马斯克称特斯拉自动驾驶芯片最牛，你相信吗？

2017年末，我们得知特斯拉(Tesla)正试图为自动驾驶汽车制造首款计算机芯片，埃隆•马斯克(Elon Musk)在2018年10月曾表示，距离制造这种芯片只有6个月的时间。

事实上，马斯克表示，特斯拉Model S和Model X搭载全新的全自动驾驶芯片已经一个多月了，而且已经在Model 3中放置了10天。

北京时间 4 月 23 日凌晨，在加州帕洛阿尔托举行的特斯拉自主投资者日(Autonomy Investor Day)上，马斯克终于亮出了自家的自动驾驶“核武器”——特斯拉“全自驾计算机”（full self-driving computer，以下称 FSD 计算机），即之前所说的 Autopilot 硬件 3.0 正式亮相。

FSD 计算机的投入使用意味着特斯拉首度使用了自研车载 AI 芯片，目前这款芯片正安装进特斯拉生产线上的每一台电动车中。根据特斯拉官网信息，“完全自动驾驶能力”选装价格为 46300 元，但如果在交付后安装，价格则会上涨到 6.5 万元。

值得注意的是，特斯拉表示，这款硅片具有双核神经网络阵列，每秒可运行36万亿次操作，每次只需花费该公司80％的成本，另外，它还能保证每辆车的续航里程不变，而且不会影响成本。

自动驾驶芯片，马斯克说“我们最强”

在马斯克眼中，FSD 计算机已经足够支持“全自动驾驶”，未来车主仅需进行软件层面的更新就能让车辆达到自动驾驶的水平。

发布会上，特斯拉自动驾驶芯片负责人 Pete Bannon 重点介绍了特斯拉的自研自动驾驶芯片，他是特斯拉从苹果挖来的芯片设计师，曾参与 iPhone 5 A5 芯片以及多款 iPhone 芯片开发。不难看出，在这次设计中，这位曾经与 Jim Keller 搭档领导苹果芯片研发部门的顶尖芯片架构师，也将苹果软硬深度结合的风格带到了特斯拉，可以说非常 Apple 了。

今天发布的自研芯片于一年半前设计完成。从公布的一系列的参数来看，无疑是相当强大的一款硬件：144TOPS（完胜竞争对手目前最先进技术 21TOPS 的表现）另一个亮点是，这款新品新的神经网络加速器（NNA）达到令人难以置信的 2100FPS，将由三星代工生产。在不影响车辆能耗和续航的前提下，FSD 能将安全性和自动化水平提升到新的等级。总体来看，这款 14nm 芯片的设计非常针对神经网络，团队对此进行了架构优化以降低耗能和成本，尤其针对处理大量的图像和视频。

Bannon 介绍道，最新芯片上的神经网络处理器能够处理 8 个摄像头同时工作产生的每秒 2100 帧的图像输入，相当于每秒 25 亿像素，表现是之前 2.5 版本的 21 倍左右。

马斯克表示，现在特斯拉生产的每一辆车都将拥有完全自动驾驶所需的硬件。他说，从现在开始，“你所需要做的就是改进软件”。

马斯克透露，在过去的一个月时间里，特斯拉陆续放弃了英伟达提供的图像处理解决方案。马斯克表示，特斯拉的芯片是世界上最好的芯片，而且远超其他竞争对手。与此同时，特斯拉也已经将下一代芯片的工作进行了一半，马斯克表示下一代芯片可能比现有的好上 3 倍，有望在两年内推出。不过，马斯克并未准备在这次活动透露更多下一代芯片的信息。

特斯拉坚定地选择计算机视觉

团队取得的这些成绩，也让这位 CEO 再度发出豪言：“任何使用激光雷达的自动驾驶公司注定失败”。

而在软件算法的部分，作为AI大牛的特斯拉人工智能和自动驾驶视觉总监 Andrej Karpathy表示他的主要工作是训练 FSD 以及神经网络信息处理。他现场演讲展示了早期将神经网络部署在真实世界中训练的重要性。

比如说，特斯拉的每一位司机其实都参与到了神经网络的训练中，每一个新手都将为特斯拉的自动驾驶系统填入新的数据。而且，Karpathy 认为，在神经网络的训练中，和数据的规模相比，数据的质量更加重要，特斯拉的原始数据集也可能是全球最有价值的，因为特斯拉拥有全球范围的车队，可以提供各种环境、天气条件的数据，还会收集车辆的异常道路表现数据。在数据的标注上，特斯拉也正在尝试自动化标注的方向。

Andrej 强调特斯拉非常依赖视觉传感器，特斯拉的 AI 软件能够处理来自视觉传感器收集到的车道线、交通、行人等信息，将这些信号与已知的物体进行匹配再最终作出决策。

Andrej认为：“某种意义上，Lidar 是一个捷径。它回避了对自动驾驶非常重要的视觉识别基本问题，给人一种虚假的技术进步了的感觉”。他表示，和 Lidar 相比，特斯拉更加依赖计算机视觉，并将收到的视觉信息进行 3D 渲染，涵盖视频输入到深度感知。

总的来说，特斯拉认为，摄像头+数据+神经网络，足以挑战 Lidar。如此认定计算机视觉嫌弃 Lidar，这种选择现阶段这在业内也非常罕见，绝大多数业者还是采用 Lidar 的方案或者 Lidar+计算机视觉，因为目前的纯计算机视觉方案在安全性的保障上仍有一定风险。