特斯拉的智驾才是“遥遥领先” 国产方案就像手电筒
知嘹汽车/Jasper
前不久外网有个视频很火，一台特斯拉Model 3在深夜突然急刹，躲过了一只郊狼，车主在屏幕上的视觉画面里，看见了狼尾巴摆动的清晰痕迹。
而国内某厂商的激光雷达智驾，在测试场内仍然在把塑料袋当“移动障碍物”，上演了一出尴尬的空气急刹。
从坚持纯视觉的技术方案开始，特斯拉的争议就没断过。有的企业争相模仿，纯视觉路线和端到端的大模型成为了员工的KPI，而有人仍在坚持激光雷达的路线，不过更多的，是二者相结合。
根据2024年的数据显示，国产新能源智驾车型对激光雷达的依赖仍然严重，越是高端的车型越是如此，但同样也碍于激光雷达的降价速度缓慢，平均2024年激光雷达的成本仍然占据全车5%。
这个价格，
只用8个摄像头的特斯拉，为什么仍然能耀武扬威，甚至说这才是真正的“遥遥领先”？
试想你如果拥有8个能看清不同方向的眼睛，而且你还能记住你见过的每一片树叶，那恭喜你，你也拥有了跟特斯拉纯视觉系统一样的本领。
特斯拉的8个摄像头，每秒能采集100万个像素点，这相当于1秒24帧中的每一帧都有100万个信息点，而这些都会被输入进入“神经视觉网络”。
然后再经过50层的算法过滤、2D到3D的场景重建，最终生成一个比激光雷达点云更细腻的环绕模型。
单是如此，在“感知层面”就已经要强于大部分的激光雷达。
如果再加上一个在初期，就用了300万台车行驶视频喂出来的AI呢？
在数据感知之后，特斯拉的智驾会在超算Dojo上模拟各种极端场景，最终产生直觉反应，即便这一场景从未遇见，也能用“推理”解决。
对于特斯拉的纯视觉技术方案来说，最难的部分已经过去了，端到端的大模型一旦建立，只需要用各种各样的数据去喂它成长就好，现在的重点是如何采集更细腻的“数据点”。
在采集这方面，即便强如激光雷达的测距+精准，也不如摄像头采集“像素”来的更清晰。
所以特斯拉的工程师在努力更新摄像头清洁系统，而国内的车企仍在用着激光雷达的同时，在背后钻研视觉方案背后的“条条规则”。
这一点很有意思，为什么我们的企业明明已经有了视觉方案，但仍然需要激光雷达？有的车企给出的回应是“弥补不足”。
所谓不足，激光雷达缺点不光是“贵”，在雨天激光雷达如果打在雨滴上会产生“鬼影”，不仅失去了精准的
而国产的视觉方案，虽然摄像头没有什么差别，但背后的决策执行层面却尽显疲态。
前面说了，特斯拉的决策执行层面是靠数据喂养的“AI”，更贴近于人脑的智慧，而国产的很多智驾，决策执行仍然要靠一行行的代码规则，而要想让智驾更智能，比的是谁家的程序员写的“限制代码”更多。
在这里没有谁对谁错，可以说特斯拉的智驾全扔给AI有些不负责任，而一行行的限制性代码更加安全，但智驾的目的是更加智能安全，不管黑猫白猫，能抓耗子就行。
但这就有个问题，虽然摄像头限制性代码+激光雷达点阵云的方案看起来更加完善，但即便是电脑，也需要“物理时间”，以及更重要的“算力”。
激光点云+视觉画面需要复杂的融合算法，再加上限制性代码的筛选需要一行一行逐层筛检，电脑虽然算得够快，时间的增加也不过毫秒级别，先不说这个时间在某些事故上会发生截然不同的结果，系统的负载量就需要更强力的算力芯片，一旦卡机，后果更是不堪设想。
国内很多厂商的工程师自然知道这个逻辑，所以有些“物理外挂”就会格外重要。
除了用激光雷达的测距弥补视觉算法精度不足外，高精地图提前记住道路信息、遇到复杂场景就变“高级定速巡航”等方案，都是内嵌在智驾方案中。
这样的差距等于，我们的智驾不过就是带着计算器去做题，而人家特斯拉的AI早就会了心算。
不过，国内也有厂商开启了与特斯拉一样的纯视觉方案，甚至也造出了属于自己的端到端大模型，但在效果上却很难如意。
首先，特斯拉的端到端从初期建立就已经喂了全球300万车辆的行驶视频进行学习，而现在全球每日平均3.2亿公里的行驶数据，就已经是国产厂商的200倍，再加上超算中心Dojo的算力每十个月就会翻倍，目前为止200EFLOPS的算力已经能赶上30万台PS5，这样的投入放在国内的厂商中，近乎没人能够做到。
这场关于智能驾驶技术路线的斗争永远没有错对之分，我们比的仍然是智能和安全，但就以目前来看，特斯拉在旧金山教会区的复杂路况精准预判外卖小哥的突然变向，怎么都已经强过在陆家嘴直直撞上突然开门的出租车。
当年诺基亚溃败前，面对iPhone的800万像素，一怒之下用上一颗堪比单反的4100万像素摄像头试图对抗时，iPhone就已经用优化算法排除了更真实世界的计算摄影。
这场战争虽然没有对错，但电子时代，淘汰会比对错更为残忍。
知嘹汽车原创文章，如需转载请联系我们
*图片来源于网络，如侵权请联系作者删除*