特斯拉“純視覺”有多可怕

文 / 黎野

馬斯克喊了兩年的取消雷達，據說已經打算在中國實施了。

具體計劃可能是這樣：取消所有雷達的新款Model 3，9月開始在上海日產1200輛左右，定價將下調至20萬元。而其算力平臺是HW3.5，而非HW4.0。

上個月還在傳說新款Model 3的升級版本，從9個攝像頭增加到12個，增加一個4D毫米波雷達，取消超聲波雷達。這一較早版本的說法，與其3月份向北美監管機構提供材料的措辭是一致的。

難道短短幾個月之間，特斯拉的純視覺FSD有了真正突破？

雖然馬斯克本人是眾所周知的純視覺原教旨主義者，但2022年晚些時候，北美監管機構對多起“幽靈剎車”的調查，難免讓人認為，特斯拉迫于壓力，必然回到比較保守的FSD方案上。

中國的監管與美國風格不同，但事后問責并不手軟。特斯拉沒有把握，似乎不會采取激進態度。

大數據的支撐

兩年來，自動駕駛技術已經發生了很大變化。

2021年特斯拉宣布FSD為純視覺方案的時候，采用的是局部高精圖+Transformer算法（一種自然語言翻譯系統）。這其實和去年開始爆火的大模型的思路是一類的。

準確地說，該算法可以被納入到后者的一個應用分支。一旦這個算法發展到轉移模型的地步，可能會形成“端到端”的自動駕駛系統，前提是大模型參與訓練。但當時提出這一技術的時候，還沒有大模型工具。

馬斯克說過，在毫米波雷達的波長下，現實街景看上去像一個奇怪的幽靈世界。除了金屬，幾乎所有東西都是半透明的。當雷達和視覺感知不一致，系統將采信哪一個？和航空常用的表決系統不同，自動駕駛必須100%確定“占位”。而毫米波雷達調校的一個基本原則，就是忽略靜物，將其交給視覺系統，否則會不斷與攝像頭信息發生沖突。

人能靠純視覺開車，因為人類的可見光波信號傳輸速度尚可，數據帶寬也還行，但實時數據處理能力相當弱。

人類大腦的應對做法，是將大多數視覺信息棄之不用——并非視而不見，而是壓根沒翻譯成頭腦中的圖像元素。但人類基本上可以應付所有長尾場景。事實證明，正是這種忽略大多數信息的做法，有助于人將有限的算力資源，集中在高價值任務上面。

顯然，人類的預訓練系統（熟悉駕駛技術的過程），逐漸形成了對任務價值的評估體系。其實這就是一種“蒸餾”數據方法。

AI很蠢，不能和人類的大腦相比。因為前者無法有效評估價值，無法對抗信息沖突，無法依據經驗（預訓練系統）穿透表象，抽出事物的物理特征，決定某些東西可以忽略。

一旦純視覺方案被證實具備可靠的實用性，那么激光雷達產業鏈可能灰飛煙滅。特斯拉在自動駕駛的領袖地位，也將變得無可置疑。

在大模型還沒有實際應用的時候，特斯拉構建了“殘差神經網絡”和“金字塔網絡”。我們無意解釋這兩個“多任務神經網絡”的運作細節。簡單說，就是這兩個網絡對同一組攝像頭傳過來的數字圖像，提取出不同精度的特征，打上時間標簽，進而構建出三維空間+時間的虛擬數據（模擬真實道路），用來訓練FSD。這就是“局部高精圖”的數據源頭。

研發重心變了

而現在，大模型已經橫空出世，不在自動駕駛上利用，完全是暴殄天物。

現在特斯拉也和其它車企、自動駕駛企業一樣，用大模型來自動標注+人工審核，生成預訓練數據。大模型讓業內第一次看到了解決長尾場景問題的希望。

這個技術強大的地方在于，不同于地圖，只要數據足夠精準，和攝像頭捕捉的數據相吻合，就不需要額外的高圖維護。

不過代價也是有的，這套流程需要強大算力。特斯拉因此部署了超級算力中心，其訓練模型和數據，都存在這個超算中心里面。訓練得差不多了，就將轉移模型注入到車端。這個過程，汽車人在《大模型：汽車的自我革命》一文中，有所討論。

