在自动驾驶路线上，特斯拉一直是特立独行的。坚持在纯视觉路线，让它与那些武装到牙齿的竞争对手们，形成鲜明对立。

当然，它有这个条件，或者说资格去这样做。

目前，特斯拉的全自动驾驶方案，依然在Beta版本，已经有两年时间没有重大更新了。

虽然现在的AutoPilot具有所谓的完全自动驾驶能力，但特斯拉在官网特别声明了一点，那就是车辆尚未实现完全自动驾驶。

也就是说，有这个能力，有这个硬件配置，但是呢，还没有真正实现所谓的Full Self Driving。未来通过OTA升级，就可以一步步提高自动驾驶的水平。

那么这句话，其实有一个前提，那就是现在AutoPilot第三代硬件，已经基本定型，确定了纯视觉方案。

未来除了会提高处理器性能，基本就沿着这条线去走了。

2019年4月，特斯拉发布了第三代自动驾驶的硬件。放弃了英伟达Drive PX 2平台，转而采用自己研发的SoC。这个时候，特斯拉的感知硬件是1个前置毫米波雷达、8个摄像头和12个超声波传感器。

2021年5月，这个前置毫米波雷达被取消，只保留了8个摄像头和12个超声波传感器。8个摄像头，前面3个，车身两侧，向前看、向后看各两个，然后再加一个倒车影像的摄像头，一共就是8个。

凭借这8个摄像头，特斯拉能实现全自动驾驶吗？

有人说，不是还有12个超声波传感器吗？这个超声波传感器，主要是车辆在停车的时候，感知周围物体的距离用的，比如自动泊车、召唤功能，是需要借助这些硬件的，我们人工去停车的时候，或者在比较狭窄的道路行驶的时候，也要借助超声波传感器来判断与物体的距离。

当然，在开启自动驾驶时，超声波传感器也会侦测附近车辆，但起到的作用有限。

因为它的感应距离只有8m，而超声波相对来说比较迟钝，不适合高速行驶的工况。

那么这个时候，特斯拉的自动驾驶，其实就是8个摄像头作为图像采集，然后凭借车载的SoC芯片进行实时的运算。

这8个摄像头，真的只是摄像头而已，CMOS传感器用的是安森美半导体的，它们只负责采集图像，分辨率是1280x960，总共才120万像素，像素大小是3.75um。

这跟蔚来ET7的800万像素摄像头比起来，简直是寒碜到家。当然，自动驾驶的视觉传感，不见得像素高就是有绝对优势。我们下篇文章再分析蔚来ET7的自动驾驶配置。

120万像素，听上去很鸡肋，但是它有一个巨大的优势，那就是成本低。Model 3的前置三摄系统，总共才65美元。用最便宜（但是够用）的硬件，做出最潮流的产品，这不正是特斯拉的看家本事吗？

接下来，我们来看下特斯拉自动驾驶的主板是什么配置的？在3.0版本上，特斯拉集成了两个自研的SoC。用了三星的14nm FinFET工艺，单个SoC有60亿晶体管。

