在智能輔助駕駛蓬勃發(fā)展的當(dāng)下，這項(xiàng)技術(shù)既需要?jiǎng)?chuàng)新活力，也需要回歸本質(zhì)的定力。

近日，特斯拉副總裁陶琳發(fā)布了馬斯克近期對(duì)智能輔助駕駛技術(shù)路線的判斷。馬斯克從道路系統(tǒng)設(shè)計(jì)的根本邏輯出發(fā)，闡述了特斯拉堅(jiān)持純視覺方案的理論基礎(chǔ)。

他指出，全球道路交通體系本質(zhì)上是圍繞智能體的視覺感知能力構(gòu)建的，無論是人類的生物神經(jīng)網(wǎng)絡(luò)還是人工智能系統(tǒng)，都依賴“眼睛”這一核心感知器官獲取環(huán)境信息?；谶@一認(rèn)知，人工智能結(jié)合數(shù)字神經(jīng)網(wǎng)絡(luò)和攝像頭的技術(shù)組合，才是與現(xiàn)有道路系統(tǒng)最為匹配的自動(dòng)駕駛解決方案。

他同時(shí)認(rèn)為，一個(gè)模型扎根于現(xiàn)實(shí)是非常重要的，從未見過有人打破物理定律。對(duì)于任何一個(gè)AI，必須建立在現(xiàn)實(shí)的基礎(chǔ)上，這些有助于確保模型的真實(shí)性和準(zhǔn)確性，但這是一個(gè)常常被忽視的話題。只有遵循物理定律，AI才能實(shí)現(xiàn)真正的智能。

對(duì)于汽車，用戶對(duì)“安全抵達(dá)”與“舒適體驗(yàn)”的期待始終如一，這促使我們不斷思考：智能輔助駕駛的差異化創(chuàng)新是否應(yīng)聚焦于表層功能，還是應(yīng)回歸本質(zhì)需求，以標(biāo)準(zhǔn)化能力推動(dòng)普惠價(jià)值？

智能輔助駕駛“第一性原理”

談到智能輔助駕駛“第一性原理”，很多人第一時(shí)間會(huì)想到馬斯克的理論——“以人類視覺認(rèn)知為根基，通過海量真實(shí)路況數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，用純視覺感知實(shí)現(xiàn)類人駕駛決策的通用化自動(dòng)駕駛系統(tǒng)?！?/p>

一直以來，馬斯克批評(píng)激光雷達(dá)技術(shù)在智能輔助駕駛領(lǐng)域的應(yīng)用價(jià)值。“道路系統(tǒng)并非為從眼睛發(fā)射激光而設(shè)計(jì)”，這一表述凸顯了他對(duì)激光雷達(dá)技術(shù)適用性的根本性質(zhì)疑。當(dāng)攝像頭與激光雷達(dá)同時(shí)工作時(shí)，系統(tǒng)往往面臨信息沖突的困擾——究竟應(yīng)該相信視覺傳感器還是激光測(cè)距數(shù)據(jù)，這種技術(shù)層面的不確定性，可能會(huì)導(dǎo)致交通事故的發(fā)生。

“第一性原理”最早源自古希臘哲學(xué)，亞里士多德在其著作《形而上學(xué)》中首次提出了這一概念。他認(rèn)為，第一性原理是“不可被進(jìn)一步推導(dǎo)的最基本的命題或假設(shè)”，即所有知識(shí)和推理的終極基礎(chǔ)。

簡(jiǎn)單來說，每個(gè)系統(tǒng)中存在一個(gè)最基本的命題，它不能被違背或刪除。其核心思想是：回歸事物的本質(zhì)，剖析最基本的原理和假設(shè)，從而構(gòu)建新的認(rèn)知框架或解決方案。

