@EDWARD NIEDERMEYER，APRIL 22, 2019
特斯拉一直以不同于其他任何人的方式研究开发自动驾驶技术，昨天新闻发布会上在向投资者长时间展示的过程中得到充分展示。从其制造能够在任何条件下运行的“Level 5”级别的自动驾驶汽车的愿望开始，其通过将激光雷达和高清晰度摄像头以及地图作为“导航员”，拒绝使用多余的传感器，并预测全自动驾驶技术将在一年内准备就绪。
特斯拉在自己的技术世界里闭门造车。
鉴于外界对特斯拉的看法极为两极分化：一种观点认为，特斯拉远远领先于其他所有自主驾驶开发商。另一种观点认为特斯拉追求的自动驾驶汽车技术不可能实现，并试图用虚张声势画大饼的方式获得技术领先地位。
昨天的综合演讲能并没有提供一个两者观点间的中间立场，分歧进一步扩大。
虽然特斯拉没有对怀疑者对其自动驾驶程序提出的问题提供令人满意的答案，但它确实提供了更详细的硬件和软件。
上图：特斯拉FSD拥有两个独立 处理器。
活动开始时，展示了其新的“Full Self-Driving Computer全自动驾驶计算机”，一个由特斯拉团队设计的专用神经网络加速器，由前苹果工程师Pete Bannon皮特·班农领导，并包括对其神经网络培训技术和软件集成的介绍，对其“特斯拉网络”经济性做了一些早期预测。台面上提供的信息有时既有密集又乏味的细节，也有对其他人的陈腐和简单的掩饰，充满了对特斯拉技术的信心。
自从特斯拉在2016年10月宣布其所有车辆都拥有能够完全自动驾驶的硬件以来，针对该公司硬件的批评主要集中在其相对较弱的传感器套件上，特斯拉的选择并不是常规Level 4自动汽车开发商所使用的。尽管Waymo等公司在360度覆盖范围内使用了四个雷达单元，在全方位车身摄像头的基础上使用了短距离、中距离和远程激光雷达单元，但特斯拉仍坚持认为其单前向雷达和全方位车身摄像头足以满足其基于视觉的自主驱动系统。特斯拉承认，从2016年开始配备的Nvidia Drive PX/2处理器不足以完全自动驾驶，并透露了新处理器的最新细节，目前特斯拉表示，这是实现Level 5自动驾驶车辆所需的唯一硬件升级。
上图：特斯拉自主研发的FSD处理器芯片
马斯克称新的定制处理器“客观上是世界上最好的芯片”，声称三星制造的14纳米处理器使新的主板能够用不到100瓦的总功耗达到144次（每秒万亿次操作）。根据特斯拉的数据，它也比目前使用的Nvidia设备便宜20%，在电力消耗方面，Nvidia Drive AGX Pegasus比它高出320兆次计算（尽管耗电500瓦）。因此，这种新的硬件在功率/瓦特和功率/美元的基础上可能是世界上最好的应用，但如果特斯拉唯一的硬件瓶颈在处理器方面，那么这就是区别它的弱点。同时，马斯克透露，特斯拉已经在开发下一代处理器，将提供三倍的计算能力。
特斯拉的安德烈•卡帕西（AndrejKarpathy）介绍了特斯拉对自主驾驶的深入学习方法，讨论了该公司从车队获得的大量数据，并解释了如何使用这些数据来完善其神经网络。他承认，给特斯拉所获得的数据量贴标签是劳动密集型的，而且成本高昂，但他说，公司正在用“切入”神经网络之类的东西做更自动化的标签，旨在帮助Tesla车辆切入正确车道。通过标记切入点，他们训练系统预测他们，在“渲染模式”下运行该系统进行验证，进一步完善它，最终部署系统。Musk和Karpathy将这种方法作为模拟训练的一种替代方法，他们说这种方法不能提供现实世界中发现的各种数据，但这一论点似乎忽略了Waymo、Nvidia和其他人所采用的方法，从现实世界驾驶中提取场景，并用无数的“模糊”排列来模拟这些场景，并做出每个决定。
上图：旧款FSD系统只有一个处理器。
Karpathy还描述了机器学习的自我监督方法，Tesla使用这种方法将相机图像转换成类似于激光雷达生成的三维点云的东西，该公司表示，这使得昂贵的传感器变得无关紧要。穆斯克和卡帕西都一再否认需要激光雷达和360度雷达，他们认为人类只使用眼睛驾驶，甚至雷达也只在车辆前方是必要的。这就涉及到自主车辆开发的一个最重要的事实：创建基本功能是使车辆能够自动驾驶相对容易的部分，而最困难的部分是在必要的程度上验证安全性。尽管可以单独使用视觉来构建该功能，但随着验证的进行和遇到更困难的情况，传感器变得越来越重要。为确保系统能够对所看到的内容充满信心，有助于做出良好的预测和路径规划，并且您可以使用的每个额外传感器来验证感知能力，从而提高了自动驾驶技术信心水平。
马斯克预测，到今年年底，“全自动驾驶”将“功能齐全”，并将在明年第二季度前验证到不需要人工监督的程度，这表明特斯拉可能会大大低估这一要求的验证数量以及验证可能面临的挑战。现在特斯拉可以使用大量数据来验证系统，但与专业测试人员不同的是，特斯拉的客户不会识别和注释他们遇到的每一个具有挑战性的情况，这意味着他们必须筛选一大堆数据，寻找他们需要担心的薄弱点。如果没有覆盖每辆车360度的多个不同的传感器，他们接收到的关于特别棘手情况的数据甚至不足以识别问题或给出解决方案。这将倒置客户将不得不介入驾驶，并保持警惕，以排除意外。
如果在这个验证过程中，数据显示系统无法单独使用摄像头（以及车辆正前方区域的雷达）来区分复杂情况，并且从其不完整的导航地图图像中错误地分析了数据，那么将可能倒置车辆出轨。由于缺乏对神经网络功能的可视性，验证过程中出现的任何重大问题都可能需要特斯拉恢复其进度并重新培训其感知系统。这就是为什么需要数百万英里的验证才能对给定的软件构建有基本的信心，以及为什么自动汽车开发者选择“
传感器过度配置”，尽管激光雷达和雷达的成本很高。由于你不太确定神经网络正在做出什么样的推论和关联，为确保它的输入尽可能精确和精细，大量的传感器可以防止验证系统出现大规模的误判。毕竟，这正是特斯拉的自主驾驶技术一直以来所做的努力：在提高汽车销量的同时提高公司的股价。特斯拉对这项技术的整个方法是根据其保持其传统汽车业务蓬勃发展的需要来定义的：由于担心汽车价格过高，它不得不使用最少数量的传感器套件以降低成本。
具有讽刺意味的是，对于一个所谓的硅谷“颠覆者”，特斯拉的自动驾驶研究方向将是“闭门造车”的好例子。
特斯拉要树立其自动驾驶技术领导者的标杆将任重道远。
（完）
Tesla Leaves Biggest Questions Unanswered
閱讀更多 科技與金融觀察 的文章
