久久狂草_九九热精品视频在线_午夜免费一区_青青草好吊色_成人免费在线网_亚洲精品午夜电影

在自動駕駛的路上，特斯拉走得比誰都激進。

10月20日，特斯拉向部分車主推送了FSD（Full Self-Driving）的最新版本FSD Beta，按照馬斯克的說法，這次更新將為特斯拉實現“零干預的”、“完全意義上的”自動駕駛功能。

早在今年6月，馬斯克就曾公開宣布，特斯拉的FSD將會迎來一次質變更新，FSD Beta是一次基本架構的重寫，而不是一次漸進式的代碼調整。重寫的算法，能夠將FSD的感知能力從2D拓展到4D，增了深度預測（Birdview映射網絡）、時間預測（RNN處理遮擋）等功能，這不僅意味著車輛能夠更清楚地感知真實世界，還能夠對位置、方向及速度做出更加精準的預判。

這個版本之前，基于FSD實現的Autopilot輔助駕駛，啟用前須滿足一些基本條件，包括清楚識別車道線、識別前方車輛、時速在30英里以上等等，但是在FSD Beta中，啟用條件大大降低，簡單到只需在導航中設定目的地就可以激活功能。

從一些早鳥用戶分享的視頻來看，FSD Beta可以實現復雜的環島路況識別、不依賴車道線的自主行駛、自主超車（或是繞過干擾物）、路口紅綠燈識別、適時左轉，以及應對各種天氣狀況的能力，包括夜晚、雨天等。

要知道，光是“不依賴車道線的自主行駛”這一點，就足以打敗市面90%的競爭對手了。

接下來，我們就看看FSD Beta究竟有什么亮點。

因為該版本目前只推送給了美國本土的部分用戶（專業用戶或媒體），所以文章中的素材與資料大多來自美國早鳥用戶的分享。

從網路流出的路試視頻中可以發現，FSD Beta重新設計了UI界面，可根據白天或夜晚的光照環境做出不同的顯示，屏幕左側1/3為車輛狀態區，右側為導航地圖，車輛模型也從區域下方提升至區域中部。

左側區域顯示了道路標線、交通標識、路口構造以及車道兩旁的汽車等元素，且用不同顏色的線條做了標識，可根據車輛的行駛狀態即時顯示信息，仿佛是在演示“FSD眼中的世界”。與此同時，可視化模型從之前的2D改進成4D，視角也從車內第一視角改為車后方的第三視角。

總得來說，顯示的信息量比之前更加豐富、更加細致，看起來科技感也更強了。不過相對于之前的版本，這次FSD Beta的UI設計有點簡陋，似乎是面向工程師的版本，相當硬核。并且，過多的信息顯示可能會吸引駕駛者的注意力，所以在之后的正式版本估計會有所調整。

我們繼續來看：

（1）識別交通信號燈

車輛前方的攝像頭能夠準確識別路口的紅綠燈，并以此決定車輛的行進。這一功能此前在美國部分地區可以使用，如今全面開放：

同時，夜晚對交通信號的識別也非常準確：

（2）識別停止標識

在美國的交通規則中，STOP標識表示車輛需要停車、進行3秒左右的觀察，然后才繼續行進，通常見于路口，FSD Beta也能良好識別并配合操作：

（3）十字路口判斷

經過十字路口時，如果要進行右轉，FSD Beta可以判斷左向或對向是否有來車，然后再繼續行進：

（4）自動通過環島

最令人吃驚的一點，FSD Beta現在能夠主動通過環島，并在過程中判斷附近車道是否有來車，根據導航決定駛出的車道：

即使是夜間行駛也完全Hold住：

（5）更加智能的召喚

FSD Beta增強了召喚功能的應用場景，可以根據停車場的實際路況判斷行車軌跡，做到區域內的完全無人駕駛：

（6）主動避讓非機動車

在狹窄的路段，如果識別到路邊有非機動車行駛，FSD Beta會輕微向另一側進行避讓：

甚至能夠準確地面的障礙物，并進行規避：

（7）鬼探頭預警

“鬼探頭”是指在視野盲區突然沖出來的行人或障礙物，往往超出人類司機的反應，來不及避讓。而FSD Beta如今具備遮擋預測，可以及時發現并制動：

除了上述幾種，FSD Beta的新功能還有很多，這里不能一一枚舉，感覺意猶未盡的朋友可以去搜一搜實車演示視頻。

全新的FSD Beta確實如馬斯克所說，實現了技術上的飛越。那么，這些功能具體是怎么實現的呢？

四個字簡單概括：硬件+算法。

特斯拉的FSD硬件出廠即搭載，沒有后續升級，我們以最新的Model 3車型為例：

Model 3擁有8顆攝像頭，其中3顆攝像頭負責前方視野，剩下5顆攝像頭則負責監控車輛側面和后方。

在最新的FSD Beta中，這8顆攝像頭采集的畫面將構成一張影像，而不是每個攝像頭獨立工作、獨立分析。這是一個非常大的提高與改進。

這里插一嘴，為什么是攝像頭而不是激光雷達方案？因為馬斯克曾經多次強調，特斯拉的目標是實現一個可以在更大范圍和道路場景下使用的自動駕駛系統，而不是像Waymo一樣，雖然傳感器武裝到牙齒，但是只能在制定區域內行駛。而攝像頭的低成本特性，才能夠支撐這個方案。