任何系統(tǒng)都是有邊界的，所謂邊界就是這個(gè)系統(tǒng)的前提條件，也叫前提假設(shè)。對(duì)于這個(gè)系統(tǒng)，這些“前提假設(shè)”會(huì)成為“不證自明”的概念和命題，而這些概念命題就是這個(gè)系統(tǒng)的“第一性原理”。

對(duì)于“第一性原理”的理解，我們可以看作是任何一個(gè)系統(tǒng)的“關(guān)鍵設(shè)定”。這個(gè)設(shè)定既不是誰家自創(chuàng)的，也不是獨(dú)家專有的，而是一個(gè)需要費(fèi)盡心力去探索和思考的邏輯起點(diǎn)。

這個(gè)邏輯起點(diǎn)，只需要你信還是不信，想明白還是想不明白，此后的行動(dòng)能否一以貫之的按照這個(gè)邏輯起點(diǎn)去貫徹執(zhí)行，能夠篤定相信這一邏輯起點(diǎn)所打造的系統(tǒng)的“真理性”。

手機(jī)行業(yè)的演進(jìn)史為汽車智能化提供了絕佳啟示?；鶐酒鳛槭謾C(jī)通信能力的核心，始終以“穩(wěn)定傳輸”為第一性原理，無論用戶是商務(wù)精英還是學(xué)生群體，其對(duì)通話質(zhì)量的需求本質(zhì)趨同。

智能輔助駕駛同樣遵循這一邏輯——從A點(diǎn)到B點(diǎn)的安全、舒適、高效，是人類對(duì)出行最基礎(chǔ)且不可妥協(xié)的需求。智能輔助駕駛無法像音樂或香氛一樣，為不同用戶提供差異化體驗(yàn)，它的終極使命是成為像基帶一樣可靠的基礎(chǔ)設(shè)施。

這一認(rèn)知正在重塑行業(yè)對(duì)“智駕平權(quán)”的理解。真正的平權(quán)應(yīng)聚焦于功能價(jià)值的標(biāo)準(zhǔn)化收斂：通過統(tǒng)一的安全標(biāo)準(zhǔn)、普適的舒適性定義、可復(fù)制的效率優(yōu)化，讓智能輔助駕駛能力像手機(jī)通話功能一樣，成為所有車型的“默認(rèn)配置”。

特斯拉的“西進(jìn)運(yùn)動(dòng)”

就像19世紀(jì)初，大批美國(guó)的早期創(chuàng)業(yè)者們闖入西部開疆?dāng)U土，開啟了持續(xù)半個(gè)世紀(jì)的西進(jìn)運(yùn)動(dòng)。馬斯克帶著特斯拉開啟了乘用車智能輔助駕駛的狂飆突進(jìn)。

特斯拉的這場(chǎng)“西進(jìn)運(yùn)動(dòng)”從2014年至今大致可以分為三個(gè)階段。2014年至2016年的外部合作期，2016年至2019年的自研過渡期，以及2019年至今的全面自研期。

第一階段，特斯拉先后與Mobileye和英偉達(dá)建立過合作，經(jīng)歷了從“軟硬件外采”到“硬件外采、軟件自研”的艱難歷程。

2014年，特斯拉在AutoPilot上并無多少積累，選擇了當(dāng)時(shí)市面上能達(dá)到L2輔助駕駛能力的視覺方案——Mobileye的EyeQ3。AI算力是只有0.25 TOPS，只能支持1個(gè)前視攝像頭、1個(gè)毫米波雷達(dá)和12個(gè)超聲波雷達(dá)，從而實(shí)現(xiàn)了自適應(yīng)巡航、前車碰撞預(yù)警以及方向盤自主變道等功能。

基于這一軟硬件外采方案，特斯拉于2014年10月發(fā)布AutoPilot 1.0版本和硬件模塊Hardware 1.0。

馬斯克從一開始就對(duì)Mobileye的黑盒交付（將軟硬件封裝起來，不對(duì)主機(jī)廠開放）十分不滿。借著2016年那場(chǎng)全球首例自動(dòng)駕駛致死車禍，特斯拉果斷拋棄Mobileye，轉(zhuǎn)向英偉達(dá)的懷抱。

