文 | 硅谷101j9九游会真人

无东说念主驾驶， 的确能落地吗？

东说念主类研发无东说念主驾驶，也曾消耗了无数的时候与资金。到了今天，事故频发、烧钱无极端、进程平缓，激励了繁多不明与质疑：无东说念主驾驶是否是一场骗局，以致，行业已死？

这个行业，的确是我见过最分裂的行业之一，各个派系不雅点各不疏导、彼此瞧不上、彼此责怪，伟人打架之后，又各干各的，各踩各的坑，各倒各的闭，各花各的钱。

落幕等于，在2024年之前，无东说念主驾驶走入了酷寒。

但这个酷寒，随着马斯克堪称"通过端到端AI本领"重构了特斯拉的FSD，并通知要进犯无东说念主驾驶出租车（Robotaxi），似乎又出现了一些新的渴望和但愿。

端到端能否提醒我们走向真实的无东说念主驾驶呢？自动驾驶中界说的L2与L4之间的确相隔甚远吗？如今无东说念主驾驶本领发展到哪一步了？纯视觉与多模态之争，的确莫得尽头吗？

 为了探究无东说念主驾驶行业到底发展若何，我们历时3个月，采访了全球阛阓上最前沿的无东说念主驾驶公司，包括Waymo，Cruise的前中枢职工、前特斯拉FSD工程师、一二级阛阓投资东说念主等多达十多位自动驾驶界的专科东说念主士。

我们发现这个行业依然割裂，好多本线道路业内并莫得达成共鸣。

这个系列著述我们将从感知、算法、居品、运营、经济、法律等多个角度，全地点沿途来探讨如今的自动驾驶本领的最前沿近况。

本期著述我们先全面聊聊本领，下期会从运营与经济角度阐发。

01 自动驾驶是什么？

我们先来作念个观念区分：无东说念主驾驶和自动驾驶的区别是什么？

凭证智能化程度的不同，自动驾驶被分为L0到L5共6个品级：

L0为无自动化，L1指驾驶救援，L2指部分自动驾驶，L3指有条目自动驾驶，L4指高度自动驾驶，L5指完全自动驾驶，即真实的无东说念主驾驶。

我们之后提到的Waymo和Cruise，以及侯晓迪作念的无东说念主卡车都属于L4级别，特斯拉FSD属于L2级别，但马斯克堪称的特斯拉Robotaxi，却是L4级别的。

是以现时在这个产业中，东说念主们说无东说念主驾驶，一般指的是L4的公司，因为当今还没东说念主能作念到L5；而一般说自动驾驶，则是包括了通盘级别，是更泛的一个名称。

我们再来望望自动驾驶产业是奈何开动的。

尽管早在100年前东说念主类就开动探索无东说念主驾驶，但公认当代自动驾驶厚爱发源于2004年好意思国军方的DARPA挑战赛。

经过了几年发展后，形成了感知（Perception）-盘算推算（Planning）-收敛（Control）这样的运行链路。其中感知模块包含了感知（Perception）和瞻望（Prediction）。

感知层需要通过雷达、录像头等传感器获得前走漏况，并瞻望物体的招引轨迹、及时生成一张周围环境的舆图，也等于我们在车机上常见的俯视图，再将这些信息传递给盘算推算层，由系统凭证算法来决定速率与宗旨，最终再下放到执收敛层，收敛对应的油门、制动和转向机。

自后随着AI的兴起，东说念主们开动让机器我方去学习若何开车，先让算法到仿的确数字天下里开车，等仿真西宾到一定程度，就不错开动开赴测试。

而最近这两年，随着特斯拉将"端到端"决接应用在FSD V12的版块中，感知-盘算推算-收敛的运行链路也开动改变。

接下来我们安稳来聊聊自动驾驶产业在感知这一层面的两派本线道路：纯视觉派与多模态会通派，这两个流派在以前好多年一直在打架，各说各的好，我们来讲讲它们的恩仇情仇。

02 感知篇：纯视觉Vs.多模态会通

现时汽车主流的感知决策分为两种。

第一种是不少公司摄取的多模态会通感知决策，会将激光雷达、毫米波雷达、超声波传感器、录像头、惯性测量单位等传感器采集的信息进行汇总会通，来判断周围环境。

回到我们上一章说到的DARPA挑战赛，2004年第一届中，自然莫得任何一辆车完赛，但一位名叫David Hall的参赛者在比赛中相识到了激光雷达的首要性，在比赛收尾后，他创办的Velodyne开动从作念音响转向作念激光雷达。

