視頻加載中，請稍候...

自動播放

play 特斯拉游戲性能堪比PS5 你會開車打游戲嗎？

向前 向后

　　歡迎關注“新浪科技”的微信訂閱號：techsina

　　文/陳悶雷

　　來源：放大燈（ID:guokr233）

　　聽說了嗎，特斯拉要改祖制，上激光雷達了！

　　眾所周知，特斯拉一直以來，都是純視覺自動駕駛最堅定的支持者。馬斯克本人更是個十分激進的“激光雷達黑”，對采用這一路線進行無人駕駛技術開發嗤之以鼻。在2019年的特斯拉“Autonomy Day”產品發布會上，他甚至直言“任何依靠激光雷達（開發自動駕駛）的人注定完蛋。這些昂貴的傳感器毫無必要，就像是長了一堆昂貴的闌尾，你們會明白的。”[1]

　　然而全球科技圈，心口不一的事情見得多了。

　　一位來自佛羅里達的自動駕駛行業顧問，Grayson Brulte，近日在推特上發布了幾張照片，稱看到一輛特斯拉頂著一套“疑似”激光雷達的設備。

　　市場沸騰了——雷達制造商LUMINAR的股價一飛沖天。馬斯克就像大洋彼岸的羅老師，帶什么貨都有模有樣，不論是浪費能源的加密貨幣，還是自己根本不想用的激光雷達。理念沖突不重要，反正效果是出來了。

　　但且慢，事情可能不是這樣。

　　說話算話馬斯克

　　好吧，整件事其實就是個大烏龍，充斥著腦補、捕風捉影和空穴來風。

　　事后當地車管局證實車輛牌照確實屬于特斯拉，但雷達出自哪家制造商則純粹是市場猜測。沒有任何官方消息表明特斯拉與LUMINAR有合，唯一可追溯的，僅是幾個“匿名人士”提供給彭博社的“私人信息”，稱LUMINAR為特斯拉提供雷達用于“測試與開發”[2]。

　　但這些信息既無法證實，也不說明任何問題。

　　首先，這不是第一次有人發現特斯拉在車頂安裝“疑似雷達”的裝置。2020年6月，在加州的特斯拉總部附近就有類似的目擊記錄[3]。

　　其次，特斯拉安裝雷達就一定是要走雷達技術路線嗎？這可不一定。一位Guidehouse Insights的分析師就表示特斯拉改走激光雷達路線“很不現實”。

　　“（特斯拉）更有可能只是在利用激光雷達技術，測試他們基于攝像頭（視覺識別）的全自動駕駛系統。如果更換路線，會導致已經交付的車輛嚴重貶值——特斯拉不可能改裝100萬量已經賣出去的車。”[2]

　　最后，馬斯克在自動駕駛的技術選擇上是非常，非常，非常極端的——何止是激光雷達，他什么雷達都不想要。

　　5月26日，特斯拉發布公告，稱將繼續推進Tesla Vision過渡：從5月份開始，為北美市場生產的Model 3 和 Model Y兩款車型將不再搭載雷達。這將是特斯拉首次完全依賴攝像頭視覺和神經網絡處理來實現自動駕駛、全自動駕駛和某些主動安全功能[4]。

　　這可比發推特噴激光雷達激進多了。這意味著特斯拉將放棄一切雷達，用攝像頭作為唯一的感知設備——這對于當前的自動駕駛行業，是極為超前，甚至魯莽的。

　　這合理嗎？其實，在“攝像頭vs雷達”背后，是自動駕駛長久以來的技術路線之爭。

　　路線之爭

　　根據美國汽車工程師學會，自動駕駛被劃為6個等級，等級越高則車載系統參與的決策與控制比例越高。

圖片來源：德邦證券[5]

　　自動駕駛可大致分為為感知、決策、執行三大步驟。其基本原理，是通過感知層的傳感設備獲取環境信息，隨后由決策層分析處理接收的信息，最終通過執行層進行車輛的行為控制。感知層獲取的信息，是后續能否做出正確判斷和控制的前提條件。因此，自動駕駛的進步，十分依賴前段傳感器的技術升級。

　　當前廣泛應用的傳感器主要包括攝像頭和雷達，其中：

　　（1）攝像頭：利用計算機視覺判別周圍環境與物體，判斷前車距離；

　?。?）雷達：分為毫米波雷達、激光雷達、超聲波雷達三類，利用發射波和反射波之間的時間差、相位差獲得目標物體的位置和速度等數據。

　　目前廣泛“上車”的是L2級自動駕駛，僅具備在限制條件下可用的輔助駕駛功能，也是目前法律法規允許的最高等級。L2不需要做出復雜決策，不依賴精確的環境信息，低精度攝像頭與超聲波雷達便足以滿足需求。