目前來看，這套系統實際工作起來，存在問題。簡單說，就是對與背景區分度小的障礙物，有“較小的概率”致其輪廓沒有被辨識出來。在大量的駕駛實踐中，這種事只要發生一次，如果不能人工及時介入，就可能釀成事故。

特斯拉被迫“拄拐”（添一顆4D雷達，強化占位辨識），但這是對現實能力的暫時妥協。純視覺作為大方向來推進，特斯拉方面仍然堅持。

今年以來，特斯拉的策略是，不斷改善純視覺精度，不是提升攝像頭分辨率，而是采用“原始光子計算”（提升動態適應范圍）。這樣一來，壓力就來到軟件算法和車端算力上來。當然，只要不用激光雷達（點云融合需要更強大的車端預解算），特斯拉面臨的車端算力壓力，并沒有大于競爭對手。

不管怎么變換手法，車端的圖像處理能力是根本。特斯拉必須讓算力芯片硬件能夠支持未來的擴張的算力需求。

同樣道理，特斯拉也認為純視覺能夠取代超聲波雷達（主要功能是泊車）。雖然用戶普遍認為特斯拉的泊車能力是“災難”，但特斯拉仍然砍掉了超聲波雷達。至于激光雷達，從未在特斯拉產品上出現。

數據搜集問題

這套預訓練系統最大的問題是提前提取街景數據。這種行為被監管認定為測繪活動，根據《中華人民共和國測繪法》規定，沒有測繪資質的特斯拉，FSD無法在中國落地。

特斯拉的應對辦法是在貴州建立數據中心，數據不出境，訓練也在中國進行。但這只解決了數據安全的問題，如果掃描街景作為預訓練系統，仍被認定為測繪行為，測繪資質這個坎，還是繞不過去。

之所以國外普遍裝備的HW4.0硬件，這次可能換成HW3.5，因為前者用的是海外訓練模型，在中國可能連高速NOA（自動輔助導航駕駛）都費勁。相當于硬件升級了，功能卻給升沒了。所以還不如回到老一點的版本，在中國訓練。但這樣一來，又回到上一個問題，死循環了。

一個固態車規雷達的成本，可以相當于特斯拉40個攝像頭，足夠裝備5輛車。特斯拉方案的成本優勢是顯然的，但是幾百元的超聲波雷達都砍掉（對成本幾乎影響太小了），只能再次表明特斯拉的技術信心。

自從大模型用在自動駕駛上之后，純視覺方案的現實性也大為增強。其背后就是收集大量數據的預訓練模型，硬件支持是超算中心和云服務體系。

兩者對特斯拉來說都不是問題，但就是收集數據這一塊還有問題，如果相關法規沒有得到新解釋，特斯拉要么拉著有資質的圖商伙伴，去合法獲取數據，要么改變掃描街景的方式。

盡管這件事還有懸念，但《汽車人》可以預想一下，如果這條路走通了，即法律上合規，技術上訓練模型的精度，能與現在主流的高速和城市NCA抗衡，那么純視覺路線將無條件勝出。原因是擁有成本優勢。

很多新勢力、傳統車企，也包括華為這樣的供應商，都對激光雷達產業鏈條有或多或少的投資。華為甚至直接控股，并下場造固態激光雷達。一旦純視覺方案被證實具備可靠的實用性（而不是像以前總是有無法解釋的故障，并遭到監管的關注），那么這條產業鏈可能灰飛煙滅。

至于毫米波雷達和超聲波雷達，倒是能幸存。一是兩者除了汽車都有別的用途；二是投資價值無法與激光雷達相比。

特斯拉在自動駕駛的領袖地位，也將變得無可置疑。自從Waymo跌下王座之后，這個位置懸置已久。這也將對市場銷量的競爭，產生直接的影響。不僅相當于特斯拉打價格戰的彈藥更多了，而且其技術聲望將勝過10年前的巔峰時刻。對于直接對手們來說，這絕不是好消息。