那时的激光雷达如故单线扫描，只可对一个宗旨测距，而David Hall发明了64线机械旋转式激光雷达，不错360度扫描环境。

自后他带着这台旋转式的激光雷达，参加2005年第二届的DARPA挑战赛。终于有台头顶着5个激光雷达的车完赛并取得了冠军。

但这并不是David Hall的车……他的车辆半途因机械故障退赛了，不外他的弘扬照实让民众相识到了，激光雷达、是个"外挂"。

到了2007年第三届DARPA挑战赛中，完赛的6只队列中，5只都用到了Velodyne的激光雷达。至此，激光雷达开动成为自动驾驶界的香饽饽，Velodyne也成为了车载激光雷达的龙头企业。

张航

Cruise高等主任科学家：

当今不管是Cruise、Waymo，基于L4在作念的一些处分决策，都是基于激光雷达为主了，它不错径直拿到位置信息，这样的话关于算法自身的要求，等于相对会比较低一些，然后好多不错径直通过传感器来拿到这些3D的信息，这样对系统的鲁棒性，还有关于安全性，一些长尾问题会比较轻松。

另一个本领流派等于以特斯拉为代表的纯视觉决策了，只靠录像头采集环境信息，然后运用神经麇集，将2D的视频退换成3D的舆图，其中就包含了邻近环境的缺乏物、瞻望的轨迹、速率等信息。

比拟激光雷达决策径直生成3D舆图，纯视觉多了一说念2D转3D的经过，在张航看来，纯靠"视频"这种衰退3D信息的西宾数据，会给安全性带来一定挑战。

它需要多数的西宾数据去学出衰退3D的信息，这样的话衰退监管，因为莫得一个参照物，很难去拿到一个现实中的一个ground truth（真值数据），要是完全通过这种半监督的学习步伐，想要达到系统的一个安全性，我合计是比较难的。我合计特斯拉主要目的如故收敛资本，包括修改一些换挡的机制，都是为了审时度势一些零部件方面资本。

但在特斯拉的前AI工程师于振华看来，聘用纯视觉并不仅仅审时度势资本那么省略。

Chapter 2.1 多即是乱？

于振华

前特斯拉AI工程师：

其实特斯拉底本的自动驾驶系统是有毫米波雷达，传感器会通其实是一个很复杂的算法，等于它作念出来了并不一定好。

我那时有一辆车，是终末一批有毫米波雷达的车。在2023年的时候，我的车进行了一次珍藏，服务工程师就自动把我的雷达给去除了。这一件事情的论断是什么呢？去掉毫米外雷达不是为了资本，因为我的车也曾有毫米波雷达在那放着了。根源的原因是纯视觉也曾胜过毫米波雷达了。是以特斯拉是在作念减法，把一些他认为不需要的冗余的事情去掉，或者说牵扯的事情去掉。

于振华认为，要是会通算法作念不好，或者通过纯视觉就也曾能达到充足好的落幕了，那更多传感器反而成为牵扯。

接受我们采访的好多L4从业者也容许，信息并不是越多越好，反之，传感器网罗到的太多特地的无效信息会加重算法的包袱。

那么马斯克一直倡导的光靠录像头这一种传感器，到底行不行呢？

Chapter 2.2 少即是多？

马斯克说，既然东说念主类仅通过两只眼睛就能开车，那么汽车也不错仅凭图像信息来竣事自动驾驶，但业内关于纯视觉派的惦记一直是，视觉诓骗，在以前这照实带来了不少事故。

比如特斯拉将白色卡车识别为天外、把月亮识别为黄灯，又或者联想将告白牌上内容识别为汽车，导致高速急刹追尾等事故。

这些案例是否意味着，少了深度信息的纯视觉决策，存在先天性不及呢？

于振华前特斯拉AI工程师：多个信息流照实能提供更多的信息，然而你要解答一个问题，难说念录像头自身的信息不够吗？如故算法挖掘信息的算法才能不及？比如说紧迫刹车、在城市说念路的时候有抑扬感，其实根源等于它对周围物体的速率臆想、它的角度臆想不及，要是是这个原因，那照实激光雷达要比录像头好好多，因为它能够给你提供更径直的信息，等于录像头自身其实也给你信息了，只不外我们的算法不及够好，能够挖掘出这样的信息。