　　但對L3以上自動駕駛，這遠遠不夠。

　　從 L2 到 L3 的升級，是輔助駕駛到（有限）無人駕駛的升級，監控路況將由車輛完成，對環境信息精確度、實時運算能力的要求呈指數級增長。前端傳感器的性能，直接決定系統能否構建路況的精確模型。

　　針對高級別自動駕駛，市場目前有純視覺和強感知兩種方案：

　?。?）視覺解決方案：由攝像頭主導，配合毫米波雷達等低成本傳感器實現純視覺計算。這條路線的主要廠商為特斯拉，以及百度Apollo Lite（國內唯一自動駕駛純視覺城市道路閉環解決方案，搭載于威馬W6等車型）。視覺路線成本低，商業化比較簡單。缺點是傳感器的精度、穩定性和視野等方面均存在局限性，依賴算法彌補硬件層面缺陷，需要很強的研發能力。

　　（2）強感知方案：由激光雷達主導，配合攝像頭、毫米波雷達等傳感器組成。目前參與這一技術路線開發的公司眾多，典型代表企業為Waymo、Uber、百度Apollo等科技和出行公司。

　　與視覺方案相比，激光雷達兼具測距遠、分辨率優、受環境光照影響小的特點，且無需深度學習——這對于在軟件開發沒有優勢的傳統車企尤為重要。但激光雷達的性能和成本均面臨瓶頸，雖被眾多車企給予厚望，距離大規模裝配仍有一定距離。

　　在一些城市，你已經可以體驗到無人駕駛出租，這可能是你離激光雷達最近的機會。我們曾經體驗了百度的無人駕駛出租，說真的，有點暈。

　　激光雷達，英文全稱為 Laser Detecting and Ranging，即激光探測和測距，由發射系統、接收系統、信號處理與控制系統組成?；驹硎前l射器射出一束激光，光束遇到物體后，經過漫反射返回至接收器，由信號處理模塊計算與物體的距離及方位信息。同時，系統通過收集的環境信息繪制出三維環境地圖，精度可達到厘米級。

激光雷達成像效果圖，圖片來源：Bloomberg[2]

　　從產品形態看，激光雷達目前有機械式、半固態和純固態三條路線：

　　幾種激光雷達路線的對比：

　　1. 機械旋轉式激光雷達是最為成熟的技術方案，已經在Robotaxi/Robobus以及實驗車型得到廣泛應用。但該路線雷達的體積巨大且極為昂貴，高性能產品價格平均在3000美金以上，基本只能用來技術驗證，不太可能商業化。

　　2. 微機電系統（Micro-Electro Mechanical System，MEMS）半固態激光雷達，或稱MEMS雷達，是目前比較成熟的半固態激光雷達。該路線可大幅降低生產成本與傳感器尺寸，是替代機械式雷達的首選路線。

　　3. 固態激光雷達是指無任何機械運動部件的產品，是技術最不成熟的類型，但前景十分可觀。目前有光學相控陣（Optical Phase Array，OPA）與快速大面積掃描硬件（Fast Large Area Scan Hardware，FLASH）兩條明確路線。

　　其中，OPA雷達具有掃描快、精度高、體積小及強可控、強抗振等一系列優勢，且有比較明確的降低成本路線，被認為是最有希望在未來成為主流激光雷達的產品形態。

　　FLASH雷達是目前唯一不存在掃描系統的技術路線，其工作原理接近數字照相機，可達最高等級的車規要求，但存在測距短及分辨率不足的缺陷。去年年底，長城汽車宣布旗下旗艦SUV將搭載“全球首個全固態激光雷達”ibeo 4D，這顆FLASH激光雷達的探測距離為130米。

　　激光雷達，一種“鈔能力”

　　如果僅從技術的角度講，激光雷達確實是很好的技術，甚至可能是目前感知硬件的最優解。

　　特斯拉堅持純視覺路線，與馬斯克個人有關，但不一定是理性的選擇。

　　特斯拉的技術人員曾表示“人可以用純視覺駕駛汽車，為什么車不可以？”這一觀點乍一看很有道理，卻是一種詭辯。人之所以依賴視覺，是因為不具備其它復雜的感覺器官，但汽車并沒有生理機能的限制——往上裝設備就完事兒了。

　　一車搭載多種傳感器正是目前業界主流，像特斯拉“一條路走到黑”的反倒僅此一家。利用不同的傳感設備應對不同的駕駛場景，這無疑在靈活性和安全性上都更有保障，這些本就是自動駕駛所必須解決的。

