“機器如果進入人類社會，跟人類共生的時候，機器是一定會造成事故率的，講難聽一點就叫殺人”，在不久前的世界人工智能大會上，華為智能駕駛總裁蘇箐，直指特斯拉自動駕駛在“殺人”。在此番言論持續發酵之時，當地時間7月10日，特斯拉開始在美國地區正式推送“完全自動駕駛”FSD
Beta 9.0版本，首批內測規模約為2000人。
用戶對FSD Beta 9.0進行實測
在更新之後，一些熱心的車主，連夜將特斯拉開到了各種困難場景下幫助特斯拉進行極端測試。比如環島、路邊停滿車的窄路、大霧瀰漫的夜晚等等。
用戶對FSD Beta 9.0進行實測
特斯拉FSD Beta 9與其他廠商的自動駕駛方案，最大的區別在於——特斯拉僅需“攝像頭+AI算法”，就能完成“自動駕駛”。
別說激光雷達了，這回就連毫米波雷達都不再需要了。
“先別管特斯拉能不能實現自動駕駛，起碼在馬斯克的規劃里，如果太貴、不能大範圍推廣、不能全球範圍內適用，都是不能接受的發展模式。所以pure vision（純視覺）才有全適用性。”一位接近特斯拉的人士告訴虎嗅。
一、靠8個攝像頭，做自動駕駛？
馬斯克在曾提出過一個重要的觀點，他相信特斯拉汽車“僅通過改進軟件即可實現L5級自動駕駛”。
聽起來確實荒謬。
回顧一下，特斯拉曾不斷地為汽車做減法：大幅降低車輛線束長度、大幅減少車身零部件數量、大幅壓縮生產製造工序。現如今，連毫米波雷達都要被特斯拉所拋棄。
Model 3、Model Y、Model S以及Model X在內的所有特斯拉車型，都在同樣的位置安裝了8個攝像頭，它們分別布置在前翼子板左右兩側、B柱左右兩側、正後方，以及前擋風玻璃上方。
雖然，特斯拉還配備了前置雷達和超聲波雷達用以輔助，但是效果有限，而且數量遠少於國產車企的產品。這不要緊，馬斯克還有一個更瘋狂的想法——只用8個攝像頭，實現自動駕駛。
眾所周知，一個系統想要變得可靠，關鍵原則是把這個系統做“冗餘”。因此，全世界的車企，都在為自動駕駛這個極度需要可靠性的系統，瘋狂地做加法。
像百度、華為等國內熱捧的自動駕駛大廠，都採用了“激光雷達+高精地圖”的技術路線，往L4級自動駕駛邁進。就算是現階段較成熟的L2級輔助駕駛，也會採用“攝像頭+雷達”的硬件配置。
這就有了各式各樣的自動駕駛“堆料怪獸”。
目前，市面上即將量產的L4級自動駕駛車型，絕大多數都是售價昂貴的高端車型。比如，搭載激光雷達、具備1000TPOS算力的蔚來ET7，售價為44.8萬元-52.6萬元。同樣，搭載3顆激光雷達的極狐阿爾法S華為HI版，售價38.89萬-42.99萬。
上個月，百度Apollo和極狐合作，推出新一代自動駕駛車型Apollo Moon搭載了禾賽科技定製的激光雷達，官方給出這台車的成本價，48萬元——用這個錢，可以在北京聘請一位熟練的老司機，連續開車長達四年之久。
成本問題一直是業內對激光雷達的爭議點所在。比如，蔚來創始人李斌就認為，在安全性上的成本提高是值得的，而且這個成本總體可控。“激光雷達像很是汽車的安全氣囊，從車的安全的角度來講，安全帶發揮的作用雖然大於安全氣囊，但是車上不能沒有安全氣囊，能增加車的可靠性的。”他說道。
成本還是安全，這個原本答案顯而易見的問題，到了自動駕駛技術上卻出現了分歧。
雖然特斯拉FSD Beta 9，憑藉著超強的算法能力，僅用攝像頭感知，就讓車輛在城市道路進行自主的駕駛，但不過出現BUG的時候還是需要人類駕駛員去接管。
FSD Beta 9.0開進公交車道
比如網上的測試視頻中，就出現了闖公交車專用道、在單行車道上逆行、壓實線併線等情況，嚴重的還有徑直衝向道路中央的綠植。
在今年6月中旬，美國汽車安全監管機構曾公布一項數據，自2016年以來涉嫌使用高級駕駛輔助系統的特斯拉汽車的事故達到30起，其中涉及10人死亡。在那些開啟輔助駕駛的事故背後，人類和機器處於共同駕駛的狀態，責任的認定就會變得愈發棘手。
FSD Beta 9.0實線變道