2016年10月，特斯拉發(fā)布AutoPilot 2.0和硬件模塊HW 2.0。整體算力達(dá)到10 TOPS，幾乎是Mobileye EyeQ3的整整40倍。外接傳感器包含了8個(gè)攝像頭、1個(gè)毫米波雷達(dá)、12個(gè)超聲波雷達(dá)。

第二階段，特斯拉在和英偉達(dá)熱絡(luò)之際，就開始了智駕芯片的自研之路。這就是后面被公眾所熟知的FSD芯片，單片AI算力72 TOPS，采用高度定制的CPU+GPU+ASIC架構(gòu)，其中ASIC是由兩個(gè)神經(jīng)網(wǎng)絡(luò)處理單元NPU組成，專門用作視覺圖形處理。

2019年，特斯拉推出FSD軟件系統(tǒng)和HW 3.0。相比較前一代HW 2.5（算力20 TOPS），HW 3.0平臺(tái)上配備了兩顆FSD芯片達(dá)到144 TOPS，系統(tǒng)算力增長(zhǎng)了7倍多。

也是在這一階段，除了芯片自研之外，特斯拉招募了大批人工智能算法專家，開始感知和決策當(dāng)中引入深度學(xué)習(xí)算法。為適應(yīng)AI算法所需要的大規(guī)模數(shù)據(jù)處理和標(biāo)注，特斯拉還引入了上千人的標(biāo)注團(tuán)隊(duì)并不斷擴(kuò)容數(shù)據(jù)中心。

以至于在2019年4月的Autonomy Day上，馬斯克首次公布了超級(jí)計(jì)算機(jī)Dojo的研發(fā)計(jì)劃。

至此，特斯拉進(jìn)入第三階段——全面自研階段。

作為量產(chǎn)的智能輔助駕駛方案，在特斯拉這里，形成一個(gè)基于AI三要素——即算法、數(shù)據(jù)和算力，所形成的數(shù)據(jù)驅(qū)動(dòng)的開發(fā)范式。

數(shù)據(jù)，來自量產(chǎn)車型和采集車回傳的大量駕駛場(chǎng)景數(shù)據(jù)和駕駛行為數(shù)據(jù)，由于當(dāng)時(shí)的算法采用監(jiān)督學(xué)習(xí)，十分依賴高質(zhì)量的標(biāo)注數(shù)據(jù)，所以數(shù)據(jù)標(biāo)注一直是一個(gè)“人工大于智能”的苦活累活。同時(shí)也包括大量仿真構(gòu)造的虛擬場(chǎng)景數(shù)據(jù)，用于真實(shí)世界里很難遇到的Corner Cases（極端場(chǎng)景）或長(zhǎng)尾場(chǎng)景。

算力，車端計(jì)算單元主要是運(yùn)行智駕算法的AI芯片。同時(shí)也包括在云端進(jìn)行算法訓(xùn)練和數(shù)據(jù)處理的AI芯片，市面上主要是被英偉達(dá)的GPU所壟斷，而特斯拉的Dojo則更進(jìn)一步為智能輔助駕駛視覺模型訓(xùn)練設(shè)計(jì)。

算法，是由云端計(jì)算平臺(tái)根據(jù)大規(guī)模數(shù)據(jù)學(xué)習(xí)所訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)，然后經(jīng)過微調(diào)、蒸餾等方式部署到車端，形成一個(gè)可以處理感知理解、認(rèn)知決策和預(yù)測(cè)規(guī)劃等任務(wù)的復(fù)雜神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

2021年的Tesla AI Day具有里程碑意義，公開了特斯拉在之前數(shù)年時(shí)間的技術(shù)探索。以智駕系統(tǒng)最重要的感知算法為例，特斯拉的智駕算法也經(jīng)歷了數(shù)次迭代過程。

