知名科技博主：特斯拉与全自动汽车的未来

上周Tesla推出了自动汽车专用ASIC芯片时，大家的关注焦点很多都集中在这个新硬件上，它不仅支持冗余，而且神经处理快得出奇。在Tesla陷入生产地狱之际，这一硬件的开发和执行对任何一家公司（更不用说是汽车公司了）来说都一项前所未有的壮举。就像我之前在《Tesla不可思议的平台优势》所写那样：

说你打算在“X”的时间尺度内做类似全自动这样的事情是一种承诺，但说你要开发在实体世界里面飞驰的像素的全新渲染引擎就是另一回事了。前者关于推出“全自动”的预测都是推测、营销并且受到行业定义、需求和管制的约束，而后者却是Tesla可以并且已经控制住的。

当曲线呈现出指数式态势时，改进往往就被认定是理所当然的了。我们已经习惯于摩尔定律。出于已知的原因，很多聪明人把硬件的发展看作是指数式增长，这是对的，但软件创新并没有出现这种情况。算法通常不会每2年快2倍，是硬件让它们跑得更快了。

然而，无人驾驶的限制是系统性的。它们不仅仅在单个维度上跟问题的创新相关。无人驾驶的系统性改进的关键是成规模地进行数据收集以及对这一数据的实时决策。Tesla的数据收集增长速度是线性的，但有一个东西大家没看到。整体系统的改进是指数式的，因为图像数据后处理的相关数学出现了指数式改进。

还没有被讨论过的部分（甚至Tesla也没讨论过）是，为了让数据的健壮性大大增强，他们围绕新的数学变换都做了什么。3D图像处理（连接数据帧并用新办法进行变换）是非常稳健的研究领域，因为图像处理几乎触及了当今所有的领域。

我读电子工程和图像处理的时候，有一件事情是永远也无法忘记的。我的大学教授用我们学校附近的一段217号高速公路来训练一个变换，然后输入其他图像（来自完全不同角度的图像）就可以检测出那段高速公路，而那些图像中人眼看来并没有任何的共同点。这种形式的数学变换使得图像数据的潜在价值要远远高于表面价值。在赋予足够多的图像之后，今天的计算机学会某种狗的品种也是这样学来的。

复杂数学变换的创新在于让收集到的数据的矩阵操作更健壮，这种创新正在以疯狂的速度改善着。这些针对无人车的创新主要围绕着用来执行图像深度感知的软件算法来进行，而且演进非常快速。康奈尔大学上周推出的伪激光雷达深度估计法就很说明问题。他们通过在裸图像数据基础上创建一个伪的LiDAR点平面来对深度进行建模。 最后得出的结论甚至连他们自己都感到惊讶：

马斯克说LiDAR是无人车的一种迷思，其原因在于这是一种硬件层面的进步，要靠某人生产出固态设备并且规模地商用化。但事实上，半导体供应链的工作方式会导致LiDAR硬件成本高得离谱，不可能达到让芯片公司取得盈利的经济性。LiDAR本质上就是低产量和小众的。除了汽车业，还有谁会用这个玩意儿呢？几乎没有。

想想看吧。我们都知道LiDAR成本太高，而且加装在Waymo车上看起来就像个傻瓜一样，如果出现事故要替换的话更是个噩梦。但有人却说LiDAR的某些实验性方案将来只用100美元。这种模块是固态的，而且一辆车还得装好几个。即便到那时起经济性仍不可行。丰田会突然把它放到几个型号上，推动它的量产吗？就算他们打算一年买100万套，对于LiDAR设备提供商来说也就是1亿美元的生意。听起来很多，但其实不多。这样的设备开发和商用化的成本很容易就会突破1亿美元。半导体产业有一个令人悲哀的事实，那就是专用芯片需要大规模量产业务才能做成。当然，也有少数例外，但每一美元都很重要而且大家会对廉价座椅抱怨的汽车业不在其中。

与此同时，图像感知正在以“光速”前进。现在到处都在用这项技术。可见光热潮的规模经济真正令人震惊。今年图像传感器的发货量将达到数十亿。它们出现在每一部手机上、每一个安保摄像头上，在3、4年的时间内在监控技术里面已经变得无所不在——等到大家认为LiDAR可以部署到汽车上时——AR头戴设备将会推动数百万先进图像处理芯片的交付，而这些芯片已经能够处理分辨率高得多的图像。

在此期间，Tesla还将升级汽车上的图像传感器，那种目前智能手机和相机业使用的传感器，让深度建模的复杂数学执行得更快更好——基本上跟摩尔定规律接近。在不久的将来，Tesla可能会将8K图像传感器部署到自己的汽车上。这些新的SKU将不同于目前Tesla发货的这批，会跑不同的一套算法，这种算法将用上保真度高很多的矩阵数学。

那么......自动驾驶汽车不是孤立的软件或硬件问题。除了拥有一套完全调试过的系统之外，Tesla还准备用新的方式去利用数学了处理收集到的数据。当然他们不会谈论这方面的东西。他们只是会提供引擎盖下的 “软件”的更新改进，当Model 3通过OTA进行升级后，你的车突然之间就会开得溜很多了。这些都是有案可查的。

LiDAR是一种有瑕疵的解决方案，是一种迷思。没有必要用LiDAR，而且随着3D图像处理数学通过收集的数据将可能性推向人眼的极限，它会慢慢被淘汰。而且，LiDAR的点平面信息与可见光域中采集的信息之间的差距将将会在3年内完全消失。全球具备聪明才智的电子工程师正在通力解决这个问题。

那么当Tesla迈向L5级自动驾驶时，这一切会产生什么样的影响呢？要看情况。全自动是一种滑坡谬误。大家不需要在某具体时间前拥有这个。它会被监管拖慢发展速度。这还要取决于在什么时候和在什么地方。马斯克的夸张言论很适合这个。更有可能发生的情况是在本地司法辖区的孤立部署。在镇上开全自动模式的Tesla似乎已经很接近了。不过在这个过渡期还将需要人类司机的监管。

汽车制造商要想快速行动，关键是要在向后兼容性和未来的可选性之间进行复杂的权衡。而Tesla是唯一一个已经证明可以很好地做到这一点的公司。Tesla目前正在以影子模式通过训练现实世界数据来积聚大量学习。那种规模已经令模拟数据相形见拙。你是愿意乘坐一辆在模拟环境下受训没有方向盘的汽车，还是乘坐一辆在现实世界里学习的汽车？

说实话，很难说Tesla能否成为这个市场的赢家。这里面有复杂的算计，而且他们身处的这个行业是一个非常难取得成功的行业。可以有几种办法去看待这个。其一是他们可以如何去取得的成功？但另一个审视的角度是别人又如何可以取得成功？其他没有汽车上路的公司正在依赖一些可能会也可能不会看到光明的未来技术（固态LiDAR），并且等到看见一线光明时基本上可以确定已经过时。

这一切当中的赢家已经很明确：那就是基于图像的处理和识别。而且在全自动无人车的竞赛结束之前早早就可以明确这一点了。汽车业的增长会继续在自己的暴力中寻找到和平。毕竟，跨整个技术栈的创新在创造了新的开端的同时也带来了颠覆性的终结。智能手机之战为我们带来了图像处理，而不管这一天什么时候到来，如何到来，后者的确会给我们带来一个更安全的世界，所以说这是 “和平之争”是再合适不过了。

原文链接：https://stevecheney.com/on-the-future-of-tesla-and-full-self-driving-cars/

译者：boxi。