馬斯克：你這個年輕人不講武德
技術 發布于：2020-11-26 12:12:47
是的，何小鵬、馬斯克，又吵起來了。
2020廣州車展，小鵬汽車帶來旗艦轎車P7的衍生車型——鵬翼版P7，新車將前車門改成更酷炫的剪刀門設計，配合限定版的“超閃綠”配色，可謂賺足了眼球，但這款車并不是我們今天要聊的重點。
因為同一個發布會上，小鵬汽車還公布了其關于自動駕駛的下一階段規劃。據何小鵬介紹，接下來小鵬汽車將會升級其自動駕駛系統的軟硬件架構，重點是引入激光雷達技術（LiDAR），并計劃在2021年量產『全球首款搭載激光雷達的智能電動汽車』。
小鵬的新戰略，引起了業內人士們的熱烈討論，有好事者在社交媒體上Cue還在治療新冠肺炎的特斯拉CEO馬斯克，問到“小鵬汽車為什么選擇使用激光雷達？...是不是意味著他們無法復制特斯拉？”，馬斯克毫不客氣地回嗆：
“小鵬汽車擁有我們的舊版軟件，但是沒有我們的神經網絡計算機”，之后馬斯克還接了一句“澄清一下，這只是小鵬汽車的問題，其它的中國公司沒有這樣做”。
言下之意，馬斯克這句話似乎在嘲諷：小鵬汽車盜竊了特斯拉之前的算法，但是現在技術跟不上，只能回到常規的激光雷達路線。
小鵬汽車這邊當然也不示弱，何小鵬聽聞馬斯克的Diss后，立即在社交媒體上Diss Back：
放言要“把你打到找不著東”，可謂火藥味十足。
為什么馬斯克、何小鵬如此針鋒相對，不惜隔著半個地球也要開懟？
恐怕，是因為兩人的梁子早就結下了。
時間回到2017年，當時剛在車載智能化跑道起步的小鵬汽車，挖走了特斯拉的自動駕駛研發核心人物——谷俊麗，后將其任命為小鵬汽車自動駕駛研發副總裁；后來在2019年初，小鵬汽車又將特斯拉自動駕駛高級工程師曹光植挖走。
然而曹光植跳槽小鵬后，特斯拉馬上對其發起訴訟，稱其盜用了特斯拉Autopilot的源代碼等商業機密——
曹光植于2017年4月入職特斯拉，2019年1月3日離職。在特斯拉工作期間，曹光植主要擔任Autopilot部門的計算機視覺科學家，可以自由訪問公司固件、自動駕駛和神經網絡三大源代碼數據庫，其中神經網絡數據庫限制最為嚴格，全公司數千職員中僅有40人能夠訪問。
特斯拉稱，2018年11月至2019年1月3日之間，曹光植備份了特斯拉的數據庫、Autopilot和神經網絡源代碼庫，將超過30萬份文件上傳至個人iCloud，在其加入小鵬汽車擔任自動駕駛感知技術相關的負責人后，仍通過多個設備訪問源代碼文件。特斯拉指控，認為其構成竊取商業機密的行為。
當時，小鵬汽車發布聲明，表示在曹光植入職前后均未發現任何違規行為，公司針對此事啟動調查。與官方回應相比，小鵬汽車CEO何小鵬在社交網絡的表態更加強硬。何小鵬表示，早就聽說馬斯克在特斯拉內部多次提及小鵬汽車，并要求團隊關注后者，直指特斯拉起訴曹光植是為了打擊小鵬汽車。
隨后的訴訟過程中，曹光植承認2019年7月曾下載特斯拉技術文件，但否認了將任何Autopilot相關的商業機密轉移至小鵬汽車。換句話說，曹光植承認離職后訪問了這些機密文件，但是否向小鵬汽車提供了相關源代碼數據成為本案的爭議焦點。
目前事件還在調查進行中，大家可以保留自己的看法。
總之，因為這些恩怨，馬斯克和何小鵬的梁子就算是結下了，明里暗里都顯露出些許“敵意”，勢同水火。
更何況，這次小鵬自動駕駛轉向的“激光雷達路線”，一直以來就是馬斯克嗤之以鼻的方案。兩人之間的裂痕進一步被擴大了。
特斯拉一直是自動駕駛領域中堅定的視覺派，馬斯克曾經公開表示“激光雷達是個愚蠢的解決方案，誰依賴激光雷達誰就完蛋”（Lidar is a fool. Anyone relying on lidar is doomed）。
他認為激光雷達捕獲的點云數據是信息量缺失的，雖然有空間信息，但是沒有顏色、沒有圖案，靜止狀態下無法區分動/靜態物體，也無法分辨特征類型。更何況，高昂的成本與龐大的體積，簡直就是大材小用。
馬斯克并非不知道激光雷達優點，他曾在社交媒體上表明，Space X就一直在使用激光雷達，但對于自動駕駛，一旦視覺感知足夠強大，激光雷達就沒意義了。
