特斯拉自動駕駛的重大彩蛋出現了。
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。
可以說，特斯拉在技術上已經有能力實現 L3 級自動駕駛。
隻是，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，領先地位的鑄就並非朝夕。
復盤特斯拉自動駕駛發展歷程，實際上不亞於看了一篇逆襲「爽文」。
即使是特斯拉，也經歷了從落後，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」後，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，重構算法後，特斯拉才確立了行業領頭羊的地位。
在這一時期湧現的 BEV、Transfomer、自動標註等技術，現如今已經成為如今行業普遍延用的技術路線。
但特斯拉並未止步，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。
特斯拉的目標隻有一個：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，使算法更趨向於理解真實世界。
01、自研算法誕生前夜，特斯拉與 Mobileye 分手
2016 年 5 月 7 日，一場發生於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 的合作開始於2014 年。
2014 年 10 月，特斯拉發佈第一代硬件 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後，2016 年 7 月，Mobileye 宣佈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。
對於分手原因，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，特斯拉就開始佈局自研自動駕駛軟硬件，Mobileye 被棄用隻是時間問題。
2015 年 4 月，特斯拉組建了基於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。
隨後，在 2016 年，特斯拉開始組建芯片研發團隊，並由 Jim Keller 擔任 Autopilot 負責人。
和眾多俗套的情愛故事一樣，與 Mobileye 分手之後，特斯拉也經歷了短暫的低谷和失落。
但在隨後的日子裡，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 之後，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，特斯拉還發佈了第二代硬件 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，並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幹網結構；使用 2D 檢測器進行特征提取；以人工對數據進行標註。
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於技術追趕階段。
從硬件配置來看，盡管 HW2.0 優於此前 Mobileye 提供的的 HW1.0，但受限於軟件算法，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，但在空跑了大半年後，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 後，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
主幹網絡 backbone 為特征提取網絡，主要用於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後，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隻有一個 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，並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 一詞源於傳說中的生物「九頭蛇」，因而 HydraNet 也被稱為「九頭蛇網絡」。
以「九頭蛇」命名的原因在於，HydraNet 結構能夠完成多頭任務，而非此前的單一檢測。
相較於此前算法，HydraNet 能夠減少重復的卷積計算，減少主幹網絡計算數量，還能夠將特定任務從主幹中解耦出來，進行單獨微調。
不過，此次革新更多是一次算法的「微調」，並沒有達到重構和跨越性的程度。
在融合方式上，特斯拉采用的仍是後融合策略，數據進行人工標註，且自動駕駛算法仍舊是小模型，與後續算法革新相比，並沒有太大的突破。
這一時期，在改良了傳統算法之後，特斯拉還對硬件進行了新一輪的更新。
在歷經四年研發後，2019 年 4 月，特斯拉發佈了 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，遠高於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。
新硬件的發佈，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後，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，特征級融合取代了後融合，數據自我標註取代人工標註等。
如果說 2020 年自動駕駛江湖是群雄逐鹿時期，那麼，自 2020 年之後，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，最為引人註目的便是於 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。
主要原因在於，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於兩方面：
一是將不同視角在 BEV 下統一表達是很自然的描述，有利於後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？
2D 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，融合之後，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 是一種基於注意力機制《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。
這種機制背後，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，更接近於真實世界。
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》特征級融合取代後融合成為主流
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 視角後，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，方便後續的決策和控制。
但除此之外，BEV 還使得自動駕駛從後融合《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，但由於角度，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隻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。
所謂的後融合，便是由決策層域控制器進行拼圖的拼湊。
後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。
後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。
而特征級融合介於兩者之間，大約需要 300-400TOPS。
因此，在自動駕駛的早期，由於門檻低，後融合策略受到了自動駕駛供應商、車企的歡迎。
但是，後融合策略容易產生信息失真，造成錯誤決策。
後融合策略下，低置信度信息會被過濾掉，產生原始數據的丟失，並且可能誤差疊加，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。
相較於後融合策略，特征級融合本質上更接近於傳感器的原始數據。
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，更是後續行業革新的方向：
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。
得益於此，BEV 架構也成了國內自動駕駛公司延用的基本方向。
《3》數據從人工標註轉向自我標註
在自動駕駛圈，有一句名言：數據決定了算法的上限，模型隻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註的方式。
特斯拉也不例外。
在 2018 年時，特斯拉選擇和第三方公司合作，但這樣的方式標註效率很低，並且溝通的成本很高。
為了實現標註效率和質量的提升，特斯拉自建了標註團隊，人員規模一度超過 1000 人。
