北京時間 4 月 23 日凌晨，特斯拉“自動駕駛日”活動在位于加州帕羅奧圖的總部舉行，馬斯克終于亮出了自家的自動駕駛“核武器”——特斯拉“全自動駕駛計算機”（full self-driving computer，以下稱 FSD 計算機），即之前所說的 Autopilot 硬件 3.0 正式亮相。

FSD 計算機的投入使用意味著特斯拉首度使用了自研車載 AI 芯片，目前這款芯片正安裝進特斯拉生產線上的每一臺電動車中。根據特斯拉官網信息，“完全自動駕駛能力”選裝價格為 46300 元，但如果在交付后安裝，價格則會上漲到 6.5 萬元。

整個發布會時長長近 3 個小時，其中的技術信息量可算是特斯拉有史以來所有發布會中最大的一次，大量硬件、軟件的重要進展被集中披露。

從發布會可看出，盡管近兩年來行業內都在強調輔助駕駛系統的落地使用，馬斯克今天依然保持了一貫的特立獨行的作風，似乎眼中只有“全自動駕駛”這一目標，并表示明年將能實現 Robotaxi（自動駕駛出租車）。在追求自動駕駛的同時，馬斯克還在發布會上多次貶低L idar，而后者正是目前實現高階自動駕駛所必備的零部件。

自動駕駛芯片，馬斯克說“我們最強”

在馬斯克眼中，FSD 計算機已經足夠支持“全自動駕駛”，未來車主僅需進行軟件層面的更新就能讓車輛達到自動駕駛的水平。

發布會上，特斯拉自動駕駛芯片負責人 Pete Bannon 重點介紹了特斯拉的自研自動駕駛芯片，他是特斯拉從蘋果挖來的芯片設計師，曾參與 iPhone 5 A5 芯片以及多款 iPhone 芯片開發。不難看出，在這次設計中，這位曾經與 Jim Keller 搭檔領導蘋果芯片研發部門的頂尖芯片架構師，也將蘋果軟硬深度結合的風格逮到了特斯拉，可以說非常 Apple 了。

今天發布的自研芯片于一年半前設計完成。從公布的一系列的參數來看，無疑是相當強大的一款硬件：144TOPS（完勝競爭對手目前最先進技術 21TOPS 的表現）另一個亮點是，這款新品新的神經網絡加速器（NNA）達到令人難以置信的 2100FPS，將由三星代工生產。在不影響車輛能耗和續航的前提下，FSD 能將安全性和自動化水平提升到新的等級。總體來看，這款 14nm 芯片的設計非常針對神經網絡，團隊對此進行了架構優化以降低耗能和成本，尤其針對處理大量的圖像和視頻。

Bannon 介紹道，最新芯片上的神經網絡處理器能夠處理 8 個攝像頭同時工作產生的每秒 2100 幀的圖像輸入，相當于每秒 25 億像素，表現是之前 2.5 版本的 21 倍左右。

馬斯克透露，在過去的一個月時間里，特斯拉陸續放棄了英偉達提供的圖像處理解決方案。馬斯克表示，特斯拉的芯片是世界上最好的芯片，而且遠超其他競爭對手。與此同時，特斯拉也已經將下一代芯片的工作進行了一半，馬斯克表示下一代芯片可能比現有的好上 3 倍，有望在兩年內推出。不過，馬斯克并未準備在這次活動透露更多下一代芯片的信息。

圖丨有意思的是，就在發布會結束不久，英偉達表示，特斯拉這次硬件上和英偉達的對比并不準確，主要體現在 FDS 144TOPS 與 Xavier21TOPS 的表現上

特斯拉堅定地選擇計算機視覺

團隊取得的這些成績，也讓這位 CEO 再度發出豪言：“任何使用激光雷達的自動駕駛公司注定失敗（doomed）”。

而在軟件算法的部分，特斯拉人工智能和自動駕駛視覺總監 Andrej Karpathy 罕見登場。這位李飛飛的高徒在斯坦福 AI 實驗室攻讀博士期間就已聲名遠揚，后加入 Open AI，特斯拉正是看中他在計算機視覺領域內的深厚技術積累，才將其任命為人工智能部門主管。

這位 AI 大牛在特斯拉的主要工作是訓練 FSD 以及神經網絡信息處理。Andrej Karpathy 的現場演講展示了早期將神經網絡部署在真實世界中訓練的重要性，比如說，特斯拉的每一位司機其實都參與到了神經網絡的訓練中，每一個新手都將為特斯拉的自動駕駛系統喂入新的數據。而且，Karpathy 認為，在神經網絡的訓練中，和數據的規模相比，數據的質量更加重要，特斯拉的原始數據集也可能是全球最有價值的，因為特斯拉擁有全球范圍的車隊，可以提供各種環境、天氣條件的數據，還會收集車輛的異常道路表現數據。在數據的標注上，特斯拉也正在嘗試自動化標注的方向。

Andrej 強調特斯拉非常依賴視覺傳感器，特斯拉的 AI 軟件能夠處理來自視覺傳感器收集到的車道線、交通、行人等信息，將這些信號與已知的物體進行匹配再最終作出決策。