在馬斯克看來，激光雷達的引入，違背了特斯拉產品的“第一性原則”。它源自亞里士多德提出的一項哲學概念：“每個系統中存在一個最基本的命題，它不能被違背或刪除。”
這個概念后來廣為人知，少不了馬斯克的功勞。他曾在采訪中提到自己特別推崇這一原則：“我們運用第一性原則，而不是用比較思維去思考問題。我們在生活中總是傾向于比較，去做別人已經做過或者正在做的事情，這樣發展的結果只能產生細小的迭代發展。第一性原理的思想方式是用物理學的角度看待世界，也就是說一層層撥開事物表象，看到里面的本質，再從本質一層層往上走。”
這個原則也促使特斯拉的電動車實現了多次大跨度、根本性的升級與進化。放在自動駕駛中，馬斯克堅持認為，既然人類可以靠一雙眼睛開車，那么車也可以靠攝像頭完成自動駕駛。特斯拉不用高精地圖，也是出于這樣的原則。
反對激光雷達的第二個原因，是成本問題。激光雷達的成本遠遠高于攝像頭，谷歌Waymo等一線自動駕駛公司，最早使用的激光雷達光成本就高達10萬美元，雖隨技術進步、造價正在降低，但是車用激光雷達的成本依舊保持在幾千到上萬美元的水平，譬如激光雷達鼻祖Velodyne的64線及以上產品線。
同時，出于性能因素、穩定性和可靠性等考慮，一輛自動駕駛車輛可能要裝備多個激光雷達，這樣增加的成本就不是量產車能承受得起的了，而特斯拉對于成本的控制可是出了名的嚴格，馬斯克曾表示特斯拉要推出2.5萬美元的自動駕駛電動車，這一點上肯定不會妥協。
最后，基于第一性原則和超強的研發實力，特斯拉形成了視覺識別領域一枝獨秀的優勢，這也是它最引以為傲的賣點。說到底，激光雷達是一種相對簡單粗暴的方案，很多技術能力并不那么強勁的公司，在使用激光雷達融合方案之后，在感知層面就能迅速拔高水平，拉不開技術層面上的差距，更加形成不了技術壁壘。這一點也是恃才傲物的特斯拉不愿意看到的。
雖然特斯拉避之不及，但現實是，激光雷達是現在自動駕駛技術的主流解決方案。
激光雷達之所以能在攝像頭、毫米波雷達、超聲波雷達中占據C位，關鍵在于它超高的分辨率、精度和強抗干擾能力。
具體來說，激光雷達是通過發射激光束來測量視場中，物體輪廓邊沿與設備間的相對距離，從而準確捕捉這些輪廓信息組成點云，并繪制出3D環境地圖。
由于激光雷達發射的光波頻率比普通微波高出2-3個數量級，因此激光雷達具有極高的距離分辨率、角分辨率和速度分辨率，其測量精度可達到厘米級別，同時因為多路徑效應小，抗干擾能力也更強。這意味著，激光雷達可直接獲取目標的距離、角度、反射強度、速度等信息，生成目標的立體維度圖像，能夠更準確的區分物體與識別環境。
但是，它的缺點也很明顯，就是容易受到雨雪等惡劣天氣或者有煙塵的環境影響，難以在全天候的環境里正常工作。這就意味著自動駕駛不能完全只依靠激光雷達實現，而必須依賴其他傳感器的共同協助，這一點我們后面會說到。
一般來說，一家公司切換技術線路，無非是兩個原因：一個是原本的路線遇到瓶頸，需要很大代價才能解決；另一個就是找到了更加好的替代方案。
就技術層面來看，除了特斯拉，市面上也沒有一家有信心只靠視覺識別就實現L3及以上級別自動駕駛的廠商，但凡想在自動駕駛進一步突破或達到更魯棒的性能，升級傳感器就成為唯一的選項了。
據何小鵬介紹，下一代小鵬自動駕駛在軟件架構方面，將融合感知、行為規劃以及行為/運動預測、地圖融合等多個模塊，形成數據和算法的全閉環；硬件方面，搭載攝像頭、毫米波雷達、超聲波傳感器、激光雷達、高精度定位、高精地圖、高性能計算平臺的方案，總計32個駕駛傳感器，打造史上最強的硬件冗余設計。
這樣的體系升級將為小鵬汽車帶來4個方面的提升：
第一，控制域高度集成：XPU自動駕駛智能控制單元實現4合1，將行車和泊車的智能控制集成，同時通過精簡控制器、線束數量，減少系統重量。
第二，算力量級提升：高性能計算平臺將實現從幾十萬億次/秒到幾百萬億次/秒的算力飛躍，整體算力10倍級提升。
第三，高精度定位提升：RTK終端從4G升級為5G，高精地圖除優化高速道路外，補充城市道路，采用“IMU+GNSS+RTK（5G）+高精地圖（高速&城市）”的新定位方案，實現厘米級高精度定位、毫秒級低延遲，以及高達97.5%以上的覆蓋率，并具備超強魯棒性，覆蓋包括高樓、地下停車場等遮擋場景。
