激光雷达VS摄像头：不必diss另一方

特斯拉“全自动驾驶”（FSD）计算机发布，让马斯克有了更多diss激光雷达的底气，这背后是马斯克从押注摄像头到自研芯片再到自建车厂，试图打造出一条造车的闭环，但这条路真的好走吗？

“激光雷达傻瓜论”，引起了自动驾驶业界的集体反感，也让马斯克在计算机视觉这条路上越走越远。

实现自动驾驶，到底是激光雷达更容易还是摄像头更容易，业内已经争论多年，而目前量产车里面只靠摄像头的仅特斯拉一家，激光雷达虽然昂贵，但是3D空间物体精确定位是车企无法拒绝的技术。

不过，马斯克的“激光雷达傻瓜论”背后也有充足底气：芯片以及“全自动驾驶”（FSD）计算机，并且马斯克号称是“世界最好的芯片”。

从押注摄像头到自研芯片再到自建车厂，马斯克试图打造出一条造车的闭环，产业链也是一特斯拉为中心的生态圈，也难怪会被认为路数跟苹果相似。

但是造车毕竟不是造手机，特斯拉的路线到底是不是自动驾驶的捷径？

激光雷达VS摄像头：不必diss另一方

激光雷达与摄像头各有所长，就定位而言，激光雷达能估计3D空间中物体的精确定位，而目前使用相机（摄像头）进行定位的技术并不准确，因为它需要从2D到3D（例如使用立体视觉）进行定位，因此使用相机进行定位非常困难。尽管目前已经有利用深度学习的方法让相机本地化，但需要付出高昂的代价。

以下是摄像头和激光雷达在4个主要层面的比较：

1.成本：相机是一种廉价的传感器，而激光雷达的价格大于等于汽车的价格。

2.摄像头能看到颜色，因此可以做更好的检测和跟踪，而激光雷达不适合跟踪。

3.相机具有2D数据，因此定位非常困难，需要将其映射到3D，因此需要相机+激光雷达或多个相机。

4. 电源：摄像头可以通过USB供电，但是激光雷达需要插入外部适配器。

作为自动驾驶传感器最重要的部分：激光雷达和摄像头，两者形成不同的道路，马斯克频繁diss激光雷达，自然是摄像头路线的坚决拥护者。新智元初步梳理出了走两条路径的国内外自动驾驶企业名单（部分）。

走哪条路线并没有对错之分，不过，马斯克“激光雷达傻瓜论”既得罪了同行不说，也过于抬高计算机视觉的地位。就目前而看，深度学习带来计算机视觉效果距离自动驾驶所需的极高精度仍然有一段距离，新智元近期报道《一张贴纸欺骗AI，对抗性补丁让人类隐身，监控摄像危险了！》指出，借助一张简单打印出来的图案，就可以完美避开AI摄像头，骗过了YOLO (v2) 识别系统。

AI系统成功检测到左边的人，而右边的人被忽略了

另一方面，特斯拉在发布会上宣布，摄像头已经实现了99.9999％的准确率，但进入无人驾驶需要一个准确度高达1000000％的系统，而不是仅差0.0001％，因为即便是有0.0001％，也会出现致命车祸。

计算机视觉领域还值得关注的是，当深度学习工作时，我们并不严格知道它为什么会起作用，“黑盒”问题并没有解决。

当然，摄像头不完美不代表激光雷达完美，上文讲到激光雷达在成本、跟踪检测等方面还不如摄像头，此处不展开描述。

总之，目前行业普遍采用的方法是使用相机+激光雷达来更好地检测和定位，马斯克如果不是唯一一个，也是极少数做出二选一并且diss另一方的人。

特斯拉的“苹果”路线：造芯片押对了宝吗？

除了传感器的路线之争外，马斯克已经在特斯拉特色的道路上越走越远。

特斯拉最近发布的汽车大脑——FSD计算机，让特斯拉跻身成为能够设计AI芯片的科技公司。

芯片由三星制造，每个FSD包含两个芯片，每个芯片都有两个专门设计用于运行神经网络的加速器，FSD每秒最多可执行144 TOPS神经网络性能，处理来自8个摄像头、12个超声波传感器、各种雷达、GPS和测绘的数据。

特斯拉甚至声称，FSD计算机提供了所有必要的处理工作，为“全自动驾驶”汽车提供动力——如果软件赶上的话。

目前，特斯拉仍旧依赖英伟达提供算力，FSD计算机问世后，特斯拉拿来跟英伟达Drive Xavier比较，尽管被后者指责对标对象错了，但依旧难掩特斯拉算力不求人的姿态。

FSD计算机问世之后，特斯拉正式形成自己制芯、自己建厂、自己造车、自己销售的“自己自足”产业闭环，比苹果的生态更苹（feng）果（bi）。

抛开技术上的比较不谈，特斯拉面临的更大挑战可能是内部芯片设计所带来的成本投入和灵活性问题。把芯片做得太具体是有危险的，因为当新算法被开发出来时，特斯拉的芯片是否让算法模型足够灵活，能够适应？

