马斯克高估了自动驾驶( 二 ) 张炎良|工信部|上云|数字化|田

据新眸粗略统计，FSD芯片从设计、到测试再到量产共历经18个月。
2019 年 4 月份，特斯拉在 Autopilot HW 3.0 平台上成功推出自研的FSD 主控芯片，实现了自动驾驶芯片+神经网络算法的垂直整合。回顾特斯拉自动驾驶的升级之路，在Autopilot硬件先行、软件更新的基础策略上FSD的诞生，是将它智能化的色彩涂抹得更深。
2014-2016年发布的AP1已经初步实现了自动巡航、自动转向、自动辅助变道、自动泊车、召唤等辅助驾驶功能；2018年的AP2升级了召唤功能，并新增自动辅助导航驾驶；直到2019年后，FSD的推出，特斯拉才进一步实现了智能召唤以及新增红绿灯、停车标志识别控制等功能。
关于FSD的建立，除了合作厂商技术更新速度的不理想外，还有着特斯拉对于自动驾驶解法上的追求，就像Pete Bannon 在 FSD 量产后曾经说过的那样，“特斯拉开始研发FSD的原因是，我们发现市场上没有一种芯片是从底层出发为自动驾驶和深度神经网络设计的。”
自动驾驶谜题可以解放双手，或许是现在对于自动驾驶最大的误解。
事实上，仍然没有任何一家自动驾驶的研发公司能够实现完全自动驾驶，驾驶员的主动监控仍被放在首要位置上。FSD本质上仍然是自动辅助驾驶系统的进化版，它在驾驶员主动监控的情况下实现的车道内自动辅助转向、加速和制动，最终的作用被定义为：减少枯燥的驾驶操作，提升驾驶乐趣。
这和人们想象中的自动驾驶有着明显区隔，但现实应用和实现技术突破本身就存在逻辑上的倒置。
自动驾驶的核心技术被分为三个部分：感知、规划和控制。放置到具体的行车场景中，感知就相当于人开车时看路、获得路面信息，规划相当于在脑子里处理路面信息并且输出驾驶决策，控制就相当于人操控手脚进行驾驶。比起操控运行，感知和规划才是自动驾驶的最大难题。
关于感知的解决方案，在智能汽车领域分成了两大派系，一类是激光雷达等高精密元件进行路况识别，提升汽车的感知能力，国内厂商逐渐开始采用摄像头+高精地图+激光雷达的综合方案；另一类是以特斯拉为代表的摄像头派，坚信视觉的力量，认为人之所以能够有效辨别路况是因为可以依靠眼睛捕获信息，同时成本较低，可以通过算法升级迭代实现各项功能。
比起感知元件的高成本和高识别错误率，马斯克认为，“如果人类依赖自身视觉来识别周围环境，那么摄像头也同样能实现人眼功能。”摄像头摄取的环境数据在经过视觉算法处理后，系统将通过深度学习模型进行自我培训，从而达到全范围认知路况，增进系统控制精度的目的。
FSD承袭了这样的视觉解决方案，依靠摄取数据增进ADAS系统性能，可以说特斯拉海量的行车数据都成为了它的养料。特斯拉FSD系统的优势也在高速图像处理、NPU、SRAM三个方面得到体现。
就目前来看，在高速图像的处理性能上，特斯拉的图像处理器SIP已达到了最快的消费级视频传输DP1.4标准; 而用来存放NPU的计算结果，具有缓存功能的SRAM容量已达到2TB/秒，理论上满足了自动驾驶L5级别的需求。
在汽车厂商纷纷拼算力的时代，Hardware3.0版本集成了2颗FSD芯片，总算力达144TOPS，将于2022年推出的自研Hardware4.0版本，预计性能将是HW3.0的3倍，能达到432TOPS，显然特斯拉仍然开在一众友商前面。
与之对应的，特斯拉的商业模式也跑在了最前面。
软件定义汽车汽车越来越像是行走的计算机，并不仅仅体现在驾驶体验和技术升级上，围绕着自动驾驶商业化的展开探讨，FSD是无法回避的话题。
特斯拉采取“自研系统及芯片 + 造车”的商业模式，既可降低长期成本，也同时可从车辆销售中获取收益。举个简单的例子，仅2021年，特斯拉就已经获得了105%的毛利增长率。