第四，感知融合能力提升：搭載激光雷達，提升識別橫縱向位置精度、空間分辨率（超高分辨率<0.1°）的能力。通過視覺+毫米波雷達+超聲波傳感器+車規級激光雷達的感知高度融合，提升檢測性能、測量分辨以及光線不足等條件下的性能，獲得了更加完善的感知能力。
何小鵬強調，雖然引入了激光雷達方案，但它主要是作為安全冗余，小鵬汽車的自動駕駛系統還是會以視覺識別為核心。“寧愿我硬件冗余、寧愿軟件冗余，也要把安全做好”——這是小鵬汽車的表態。想必，這里就是在影射特斯拉因Autopilot造成的多起安全事故。
從安全冗余的角度來看，小鵬的方案確實更加完善。而這個自信，或許建立在激光雷達的成本將大幅降低的基礎之上。據內部人士透露，小鵬下一臺車將是一輛A+級的緊湊型轎車，定位將低于P7，售價有可能低于20萬，在這個價格區間使用激光雷達，說明其成本得到了良好的控制。有消息稱，對于小鵬汽車的下一代自動駕駛系統，目前已經有5家激光雷達廠家正在競標，還不知花落誰家。
前面我們聊到了，特斯拉為什么討厭激光雷達？激光雷達有什么優缺點？小鵬汽車為什么由純視覺轉而使用激光雷達？
高級自動駕駛是否要使用激光雷達，與其說是一個技術問題，不如說是一個商業問題。特斯拉的視覺方案走的是『弱感知+超強算法』的路線，小鵬汽車的激光雷達方案走的是『強感知+強算法』的路線。我們可以這樣理解，感知主要是硬件成本的限制，算法是軟件技術水平的限制。
激光雷達方案，理想條件下很全能、很安全，但是現實中還要面對很多成本上的考量；相較之下，視覺識別的方案更容易鋪展開，但對技術有著相當高的要求。
針對這個問題，業內也有兩種聲音，一個是“但凡激光雷達的成本降下來，就連特斯拉也會說真香”，另一個是“但凡有替代激光雷達的方案，誰都不會使用激光雷達”，兩個觀點放在一起看，確實耐人尋味。
2018年，一篇來自美國康奈爾大學的技術論文，介紹了一種由純視覺技術實現激光雷達類似效果的方法。這一方法主要是改變了立體攝像機目標檢測系統的3D信息呈現形式，將基于圖像的立體視覺數據轉換為類似激光雷達生成的3D點云，通過數據轉換切換成最終的視圖格式。因此被稱之為偽激光雷達數據（pseudo-LiDAR）。
特斯拉曾在機器學習大會上透露，他們就在做“偽激光雷達”的相關研究。可通過不同方向的攝像頭進行圖像拼接和視覺深度估計，再投影到鳥瞰圖，作為局部導航地圖使用；同時，將畫面的每個像素都進行深度估計，就像激光雷達點云一樣，形成3D目標檢測。這一切的基礎，是有一個能夠充分理解并學習海量實時數據的神經網絡系統，而這也是特斯拉FSD的核心競爭力。只可惜，這條路上，也就只有特斯拉能做到。
針對這個問題，我們也請來皆電總編大朱和廣汽研究院郭繼舜博士來談談看法：
——大朱：馬斯克對于激光雷達的敵意更多來自于對于成本的敏感。但我們國內強大的研發和量產能力，讓激光雷達的成本也在快速降低，目前激光雷達的成本已經降低到千元級別，這種沖擊就像前不久國產心臟支架可以做到百元級沖擊市場一樣，終究激光雷達會香到讓老馬也大呼“真香”。
——郭繼舜：我是基于現在的汽車開發流程的功能安全來分析，無論是L3還是L4級別的自動駕駛，激光雷達都是必要的傳感器，這樣才能保證最大化的系統安全，所以幾乎所有的主流傳統車廠都是激光雷達方案的堅定支持者。即使會有一些成本上的壓力，但是汽車牽扯到人的生命安全，所以我們傾向于用更高的成本代價換取用戶最大的生命安全。
最后，在筆者看來，如果說攝像頭、毫米波雷達、超聲波雷達等傳感器構成的自動駕駛系統，能夠實現99%的安全性能，但加入激光雷達就能實現99.99%。那么這0.99%的進步，對于那些想讓自動駕駛汽車量產上路的車企們來說，也是必然選擇。畢竟車企們無法承受哪怕極小概率的安全隱患，更何況激光雷達的成本價格隨著競爭的加劇正在下降，逐漸邁向規模量產的邊緣，方案的可實施性逐漸明朗。
總得來說，選擇視覺識別還是選擇激光雷達，沒有高低對錯，只是左右不同。在V2X通信技術完善之前，激光雷達可能還是大部分廠商繞不開的一條捷徑。面對馬斯克的質疑，小鵬拿出更好的產品與更強的技術，就是最好的反擊。
（圖/文/攝：皆電 唐科）