AI是一个快速发展的领域，随着自动驾驶新方法的开发，特斯拉可能会发现自己在芯片方面押错了宝。

特斯拉的模式是从底层芯片到汽车销售全部掌握在自己手中，可以做更好的系统级整合和优化，但是AI芯片的量，依赖于特斯拉车的数量，现在特斯拉Model 3的周产量刚刚稳定在5000台以上，成本无法降下来，对于芯片性能提升和更新，长远来讲都会是一个问题。

实现自动驾驶需要大量的处理能力不假，AI芯片和TOPS性能也足够扯眼球，但仅靠处理器无法解决问题。尽管特斯拉承诺到2020年将拥有“超过一百万辆”全自动驾驶汽车，但仍然是只提供所谓的二级辅助驾驶：一种驾驶员辅助模式，车辆可以自行加速、制动和转向，但只能在驾驶员准备好的情况下进行控制设置控制。

自动驾驶路线之争：特斯拉模式之外的道路

不可否认，特斯拉模式给国内外车企带来了不少启发，并且已经将部分技术专利公开，人人可用，也让不少造车新势力能够自诩“中国版特斯拉”。

但是特斯拉模式并非唯一路线。

实现自动驾驶，量产和数据两个指标很重要：量产规模上去了之后，自然会得到数据；但是目前只有特斯拉自动驾驶在量产，连Waymo都没有实现大规模量产，更别提其他创业公司。

这种情况倒逼创业公司寻找出不同路径。

以驭势科技为例，驭势跟主机厂合作，开发便宜可靠的影子模式的控制器，通过影子模式获取数据，做新算法的迭代验证。

另一种路径是地平线模式。

地平线在整个智能汽车产业链里扮演的角色是做人工智能的二级供应商(Tier 2)。因此，地平线的边界也格外清晰：只造武器不打仗，不直接服务终端客户（OEM或出行服务商），不碰数据，不做应用，不做下游产品。

这种思路决定了地平线的自动驾驶定位：做汽车芯片领域的英特尔，为智能汽车提供每辆车里的“人工智能处理器inside” ，地平线将这种赋能叫做AI on Horizon。

地平线创始人兼CEO余凯也点评马斯克的FSD计算机：“地平线也同样相信车载计算的未来，不同之处在于，地平线’AI on Horizon’战略是基于开放的信仰，而不是特斯拉封闭的系统。”

如果特斯拉模式是苹果的话，那么驭势科技和地平线等公司的做法就是安卓，通过铺设大量的软硬件到车辆上，形成开放的生态，在获取开放性数据、优化算法、芯片更新迭代等方面更容易。

汽车AI芯片的创业公司机遇：中国首个车规级芯片将发布

在PC时代，英特尔的芯片为IBM、戴尔、联想的电脑提供核心算力；在智能汽车领域，还没有出现像英特尔一样一家独大的芯片企业，这也是创业公司的机会。在这个赛道上，AI创业公司、传统的传统Tier1制造商、OEM厂商以及英特尔、英伟达这样的芯片巨头都涉足进来，让这个尚处在早期的产业无比热闹。

在地平线最核心的芯片产品方面，搭载了地平线第二代BPU的车规级人工智能芯片将于今年发布，这也将是中国首个量产的车规级芯片。

余凯认为，特斯拉AI芯片优势在于能够垂直整合，劣势在于研发成本高、周期长，并且汽车产业分工原本就明确，核心处理器交由专业的供应商负责是资源最优配置。自动驾驶领域不断变化，但对于车企来讲购买和定制其他公司的芯片会更明智。

另一方面，创业公司能够适应更灵活的边缘计算环境，在纷繁错乱的物联网生态中建立体系，这是传统汽车芯片巨头所不具备的，这也是汽车AI芯片给创业公司带来的机遇。

目前，国内AI芯片创业公司已经意识到并开始建立生态系统。以地平线AI on Horizon为例，核心思想是：芯片底层开放赋能，一路成就客户。

在今年的上海车展上，“AI on Horizon”成果初显，地平线展台展示了十多款合作伙伴基于地平线AI芯片和算法打造的智能车载设备，包含智能后视镜、DMS产品、ADAS产品、智能出租车终端等等。

此外，地平线与韩国SK电讯充分发挥各自优势合作研发的众包高精地图更新与ADAS设备方案也已亮相上海车展，并有望在今年实现大规模量产。而此次车展上宣布的与禾赛科技、首汽约车的合作，进一步扩大了AI on Horizon的技术赋能 “朋友圈”。

“现在无人驾驶不会一步实现，在无人驾驶还没有到来的之前，第一步需要在车内的车机、娱乐导航系统、人机交互方面，通过AI让体验更好，更安全。第二步，从二级、三级的辅助驾驶，半自动驾驶，让用户实实在在的体会到价值，而不仅仅是给到用户无法想象的词叫无人驾驶。”余凯说。