歡迎關注“新浪科技”的微信訂閱號：techsina 

　　來源：遠川汽車評論

　　雖然特斯拉AI Day才舉辦了兩屆，但由于干貨太多，技術太過硬核，也被業內稱為自動駕駛領域的春晚。

　　去年AI Day的關鍵詞還是BEV、Transfomer和Hydranet，今年就變成了Occupancy Network，技術迭代能力驚人，而無論名詞怎么變，特斯拉對于純視覺路線的堅持絲毫沒有動搖。

　　反映在現實層面，隨著AI神經網絡架構越來越成熟，以及云端超算DOJO的推出，特斯拉在感知環節所需的硬件端可以實現“化繁為簡”，成為100%的純視覺派，因此，馬斯克也被稱為“雷達殺手”。

　　2018年，馬斯克嘲諷激光雷達是自動駕駛的“拐杖”、“雞肋”和“闌尾”；2019年，馬斯克又再下判斷，“那些依賴激光雷達的人注定失敗”。2020年，小鵬宣布要推出帶激光雷達的P5時，馬斯克甚至在推特上怒噴，隨后何小鵬在微博上強硬回懟，聲稱要把特斯拉打得找不著北。

　　到了2021年，特斯拉變得更加激進，當年5月宣布拿掉北美市場新生產的Model 3/Y上的毫米波雷達，在行業內引發了不少爭議，上周，特斯拉將刀揮向超聲波雷達。

　　問題來了，在整個行業試圖將更多、更強大的雷達裝上車，為自動駕駛提供多傳感器保障時，特斯拉為什么堅持一枚雷達也不要？難道僅僅只是因為“錢”的問題嗎？

　　在本文中，我們試圖回答幾個問題

　　一、特斯拉為何要不斷拋棄雷達？

　　二、特斯拉移除各種雷達的底氣是什么？

　　三、雷達還有機會登上特斯拉嗎？

　　01

　　活太糙，價太高

　　特斯拉拋棄雷達的原因并不復雜，總結一下，要么是干活太糙，要么是要價太高。特斯拉官方認證的兩個關鍵詞則是：信噪比（信號與噪聲的比例）與成本。

　　率先被特斯拉砍掉的毫米波雷達，被拿下的理由就是信噪比太低。

　　毫米波雷達的工作原理非常簡單，發射無線電波，接收回波，然后根據時間差、相位差來測距、測速。

　　但問題在于，主流車載毫米波雷達分辨率低，缺乏測高能力，且整個過程中伴隨雜波干擾，這導致物體在探測結果中常常呈現為一個點（也可能一個點都沒有，或者出現本不該有的雜點），很難判別形狀和類別。

　　這就好比讓一個人蒙住雙眼，只用一根手指頭去摸索判斷前方物體的屬性，效果可想而知。

　　汽車行業對毫米波雷達的使用大多是揚長避短，只取其對動態物體的追蹤能力。

　　但靜態物體是它逃不開的噩夢，為了避免毫米波雷達把井蓋、天橋等各種靜止物體一概當做障礙物，行業基本會屏蔽其對靜止物體的探測信號，不然會導致“幽靈剎車”的情況頻發。

　　因而在傳統汽車毫米波雷達上，一個復雜的真實世界經常被降維成只有一些點的平面。

毫米波雷達眼中的世界

　　況且，特斯拉使用的毫米波雷達一直是大陸在2016年推出的入門級產品ARS 410，性能已經過時。在特斯拉近兩年的技術框架中，毫米波雷達的探測信號經常成為感知系統中的“噪聲”，污染感知數據，誤導其他傳感器，反而可能增加意外情況。

　　有這一鋪墊，超聲波雷達今年被特斯拉砍掉也顯得順理成章。

　　某種程度上，超聲波雷達更是劣化版的毫米波雷達——毫米波有的功能它沒有，毫米波存在的問題它一個不少。其探測距離短（通常3米內），無法測速，也不能測出物體輪廓，主要優點是便宜（數十元一枚，一整套方案也不過幾百塊），能用在低速場景下，倒車、泊車時輔助防撞。

　　相比于性能孱弱的毫米波和超聲波雷達，激光雷達在信噪比問題上倒是有很大改善，大到特斯拉也悄悄用過這根“拐杖”。

　　表面上對激光雷達嗤之以鼻的特斯拉，實際上在2021年給一批車輛安裝過激光雷達，目的是利用后者精度極高的測量，幫助視覺算法進行校準。然而，這批車僅僅是測試車型，充其量激光雷達只在特斯拉打了一段時間臨時工。

搭載激光雷達測試的Model Y

　　激光雷達自始至終沒能登上特斯拉量產車，主要原因是另一個命門：成本太高。

　　成本殺手的理念刻在特斯拉的基因里。特斯拉創業之初選擇18650圓柱電池作為動力電池，原因就是工藝成熟，價格低廉。更新的例子，是特斯拉在Model Y白車身上率先啟用了后橋一體化壓鑄工藝，將原本七十個零部件一體成型，不僅降低重量，還將成本削減40%[1]。