上海交通大學凱原法學院鄭戈教授則認為，“在目前行業標準尚不成熟的情況下，可以由整車製造商或自動駕駛系統開發方案上統一承擔責任，如果其他軟硬件供應商存在過錯，可以基於過錯追求其侵權責任或違約責任，能夠更有效地保護事故受害人的權益。”比如威馬汽車CEO沈暉就表示，威馬的無人駕駛如果發生事故，責任方應歸主機廠。
目前，特斯拉能做的就是警告用戶——在特斯在FSD Beta 9測試版說明中也會警告司機，不要過度相信輔助駕駛系統。而馬斯克則聲稱：“運行預製軟件既是工作也充滿了樂趣。但測試列表依然停滯不前，因為我們有很多已知的問題需要修復。Beta 9解決了大多數已知的問題，不過也會有未知的問題，所以請保持警惕。在特斯拉，安全永遠是第一要務。”
但不過，讓人類駕駛員隨時準備接管機器，本身就是一件很難的事情。
正如華為智能駕駛總裁蘇箐所說：“普通用戶對新科技產品有一種傾向——一開始完全不信任，但一旦他試過，他覺得很好的，就會變得非常非常信任，這個時候就是出事故的開始。”
二、有“外掛”，為何不用？
“廣義的自動駕駛是一個難題，因為它需要解決非常多的現實世界的人工智能問題。此前沒想到這麼難，但回想起來難度是顯而易見的。”這是在V9推送之前，馬斯克在社交媒體上寫的一句話。
在“賣慘”背後，馬斯克還有句話被忽略——“沒有什麼比現實，擁有更多的自由度”。這裡的“現實”指的是特斯拉的攝像頭裡看到的“現實世界”，也就是特斯拉所堅持的純視覺感知。
目前業內比較主流的傳感器，包括攝像頭、激光雷達、毫米波雷達、超聲波雷達。
考慮到各種傳感器均有自己的局限性，車企或自動駕駛集成方在應用場景和系統功能設計的過程中，需要充分考慮功能安全冗餘，通過足夠可靠的傳感器方案，配合可靠的算法、以及計算和執行單元，來保障整體系統的功能安全。
就比如，純視覺感知所採用的攝像頭，成本低，可以識別不同的物體，在物體高度與寬度測量精度、車道線識別、行人識別準確度等方面有優勢，是實現車道偏離預警、交通標誌識別等功能不可缺少的傳感器。
但是，攝像頭有兩個致命缺點：一是作用距離和測距精度不如毫米波雷達。二是容易受光照、天氣等因素的影響。
而毫米波雷達恰好可以彌補，但毫米波雷達不能成像，所以難以識別車道線、交通標誌等元素。所以兩者，需要相互配合。
毫米波雷達的數據集（來源：Oxford Radar RobotCar Dataset）
絕大多數企業會採用攝像頭+毫米波雷達的融合方案，來實現L2級自動駕駛能力，更準確的說是ADAS輔助駕駛，比如自適應巡航、車道保持等功能。
雖然，這兩種零部件成本都比較低，但馬斯克依舊拒絕雷達這個選項。因為他的擔憂，在攝像頭和雷達的感知融合上。
理論上，傳感器融合相當於把各傳感器優勢疊加
融合攝像頭數據和毫米波雷達數據最大的障礙在於，毫米波雷達信噪比很低，換句話說有大量誤檢測，將視覺感知結果與毫米波雷達結果進行融合時候，如果視覺和毫米波感知結果不一致，慣常做法是相信視覺，忽略毫米波檢測結果。
比如，特斯拉就出現過“幽靈剎車”，車輛駛入隧道或陰影處，系統會將陰影識別為障礙物而突然剎車，甚至導致追尾。該問題同樣出現在新款理想ONE上，相比老款，它的前置攝像頭和毫米波雷達，以及算法都有明確的改動。
馬斯克此前就通過社交媒體表示，純視覺方案會徹底消除幽靈剎車的問題。那麼解決方式，大概率就是無視毫米波雷達的信號。
還有特斯拉著名的“撞白色貨車”的事故。
罪歸禍首，也是毫米波雷達。因為毫米波雷達無法測出貨車上方橋樑和道路指示牌的高度，在毫米波雷達的“眼裡”，靜止的貨車、橋樑、指示牌都是地面上的物體。這種情況需要屏蔽毫米波雷達的信號，但顯然事故發生時是沒有。
所以，馬斯克的做法是，“幹掉”惹事的毫米波雷達，一心突破攝像頭的短板。
今年3月，特斯拉獲得了一項“使用視覺圖像數據估計物體屬性”的專利。該項專利使用兩個神經網絡，僅使用圖像數據，測量與物體之間的距離。其中一個神經網絡可確定物體與車載攝像頭捕捉到的圖像之間的距離。另一個神經網絡以標註圖像的形式，為前者創建訓練材料。
