1989年，卡內基梅隆大學接到了美國軍方的一個研究課題，內容是當時看起來不可思議的自動駕駛。

為此，研究人員給一輛翻新的軍用急救車，裝上了一個看起來像探照燈的碩大攝像頭，還配備了一臺冰箱大小的處理器和一部5000W的發(fā)電機。

盡管設備簡陋、數(shù)據(jù)粗糙，比如據(jù)媒體報道當時車頂?shù)臄z像頭只能輸入30×32像素網(wǎng)格，但借助開創(chuàng)性的神經網(wǎng)絡，這輛名為ALVINN的自動駕駛汽車最高速度能達到88km/h。

ALVINN被譽為自動駕駛領域一個里程碑項目。其最深刻的影響，正是用神經網(wǎng)絡替代人工代碼，成為后來自動駕駛技術發(fā)展的一座燈塔。

此后數(shù)十年，自動駕駛技術沿著ALVINN的方向飛速發(fā)展，直到chatGPT問世，大模型走上舞臺，成為改變自動駕駛最大的一個變量。

在車端，大模型已經作用于自動駕駛的感知和預測環(huán)節(jié)，正在向決策層滲透；在云端，大模型為L3及以上自動駕駛落地鋪平了道路；甚至，大模型還將加速城市NOA落地。

而全球的下游企業(yè)中，特斯拉毫無疑問是跑在最前面的少數(shù)。

今年8月特斯拉端到端AI自動駕駛系統(tǒng)FSD Beta V12版本的公開亮相，據(jù)稱可以完全依靠車載攝像頭和神經網(wǎng)絡，識別道路和交通情況并做出相應的決策。

這種端到端模型的感知決策一體化，讓自動駕駛直接從一端輸入圖像數(shù)據(jù)，一端輸出操作控制，更接近人類的真實駕駛。

但車企們努力接近端到端模型時才發(fā)現(xiàn)，想要超越必須先跟隨。

1

算法優(yōu)先

讓大模型上車，特斯拉絕對是最激進的一個。

早在2015年，特斯拉就開始布局自動駕駛軟硬件自研，2016-2019年陸續(xù)實現(xiàn)了算法和芯片自研。隨后在2020年，特斯拉自動駕駛又迎來大規(guī)模升級：

不僅用FSD Beta替換了Mobileye的Autopilot 3.0，還將算法由原來的2D+CNN升級為BEV+Transform。

Transformer就是GPT中的T，是一種深度學習神經網(wǎng)絡，優(yōu)勢是可實現(xiàn)全局理解的特征提取，增強模型穩(wěn)定性和泛化能力。

BEV全稱是Bird’s Eye View(鳥瞰視角），是一種將三維環(huán)境信息投影到二維平面的方法，以俯視視角展示環(huán)境當中的物體和地形。

與傳統(tǒng)小模型相比，BEV+Transformer對智能駕駛的感知和泛化能力進行了提升，有助于緩解智能駕駛的長尾問題：

1）感知能力：BEV統(tǒng)一視角，將激光雷達、雷達和相機等多模態(tài)數(shù)據(jù)融合至同一平面上，可以提供全局視角并消除數(shù)據(jù)之間的遮擋和重疊問題，提高物體檢測和跟蹤的精度 ；

2）泛化能力：Transformer模型通過自注意力機制，可實現(xiàn)全局理解的特征提取，有利于尋找事物本身的內在關系，使智能駕駛學會總結歸納而不是機械式學習。

2022年特斯拉又在算法中引入時序網(wǎng)絡，并將BEV升級為占用網(wǎng)絡(OccupancyNetwork)，有效解決了從三維到二維過程中的信息損失問題。

從感知算法的推進來看，行業(yè)總體2022年及之前的的商業(yè)化應用主要為2D+CNN算法。隨著ChatGPT等AI大模型的興起，算法已經升級至BEV+Transformer。

時間上特斯拉有領先優(yōu)勢（2020年），國內小鵬、華為、理想等均是今年才切換至BEV+Transformer。

但不論是特斯拉還是國內主機廠，BEV+Transformer都仍只應用于感知端。

雖然學術界以最終規(guī)劃為目標，提出感知決策一體化的智能駕駛通用大模型UniAD+全棧Transformer模型，不過受限于算法復雜性+大算力要求，目標落地尚無準確時間表。

2

算力競賽

2016年，因輔助駕駛致死事故和Mobileye分道揚鑣的特斯拉，找到英偉達定制了算力為24TOPS的計算平臺 Drive PX2，由此開啟了車企瘋狂追求算力的神奇序幕。

