特斯拉“全自動駕駛”（FSD）計算機發布，讓馬斯克有了更多diss激光雷達的底氣，這背后是馬斯克從押注攝像頭到自研芯片再到自建車廠，試圖打造出一條造車的閉環，但這條路真的好走嗎？

“激光雷達傻瓜論”，引起了自動駕駛業界的集體反感，也讓馬斯克在計算機視覺這條路上越走越遠。

實現自動駕駛，到底是激光雷達更容易還是攝像頭更容易，業內已經爭論多年，而目前量產車里面只靠攝像頭的僅特斯拉一家，激光雷達雖然昂貴，但是3D空間物體精確定位是車企無法拒絕的技術。

不過，馬斯克的“激光雷達傻瓜論”背后也有充足底氣：芯片以及“全自動駕駛”（FSD）計算機，并且馬斯克號稱是“世界最好的芯片”。

從押注攝像頭到自研芯片再到自建車廠，馬斯克試圖打造出一條造車的閉環，產業鏈也是一特斯拉為中心的生態圈，也難怪會被認為路數跟蘋果相似。

但是造車畢竟不是造手機，特斯拉的路線到底是不是自動駕駛的捷徑？

激光雷達VS攝像頭：不必diss另一方

激光雷達與攝像頭各有所長，就定位而言，激光雷達能估計3D空間中物體的精確定位，而目前使用相機（攝像頭）進行定位的技術并不準確，因為它需要從2D到3D（例如使用立體視覺）進行定位，因此使用相機進行定位非常困難。盡管目前已經有利用深度學習的方法讓相機本地化，但需要付出高昂的代價。

以下是攝像頭和激光雷達在4個主要層面的比較：

1.成本：相機是一種廉價的傳感器，而激光雷達的價格大于等于汽車的價格。

2.攝像頭能看到顏色，因此可以做更好的檢測和跟蹤，而激光雷達不適合跟蹤。

3.相機具有2D數據，因此定位非常困難，需要將其映射到3D，因此需要相機+激光雷達或多個相機。

4. 電源：攝像頭可以通過USB供電，但是激光雷達需要插入外部適配器。

作為自動駕駛傳感器最重要的部分：激光雷達和攝像頭，兩者形成不同的道路，馬斯克頻繁diss激光雷達，自然是攝像頭路線的堅決擁護者。新智元初步梳理出了走兩條路徑的國內外自動駕駛企業名單（部分）。

走哪條路線并沒有對錯之分，不過，馬斯克“激光雷達傻瓜論”既得罪了同行不說，也過于抬高計算機視覺的地位。就目前而看，深度學習帶來計算機視覺效果距離自動駕駛所需的極高精度仍然有一段距離，新智元近期報道《一張貼紙欺騙AI，對抗性補丁讓人類隱身，監控攝像危險了！》指出，借助一張簡單打印出來的圖案，就可以完美避開AI攝像頭，騙過了YOLO (v2) 識別系統。

AI系統成功檢測到左邊的人，而右邊的人被忽略了

另一方面，特斯拉在發布會上宣布，攝像頭已經實現了99.9999％的準確率，但進入無人駕駛需要一個準確度高達1000000％的系統，而不是僅差0.0001％，因為即便是有0.0001％，也會出現致命車禍。

計算機視覺領域還值得關注的是，當深度學習工作時，我們并不嚴格知道它為什么會起作用，“黑盒”問題并沒有解決。

當然，攝像頭不完美不代表激光雷達完美，上文講到激光雷達在成本、跟蹤檢測等方面還不如攝像頭，此處不展開描述。

總之，目前行業普遍采用的方法是使用相機+激光雷達來更好地檢測和定位，馬斯克如果不是唯一一個，也是極少數做出二選一并且diss另一方的人。

特斯拉的“蘋果”路線：造芯片押對了寶嗎？

除了傳感器的路線之爭外，馬斯克已經在特斯拉特色的道路上越走越遠。

特斯拉最近發布的汽車大腦——FSD計算機，讓特斯拉躋身成為能夠設計AI芯片的科技公司。

芯片由三星制造，每個FSD包含兩個芯片，每個芯片都有兩個專門設計用于運行神經網絡的加速器，FSD每秒最多可執行144 TOPS神經網絡性能，處理來自8個攝像頭、12個超聲波傳感器、各種雷達、GPS和測繪的數據。

特斯拉甚至聲稱，FSD計算機提供了所有必要的處理工作，為“全自動駕駛”汽車提供動力——如果軟件趕上的話。

目前，特斯拉仍舊依賴英偉達提供算力，FSD計算機問世后，特斯拉拿來跟英偉達Drive Xavier比較，盡管被后者指責對標對象錯了，但依舊難掩特斯拉算力不求人的姿態。

FSD計算機問世之后，特斯拉正式形成自己制芯、自己建廠、自己造車、自己銷售的“自己自足”產業閉環，比蘋果的生態更蘋（feng）果（bi）。

拋開技術上的比較不談，特斯拉面臨的更大挑戰可能是內部芯片設計所帶來的成本投入和靈活性問題。把芯片做得太具體是有危險的，因為當新算法被開發出來時，特斯拉的芯片是否讓算法模型足夠靈活，能夠適應？

