“一步之遙”
特斯拉首席執(zhí)行官埃隆·馬斯克最近表示，我強烈建議你一定要試用FSD，不了解FSD的話你很難說自己了解特斯拉。現(xiàn)階段業(yè)內對特斯拉FSD V12都比較期待，對其是否能進入中國市場也充滿想象。那么特斯拉FSD有何神奇？
特斯拉FSD全稱為Full-Self Driving（全自動駕駛），是特斯拉研發(fā)的一套智能駕駛系統(tǒng)。基于大規(guī)模行駛里程、自研運算平臺、巨大算力的布局，目前FSD已進入V12.3階段。特斯拉方面表示，完全自動駕駛距離走入現(xiàn)實僅“一步之遙”，其大規(guī)模商用一旦落地，將成為特斯拉利潤豐厚的“現(xiàn)金奶牛”。
FSD V12的工作原理很簡單。系統(tǒng)通過車輛攝像頭拍攝畫面，跟特斯拉積累的近萬億公里的歷史行程數(shù)據(jù)進行比對，篩選出一些與當下場景很接近的場景數(shù)據(jù)。根據(jù)駕駛員之前怎么操作的，F(xiàn)SD就怎么操作。
值得一提的是，現(xiàn)在FSD沒有任何預設條件，也沒有對應規(guī)矩，F(xiàn)SD完全根據(jù)學習人類的經(jīng)驗來做判斷。這個AI程序的工作變得非常簡單，對硬件、算法要求直線下降，而且功耗也變低，但從實際的開車效果來看，已經(jīng)非常接近于人類司機的駕駛效果。
今年開始，特斯拉的智能駕駛軟件FSD V12版本已經(jīng)在北美加速落地，同時，特斯拉已經(jīng)將FSD從測試版本的“FSD Beta”更名為“FSD Supervised”，業(yè)內認為，這意味著FSD已經(jīng)結束公測，進入規(guī)模商業(yè)化的環(huán)節(jié)。