說回傳感器，Model 3還整合了處理能力增強版的1顆前視雷達，為車輛提供額外的環境數據，同時在雨霧、砂塵等天氣充當安全冗余。此外還有12顆超聲波傳感器，雖然工作半徑較短，不過它們能在任何速度下穩定工作，主要是針對車輛控制盲區時使用。

除了傳感器方面的支持，Hardware 3.0還有一顆心臟——FSD芯片。它用上了兩塊自研SoC，兩塊GPU，兩塊神經網絡處理器和一塊鎖步CPU。為了提升神經網絡處理器的存取速度以提升計算能力，每顆FSD芯片內部還集成了32MB高速緩存。從特斯拉官方公布的數據來看，Autopilot HW 3.0能夠處理來自8路攝像頭同時工作產生的每秒2300幀圖像，總算力達到了144TOPS。

在硬件基礎不變的情況下，實現功能上的迭代更新，關鍵就在于特斯拉的算法。但是算法是FSD Beta的核心技術也是特斯拉的機密，這里無法展開。我們只能從馬斯克透露的信息中，捕捉一些重點。

在去年的Autonomy Day上，馬斯克透露，特斯拉內部擁有一個代號為『Dojo』的超級計算機項目。從馬斯克的描述來看，Dojo是特斯拉繼FSD芯片后的又一大殺器，它能夠以FP32進行1 Exaflops計算。FP32是浮點數，比使用16位的FP16更加精準；Exaflop指的是計算機每秒可以處理多少浮點運算，1 Exaflop意味著每秒百億億次，與之對比的是目前世界上最強的超級計算機則是0.415 Exaflop的速度。

這套超級計算機，可以輸入海量來自車輛上傳的視頻數據，創建巨大的數據庫，從而構建出駕駛模型，并通過訓練服務器進行無監督的算法練習。這些數據包括車道標識、交通路況、障礙物、交通標志等，系統將會對這些視頻進行篩選、清洗、標注，同時還有幾百名熟練的標記工程師同步處理，以此來達到高度準確的機器學習。

想必，這些就是FSD Beta能夠對堆棧進行根本性的重寫的關鍵。

也因為有這樣的技術支撐，馬斯克在2020年的世界人工智能大會上夸下海口，他表示特斯拉已經非常接近L5級自動駕駛了，將會通過現有的硬件和不斷改進的軟件最終實現L5級自動駕駛。

然而，雖然FSD Beta的實測功能驚為天人，還是有不少極客粉絲發現了問題，其中最大的爭議就是FSD Beta是否使用高精地圖。

按照特斯拉的說法，Autopilot是基于純視覺算法實現自動（輔助）駕駛的，與業界常用的激光雷達路線截然不同。馬斯克也對自家的視覺技術有絕對的信心，一直堅持100%的視覺識別，甚至放言“基于GPS的高精度地圖是個糟糕的主意，這會讓整套系統變得脆弱”。

然而，有一位博主在社交媒體上質疑，特斯拉或許采用了“高精度地圖”，例證就是下圖，實際道路中遠側的左轉路口可視程度非常低，但是FSD Beta卻清晰地顯示出了路口的畫面：

所以有人猜測，FSD Beta預加載了道路信息，并不是真正的視覺識別駕駛。

但是還有另一個說法，FSD Beta采用的是SLAM建圖方式。SLAM，即Simultaneous Localization and Mapping，主要用于解決人工智能在未知環境運動時的定位與地圖構建問題，最早在1989年由NASA提出。

此推測的根據是，FSD Beta在采集巨大的用戶反饋數據，推特另一位博主表示："在收到FSD Beta更新的短短兩天內，他的Model 3就上傳了21.09GB的數據"，其中或許包括海量的道路信息。

國外著名特斯拉黑客（@Green）也對此進行了分析，認為特斯拉是利用車輛上傳的數據自行繪制了城市3D地圖，以此來為其他用戶的導航做參考。地圖數據采用了預加載，即便不是高精度地圖，也足以讓系統進行提前預判。

目前特斯拉官方并沒有回應這些質疑，這個問題皆電以后也還會跟進。

近年來，神經網絡與視覺學習的技術飛速發展，少不了特斯拉做出的巨大貢獻。從上述FSD Beta功能的詳解來看，特斯拉在自動駕駛領域不僅走得很激進，技術也確實夠硬。如果不出意外，特斯拉還將繼續擴大優勢。

為什么？

目前在自動駕駛領域發力的，主要有三類勢力，一個是互聯網科技巨頭、一個是新能源車企、還有一個是強調智能化轉型的傳統車企。

自動駕駛系統，說到底是依靠人工智能來實現的，而人工智能需要大量的數據來作為“養料”進化。正因為如此，對于自動駕駛技術來說，不僅要掌握自動駕駛的軟硬件整合，還需要大量的數據供人工智能進行深度學習。