他同樣對比了激光雷達（Lidar）方案和計算機視覺方案的優劣，而且顯然也和馬斯克一樣是計算機視覺派：“某種意義上，Lidar 是一個捷徑。它回避了對自動駕駛非常重要的視覺識別基本問題，給人一種虛假的技術進步了的感覺”。他表示，和 Lidar 相比，特斯拉更加依賴計算機視覺，并將收到的視覺信息進行 3D 渲染，涵蓋視頻輸入到深度感知。

也就是說，特斯拉認為，攝像頭+數據+神經網絡，足以挑戰 Lidar。如此認定計算機視覺嫌棄 Lidar，這種選擇現階段這在業內也非常罕見，絕大多數業者還是采用 Lidar 的方案或者 Lidar+計算機視覺，因為目前的純計算機視覺方案在安全性的保障上仍有一定風險。

特斯拉 Robotaxi，等 2020 年了

除了非常硬核的技術展示外，最值得期待的信息，恐怕就是特斯拉 Robotaxi 時間表的披露了。

馬斯克提到特斯拉網絡（Tesla Network）及汽車共享服務，在共享出行服務不足的地方，特斯拉的車主就可以提供服務，例如他們推出 Model 3 Taxi 方案以及 Robotaxi，讓擁有 Model 3 的公司或車主來執行 Robotaxi 服務，汽車成本低于 3.8 萬美元，以及汽車壽命保證行駛 100 萬英里等。

馬斯克表示，“非常有信心”在明年推出 Robotaxi 計劃，但不是所有地區，因為要考量監管因素。任何客戶都可以將他們的汽車加入特斯拉網絡（也可以移除），他形容這像是優步和 Airbnb 混合的一種模式。特斯拉也會推出自己的打車應用程序，并且從共乘服務的收入拿取 25％-30％。

再回顧整個發布會，大量硬件、軟件重要進展的首次大規模披露，是特斯拉自動駕駛相關團隊在過去 3 年成果的集體展示，也在向外界最大程度地展示了特斯拉發展自動駕駛的實力和誠意。當然，馬斯克在會上立下的 FLAG 還需要大量的事實證明，畢竟，自動駕駛這個全行業公認的難題當然不是馬斯克說解決就能解決的，再說，馬斯克的跳票行為也早已不止一次兩次了。

最后，聯系剛剛在上海發生自燃事件以及 24 日第一季財報發布的這個時間點，特斯拉這次主要面向投資人的自動駕駛展示，附加價值也不言而喻了。

附：特斯拉的自研芯片與全自動駕駛之路

在早期的 Autopilot1.0 時代，特斯拉采用了當時在輔助駕駛市場倍受歡迎的 Mobileye EyeQ3 的自動駕駛芯片，而后者在當時的一大特點便是芯片+深度學習算法的軟硬一體化的方案。這一方案當時受到了眾多車企歡迎，但卻與特斯拉想要不斷升級迭代的理念不合。

2016 年 1 月，被稱為芯片設計大神的 Jim Keller，加入特斯拉出任 Autopilot 總裁。隨后，曾與 Jim Keller 在蘋果共過事的頂尖芯片研發人才 Peter Bannon 也加入特斯拉，后續多位芯片架構師的加入，讓特斯拉自研芯片幾乎成為一個公開的秘密。

對于此前的芯片供應商英偉達，馬斯克表示 Drive PX 2 不錯，但算力還無法滿足特斯拉想要的全自動駕駛的需要，加之功耗較高，特斯拉需要自己進行芯片研發。

值得一提的是，2018 年 Q3 財報電話會上的，人工智能與自動駕駛視覺部門主管 Andrej Karpathy 提到，他們已經為 Autopilot 開發了更大的數神經網絡，但當時的硬件還無法提供足夠的芯片計算資源，可見當時已是“萬事俱備，只欠芯片”。

一直以來，尤其是在關鍵部位上，特斯拉都傾向于“能自己動手就不向別人采購”的做法，掌握自主權。如特斯拉早在 2004 年就讓鋰電池專家、現任特斯拉 CTO JB Straubel 組建了電池團隊，早早的布局和在電化學上的高投入讓特斯拉的動力電池技術有著明顯的優勢。

在自動駕駛方面，特斯拉自己動手進行軟件開發，盡管向供應商采購了攝像頭、毫米波雷達和超聲波雷達等硬件，但特斯拉不要供應商提供的配套算法，讓眾多軟硬件一體供應商變成純硬件供應商。

在關鍵的計算平臺上，特斯拉選擇了英偉達的 Drive PX2，而在這之上同樣運行著特斯拉自己開發的神經網絡。

特斯拉對軟件、硬件兩方面的絕對把控，讓其能夠推動技術不斷迭代。有更好的傳感器就上更好的傳感器，舊有的芯片算力不夠，替換上自研的算力更強的芯片；軟件的更新能夠及時通過 OTA 升級，實現功能完善和開拓新的功能。軟件硬件兩條腿交替向前走，推動整體功能平穩提升。

現在，隨著自研芯片的到位，特斯拉最終在這一核心零部件上將主動權牢牢抓在自己手中。