感知的核心任務(wù)是識(shí)別和理解外部環(huán)境。特斯拉的8個(gè)攝像頭可以不停地采集到外部世界的2D圖像，但這不足以構(gòu)造出人類駕駛所需要的始終延續(xù)的車道線、疾馳而過的車輛等信息。通過感知神經(jīng)網(wǎng)絡(luò)，特斯拉構(gòu)建出一個(gè)表征真實(shí)世界的3D向量空間。

作為特斯拉車型上唯一的傳感器，攝像頭存在兩個(gè)固有缺陷：第一，沒有深度信息，所接收的只是一連串二維圖像；第二，易受夜晚、大雨、濃霧等極端天氣影響，獲取的圖像質(zhì)量直線下降，可能導(dǎo)致識(shí)別錯(cuò)誤或者漏檢。

為了彌補(bǔ)這兩個(gè)缺陷，特斯拉推出了基于Transfomer的BEV（Bird’s Eye View，鳥瞰視角）算法棧，這也就是外界所津津樂道的“BEV+Transformer”，讓視覺感知網(wǎng)絡(luò)獲得了測(cè)速、測(cè)距能力，能把車輛周圍攝像頭拍攝的2D畫面，拼接成一張完整的俯視地圖，讓車輛“看到”周圍360度的全景，從而獲得感知。

也就是在這一年，特斯拉宣布北美地區(qū)的新款Model 3和Model Y將不再配備毫米波雷達(dá)，轉(zhuǎn)而采用全新的純視覺技術(shù)，以支持AutoPilot駕駛輔助系統(tǒng)。

到了2022年的AI Day上，特斯拉在感知模塊進(jìn)一步升級(jí)了占用網(wǎng)絡(luò)（Occupancy Network），可以在BEV+Transformer感知框架的基礎(chǔ)上實(shí)現(xiàn)通用能力更強(qiáng)的3D空間感知。形象理解，就是把車輛周圍空間劃分成無數(shù)個(gè)小方格，像樂高積木一樣標(biāo)記每個(gè)格子是否被物體占據(jù)，讓汽車僅靠攝像頭就可獲取周圍環(huán)境的深度信息，實(shí)現(xiàn)高分辨率的三維感知與重建。

這之后，特斯拉又放出了“端到端”的全新方案。此前，在特斯拉智駕軟件算法中，感知、規(guī)劃、控制等模塊一直是相對(duì)獨(dú)立，其中感知算法是神經(jīng)網(wǎng)絡(luò)化最為徹底的，而規(guī)控算法則帶有大量的人工規(guī)則代碼。而特斯拉在“端到端”方案之前，已經(jīng)嘗試將神經(jīng)網(wǎng)絡(luò)用于自車軌跡預(yù)測(cè)、規(guī)劃當(dāng)中。

而端到端，就是這一進(jìn)程的最極致表現(xiàn)，完全采用一張神經(jīng)網(wǎng)絡(luò)，將感知、規(guī)控和執(zhí)行鏈接起來，“圖像進(jìn)、動(dòng)作出”，像極了人類老司機(jī)開車的過程，在做出加減速、轉(zhuǎn)向燈動(dòng)作時(shí)幾乎是跟感知同時(shí)且不假思索。而之前的所謂模塊化，則像極了新手司機(jī)先要判斷下看到了什么、思考下這個(gè)情況應(yīng)該怎么辦，然后再告訴手和腳要怎么行動(dòng)。

端到端方案和模塊化方案高下立判，但實(shí)現(xiàn)端到端并不容易。2023年，特斯拉開始嘗試端到端方案的測(cè)試，系統(tǒng)運(yùn)行速度比原方案更快，甚至直接刪掉了30萬行人工代碼，輔之以端到端系統(tǒng)自己學(xué)到的人類的開車知識(shí)。