后续，特斯拉应该会向10nm甚至7nm进发。

这里顺便说下，其实对于车规级芯片，并不像移动设备那样追求几纳米的工艺，因为车载PCB的空间足够大，能承载非常大的die size。

但是，降低芯片制程，显而易见的好处是能耗会进一步降低。

整个FSD主板，具备144TOPS的算力，比起蔚来ET7那超过1000TOPS的算力，再次显得鸡肋。实际上在两个SoC中，有一个就是冗余备用的。

不过相比2.5代版本，3代硬件每秒可以处理2300帧画面，而上一代只有110帧。

从2.5到3.0，性能提升了一大截。

这是因为特斯拉在为后续的全自动驾驶铺路。

先把性能做上来，然后让老车主逐步更新软件部分，获得更多自动驾驶能力。这样的话，特斯拉就可以新老韭菜一起割。

以这张图为例，我们简单讲解一下。

可以看到，两组SoC并列，每个SoC两侧是内存，每个内存颗粒是2G，规格为LPDDR4。

也就是说每组SoC有8G的运行内容。两个芯片采用的都是BGA封装工艺。另外，每组SoC左下角的黑块是闪存，每个闪存应该是32G。

下面我们潜入单个SoC中，看一下具体的配置。

BGA封装拆开，就是这个样子的。

这是带有注解的图。

内部晶体管布局一览无余。

最右侧的是三组四核的Cortex A72处理器，作为CPU。

中间部分，上面是GPU，采用的是Mali G71 MP12；下面是NPU。注意左侧有一个Video Encoder，这个是特斯拉行车记录仪的h.265编码硬件。

那么我们重点说两个地方。

先看左上角的ISP。

ISP指的是Image Signal Processor，用于图像处理的，每秒可以处理10亿像素的数据。

ISP的角色是非常重要的，它的处理结果，很大程度上决定了电脑能否看懂当前的画面。特斯拉采用的ISP具备Tone mapping色调映射能力，什么意思呢？

因为8个摄像头采集的画面是HDR画面，也就是高动态范围，如果处理器直接对图像进行线性归一，那么获得的画面与人眼看到的会有天壤之别。

所以Tone Mapping算法就是把HDR映射为LDR，让动态范围降低，从而获得更现实的画面。

为什么要用LDR图像呢？因为HDR的数据量实在太大了，就像你用单反拍照，你用raw格式记录，但要处理成jpg才方便传播。

所以Tone Mapping的作用就是把raw变成jpg，同时保证颜色真实的一个过程。另外除了色调映射，ISP还负责对采集的图像进行降噪。

再看占地面积最大的NPU。

我们所说的算力，就是指这个NPU的性能。

话说，如今智能电动车时代，算力成为了一个新的性能参数。

特斯拉的NPU是自己设计的，那么以后车企掌握自主NPU设计能力，应该是个趋势。

NPU，神经网络处理单元。

CPU负责逻辑运算，GPU负责图像运算，那么NPU是干什么的？

NPU其实是通过电路来模拟人的神经元和突触的一种AI芯片，它是存储和计算一体化架构。

本质上，在自动驾驶这个领域，NPU就是学习怎么开车的。

如果只有CPU和GPU，系统也可以跑深度学习，但效率和能耗就不占优势了。

所以专门设计出NPU架构，来执行特定的算法。

它就像一头拉磨的驴，疯狂的原地转圈，但是每转一圈，这头驴都能收获新的技能来改善拉磨的效率。

要注意，NPU是不能单独工作的，它是给CPU做协同的。

所以NPU实际上是一种AI加速芯片。

它属于ASIC芯片的范畴。

换句话说，就是专门为某一算法设计一个硬件逻辑。

由于定制化和专用性，NPU的效率要大大高于CPU和GPU。

特斯拉的FSD够不够聪明，就是依赖于这个NPU的算力。

你可以理解为，算力越强，它的学习能力就越强。

对于自动驾驶来说，它的决策能力就会加强。

所以我们讨论自动驾驶的纯视觉路线，就是讨论NPU这种AI芯片，能否取代人脑来开车。

一个自动驾驶系统，在路上行驶，首先它要根据高精度地图和GPS知道自己的位置，我在哪条路上？然后，摄像头采集周围的画面，告诉电脑，你的环境是什么样子的？

周围的环境能否看懂？取决于电脑的图像识别能力，而图像识别依赖的就是NPU的加速运算。

那么这个时候我要变道，于是我拨动了特斯拉的转向灯拨杆，车辆预备变道，它要判断能不能变道，有没有车过来，如果有车过来，几秒钟内会以哪几种姿态撞车，如何才能避免撞车，最终得出一个结论，变还是不变。

这一系列操作，就是CPU在NPU的神经运算的配合下得出的结果。所以NPU为什么是存储和计算一体化的架构，因为要速度要快，而且吞吐量要大。所以NPU它本身不是一个大脑，真正的大脑还是CPU，但是NPU可以快速的告诉CPU结果，让CPU去发出最后的指令。

