北京時間4月23日凌晨2：40左右，特斯拉發布了自動駕駛芯片。

這是特斯拉Autopilot（以下稱AP）迄今為止取得的最大的技術突破，但另一方面，自動駕駛事關行車安全，我們每個人都應該保持足夠的理性和克制，謹慎分析。特斯拉AP的技術架構、發展策略是如此的獨特，它的種種策略到今天仍然充滿了爭議。因此，本文將分為對特斯拉、對行業、對用戶三大部分展開。

其中涉及技術架構的部分可能稍顯晦澀，但如果你是車主，仍然強烈建議你去嘗試理解。對于車主來說，用戶體驗是最重要的。但技術架構是促成用戶體驗的頂層設計，

了解技術架構能幫助你更好的理解這套系統的潛力和短板所在。

（如果你實在讀不下去，請直接拉到最后看對用戶篇）

對于特斯拉來說，AP最終達成了Elon想達成的目標。正如文章開頭所說，這是自2014年10月AP誕生以來，特斯拉取得的最大的技術突破。

有充分的證據表明，英偉達DrivePX2芯片之于AP自始至終都是一個過渡角色。

2015年11月20日深夜，ElonMusk連發數條Twitter在線招人。

那可能是他第一次提到，AP團隊的目標是實現自動駕駛，而加入AP團隊的員工將由他本人親自面試。除了AP團隊直接向他匯報，所謂Thisisasuperhighpriority.

一個月后，頂級芯片大神JimKeller及其團隊集體加入特斯拉，Keller出任AP硬件副總裁，AP芯片研發團隊成立。

10個月后量產的AP2.0車型，在設計之初就考慮了中央計算芯片可插撥，便于后期升級。

對特斯拉來說，以自主研發的自動駕駛芯片驅動汽車完全是「蓄謀已久」。

特斯拉為什么要自行設計研發自動駕駛芯片？JimKeller給過一段解釋：在技術變革方面，我們正處于AI革命之中。AI的計算方式和經典的標量計算、矢量計算、圖形計算都不一樣，可以說差別巨大，應用非常廣泛。

每當有這樣變革的時候，尤其是從硬件到頂層軟件堆棧都在變革，就會有大量的人投身其中。

有一點是不變的，高端處理器的設計非常難做。將無數模塊組合成差異化的、高價值的處理器非常難做。你看看現在的半導體行業，有些是來自大公司的標準產品，有些是自主設計的定制芯片。但不變的是，

超級困難的挑戰需要真正的專家來解決。

在ElonMusk看來，計算機視覺+AI+海量真實數據，是AI技術在汽車行業最艱難也最具想象力的應用場景。

就像JimKeller所說，AI需要從軟件到硬件底層設計全面的變革。

這就是特斯拉最初的動機，今天，特斯拉實現了這塊芯片的量產。

下面先來介紹一下芯片本身。

這塊芯片以260平方毫米的規格堆下了60億個晶體管和2.5億個邏輯門，峰值性能達到36.8TOPS，采用三星14nmFinFETCMOS工藝制造。

芯片搭載了頻率為4.266GHz/s的LPDDR4RAM，峰值帶寬為68GB/S，此外，特斯拉還在芯片上集成了一個24位通道的ISP，支持高級色調映射和高級降噪。

除此之外，這塊主板上還搭載了兩塊主頻2GHz的神經網絡加速器（互為冗余），擁有32MB的SRAM和96×96的陣列，數據處理速度1TB/s。

圖形芯片方面，該芯片支持32和64位浮點處理的圖形芯片。同時植入了12個主頻2.2Ghz的64位CPU。

芯片具備一個獨立安全芯片和H.265視頻解碼器。

最后，主芯片功耗僅為75W，整個主板功耗250W，意味著每行駛4小時，特斯拉芯片會消耗1度電。

你可能想知道Mobileye性能最強的量產芯片EyeQ4和英偉達性能最強的量產芯片DrivePX2芯片跟特斯拉自動駕駛芯片比，是什么水平？

首先，MobileyeEyeQ4主要被用作感知芯片，定位不同，性能峰值僅為2.5TOPS。所以，略。

關于DrivePX2，官方有一張PPT做對比。特斯拉芯片的處理速度達到2300幀/s，是DrivePX2的110幀/s的21倍。在另一項對比中，Elon提到特斯拉芯片的性能是英偉達下一代自動駕駛芯片DriveXavier的7倍。

