马斯克不相信雷达，为什么？

原创芯世相 2022-10-19 12:00

【TI资料】专为高压系统设计的新型MCU 如何增强能源基础设施的实时控制？

其他品牌在堆料，为什么就特斯拉喜欢减配？

靠8个摄像头，特斯拉凭什么搞自动驾驶？

马斯克炮轰的激光雷达到底什么角色？

有这样的疑问是出于最近的一条新闻：“特斯拉宣布从10月开始欧洲、北美、中东地区交付的Model 3、Model Y，将取消超声波雷达，随后将推及到全球范围，Model S和Model X也将在2023年一并取消超声波雷达。”

要知道特斯拉的自动驾驶方案在最初还使用着1颗摄像头+1颗毫米波雷达+12颗超声波雷达的组合，随着特斯拉AI算法和自研的FSD芯片不断精进后......

马斯克觉得他行了。

他炮轰激光雷达，用“阑尾”形容激光雷达在车上的作用，用“foolish”形容那些使用激光雷达的人们，包括与小鹏汽车创始人何小鹏在推特上互呛。他对雷达家族的深恶痛绝，仿佛有种“错的不是我，而是这个世界”的感觉。

之所以有这样的感觉，是因为特斯拉这几年的动作完全“不合群”。别的车企，特别是那些造车新势力疯狂“上价值”，恨不得车上塞满传感器。而特斯拉在给汽车“减负”，去年5月特斯拉宣布砍掉毫米波雷达，现在又把超声波雷达砍了，至于激光雷达，如果从量产车层面上看，它没出现过，而在测试车辆上，它也就昙花一现。

在自动驾驶方案上，从此有了向左向右的问题，特斯拉一路向北，离开了有雷达的季节......

此时压力来到了那8颗摄像头上......

阅读本文你将了解到：

激光雷达怎么就成了别人的最爱？
特斯拉为什么这么嫌弃激光雷达？
特斯拉哪来的底气靠8个摄像头搞自动驾驶？
自动驾驶未来是向左还是向右？

别人眼里的激光雷达

首先了解下激光雷达的工作原理，它本质是向目标发射激光束，然后激光束碰到目标物后会反弹或是散射，返回的光波会进入激光雷达的接收器中，因为光脉冲是以光速传播，所以速度是已知的，继而可以将光波发射的一个来回的时间换算成距离。

这只是测距。当然一个激光束是没有用的，就像我们在漆黑一片的环境中行走，肯定会需要一个手电筒吧，太小不顶用，太大拿不动。

激光雷达也是这样，激光束发射的频率可以从每秒几个脉冲到每秒几万个脉冲，不断地扫描物体，就可以得到物体上所有目标点的数据，经过数据处理后，就可以得到精准的3D图像。

那么问题来了，开车上路，上下前后左右都会有突发状况或是障碍物，激光束只会朝一个方向射出，怎么一下子识别四周呢？

跟你拿手电筒左右来回照一个做法，那就是让激光雷达转圈圈~ 你可以想象成一个浑身插满灯泡的陀螺。

就像这样......

这就是机械式激光雷达，靠电机带动旋转使激光束可以360度全方位扫描。目前市面上的雷达类型多按扫描方式进行区分，按照扫描方式有无机械转动部件可分为机械旋转、混合固态、纯固态三种。整体发展趋势从机械式向纯固态演变。

但是如果只靠单线束激光，再怎么旋转也只能扫一个平面，不能测量物体的高度，所以并不适用开车这么复杂的应用场景。因此除了扫描方式外，线束的多少也决定了成像的精细度。所谓单线雷达就是只有一个激光发射器和接收器，多线雷达就是在垂直方向上有多套收发装置，目前市面上多见的多线雷达有32线、64线、96线、128线等。

这样一堆光波打在不同物体的表面后所形成的画面如下：

是不是有一种看素描画的感觉？虽然成像不太好看，但是给自动驾驶提供了一个立体的世界，可以帮助算法更好地识别周遭的环境。

没有对比就没有伤害，要清楚认识到激光雷达的重要性，还要对比下毫米波和超声波雷达。

毫米波雷达的探测距离短，受到频段损耗的影响，也无法感知行人，而且对障碍物无法精准建模，特别是高处物体和小型物体，但胜在穿透性和抗干扰能力强，因此主要用于防撞。

超声波雷达相当于毫米波雷达再减配，探测距离很短，方向性差，还受制于声波传输速度，优点可能就是便宜，所以你看那些车企一用就是十几颗，它主要应用在低速泊车等短距离场景。

由此看来，完整的一套多传感器融合的自动驾驶感知方案，就是激光雷达构建3D世界，然后摄像头丰富色彩、轮廓、纹理等细节信息，其余那两颗雷达帮忙打下手，所以激光雷达是必不可少的C位角色。

特斯拉眼里的激光雷达

特斯拉所恪守的信条，其中之一肯定有成本，从特斯拉的供应链策略里就能看出端倪。

简单来说，特斯拉的供应链策略就是一手抓（一体化）和就地取材（本土化）。以电池供应为例，特斯拉在上游原材料领域持续发光发热，与各地企业签署了供应协议。又以特斯拉上海工厂为例，在特斯拉上海厂运营一段时间后，宁德时代成为特斯拉上海的独家供应商，其他诸如结构件、座椅支架、连接件等已经国产化。