于振华不认为视觉诓骗的根柢原因是录像头的信息不及够，而是算法不及以处理或挖掘录像头给的信息。他认为，杰出是在特斯拉FSD V12算法的推出后，更讲授了当算法得到了巨大优化，录像头信息的挖掘和处理就得到了权贵进步。

于振华前特斯拉AI工程师：今天的FSD V12它不是竣工的，有好多的问题，然而我到现时为止莫得发现，哪一个问题是由于传感器不及。自然在V12之前照实好多是由于传感器不及，然而今天V12是莫得这个问题。

然而，L4的从业东说念主员就有不同的不雅点了。他们认为录像头等于有自然劣势的。

张航Cruise 高等主任科学家：我个东说念主合计是有难度的，我合计不一定是算法自身的问题。开头这个录像头自身它不像东说念主眼这样复杂，每个录像头它有一些参数，它有它的局限性。然后等于算法自身的话，东说念主不需要知说念200米范围内通盘的车的动向都在那里，我只需要知说念哪几辆车、哪几个行东说念主可能影响到我的车的活动，我只珍藏在这几个点上就够了，我也不需要很大的算力，可能短期不可够通过算法来达到这个高度，我合计激光雷达才看成是一个方式的补充吧。

从事L4连系的张航认为录像头无法与东说念主眼比好意思，主要原因在于录像头的焦距和像素是固定的，而东说念主眼的精度相当高而且不错自动变焦。同期东说念主类进步式的念念考模式，短期内无法应用在计较机上，是以使用激光雷达才能补充录像头的过错。

但市面上也有其它的看法，认为除了视觉信息，其他传感器也会带来干扰信息。

比如说，激光雷达也存在我方的过错，由于是通过激光测距，在面对一些反射物体、雨雪天气，或者其他车辐射的激光时，会对激光雷达带来干扰，最终酿成幻觉效应。

刘冰雁

Kargo软件负责东说念主：

我是非常顽强的纯视觉派，这个天下的说念路都是给东说念主和视觉遐想的，也等于说除了视觉除外，你采集的信息你不错认为都是干扰，自然你不错采集，然而那些信息提供的干扰，和它提供的真实价值，到底是什么样的漫衍？我合计在视觉越作念越好的情况下，可能反而是完全相背的。

要是能作念好多传感器会通算法，让激光雷达与图像信息彼此考据，巧合会让系统的安全性进一步晋升。

侯晓迪提倡了一个形象的譬如：两个同等水平的学霸在考试时，最终一定是使用计较器的学霸更轻松，仅仅经济基础决定了买不买得起计较器资料。

聘用纯视觉如故以激光雷达为主的多模态会通决策，这个辩白也曾无间了数年，而况似乎短期内不会有谜底。或者对一些创业公司来说，什么道路根柢也没那么首要，而资本和经济账才是最首要的。

侯晓迪

前图森将来独创东说念主兼CEO，Bot.auto独创东说念主：

我也曾被认为是视觉派的，是因为那时买不到激光雷达，是以逼着我们不得不去在视觉上多去找处分决策。

我也不反对激光雷达，激光雷达什么时候低廉了，我第一个去列队。当今激光雷达照实低廉了，是以我也在列队买激光雷达，对我来讲等于，收拢耗子的都是好猫。只消这个建设的资本充足低，只消这个建设能从信息论真理上，给我们提供充足有价值的信息，我们就该去用它。

大卫

《大小马聊科技》主播：

中国的自动驾驶圈很快地就把这些硬件，比如说激光雷达、毫米波雷达，作念成了白菜价。在这种情状下是不是还要像特斯拉那样作念纯视觉？其实好多公司当今就在夷犹了，那我是1000多块钱买一个固态激光雷达，如故我用纯视觉，然而对算力上会酿成很大的滥用。

我合计‍1000块钱太贵了，特斯拉连雨量传感器都不舍得用。

王辰晟

前特斯拉采购总监：

然而我合计随着供应链的范围的高涨，资本的大幅下落，在激光雷达能作念到和录像头相似的价钱的时候，杰出是在端到端的这样一个应用场景下，是不是纯视觉如故一个独一的旅途？