AI是一個快速發展的領域，隨著自動駕駛新方法的開發，特斯拉可能會發現自己在芯片方面押錯了寶。

特斯拉的模式是從底層芯片到汽車銷售全部掌握在自己手中，可以做更好的系統級整合和優化，但是AI芯片的量，依賴于特斯拉車的數量，現在特斯拉Model 3的周產量剛剛穩定在5000臺以上，成本無法降下來，對于芯片性能提升和更新，長遠來講都會是一個問題。

實現自動駕駛需要大量的處理能力不假，AI芯片和TOPS性能也足夠扯眼球，但僅靠處理器無法解決問題。盡管特斯拉承諾到2020年將擁有“超過一百萬輛”全自動駕駛汽車，但仍然是只提供所謂的二級輔助駕駛：一種駕駛員輔助模式，車輛可以自行加速、制動和轉向，但只能在駕駛員準備好的情況下進行控制設置控制。

自動駕駛路線之爭：特斯拉模式之外的道路

不可否認，特斯拉模式給國內外車企帶來了不少啟發，并且已經將部分技術專利公開，人人可用，也讓不少造車新勢力能夠自詡“中國版特斯拉”。

但是特斯拉模式并非唯一路線。

實現自動駕駛，量產和數據兩個指標很重要：量產規模上去了之后，自然會得到數據；但是目前只有特斯拉自動駕駛在量產，連Waymo都沒有實現大規模量產，更別提其他創業公司。

這種情況倒逼創業公司尋找出不同路徑。

以馭勢科技為例，馭勢跟主機廠合作，開發便宜可靠的影子模式的控制器，通過影子模式獲取數據，做新算法的迭代驗證。

另一種路徑是地平線模式。

地平線在整個智能汽車產業鏈里扮演的角色是做人工智能的二級供應商(Tier 2)。因此，地平線的邊界也格外清晰：只造武器不打仗，不直接服務終端客戶（OEM或出行服務商），不碰數據，不做應用，不做下游產品。

這種思路決定了地平線的自動駕駛定位：做汽車芯片領域的英特爾，為智能汽車提供每輛車里的“人工智能處理器inside” ，地平線將這種賦能叫做AI on Horizon。

地平線創始人兼CEO余凱也點評馬斯克的FSD計算機：“地平線也同樣相信車載計算的未來，不同之處在于，地平線’AI on Horizon’戰略是基于開放的信仰，而不是特斯拉封閉的系統。”

如果特斯拉模式是蘋果的話，那么馭勢科技和地平線等公司的做法就是安卓，通過鋪設大量的軟硬件到車輛上，形成開放的生態，在獲取開放性數據、優化算法、芯片更新迭代等方面更容易。

汽車AI芯片的創業公司機遇：中國首個車規級芯片將發布

在PC時代，英特爾的芯片為IBM、戴爾、聯想的電腦提供核心算力；在智能汽車領域，還沒有出現像英特爾一樣一家獨大的芯片企業，這也是創業公司的機會。在這個賽道上，AI創業公司、傳統的傳統Tier1制造商、OEM廠商以及英特爾、英偉達這樣的芯片巨頭都涉足進來，讓這個尚處在早期的產業無比熱鬧。

在地平線最核心的芯片產品方面，搭載了地平線第二代BPU的車規級人工智能芯片將于今年發布，這也將是中國首個量產的車規級芯片。

余凱認為，特斯拉AI芯片優勢在于能夠垂直整合，劣勢在于研發成本高、周期長，并且汽車產業分工原本就明確，核心處理器交由專業的供應商負責是資源最優配置。自動駕駛領域不斷變化，但對于車企來講購買和定制其他公司的芯片會更明智。

另一方面，創業公司能夠適應更靈活的邊緣計算環境，在紛繁錯亂的物聯網生態中建立體系，這是傳統汽車芯片巨頭所不具備的，這也是汽車AI芯片給創業公司帶來的機遇。

目前，國內AI芯片創業公司已經意識到并開始建立生態系統。以地平線AI on Horizon為例，核心思想是：芯片底層開放賦能，一路成就客戶。

在今年的上海車展上，“AI on Horizon”成果初顯，地平線展臺展示了十多款合作伙伴基于地平線AI芯片和算法打造的智能車載設備，包含智能后視鏡、DMS產品、ADAS產品、智能出租車終端等等。

此外，地平線與韓國SK電訊充分發揮各自優勢合作研發的眾包高精地圖更新與ADAS設備方案也已亮相上海車展，并有望在今年實現大規模量產。而此次車展上宣布的與禾賽科技、首汽約車的合作，進一步擴大了AI on Horizon的技術賦能 “朋友圈”。

“現在無人駕駛不會一步實現，在無人駕駛還沒有到來的之前，第一步需要在車內的車機、娛樂導航系統、人機交互方面，通過AI讓體驗更好，更安全。第二步，從二級、三級的輔助駕駛，半自動駕駛，讓用戶實實在在的體會到價值，而不僅僅是給到用戶無法想象的詞叫無人駕駛。”余凱說。