在測距問題上，特斯拉是解決了。但至於極端天氣情況下，僅靠攝像頭的純視覺感知能否保證安全，目前特斯拉的測試用戶中還沒有出現“中獎幸運兒”。
“用戶就是免費的安全員”，某自動駕駛公司人士向虎嗅這樣總結道。
三、為何國內車企不用學特斯拉？
那麼，既然傳感器硬件的問題可以解決，為何國內車企不學特斯拉呢？
首先，數據量就不在一個級別。
特斯拉的“影子模式”，會始終觀察外部環境與駕駛員的動作。若在某個特定場景中駕駛員的操作與“影子”的預判不符，則此次數據會傳輸到特斯拉的服務器中，對算法進行修正性訓練，在下次同場景時予以更正。
這背後，依靠的上百萬輛、由用戶駕駛的真實場景數據。而不是一些自動駕駛測試車在荒郊野外，一圈一圈跑出來的。本質上，人工智能就是“喂”數據，自動駕駛也逃不過這個環節。
某品牌自動駕駛測試車
其次，商業模式也不同。
即便是標榜着互聯網基因的蔚來汽車、小鵬汽車，其營收構成中仍有超90%的收入來自汽車銷售。國內車企推出的所謂的智能汽車，還在跑規模的階段，新產品的迭代自然也要伴隨着新的硬件加入。功能實現與否先不說，起碼把硬件的天花板提到最高。
特斯拉希望儘早的打破這個“賣車不賺錢”的格局，從自動駕駛軟件付費上賺更多的錢。
但前提就是，存量車型和新增車型需要保持自動駕駛硬件的一致性，這樣才能通過一個軟件OTA，實現功能的統一升級。而這也就是為什麼，特斯拉無論是售價百萬的Model S，還是二十幾萬的Model 3都採用同一套8個攝像頭的配置組合。
特斯拉首席財務官扎克·科克霍恩，在2021年Q1的財報電話會上說過：“基於完全自動駕駛（FSD）的經常性收入將潛力巨大，我們有一系列不同車型，有大量的用戶。”
特斯拉在全球的存量用戶早已超過100萬輛。2020年，特斯拉在全球交付49萬輛新車，今年上半年，光是在中國就售出16萬輛新車。FSD軟件包升級一口價6.4萬元，這樣收入規模可見一斑。
最後在監管上，國內車企本身有更多的自由度。
比如近期，數據安全和道路信息採集的話題就備受關注。目前國內大多數廠商在做自動駕駛的時候，因為使用到了激光雷達，所以繞不開高精地圖。相比普通的地圖，高精地圖擁有更精準的定位和信息，可以精確到厘米級。
“自動駕駛有兩個基礎功能，感知和定位。激光雷達可以不用高精地圖做感知，當然效果會差一些。激光雷達做定位，需要依靠高精地圖。”某自動駕駛工程師告訴虎嗅。
小鵬P7的NGP導航輔助駕駛功能，就已經採用了高德的高精地圖。理想ONE即將推出的NOA，也來自高德支持。蔚來NOP，則是來自百度的高精地圖。在高精地圖的加持下，車輛擁有更精準的定位，從而可以產生更優異的決策規劃，並提升駕乘體驗的舒適性。
如果特斯拉，要走激光雷達+高精地圖的路徑實現高階自動駕駛，特斯拉麵臨的可能不再是技術問題，而是監管問題。尤其是在中國，特斯拉雖然與騰訊地圖、百度地圖都有過合作，但目前仍未跡象表明會採用這兩家的高精地圖。
在國內，特斯拉就更不可能獲得高精地圖採集資質。而在全球範圍內，特斯拉唯一能做的，就是通過車載攝像頭來收集大量真實路況數據，業內稱之為“眾包模式”。正如馬斯克所說：“8個攝像頭在同一時間進行360度高幀速率視頻的拍攝。”
“Tesla目前收集的數據是視覺+毫米波，質量確實相比有激光雷達的差。但是它依靠先進的自動標註、神經網絡研發、超級計算機等能力，硬生生的用較差的數據訓練出了很強的功能。”上述自動駕駛工程師補充道。
寫在最後
特斯拉是一家什麼樣的公司？在過去幾年一直有着不同的版本，從最早的電動車公司，到後來的能源公司，再到後來的軟件公司。
從FSD V9的開始，特斯拉可能又換“帽子”了。正如馬斯克在2021年第一季度財報電話會上所說的：“從長遠角度來看，人們會發現我們是一家人工智能機器人公司。”
當然，我還是奉勸大家，少聽聽馬斯克說了什麼，多看看馬斯克了做什麼。