繼Drive PX2之后，英偉達在6年時間內發(fā)布了三代智能駕駛芯片，從Xavier、Orin再到Thor，算力從30TOPS一躍升到2000TOPS，足足增長了83倍，比摩爾定律還要快。

上游如此“喪心病狂”的堆算力，歸根結底還是因為下游有人買單。

一方面，隨著智能汽車上的傳感器規(guī)格和數(shù)量提升，帶來數(shù)據(jù)層面的暴漲。

以特斯拉Model Y和小鵬 G6 Max為例，后者因配置了更多傳感器，所需算力達到了前者的3.5倍。

當一輛自動駕駛車輛每天可以產生數(shù)TB，甚至數(shù)十TB數(shù)據(jù)，數(shù)據(jù)處理能力即為自動駕駛技術驗證的關鍵點之一。

另一方面，“大模型化”也讓智能駕駛算法的芯片算力愈發(fā)吃緊。

上汽人工智能實驗室曾測試，實現(xiàn)L2級自動駕駛只需10Tops以下的算力，即便是實現(xiàn)L4級自動駕駛也只需100Tops左右的算力。而下游企業(yè)暴漲的算力需求，實際也另有原因。

一個是云端算力。

自動駕駛系統(tǒng)前期和后期開發(fā)依賴大量環(huán)境數(shù)據(jù)輸入，對算法進行訓練與驗證，同時仿真測試中場景搭建與渲染也需要高算力支持。

而且特斯拉引領的神經網(wǎng)絡Transformer又是一個資源消耗大戶，毫末智行數(shù)據(jù)顯示，Transformer在訓練端所需算力是CNN的100倍。

如此一來，下游企業(yè)想要獲得算力要么自建智算中心（特斯拉），要么與云服務商合作，最不濟的全部外采，包括算法、計算資源、應用服務等。

國內主流主機廠/自動駕駛廠商的智算中心雖然都已上線，但因自建成本較高，國內主流自動駕駛廠商大多采取合作模式/采購模式，比如吉利星睿、小鵬扶搖都是阿里云，毫末和理想則是火山引擎。但從長期成本優(yōu)勢來看，仍具備較高的自建傾向。

還有一個則是NOA。

現(xiàn)實中主機廠具備城市NOA高階智能駕駛功能的車型，算力大多在200-500TOPS左右。

但NOA從高速道路向城市道路拓展（高速道路-城市快速路-城市主干道-城市次干道-城市支路）的過程中，人流越密集（每天僅25%的人出行途徑高速，而城市道路則是100%）的道路環(huán)境復雜度更高，物體識別、感知融合和系統(tǒng)決策的算力需求就越高。

沐曦首席產品官孫國梁就指出，在車端部署大模型并能實現(xiàn)既定任務，算力至少要達到300～500TOPS。模型優(yōu)化或可降低算力要求，但考慮到未來場景復雜度和數(shù)據(jù)量增加，以及視覺感知占比增加（相對基于規(guī)則），車端算力或將翻倍達800TOPS以上。

3

感知升級

光大證券有一個判斷，認為L2/L2+級向L3級高階智能駕駛邁進的三大要素重要性排序分別是數(shù)據(jù)>算法>硬件，而后階段向更高階智能駕駛邁進的排序或為硬件>=算法>數(shù)據(jù)。

理論依據(jù)在于，實現(xiàn)L3級智能駕駛的關鍵在于全面感知，主要依賴海量+長尾場景數(shù)據(jù)驅動算法升級優(yōu)化；其中，無圖場景覆蓋還需低線城市數(shù)據(jù)（vs.當前車載算力已基本滿足L3-L4級需求）。

而當前階段，海量+長尾場景數(shù)據(jù)的獲取就要依靠車載傳感器（攝像頭）的大幅升級。

根據(jù)Yole報告，自動駕駛L1-L3所需的攝像頭數(shù)量翻倍增長，比如L1-L2級僅需前后兩顆攝像頭，到L3就要20顆。

而實際上，主機廠為后續(xù)OTA升級預留冗余，單車攝像頭配置遠超本級所需的攝像頭數(shù)量，如特斯拉Model 3搭載9顆，蔚來、小鵬、理想車型達到10-13顆。

此外，因大模型對感知數(shù)據(jù)的精細化要求，高分辨率圖像數(shù)據(jù)可以作為深度學習模型中更新和優(yōu)化其架構的參數(shù)的數(shù)據(jù)源，尤其是前視攝像頭，需要解決的場景最多，目標識別任務最復雜，比如遠距離小目標識別、近距離目標切入識別。