但在我看來，特斯拉這樣毫不留情地欺負前芯片供應商英偉達并不合適。

雖然兩者都定位自動駕駛中央計算芯片，但從芯片架構來看，特斯拉芯片已經向圖像處理和AI計算全面傾斜，而英偉達兩代芯片仍然是以GPU為核心的自動駕駛芯片。這使得英偉達在圖像處理對比中會處于劣勢。

無論是超強的圖像處理能力還是為AI設置的神經網絡加速器，都決定了這塊芯片與AP2.0定義的8顆不同視距、規格的攝像頭感知、TeslaVision深度神經網絡視覺處理工具強強綁定。

這是一顆AP專用芯片，只有AP能釋放它最大的性能。

下面我們說說它好在哪里。

首先自然是算力大增推動的全車8顆攝像頭火力全開了。早在2018年Q2會議上，特斯拉AI總監AndrewKarpathy明確說過，AP跑大型神經網絡表現非常好，但是因為算力限制，目前還無法部署到車端。

特斯拉在發布會上提到，新芯片每塊加速器都支持8顆攝像頭以2100幀/s的速度輸入圖像，每顆攝像頭都是全景全分辨率輸入。

其次，我們已經看到了雙神經網絡加速器，除此之外，特斯拉還設計了冗余電源、冗余計算，在Model3上，特斯拉預埋了制動冗余和轉向冗余。

實現自動駕駛硬件冗余所需除了感知，其余的電源、定位、計算、控制、執行冗余，由此得以全部實現。

另外一個與自動駕駛強相關的功能是

CPU容錯（Lockstep）設計，主板運行時兩套相同的硬件將同時處理相同的數據，強制執行不同芯片、內存間的時序相同，確保它們在同一時刻處理完全相同的數據，以此來保證汽車自動駕駛過程中的低時延特性。

這對高速行車場景下的自動駕駛至關重要。

即便出現軟件Bug錯誤或硬件故障，系統也能在不損失數據的前提下不間斷運行。

Elon對冗余容錯設計的評價是：任何一部分都可能失效，但汽車將繼續行駛，這塊計算芯片運行失敗的可能性遠低于駕駛汽車過程中司機失去意識的可能性，至少低一個數量級。

最后是獨立安全芯片設計，該芯片將以加密的方式主動檢查所有指令和數據，以監控黑客攻擊自動駕駛汽車的可能性。

安全芯片將讀取輸入和輸出數據，觀察任何可疑的感知信息，包括欺騙性的視覺信息（例如以假人欺騙汽車前方有行人）調整決策和控制。

整體來說，這塊芯片完全實現了特斯拉，主要是Elon本人的設計需求。Elon在發布會上給予了極高評價：

HowcoulditbethatTesla,whohasneverdesignedachipbefore,woulddesignthebestchipintheworld?Butthatisobjectivelywhathasoccurred.Notbestbyasmallmargin,bestbyabigmargin.從沒做過芯片的特斯拉，怎么可能設計出世界上最好的芯片呢？但這是一個客觀事實。不是比最好的芯片好一點兒，是好一大截。

Pete和Karparthy也被Elon稱為世界上最好的芯片架構師和世界上最好的計算機視覺科學家。

2018年8月，AP團隊三位高管突然亮相特斯拉Q2財報會議，Elon讓AP團隊做了財報會議的主角。這么做的原因在今天被揭開：2018年8月，特斯拉測試了第一批AP3.0車型，取得了很好的運行效果。在過去的幾個月，特斯拉一直在對AP3.0進行測試。

因此，1.0到2.0的體驗斷崖式下跌的情況在2.5到3.0的過渡時不復存在。

AP3.0版本的ModelS/X和Model3已經分別于3月20日和4月12日量產。

另外，特斯拉下一代自動駕駛芯片，HW4.0主芯片的研發已于一年前啟動。預計將在未來兩年內實現量產，性能將比3.0芯片好3倍。

對行業我們來重新審視一下AP2.0傳感器套件。

3個前置攝像頭（廣角（60米）、長焦（250米）、中距（150米））

2個側方前視攝像頭（80米）

2個側方后視攝像頭（100米）

1個后視攝像頭（50米）

12個超聲波傳感器（探測距離/精度翻倍）

1個增強版前置雷達（160米）

沒有激光雷達，一顆都沒有。

在今天的發布會上，Elon接受投資人提問時再次表明了他對激光雷達的態度。

Lidarisafool’serrand,Anyonerelyingonlidarisdoomed.Doomed![Theyare]expensivesensorsthatareunnecessary.激光雷達是徒勞的，任何依賴激光雷達的公司都注定要失敗的。注定！它們是昂貴的、不必要的傳感器。

