《财经》新媒体|一边被监管调查，一边秀技术肌肉，特斯拉自动驾驶下的是什么棋？_

文章图片
图1/3
▲ 图源IC
文／郭宇王静仪
编辑／赵成
每年的某一天以特定的主题秀肌肉，是特斯拉（NASDAQ：TSLA）的惯例。
在去年秀了电池技术之后，特斯拉今年的主题是AI 。当地时间8月19日晚间，特斯拉AI日（Tesla AI Day）发布了超级计算机Dojo、自研AI训练芯片D1、自动驾驶纯视觉方案的最新进展，以及特斯拉机器人。
总的来说，特斯拉AI日的内容主要围绕自动驾驶展开。
此次特斯拉发布的自动驾驶纯视觉方案中提到，车辆配备的八颗摄像头将同时处理目标检测、交通标志识别、车道预测等等任务，车辆在行驶过程中可以实时对车道、环境4D建模。超级计算机Dojo和自研AI芯片D1 ，则会为特斯拉自动驾驶系统服务。
不过在AI日的前几天，特斯拉刚刚遭到美国国家公路交通安全管理局（NHTSA）的安全调查。当地时间8月16日， NHTSA表示，在发生一系列涉及紧急车辆撞车事故后，已经对特斯拉公司的自动辅助驾驶系统AutoPilot展开正式安全调查，调查涵盖美国约76.5万辆特斯拉汽车。
去年，特斯拉在电池日上不尽如人意的表现，导致特斯拉股价下跌超6% ，蒸发2000亿市值。今年，特斯拉在AI日还未到来之前遭到调查，股价一度重挫逾7% 。
资本市场对本次AI日的反响不算强烈。特斯拉股价在前一交易日收跌2.3% ， 8月20日盘前交易股价小有回升，微涨0.54% 。
AI日上讲了什么新技术？
此次AI日上，特斯拉在争议中继续优化了纯视觉的自动驾驶技术方案。
一是被称为HydraNets的结构，这主要是为了优化摄像头通过神经网络处理图像的能力。特斯拉纯视觉技术方案的工作原理是，采用车身自身的8个摄像头提供原始图像，再进行计算机视觉运算。
特斯拉AI高级总监Andrej Karpathy表示，特斯拉过去的FSD系统不够完善，单个摄像头的监测没有问题，但矢量空间不够。加上为了解决过去几年在使用自动驾驶套件时遇到的问题，特斯拉重新设计了神经网络学习，并利用多头路线、相机校准、缓存等来简化任务。要实现这样的能力来处理图像，必须运行至少50个神经网络，因此HydraNets结构诞生。
简单来说， HydraNets结构的优点是主干共享， FSD系统的推理和训练速度得到提升。
需要提到的是，特斯拉并没有配备高精地图，它的纯视觉技术方案能够让车辆实时感知、探测路况，从而绘制仿真地图。
在自动驾驶的技术路径上，一直有纯视觉派和雷达派的纷争。
今年5月，特斯拉宣布北美市场的Model 3和Model Y车辆的自动辅助驾驶系统AutoPilot中，将放弃使用雷达传感器，采用纯视觉感知系统。这不同于其他公司采用的激光雷达、毫米波雷达、摄像头等结合的方案。
特斯拉认为，纯视觉方案的干扰信号更少，系统收集到的数据更“干净” ，有利于神经网络学习。而且，新款车型将搭载8个摄像头，探测范围能全面覆盖车身周围，自动驾驶系统的安全性不会因失去雷达而缩水。
但特斯拉的解释不足以让人信服。卡内基梅隆大学电子工程专业教授Raj Rajkumar表示，目前自动驾驶业界的共识之一，就是人们应该利用好不同种类的探测器、并将它们提供的信息进行汇总、融合。加州大学伯克利分校的研究员Steven Shladover认为，移除毫米波雷达会让极端天气条件下的行驶变成一件非常危险的事情。
特斯拉在AI日上发布的自研AI训练芯片D1 ，自研AI超级计算机Dojo ExaPod ，或许能回应上述的质疑。
自动驾驶系统性能的提升，需要大量的数据进行训练和优化。马斯克曾公开表示，除非一家公司具有很强的 AI 能力以及超强算力，否则很难解决自动驾驶难题。
超级计算机Dojo ExaPod集成了120个训练模块，内置了3000个D1芯片，超过100万个训练节点，算力达到1.1EFLOP（EFLOPS：每秒千万亿次浮点运算）。用特斯拉方面的话来形容， “这就是全球最快的AI训练计算机” 。特斯拉预计下一代产品还将带来10倍以上的提升。
Dojo ExaPod中内置的D1芯片，是特斯拉自研的，也是Dojo ExaPod的核心。 D1芯片采用7纳米制造工艺，单片FP32达到算力22.6TOPs ， BF16算力362TOPs 。特斯拉对于D1芯片的定位为AI学习，称呼它为“Pure Learning Machine” 。此外，多块D1芯片结合可以形成训练模块，进行大规模计算。
马斯克表示，由于开发系统成本太高，不太可能开源自研AI芯片，但对将人工智能技术授权给其他汽车制造商持开放态度。
毫无疑问，自研芯片D1和超级计算机Dojo ExaPod将为特斯拉自动驾驶技术的提升带来重要助力。根据马斯克的计划， Dojo项目明年会投入运营。
特斯拉每年的主题日都会有一个“小彩蛋” ，即“One more thing” ，今年带来的是一款特斯拉机器人——Tesla Bot 。