從這一點來看，特斯拉擁有絕對的優勢。Google的Waymo雖然有算法，但是缺乏真實的用戶數據；通用的Cruise也有同樣的問題，數據體量遠遠小于特斯拉；傳統車企更別說了，算法還沒有一家能夠匹敵前兩者。而特斯拉這邊，光是Model 3這一款車，1年就可以賣近30萬輛，且大部分都搭載影子模式。

所謂影子模式，就是指當Autopilot處于開啟狀態時，系統會在后臺探測車輛行駛道路周圍的數據，并學習人類駕駛員的駕駛操作，最后將數據傳回服務器進行建模運算，從而優化駕駛算法再OTA給車輛。自2015年特斯拉開始在車上搭載Autopilot以來，影子模式已經后臺行駛超過30億英里。這個規模，是其它在封閉路段進行測試的自動駕駛系統都難以企及的。

分析到這里，應該有不少人覺得我們是不是快要實現無人駕駛了？對不起，這里還是要潑一盆冷水。縱使我們理論上一直在進步，但是距離完全體的無人駕駛恐怕還有很長一段距離。

首先，從技術上來看，技術的邊角案例（Corner Case）還無法有效解決。自動駕駛系統中，車輛通過雷達或攝像頭采集數據，上傳后供機器進行學習，但是實際行駛中，難免出現一些超出機器的經驗范圍的路況，這些就是邊角案例（如臺灣Model 3沖撞翻倒貨車的例子）。

電動汽車百人會的研究報告指出，如今的無人駕駛技術可處理90％的常規路況，但剩下的10％邊角案例影響巨大，需要花費90％的時間解決。

特斯拉也明白這一點，所以也給FSD Beta的使用者一些提示：首先它只推送給部分專業用戶，說明這套系統能否全面開放還存在不定因素；其次，特斯拉在更新說明中也提到，FSD Beta僅為一個測試版，使用時需要額外留心。它有可能在最危險的時候做出錯誤選擇，所以駕駛員必須保持雙手握住方向盤，并持續觀測路面的交通狀態。

除了技術層面，其它問題還包括但不限于：

法律上的責任歸屬。責任主體在任何法律中，都是一個至關重要的概念。但是自動駕駛技術，模糊了這個概念的劃分。如果處于自動駕駛的車輛不幸發生車禍，責任在于駕駛員？在于技術供應商？還是在于車輛所屬品牌？這都是目前都是沒有解決的問題（如美國Uber致行人死亡的例子）。

路權與道路規則的制定。無人駕駛車輛是否和人工駕駛車輛享有同等路權、接受統一管理？它們是否行駛在同樣的車道、應用同樣的交通規則？

產品性質的變化。自動駕駛將大幅提高車輛的使用率，從而降低了整個道路的車輛存量，因為此時人不再需要車輛的所屬權，只需要擁有車輛的使用權，產品本質的轉變，消費者是否能夠接受？

譬如說技術上的倫理。著名的電車難題又會重現，假設一輛自動駕駛的車輛，面對前方路邊突然沖出的行人，可進行躲避從而保護行人，但是會犧牲乘客和道路其它車輛的安全，反之則會傷害行人，AI該如何進行判斷選擇？

自動駕駛要面臨的問題還有很多，這里不能一一枚舉。也因為如此，致力于自動駕駛技術的企業不能操之過急，將一些還未實現的功能點前置宣傳，容易造成公眾們的誤解，甚至引發重大的安全事故。

汽車供應商大陸在2013年做過一項關于自動駕駛調查，結果顯示，66%的美國人認為“自動駕駛汽車讓我感到害怕”，50%的人認為“該技術無法可靠運行”。而到了2018年，兩項調查結果的數據卻增加到了77%。原因可能是特斯拉、Uber等公司在自動駕駛測試中一次又一次的交通事故，影響了公眾對于自動駕駛的信心。

現在我們理解自動駕駛，就是將車輛的操控權“由人交給車”，但筆者認為，應該將車輛的操控權“由人交給路”。

假設未來某一天，全民自動駕駛成真，那公路上行駛的車輛必定會采用來自不同公司的自動駕駛解決方案，技術上恐將良莠不齊、判斷標準也千人千面。況且，即使單車的自動駕駛無論多么強悍，也無法預測公路上其它車輛的行動，必定會存在意外之外的難題。

而真正實現完全無人駕駛的方法，是將整個城市交通融為一個交通網絡，路上的每一臺車通過5G和物聯網技術接入到這個大網絡中，由人工智能中心進行協調運作，每一臺車都知道自己在系統中的相對位置和將要行駛的路線，從而實現最高效的運輸效率、最大化的道路容量利用，屆時，人只需要選擇起點和終點，系統就會自動分配車輛給你，行駛至目的地。

當然，這或許只是一個不切實際的幻想，不過以特斯拉為代表的科技巨頭，或許真的能夠讓我們離科幻電影更近一步。

（圖/文/攝：皆電 唐科）