同一年，特斯拉車型全面取消了超聲波雷達(dá)配置，由高清攝像頭所取代，采用100%純視覺方案實(shí)現(xiàn)車輛的智能輔助駕駛。

2024年，特斯拉FSD V12版本正式發(fā)布，采用端到端架構(gòu)和數(shù)據(jù)驅(qū)動(dòng)的技術(shù)范式，再次引領(lǐng)了潮水的走向。

從特斯拉的發(fā)展歷程來看，馬斯克似乎更多解決的是車輛在復(fù)雜環(huán)境中的有效行動(dòng)，需要的不僅僅是視覺給出的條件反射，更需要在不同交通狀況下形成較強(qiáng)的適應(yīng)能力和應(yīng)變能力，因此要不斷訓(xùn)練車輛對(duì)于當(dāng)下環(huán)境的認(rèn)知和反應(yīng)，促使車輛在“所見所感”和“如何反應(yīng)”之間發(fā)展出人類般的智能化水平。

在爭(zhēng)議中持續(xù)前行

事實(shí)上，對(duì)于堅(jiān)持純視覺方案的特斯拉駕駛輔助系統(tǒng)AutoPilot，至少在美國(guó)本土市場(chǎng)一直存在比較大的爭(zhēng)議。

特斯拉已經(jīng)向主導(dǎo)美國(guó)國(guó)家公路安全的美國(guó)國(guó)家公路交通安全管理局（NHTSA）提交了和使用AutoPilot有關(guān)的1000多起事故。其中，美國(guó)媒體《華爾街日?qǐng)?bào)》就列舉的222起事故中，有31起事故是未能識(shí)別出障礙物而導(dǎo)致整車未能做出反應(yīng)所導(dǎo)致的。

純視覺方案有一個(gè)比較大的缺陷在于識(shí)別前方的靜態(tài)物體上存在局限性。對(duì)于靜態(tài)物體的識(shí)別，?攝像頭往往無法準(zhǔn)確區(qū)分路牌、?紅綠燈架、?橋墩等障礙物與實(shí)際需要避讓的靜態(tài)物體。

2022年，一位特斯拉前員工約翰·貝納爾幫助《華爾街日?qǐng)?bào)》分析一場(chǎng)交通事故時(shí)表示，面對(duì)路上出現(xiàn)的一輛被撞壞的汽車，AutoPilot中的一個(gè)攝像頭識(shí)別出了它，但是另外一個(gè)沒有識(shí)別出。基于這樣的輸入，AutoPilot選擇讓車輛繼續(xù)前進(jìn)，最后車輛全速地撞了上去。

純視覺方案主要依靠攝像頭來收集周邊道路場(chǎng)景的信息，然后通過預(yù)先設(shè)置的算法來識(shí)別周邊環(huán)境并做出判斷。這種方案有最大的兩個(gè)優(yōu)點(diǎn)：成本較低且貼近人眼邏輯。按照馬斯克的觀點(diǎn)，通過對(duì)攝像頭的持續(xù)優(yōu)化，可以將攝像頭無限接近人類的眼睛。只要人類駕駛員可以開車，那么特斯拉的純視覺方案也可以。

但特斯拉或者其他純視覺方案的堅(jiān)持者忽略了一個(gè)事實(shí)：由于攝像頭接受的是反射光，因此受到光的影響比較大。也就是說，如果遇到了暴雨、夜間等環(huán)境情況，攝像頭就會(huì)和人類駕駛員一樣，在感知上存在比較大的挑戰(zhàn)。

由于拿掉了激光雷達(dá)這個(gè)關(guān)鍵傳感器，純視覺方案在遠(yuǎn)距離識(shí)別場(chǎng)景、生成點(diǎn)云方面的確會(huì)有一些欠缺，如何通過視覺傳感器和其他基礎(chǔ)雷達(dá)來彌補(bǔ)激光雷達(dá)的缺失，是特斯拉、小鵬這些純視覺方案堅(jiān)持者要考慮的首要問題。