為了對更遠距離的目標進行識別和監(jiān)測，車載攝像頭就要向800萬像素或更高升級。典型如百度Apollo，就已聯(lián)合索尼、聯(lián)創(chuàng)與黑芝麻智能，全球首創(chuàng)了超1500萬高像素車載攝像頭模組。

而在提高感知能力這件事上，還有兩個所有車企都想繞開的坎，高精地圖和激光雷達。

高精度地圖作為先驗信息，可以給自動駕駛提供大量的安全冗余，在數(shù)據(jù)和算法尚未成熟之前，主機廠依賴程度較高。而脫圖的原因也比較好理解：

1）高精地圖存在更新周期長、成本高、圖商資格收緊等弊端，限制了高階自動駕駛大規(guī)模商業(yè)化的可能性。

2）構建數(shù)據(jù)閉環(huán)，形成對算法模型的迭代升級反哺車端。

至于如何脫圖，特斯拉的辦法是引入車道線網(wǎng)絡及新的數(shù)據(jù)標注方法，國內自動駕駛頭部公司則采取車端實時建圖方案，通過安裝在車輛上的相機等傳感器來構建車輛行駛過程中周圍的環(huán)境地圖。

目前小鵬、華為等頭部主機廠發(fā)布無高精地圖的高階智能駕駛方案，并定下量產時間表，華為、毫末、元戎啟行等自動駕駛公司也加入其中，自動駕駛算法“重感知，輕地圖”趨勢明確。

激光雷達則是因為成本問題。

激光雷達在距離和空間信息方面具有精度優(yōu)勢，搭載激光雷達的多傳感器融合感知方案可通過互補達到全環(huán)境感知能力，為高級別自動駕駛提供安全冗余。

但激光雷達也的確是成本大戶，早些年除了特斯拉，幾乎所有成熟的無人駕駛技術方案都采用了64位激光雷達，它的成本約人民幣70萬元，一個小雷達抵得上一輛車甚至幾輛車。

特斯拉利用占用網(wǎng)絡來實現(xiàn)類似激光雷達的感知效果，國內主機廠由于機器視覺算法的缺失，預計仍將激光雷達作為重要的補充傳感器，由此可減少在視覺領域所需積累的數(shù)據(jù)量。

另外4D成像毫米波雷達或將完全替代3D毫米波雷達，有望對低線激光雷達形成替代。

與激光雷達相比，4D成像毫米波雷達部分指標近似達到16線激光雷達性能，但成本僅為激光雷達十分之一。

特斯拉基于全新的自動駕駛硬件HW4.0，首次在S/X的車型上搭載了4D毫米波雷達。除特斯拉外，價格在40萬元以下的理想車型和價格在70萬以上的寶馬車型、以及通用收購的Cruise自動駕駛服務車均于近兩年完成了4D毫米波雷達布局。同時大陸、采埃孚等汽車Tier-1巨頭基本完成對該領域的布局。

4

尾聲

8月，馬斯克親自上線開啟了一場FSD Beta V12的試駕直播，45分鐘內FSD Beta V12系統(tǒng)在行駛全程進展非常順利，能夠輕松繞過障礙物，識別道路各種標志。

馬斯克激動地表示：

V12系統(tǒng)從頭到尾都是通過AI實現(xiàn)。我們沒有編程，沒有程序員寫一行代碼來識別道路、行人等，全部交給了神經網(wǎng)絡。

而這一切是建立在巨量的「視頻數(shù)據(jù)」和1萬個H100之上。

遺憾的是，這兩個戰(zhàn)略性資源都不是國內主機廠能夠輕易追趕上的。

參考資料

[1] 你知道么，自動駕駛竟然已存在27年？佚名

[2] 智能駕駛芯片算力越大就越好嗎，遠川汽車評論

[3] 大模型應用下自動駕駛賽道將有哪些變化？天風證券

[4] AI大模型應用于汽車智能駕駛梳理：吐故納新，如日方升，光大證券

[5] ALVINN探秘：一輛來自1989年的自動駕駛汽車，雷鋒網(wǎng)

[6] 爆火的ChatGPT，能讓自動駕駛更快實現(xiàn)嗎？鈦媒體

[7] 馬斯克直播試駕特斯拉FSD V12！端到端AI自動駕駛，1萬塊H100訓練，新智元

免責聲明:本文基于已公開的資料信息或受訪人提供的信息撰寫，但解碼Decode及文章作者不保證該等信息資料的完整性、準確性。在任何情況下，本文中的信息或所表述的意見均不構成對任何人的投資建議。

       原文標題 : 大模型上車，特斯拉帶了個好頭嗎？