特斯拉上海厂支撑了很大一部分产能，同时也为特斯拉降低了一大笔成本。上海厂生产Model 3车型的单位成本较美国工厂下降65%。

特斯拉这样做都是为了降低运输成本，提高生产效率。除了供应链策略外，特斯拉还采用新技术来降低成本。例如，特斯拉在2020年推出的4680电池，在电池组层面每千瓦时成本降低14%。2021年，特斯拉展示了一体式底盘电池包，这种一体化压铸车身，减重10%，减少370个车身零部件。

在毫米波雷达和超声波雷达由于性能上的薄弱，已经开始拖后腿时，特斯拉自然可以以成本为由，把它们给炒了。根据 Munro Live 在油管上的一则视频分析，特斯拉通过移除超声波传感器，估计每辆车可节省成本114美元（约817元人民币）。

而激光雷达早期多用于军事、工业领域，转用民用领域，首先面临的问题就是成本。现在，一颗高性能的激光雷达的价格可至上万元，而Velodyne的64线激光雷达售价高达数万美元，但一颗高清摄像头的价格就几百元。

这么高昂的成本是抠抠搜搜的特斯拉所不能接受的，但成本也仅能作为一个通用理由。

将雷达家族除名，是特斯拉所遵循的“第一性原理”在自动驾驶方案上的写照。第一性原理指的是回归事物最基本的条件将其拆分成各要素，进行结构分析，从而找到实现目标最优路径的方法。

在自动驾驶方面，马斯克认为人可以靠视觉来驾驶汽车，那么车仅依靠摄像头也可以。唯一需要做的，就是找到如何提取摄像头所获取的信息，并利用这部分信息来训练算法模型。

马斯克这个耿直boy认为可以，它就一定是可以。就像当年马斯克坚持走自动化生产工厂，差点让Model 3难产至死，从“生产地狱”爬出来后，马斯克选择了妥协。

而这一次，马斯克不需要妥协，因为特斯拉的算法和软件功力。

特斯拉的底气是硬件吗？

很显然是。因为8颗摄像头背后是特斯拉自研的FSD自动驾驶芯片和DOJO超算。

2019年，特斯拉推出了自研的自动驾驶芯片FSD，在此之前特斯拉使用过MobileEye和英伟达的计算平台。相较于上一代自动驾驶平台，FSD芯片将算力提升至144TOPS，可以每秒处理10亿像素的图像信息。

2021年，特斯拉再度推出自研的AI芯片D1，用来训练超算DOJO。DOJO可以利用特斯拉海量的视频数据，来做无人标注和训练，能够自动学习和识别标记道路上的一切要素。今年AI Day上，特斯拉宣布，由D1芯片组成的高达1.1E算力的超算系统EXA POD将于明年一季度正式量产，届时DOJO相比英伟达A100，可以达到最高4.4倍的单芯片训练速度，而训练延迟相比同等规模的GPU，最低可至1/50。

简单来说，特斯拉给AI提供了学习课本还不说，连自习室都准备好了，而且这学习资料和自习室的规模和装修程度愈发豪华，剩下的就交给AI自己了。

但特斯拉的底气也不只是硬件。有了硬件的支撑，特斯拉拥有的海量数据和AI算法、模型，才是与其他车企拉开身位的地方。

特斯拉从2016年10月开始推出FSD（Full-Self Driving）自动驾驶套件，其选装价格已经一路上涨至1万美元。今年AI Day上，特斯拉宣布过去一年，有2000辆车参与了FSD Beta的测试，而目前这个数量已来到16万。特斯拉介绍，得益于DOJO超算，特斯拉去年训练了7.5万个神经网络模型，相当于8分钟训练一个，推送了35个更新，现阶段，FSD Beta已经可以在一定程度上实现完全自动驾驶。

每天在路上飞驰的特斯拉，已经提供了超14.4亿帧的视频数据，视频缓存达30PB，需要超过10万个GPU训练小时。

有了海量的数据，问题来到了算法和模型。

特斯拉在今年CVPR上发布了全新的算法，名为Occupancy Networks，用来改进AI模型HydraNets。

这个算法也是为了弥补缺少激光雷达所带来的问题。

我们知道计算机视觉提供的是2D图像，而现实世界是3D的，这就造就了很多识别上的问题。比如如何看到被遮挡的物体？计算机视觉中的模型都是以规整矩形来输出，但很多物体形状不规则，碰上那些奇形怪状的物体该如何识别？没有在数据库中出现的物体突然出现在眼前又该如何识别？

以上这些问题，引入激光雷达是正解，因为它能构建3D传感，来弥补2D感知上的失效，至少这是行业大部分企业所认同的。

那Occupancy Networks是如何解决的呢？

它把检测识别这个概念变成了“占用”，简单来说这个算法把世界切成了无数个小方格。

就像“我的世界”这款游戏一样，如下图：