和純視覺方案并行的是多傳感器融合方案，其本質(zhì)是希望來融合純視覺和雷達(dá)（主要是激光雷達(dá)）各自的優(yōu)勢(shì)，來達(dá)成更好的對(duì)周邊態(tài)勢(shì)情況的感知。和攝像頭相比，激光雷達(dá)再探測(cè)距離、精度和實(shí)時(shí)性方面有比較明顯的優(yōu)勢(shì)，同時(shí)在抗干擾方面也有一定的優(yōu)勢(shì)。

重要的是，多數(shù)據(jù)融合在搭載激光雷達(dá)的同時(shí)，也會(huì)同時(shí)布置多個(gè)攝像頭，因此純視覺方案在感知上的優(yōu)勢(shì)，多傳感器融合方案也不會(huì)落下。

而激光雷達(dá)、毫米波雷達(dá)等傳感器也并非完美。作為一種主動(dòng)傳感器，激光雷達(dá)在測(cè)量遠(yuǎn)距離的復(fù)雜地形或障礙物可能發(fā)生多次反射，導(dǎo)致信號(hào)混疊，使得原來的信號(hào)失真，或者產(chǎn)生錯(cuò)誤，難以準(zhǔn)確識(shí)別甚至誤識(shí)別真實(shí)目標(biāo)。

激光雷達(dá)對(duì)于天氣狀況非常敏感，但穿透雨霧主要依靠的是毫米波雷達(dá)。遇到雨雪霧等極端天氣就會(huì)在傳感器附近幾米內(nèi)形成一團(tuán)噪點(diǎn)，并且不能穿透這些透明障礙物看到霧氣后面的目標(biāo)，從而“致盲”。

另外一個(gè)問題就是數(shù)據(jù)融合。純視覺方案下，自動(dòng)駕駛控制器只需要考慮攝像頭的數(shù)據(jù)輸入；但是在多傳感器融合的方案中，控制器需要同時(shí)對(duì)攝像頭和激光雷達(dá)的輸入進(jìn)行融合判斷。

這不僅大大增加了控制器需要處理的數(shù)據(jù)量，而且更為關(guān)鍵的是，如果當(dāng)控制器發(fā)現(xiàn)攝像頭和激光雷達(dá)的輸入由于誤報(bào)存在相沖突時(shí)，采信哪個(gè)輸入源也將對(duì)整個(gè)自動(dòng)駕駛系統(tǒng)帶來不小的考驗(yàn)。

純視覺與多傳感器融合兩種方案自誕生以來，一直被質(zhì)疑，一直在成長(zhǎng)?？梢园l(fā)現(xiàn)，并不存在一種完美方案能夠解決所有問題。純視覺方案需要在軟件算法層面彌補(bǔ)攝像頭的不足，而多傳感器融合方案則需要承擔(dān)偏高的硬件成本以及開發(fā)能夠融合多傳感器數(shù)據(jù)的算法，同時(shí)兩者均需要采用高算力的芯片來完成數(shù)據(jù)計(jì)算。

智能輔助駕駛?cè)允且粭l充滿不確定性的道路，一切尚無定論。目前各家所認(rèn)定的“第一性原理”都是基于自身視角形成的認(rèn)知框架，目前仍停留在“假設(shè)”階段，遠(yuǎn)未成為行業(yè)公認(rèn)的普適準(zhǔn)則。

真正的“第一性原理”并非冰冷的傳感器或算法，而是人類對(duì)駕駛安全的永恒追求。在整個(gè)駕駛體系中，人類始終是自身安全的第一責(zé)任人，機(jī)器永遠(yuǎn)無法完全取代人類的決策地位。在這條通往未知的路上，技術(shù)的光芒或許會(huì)照亮前路，但唯有對(duì)安全底線的敬畏與堅(jiān)守，才是穿透迷霧、指引方向的北極星。