2D 圖像的人工標註
但是，自建標註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，所需的標註人員數量也在進一步增長，這意味著成本水漲船高。
鑒於高成本，低效率的屬性，人工標註自然地成為了特斯拉的「眼中刺」。
在 BEV+Transfomer 引入後，特斯拉的數據標註效率得到了一定提升。
在引入 BEV 空間層前，標註人員需要標記 8 張 2D 圖像，而在 BEV 空間層下，僅需要進行一次 3D 空間中的標註便可完成。
但是，由於人類標註員對於語義信息更擅長，而計算機對幾何，重建，三角化，跟蹤更加擅長。
這使得 BEV 下，數據標註是一種「半自動」狀態，需要人工和計算機進行協作。
同時，盡管標註的效率有所增加，但在數據的指數級增長下，仍舊捉襟見肘。
顯然，自動標註才是效率、效果、成本三方矛盾的最終破局方法。
為此，在 2020 年開始，特斯拉研發並使用了數據自動標註系統。
特斯拉數據標註的思路非常簡單：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註，再反饋給車端各個傳感器。
由於傳感器視角不同，當預測的標註結果在 8 個傳感器均呈現一致時，則這一標註成功。
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註系統的蒸餾。
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註結果。
當數據標註系統將不同車輛，不同時間，不同天氣狀況下的標註結果疊加後，得到了一個具備高度一致性的標註結果，這也意味著，特斯拉得到了自己的「高精地圖」。
05、2021 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，也並非完美無瑕。
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。
在隨後的兩年時間裡，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，汽車隻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，由於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，而不僅僅是基於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、過於機械。
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」，然後識別物體，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。
但在現實世界裡，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，並判斷路況，但對車後拖載的貨物，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麼，隻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。
而借助於算法提升，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。
在確定純視覺路線後，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，其餘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，更在於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：
計算效率不高，HEAD 部分不夠用？開發了九頭蛇網絡結構；
小模型無法實行並行計算，泛化能力不強，BEV 無法精確實現？引入大模型 Transfomer，逆向開發；
現有芯片的構成冗餘，不適配純視覺路線需求，且成本高？自研 FSD 芯片；
數據標註成本高，數據訓練量不足？建設超算中心 DOJO，實現數據自我標註，同時虛擬場景訓練算法，提高自動駕駛能力等等。
在錨定純視覺路線後，特斯拉均在算法迭代中，針對各種問題，發現短板，並加以解決。
而這，正是特斯拉執牛耳的關鍵。
同時，鑒於特斯拉的行業領導地位，研究其自動駕駛算法迭代歷程後，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，實現數據自動標註，確保標註效果，且在無數「眾包采集車」的幫助下，疊加標註結果，得出道路信息標註的「唯一解」。
BEV、Transfomer、引入時序信息、數據自動標註等等，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，小鵬發佈了第二代智能輔助駕駛系統 XNGP，並對外宣佈將擺脫高精地圖限制；
2022 年下半年，華為餘承東表示：
「自動駕駛未來不應過分依賴於高精地圖、車路協同。
」
今年 5 月，蔚來發佈了 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，能夠實現自動標註及仿真訓練；
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「雲端大模型+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佈了理想汽車的 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後，存儲於雲端。
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註結果後，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麼。
這大幅提升了模型的泛化能力，有助於城市 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，在特斯拉發佈的最新硬件 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。
什麼是端到端？
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後，不會對所看到的物體進行數據分析，而是基於經驗，在「黑盒」狀態下完成駕駛決策，並協調手、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後，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於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，那麼 AI 大模型模型所需要的時間必然小於傳統規則。
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於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 億公裡的裡程數據。
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註和仿真訓練上。
特斯拉 2022 年發佈的超算中心 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」的標註和仿真訓練。
特斯拉打樣在前，國內不少廠商也緊隨其後。
在 2022 年以後，超算中心開始活躍在自動駕駛領域。
2022 年 8 月，基於阿裡雲智能計算平臺，小鵬推出了扶搖超算中心，每秒浮點運算達 60 億次，專用於自動駕駛模擬訓練。
同時，小鵬還推出了全自動標註系統，將標註效率提升近 4.5 萬倍，以前 2000 人一年的標註量，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，用於自動標註及仿真訓練。
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；智己汽車的雲上數據超級工廠等。
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，隨後，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。
在熱議的背後，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，特斯拉也並非一開始就是「江湖第一」。
在經歷「被分手」後，特斯拉自動駕駛算法經歷了落後，到追趕，再到引領的不同時期，更多是帶有逆襲成分。
而逆襲的關鍵點在於：選好目標，敢於「一條道走到黑」。
在過去一段時間裡，市場對於特斯拉的純視覺方案並不看好。
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並不具備可行性。
但在確定純視覺路線以後，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，並提出解決方式。
最終的結果是，特斯拉成為自動駕駛領頭羊。
目前，自動駕駛也並未到決賽階段。
對於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。