理论上，从三个方面讲：

第一，NPU的算力足够大的时候，比如说达到了10000TOPS，它的世界观就更加清晰，本地决策能力可能已经接近人的认知水平；

第二，AI算法。一个神经网络够不够聪明，除了我很能算以外，我的脑回路也要够高级，特斯拉的Dojo超级算计机，就是在不断优化AI算法模型，来提升自动驾驶的思考能力；

第三，这个摄像头的视觉信号采集能力，以及ISP和GPU的图形解析能力，代表了电脑的视力如何。就像人眼一样，眼神好的和近视眼开车的时候，那是两码事。

所以依靠纯视觉，理论上是可以实现较高水平的自动驾驶的。只是这个过程，依赖于大量的数据做支撑。

另外一个感知方案激光雷达，就有些来势汹汹了。

纯视觉和激光雷达到底哪个是趋势？还很难说，各有千秋。纯视觉方案成本低，但是依赖长期的、大量的数据训练，因为从2D画面提取3D特征，是非常难的一件事，比如纯视觉方案中，对于周边车辆的车身长度的判断就不够准确。

那么激光雷达呢，显然它的感知能力更强一些，对物体的小大和形状的判断比较精准。深度和速度信息的获取，要更具优势一些。

在这里，大家要明白一点，视觉也好，激光雷达也好，他们都会受到极端天气、强自然光、光污染的影响。不存在激光雷达更能经受恶劣条件这一说。相反，激光雷达即便做到车规级，也是高精密仪器，比一个摄像头要更娇贵。

所以你会发现，很多搭载了激光雷达的车，也都同时配有毫米波和摄像头，来实现更大的安全冗余。

特斯拉之所以采取纯视觉方案，是因为它有足够的数据训练做支撑。

目前全世界跑的特斯拉，它们的Autopilot已经累计超过30亿英里的里程。而特斯拉采用的是一种影子模式，那就是让自动驾驶系统跟随人类驾驶员的动作，来观察在各种情况下，人类是怎么做决策的，然后影子系统跟自己的算法做比对，再进行修正。相当于是驾驶员在教系统怎么开车。

从商业层面来说，特斯拉已经独占先机。其他车企很难再去做纯视觉方案。因为纯视觉方案虽然硬件成本低，但是依赖于长期、大量的数据训练。后来出的这些车，基本都选择了激光雷达，因为这种方案能够快速落地，关键是，配合其他传感器，能够实现较大的安全冗余。

尤其是对于传统车企来说，安全冗余是非常重要的。奔驰之所以能对自动驾驶事故敢于负法律责任，就是因为它对安全冗余极度有信心。

那么说到最后，纯视觉和激光雷达的路线分歧，其实是一个经济学问题。特斯拉有这个条件去做纯视觉，那它就可以去吹这个牛逼。

其他的车企，乖乖的用激光雷达就好了，快速实现量产，要比你花好几年的功夫去优化视觉算法来的实在。

从技术层面来说，视觉和激光雷达都是基于对光信号的捕捉，本质上是相通的。

只不过一个被动一个主动。

纯视觉的问题在于，单纯靠2D画面如何构建起3D世界，是个巨大的挑战。

AI经过数据训练，可以认知道路上的各类物体，但是这些物体的深度和速度信息，就难以准确判断。不过，据说特斯拉在秘密研发“伪激光雷达”，那就是从2D图像中提取深度信息。

这个我们以后再详细研究下。

而激光雷达看上去前景无限，但问题也是很多。先不说成本问题，在各种方案中，信号的衰减就是很大的挑战。在雨天、强光，甚至其他激光雷达的干扰下，激光雷达的成像距离会大大受限。

当然，凡事要用发展的眼光看，未来随着产业链的成熟，无论是TOF路线还是FMCW路线，都可能会分化出不同等级、不同性能的产品，来满足自动驾驶场景的需求。

从目前的量产车配置来看，视觉和激光雷达是相互补充的，而并非对立的。

只有特斯拉一家公司，坚持在纯视觉的路线上。

接下来，特斯拉是会从视觉方案中展现新的魔法，还是激光雷达拖鞋，是很值得玩味的。