相對CEO純粹的排斥，特斯拉AI高級總監AndrejKarparthy給出了一些更讓人信服的解釋。Karparthy認為，世界是為視覺識別而構建的，激光雷達很難分辨塑料袋和輪胎的區別，而大規模神經網絡訓練和視覺識別對自動駕駛來說是必不可少的。

你并沒有從眼中射出激光來看到這兒。從這個意義上說，激光雷達確實是一個捷徑。

它回避了基本問題，視覺識別的重要問題

這是實現自動駕駛所必需的。

它給人一種進步的錯覺，最終是一根拐杖。它確實提供了非常快的演示。

不同公司在技術路線上會有一些差異。早期的自動駕駛公司感知以激光雷達為中心，如今大多以多傳感器融合為主，也有少數公司以計算機視覺為主。

但這個世界上所有的自動駕駛創業公司+大公司，沒有一家實現自動駕駛完全不用激光雷達，除了特斯拉。

一種合理的猜測是，激光雷達成本居高不下，特斯拉出于商業考量未選擇激光雷達。實際上，上文中Karparthy的分析已經能代表AP團隊的態度。還有另外一些證據表明，特斯拉不喜歡激光雷達完全是出于技術層面的差異。

首先，特斯拉不止一次被拍到使用激光雷達進行測試，Elon今天也提到，他并不是討厭激光雷達。SpaceX團隊自主研發了激光雷達，但對于汽車，激光雷達是昂貴且不必要的傳感器。

其次，在這之前，Elon已經解釋過棄用激光雷達的原因。在成本之前，首先是感知融合的技術路線錯誤。

如果你堅持極為復雜的神經網絡技術路線，做到了非常先進的圖像識別技術，那么我認為你最大化地解決了問題。然后你需要把它和日趨復雜的雷達信息融合，如果你選擇了波長在400nm-700nm的范圍內的主動質子發生器，其實是很愚蠢的，因為你被動地做到了這一點。你最終會嘗試在大約4毫米的雷達頻率上主動發出質子，因為（該頻率）可以穿透障礙物，你可以透過雪、雨、灰塵、霧……其他任何東西“看”清前方路況。令人費解的是，一些公司會用錯誤的波長來做主動質子發生系統。它們給汽車武裝了一大堆昂貴設備，讓汽車變得昂貴、丑陋也不必要。我覺得它們最終會發現自己在競爭中陷入劣勢。

這是特斯拉和整個行業的分歧。下一個問題是，攝像頭能扮演核心傳感器的角色嗎？

在這個問題上，特斯拉總算能和行業保持一致了。

在所有傳感器中，攝像頭擁有最豐富的線性密度，其數據量遠超其他類型的傳感器。一個行業共識是，

基于視覺的感知在整個自動駕駛體系中的重要性正在持續提升。

基于圖像信息密度最高的優勢，使得它處于整個感知融合的中心地位。

事實上，完全基于視覺來解決無人車的路況感知問題是可行的，但是還有很長的路要走，自動駕駛汽車的發展過程應該是一個視覺逐步替代高端激光雷達的過程。

所以，特斯拉與行業的真正分歧在于，行業普遍認可視覺潛力巨大，激光雷達也許有一天會退出歷史舞臺，但今天的計算機視覺和AI發展發展成熟度絕無可能獨立完成感知。而Elon從第一性原理出發認為，激光雷達的加入會讓技術路線誤入歧途，所有人的終極目標都是攝像頭實現感知。

特斯拉的底氣來自跑在全球各地的42.5萬輛AP2.+車型。MIT按照特斯拉公布的交付量、特斯拉汽車平均行駛里程和AP啟動狀態下行駛里程計算，到2019年，特斯拉累計路測數據已經達到4.8億英里，到2020年（估算）將突破15億英里。按照Elon的說法，