　　作為智能電動汽車第一摳廠，激光雷達的高成本讓特斯拉難以接受。

　　當前，一枚高性能激光雷達價格可達上萬元，便宜的也要3000元[2]，而一枚高清車載攝像頭模組的價格僅400元[3]，特斯拉自研的FSD芯片估算成本也才200美元。

　　如果搭載激光雷達，特斯拉的智能駕駛硬件成本可能會直接翻倍，這和特斯拉“技術普惠”的愿景背道而馳。

　　此外，除開信噪比與成本兩個大頭，雷達們還有其他問題：數據格式不同，標定、融合的技術門檻高，計算開銷大；工作頻率不同（激光雷達每秒10幀，攝像頭每秒36幀），數據時間同步也是技術障礙。采取多傳感器路線的車企，往往要供養數百甚至上千人規模的團隊。

　　而特斯拉將雷達悉數砍掉的破釜沉舟，則能背水一戰，將資金與資源悉數聚焦到馬斯克最信任的技術路線上——純視覺自動駕駛。

　　02

　　視覺“殺死”雷達

　　過去幾年，特斯拉拒絕雷達的理由，說到底，還是因為它們降本增效的速度還不夠快。故事的B面，則是特斯拉押下重注的純視覺路線技術突飛猛進，快到在不到三年的時間里端了各種雷達的飯碗。

　　其實特斯拉早期的Autopilot走多傳感器路線，理論上攝像頭與毫米波雷達協同工作，實現輔助駕駛。

　　但面對復雜情況時兩者常常互撂挑子——毫米波雷達在水平方向盲人摸象，攝像頭則是在一幀幀垂直圖像上勉力識別，像極了兩個二維生物在爭吵這個世界該是橫還是豎。

上圖：毫米波雷達視野；下圖：攝像頭視野

　　這段時期也是特斯拉輔助駕駛事故的高發期。2016年特斯拉撞上一輛側翻白色卡車的事件早已成為多傳感器協作失效的經典案例：毫米波雷達盲人摸象失敗，攝像頭對特征模糊的卡車熟視無睹，人類駕駛員未做兜底，事故避無可避。

　　改變自2020年開始發生，特斯拉意識到依靠兩個二維生物交換信息，很難準確還原三維世界。

　　當年，特斯拉推出FSD beta，全面倒向潛力更高的攝像頭，對智能駕駛算法進行重構：一方面，通過深度學習訓練，讓視覺算法學習對物體的距離和速度進行預估，獲得初步的三維感知能力；另一方面，從鳥瞰視角將多枚攝像頭獲取的信息進行融合，同時加入時間維度，算法由此“活”在了更逼近現實的四維時空中。

　　測速、測距本是毫米波雷達安身立命之本，這意味著，特斯拉視覺能力的出師之日，就是毫米波雷達失業之時。

　　2021年5月，特斯拉北美車型上的毫米波雷達慘遭一鍋端。當年6月，特斯拉人工智能總監Andrej Karpathy（今年已離職）作出解釋——在實測中，視覺算法的測速測距能力，已經逼近甚至超越毫米波雷達[4]。

　　而在今年，特斯拉的純視覺算法更進一步，橫空出世的占用網絡（Ocuppancy Network），讓攝像頭把對手瞄向了更強的存在——激光雷達。

　　基于純視覺的占用網絡算法將感知空間劃分為一個個立體網格，通過檢測網格是否被占用，以一種低算力開銷、低計算延遲的方式，實現對物體體積的測算————包括讓全世界智能駕駛團隊頭疼的各類異形物體。

　　這解決了視覺感知“物體未識別則不存在”的經典難題。而在此之前，行業多認為昂貴激光雷達才是正確答案。

特斯拉占用網絡精準探測了“前動后靜”的超長巴士，這種目標在業內通常是難題

　　在視覺算法擁有了對標激光雷達的能力后，羸弱的超聲波雷達在邏輯上也失去了存在的必要，順勢砍掉，將為特斯拉每輛車節省數百元的成本。

　　特斯拉官方表示，超聲波雷達走后，占用網絡將接管其工作：隨著算法更新，特斯拉難用的自動泊車能力將得到增強，而一直跳票的智能召喚也將隨之到來。

　　至此，在特斯拉體系內攝像頭與雷達的賽馬中，攝像頭通過算法的進化，完成了對雷達能力的模擬，以低成本實現了視覺雷達效果，一個頂仨。面對這種史詩級奮斗逼，雷達們只能相繼畢業。

　　只不過，有的雷達可能成為歷史，有的雷達，則有望在改造之后，在特斯拉重新上崗。

　　03

　　毫米波雷達再就業

　　率先下崗再就業的大概率是毫米波雷達。

　　今年6月和9月，特斯拉被發現向FCC（美國聯邦通信委員會）提交的兩款自研毫米波雷達認證申請已經通過，美國白客Green也在特斯拉車型的新物料清單中發現了毫米波雷達的身影。