文章图片
图2/3

这款人形外观机器人身高5英尺8英寸，约为172cm；重量125磅，约为56.7kg；承载能力为45磅，约为20kg 。搭载了特斯拉的各项软硬件系统。为了实现平衡性和敏捷性，四肢使用了40个机电推杆。
“特斯拉远不只是一个电动汽车公司（Tesla is much more than an electric-car company）”马斯克如是说。马斯克没有透露Tesla Bot可以满足哪些具体的工作，但表示这款机器人会把人从危险的、重复的，无聊的任务中解放出来，并计划在明年推出这款机器人的原型机。
备受争议的自动驾驶
作为新能源汽车行业的先行者，特斯拉的动向一直是整个行业的风向标。而它的立命之本自动辅助驾驶技术也在众多目光中迎接着一次次赞美和质疑。
当地时间8月16日，美国国家公路交通安全管理局（NHTSA）表示，在发生一系列涉及紧急车辆撞车事故后，已经对特斯拉公司的自动辅助驾驶系统AutoPilot展开正式安全调查，调查涵盖美国约76.5万辆特斯拉汽车，几乎涵盖了特斯拉在美国销售的自2014年以来推出的所有款式车辆，包括Models Y、X、S和3等。

文章图片
图3/3
▲ 图源：IC
来自中国的监管压力也在加强。在特斯拉AI日的这天，国家互联网信息办公室、公安部、交通运输部联合发布了《汽车数据安全管理若干规定（试行）》。而几天前的8月12日，工业和信息化部发布《关于加强智能网联汽车生产企业及产品准入管理的意见》。
这并不是特斯拉第一次遭遇自动驾驶相关的审查。
据外媒报道，今年5月，美国加州机动车管理局认为特斯拉将其自动驾驶系统FSD（Full Self-Driving）命名为“完全自动驾驶”的行为涉嫌虚假宣传，并决定就此展开审查。
特斯拉在此前的监管调查中平安过关。美国国家公路交通安全管理局（NHTSA）在2020年曾开展调查，未发现特斯拉车型存在安全问题， 246桩意外加速事故均由踏板使用不当造成， “没有证据表明，油门踏板总成，电动机控制系统或制动系统，存在任何导致了上述事件的故障。 ” “没有证据表明，设计因素会增加踏板误用的可能性。 ”
2017年1月，美国国家公路交通安全管理局（NHTSA）结束了对特斯拉自动辅助驾驶系统Autopilot功能为期7个月的调查。结果显示，没有发现Autopilot的设计或性能存在任何缺陷，也没有发现系统未按设计运行的任何事故。
特斯拉最新发布的2021年一季度安全报告显示，在Autopilot自动辅助驾驶参与的驾驶活动中，平均每674万公里行驶里程报告一起交通事故。而美国高速公路安全管理局（NHTSA）的最新数据显示，美国平均每78万公里行驶里程即发生一起碰撞事故——674万公里对78万公里，这就是马斯克口中的自动辅助驾驶事故率只有1/10 。
在经历外部审查的同时，特斯拉的自动驾驶技术路线也在发生转变。
特斯拉在转向纯视觉技术方案前，也曾是雷达的拥趸。马斯克曾在2016年表示，毫米波雷达能够准确判断出物体与车辆间的距离，且不惧雨雪、雾霾。他相信，有了毫米波雷达，车辆的感知系统就能更早、更准确地识别周围的车辆、行人或障碍物，给系统留出将车辆刹停的时间和距离。
对于毫米波雷达的重视，来自当年5月一位特斯拉Modle S车主启用Autopilot功能期间发生的车祸。由于感知系统没有识别到前方一辆白色的半挂车，自动紧急制动功能（AEB）并没有发挥作用，最终导致冲进了半挂车车底，车主当场死亡。
事故发生后，特斯拉的主流车型上便都搭载了毫米波雷达，加强对物体与车辆间距的探测能力。但后续涉及自动驾驶的相关事故，依旧发生着。
有外媒报道指出，多起事故中特斯拉车辆都是直接撞向了静止的半挂车、警车、消防车等外界车辆。同济大学汽车学院人车关系实验室负责人龚在研告诉财经汽车，没有识别到静止的车辆，是一种比较常见的情况，也是目前L2级别辅助驾驶汽车所面临的普遍问题。
在这种加上了毫米波雷达都不能保证车辆运行绝对安全的情况下，放弃雷达专攻纯视觉方案的特斯拉无可避免地遭到质疑。
但纯视觉的技术方案并非无据可循。同济大学汽车学院人车关系实验室王小斌告诉财经汽车，如果特斯拉真的能做到汽车的摄像头与人类的感知判断相同且算法足够强大，理论上靠视觉方案就能实现全无人驾驶。
“出发点是正确的，但机器真的能完全像人类一样去观察和思考吗？现在的难点是：如果只依赖摄像头能不能达到人眼的效能，获取的信息是否足够支撑判断。 ”王小斌表示。
争议与销量共存。截至2021年7月，特斯拉全球保有量超过100万辆。
【《财经》新媒体|一边被监管调查，一边秀技术肌肉，特斯拉自动驾驶下的是什么棋？】在拥有这么多行车数据之后， AI和强算力加持的特斯拉，朝自动驾驶之路迈近的每一步都更加引人关注。