特斯拉路測數據占全行業總路測數據的99%。

特斯拉此前被廣泛質疑的一點是：在全車8顆攝像頭全部開啟參與感知后，每個月上傳數據消耗流量平均僅為1-3GB，這個規模看起來很難說特斯拉在進行真正有效的數據采集。

在今天的發布會上，Karparthy解釋了這一問題。對于特斯拉來說，最大的優勢也是最大挑戰來自于對海量真實數據的處理，在早期進行短暫的人工標注（labeling）后，很快大量的障礙物識別都改為本地機器自動標注提升識別率。

只有出現攝像頭完全無法理解或引起混亂的圖像，才會上傳到云端，由工程師進行標注，導入神經網絡進行訓練，直到神經網絡掌握對該場景的識別。

其次，全球各地不同國家有著完全不同的路況、交規、暴雨、冰雹、大霧、甚至洪水、火災、火山等罕見的長尾場景。每一次AP啟用狀態下的人為介入接管，系統都會記錄下該場景的信息和數據，并自行學習人類的決策和駕駛行為。

Karparthy特別提到，真實行車場景下的路況數據無法替代。對于競品公司廣泛采取的模擬器訓練解決數據匱乏問題的做法，特斯拉用兩句話回應：

一個細節堪比真實世界的模擬器本身會比自動駕駛系統的設計難度更大；使用模擬器改進，就像自己改自己的作業，提升有限。

對于這個行業來說，特斯拉手握全球最大規模的自動駕駛車隊，開始計算機視覺+AI（軟硬件）+海量真實數據的探索。時至今日，通用CruiseCOODanielKan對AP團隊的評價仍然最為精準：

對用戶在發布會后半段，特斯拉對一些問題做出了解釋。比如，AP運行狀態下的最小跟車距離大概在3米左右，在中國堵車場景下這樣的距離給側方車輛強行并道提供了足夠的空間。

特斯拉提到了影子模式機制，即每一次此類場景下駕駛員接管加速靠近前車，系統都會記錄下駕駛員的駕駛行為，上傳到云端。當同一行為比例足夠高的時候，神經網絡的決策機制就會發生變化，并被推送給成千上萬的用戶。

所以，在不遠的將來，AP一定會越來越好用，不斷接近自動駕駛。但作為用戶的你都要在任何時候都要明白，

在官方承諾全自動駕駛技術實現之前，無論系統多么好用，它都不是自動駕駛。

Elon在發布會上提到，AP在第一階段的自動駕駛，仍然強制要求乘客坐在駕駛位上關注前方路況。聽起來是不是非常矛盾？

在此前接受ArkCapital采訪時，Elon做了更詳細的說明。

到今年年底，特斯拉將會功能性實現（FeatureComplete）自動駕駛。功能性實現的意思是，車輛能從停車場駛出找到你，接上你并把你送到目的地，這個過程中你需要注意路況并有極小的概率需要在適當的時候接管車輛，但在大多數時候根本無需駕駛員介入。

人們認為這是100%零失誤的全自動駕駛，不需要任何人類監管，實際上并不是這樣的。

功能性實現自動駕駛的特斯拉可以應對99.9999%的場景，但在那之后需要增加更多的9。

特斯拉也明確說明，在某些極端場景，如暴雨、冰雹、大霧之類的惡劣天氣下，自動駕駛系統存在停止運行的風險。事實上在系統停止運行，駕駛員接管后，系統會進行學習或以鏡子模式收集信息和數據。

所以，我們完全無意討論Elon在最后放飛環節提到2020年的100萬輛Robo-Taxi自動駕駛車隊打車服務。真正值得關注的問題是，在車隊、芯片、算法先后到位后，特斯拉Autopilot從去年的完全不可用，到如今具備主流競爭力的L2，正在快速向L4逼近。

特斯拉可能是全球第一家需要跟國家級監管機構談判大規模投放自動駕駛車隊的公司。

這背后需要全體AP2.+車主正確理解系統的邊界，按照用戶說明書使用系統。不要讓技術的進步以悲劇為代價。

2016年初啟動，2019年中量產。AP芯片發布后，特斯拉本質上已經拼上了最后一塊關鍵的版圖。

一圖總結特斯拉未來十年核心競爭力。