特斯拉申請認證的自研毫米波雷達

　　問題是，特斯拉去年才把毫米波雷達裁了，為什么又要光速打自己的臉？

　　其中一個答案可能是隱私與數據安全。

　　2019年，特斯拉推出了哨兵模式與寵物模式，這兩個功能通過攝像頭，在車主離開的情況下持續對車內、車外環境進行監測，用以防盜、保護車內寵物。然而功能在推出后，先后引起了挪威軍方、柏林警方、中國政府的警惕，理由是高清攝像頭可能造成隱私泄漏或者國家安全風險。

　　而傳統毫米波雷達的低分辨率特征，反而是一個優勢——它能在不過分采集高精度數據的前提下，實現這些功能。

　　比如特斯拉申請的60Ghz車內雷達，根據特斯拉提交的材料，它有幾個和哨兵/寵物模式高度重疊的潛在用途：監測車內生命體征，可用于兒童感測（防止兒童被遺忘在車里）；感知車外兩米以內/破窗檢測，用于防盜；進行手勢識別，豐富車內交互形式[5]。

　　因此這一型號的毫米波雷達，可能有助于特斯拉車型在推出新功能的同時滿足各國隱私、數據合規要求。

　　不過在技術黨們看來，另一枚被特斯拉申請了保密的毫米波雷達才是重頭戲。

　　因保密令到今年12月才解禁，其具體參數和用途尚不清晰，但從已經公開的測試報告得知，這是一枚77Ghz雷達，在天線設置上采用了6收8發方案。這些信息將其身份指向了一種更先進的毫米波雷達——4D毫米波雷達，也叫成像雷達[6]。

　　傳統毫米波雷達被特斯拉從車上移除的原因，很大程度上是因為分辨率太低，難以完成對物體的精確檢測和識別。但這個問題并非無解，一般來說工作頻率越高、收發信道越多，毫米波雷達的分辨率就越高。

　　自動駕駛高精度感知要求，在倒逼著毫米波雷達的精度不斷進化，高分辨率雷達早已是熱門技術，今年更是被稱為4D毫米波雷達上車元年。

　　在國內，上汽飛凡R7就搭載了來自采埃孚的4D毫米波雷達，智能駕駛效果進步明顯——相比傳統毫米波雷達只能在平面上生成少量點，4D毫米波雷達能夠繪制立體空間中的點云圖，這與激光雷達效果相似。

Arbe 4D毫米波雷達原型機效果，該公司曾與特斯拉進行技術合作

　　實際上，4D毫米波雷達是一種介于傳統毫米波雷達和激光雷達之間的傳感器，其感知精度顯著優于前者，而成本可以低至后者1/10。特斯拉一向喜歡這樣的性價比之選，毫米波雷達重歸特斯拉在邏輯上其實很合理。

　　當下，盡管特斯拉的純視覺智能駕駛算法已經取得長足進步，但其測速、測距仍然是基于深度學習的“估測”，且面對雨、雪、霧等天氣可靠性會大打折扣。

　　而毫米波雷達的測速、測距是基于物理原理的計算，并擁有全天候的探測能力。一枚信噪比顯著提升的4D毫米波雷達，可以與特斯拉的攝像頭實現能力互補，提升系統表現。

　　其實，馬斯克對毫米波雷達的態度也從未一棍子打死，今年初他在推特上互動時，留下了頗有暗示意味的回復：“高精度（毫米波 ）雷達才是正解。”

　　04

　　尾聲

　　特斯拉對雷達態度的反復橫跳，可能會讓一些吃瓜群眾有些燒腦——不是說好了 All in 視覺嗎，怎么說變就變？

　　很久以來，群眾對馬斯克的“第一性原理”有些誤解，認為“第一性原理”在特斯拉的表現就是模仿人類，人只靠視覺就能開車，因此自動駕駛也應該如此。

　　實際上，特斯拉選擇視覺為主的智能駕駛方案，原因一，是其能看到更豐富的信息（如顏色、語義，馬斯克稱為高數量級的“量子比特”），二是成本低廉。而技術的發展是動態的，只要達成或者逼近上述條件，不同的傳感器會找到自己的用武之地。

　　特斯拉對雷達的曖昧態度，也能反映出這家公司最真實的第一性原理——設立一個高難度的目標，然后找到最具性價比的工程手段實現它。

　　（PS：國內特斯拉車型毫米波雷達、超聲波雷達依然在崗，從未失業）

　　參考資料：

　　[1] 電動車企爭相入局，一體化壓鑄為何被特斯拉帶火，見智研究Pro

　　[2] 撞了電動車，掏空我錢包，品玩

　　[3] 自動駕駛駛入快車道，車載攝像頭迎來量價齊升，東方證券

　　[4] CVPR 2021 Workshop on Autonomous Driving，Andrej Karpathy

　　[5] Federal Communications Commission DA 21-407

　　[6] 特斯拉再次擁抱雷達？凡知雜貨鋪

（聲明：本文僅代表作者觀點，不代表新浪網立場。）