　　那阻止激光雷達上車的核心障礙到底是什么？

　　成本。

　　激光雷達實在是太貴了，早期甚至可以高達數萬美元。據稱，百度自動駕駛汽車曾采用的Velodyne機械式激光雷達價格高達70萬元/臺[7]——一套設備比整車都貴，這個價格絕對不可能商業化。

　　因此，長期以來激光雷達路線最大的方向，就是降低成本。以色列雷達制造商Innoviz的首席執行官Omer Keilaf，在2020年底接受媒體時曾表示，如今的激光雷達組件已經有1000美元的方案可選，也明確有了可以將價格降至500美元的技術路線[8]。

　　造更便宜的雷達，同樣也是國內制造商的努力方向。90后評車團聯合創始人王若然告訴放大燈：“目前一個雷達的硬件成本已經可以實現4000人民幣左右，明年會大規模量產。但整套方案算上軟件肯定不止這個數，最終價格要看議價能力?！?/p>

　　但從市場的角度講，這個價格仍然不便宜。若一款車型安裝3顆激光雷達，疊加配套算法，整套方案價格仍可能達到兩萬元左右。這對于均價也就10萬~20萬元之間，利潤微薄的可以忽略不計，且終端購車者對價格極為敏感的國產車企而言，可能還是無法接受。

　　因此，最早裝上激光雷達的，并不是造車新勢力們，而是奧迪，其早在三年前就為旗下高端轎車裝上4線機械式激光雷達，并宣稱實現“全球首款量產L3汽車”；而在2021年，一批國產新車裝上了各種新型的、成本更可控的激光雷達——這隱約成了車企秀肌肉、讓自己看起來比別人更智能的“財富密碼”。

數據來源：長城證券[9]

　　花了這份錢，還不一定用得上。在自動駕駛僅有L2合規的大前提下，激光雷達的性價比確實一般。畢竟L2不要求特別復雜的決策能力，一套幾萬元的設備放在車上只做和攝像頭差不多的事情，實在有些“殺雞用牛刀”；而作為面向未來的能力儲備，又顯得不合時宜——畢竟技術發展實在太快了，今天的超前儲備，過幾年可能什么都不是。

　　另一方面，對車企而言，毫米波+視覺的技術路線，也是一種商業上的捷徑。

　　“選擇毫米波+視覺主要就是為了盡快實現量產，或者至少能夠投入使用”，王若然表示，“搞一個沒激光雷達的很快，技術也很成熟。加了激光雷達反而要解決算法融合問題，各方面都不劃算?！?/p>

　　這種選擇無疑是非?，F實的——商業公司首先要做的必然是活下來和掙錢，推進人類文明進步可不是它們的義務。即使是雷達公司CEO，也承認馬斯克在2018年前后關于激光雷達的發言沒什么問題。

　　“五年前，當他必須為一款面向市場的車型做出選擇時，還沒有價格合適、性能良好、技術成熟的激光雷達。所以他做出了一個恰當的決定。”Omer Keilaf 說[8]。

　　技術之外，商業之外

　　即使自動駕駛解決了路線之爭，有了成熟的解決方案，實現了降本，具備大規模裝配的條件，就萬事大吉了嗎？

　　答案是否定的。

　　自動駕駛作為一項技術，無疑有著巨大的潛在商業價值。但技術落地有時候并不只是商業問題，更是復雜的社會問題——對自動駕駛這種有著巨大社會影響力，甚至對人與技術關系有著顛覆性影響的技術而言，尤其如此。

　　技術無法孤立的存在于我們的社會之中，需要與人類交互才能實現作為工具的價值。但技術嵌入社會的過程本身，則是一個超脫于技術的復雜系統性工程：如何用新的技術倫理規范新技術的使用？如何建立民眾對技術的信任？如何將新技術從限制場景植入通用場景？配套的法律法規能否及時跟上？重大事故發生后，如何修復民眾對技術的不信任？

　　這些宏大的議題，無疑是單獨一家企業無論如何也不可能解決的，特斯拉不行，百度亦然。

　　技術層面不算特別復雜的人臉識別，引起的關于技術濫用與侵犯隱私權討論已足夠多，更何況是能重塑人機關系的自動駕駛技術：當自動駕駛掌舵時發生的交通事故，責任如何認定？光這一個問題，恐怕就夠一代法律人獻出自己的頭發了。

　　高級別自動駕駛技術需要的，不僅僅是自身與關聯產業的協同發展，也依賴從官方到民間，全方位、系統性的制度建設。

　　在此之前，談論任何大規模的商業化，都為時尚早。