Chapter 2.3 幡然懊丧？

专诚念念的是，随着激光雷达价钱大幅下落，业内开动对特斯拉行将发布的无东说念主驾驶出租车，是否会用上激光雷达产生了不合。

比如张航就认为，由于Robotaxi莫得东说念主类过问，而且出了事需要企业负责，特斯拉可能会聘用更保守的道路，会用上也曾瞧不起的激光雷达。

Cruise 高等主任科学家：

杰出是它需要去为企业事故负责的时候，它需要愈加的保守，我合计它可能需要一个特地的传感器。从这个角度看的话，Tesla可能会采取一些，它之前看不起的本领，只消这个东西有用，能达到它L4的目的，它会平缓去摄取的。

最近我们也发现特斯拉在作念这个L4、L5的一些方面也在探究，他也在跟这个激光雷达的一些厂商也在聊一些招引，是以说可能等于民众同归殊涂。

本年激光雷达制造商Luminar发布了第一季度的财报，自大特斯拉的订单达到了10%，成为了其最大客户。而于振华却不以为然，认为这并不是什么崭新事。

开头它敬佩不是为了以后量产车上使用激光雷达，因为Luminar第一季度总收入好像是2000万好意思元，10%等于200万，也不够装几个激光雷达。其实特斯拉的工程车、测试车上装激光雷达，也不是什么精巧了，阿谁激光雷达等于用来采集西宾神经麇集的ground truth（真值数据），因为东说念主工无法标注阿谁物体距离你有几米，必须要用专门的传感器来标注。

然而Lumina为什么在第一季度表示这件事，我其实也相当疑忌，因为马斯克也那时就回复了，说我们在V12了之后，我们不需要真值数据了，因为端到端了，占用麇集是V11期间的事情，我可能是合计这里面有一些扭曲，等于从财报上或者财务章程上。

自然现时不细则特斯拉行将推出的Robotaxi是否会搭载激光雷达，但有小数不错细则的是，以现时特斯拉的感知成立，安全性还不及以达到L4、或者能运营Robotaxi的程度。

我相当细则现存的特斯拉的这几个车型，都有相当明确的盲区，等于视觉不可达的盲区，而这个盲区就酿成，要是他想竣事最终的，不管是L4、L5的自动驾驶，他的下一款车一定需要处分这个盲区问题。

特斯拉最新的端到端本领更新，以及10月将公布的Robotaxi细节猜想，我们会在第三和第四章节再详备拆解。接下来我们先探讨感知上的另外一个首要的本领：高精舆图。

Chapter 2.4 耐久弥新？

除了激光雷达外，高精舆图亦然自动驾驶感知端中的资本大头。

高精舆图等于提前采集说念路信息，裁汰感知模块绘制3D舆图的压力，并提高准确性。

说来也巧，最早扩充高精舆图的东说念主，恰是2005年第二届DARPA挑战赛的冠军——阿谁头顶了5台激光雷达的车主，Sebastian Thrun。

在2004年DARPA挑战赛时，谷歌正在筹画"街景"花式，谷歌独创东说念主Larry Page亲身到了比赛现场去物色东说念主才，在2005年比赛收尾后，Page找上了Sebastian Thrun，邀请他加入谷歌，并将绘制舆图的服务交给了他。

在这个经过中，Thrun和Page俄顷相识到，要是有一种能精准纪录通盘车说念线、路标、信号灯等说念路信息的舆图，那将对无东说念主驾驶带来巨大的匡助，这也奠定了高精舆图在无东说念主驾驶花式中的首要塞位。

然而，制作高精舆图相当不菲，自动驾驶公司采集高精舆图的平均资本简陋为每公里5000好意思元，要是要掩盖全好意思660万公里的说念路，光是采集资本都达到了33亿好意思元。

再加上舆图频繁的惊奇资本，最终消耗将是无法联想的天文数字。

当今也曾有不少车企，纷纷宣传断念高精舆图的无图决策，转而由车辆在土产货构建环境舆图。

我们匿名采访的一位自动驾驶工程师对此暗示，这些对比宣传更多的是出于买卖模式的考量，关于作念Robotaxi生意的企业，用上高精舆图能加多安全性，而关于车企来说，断念高精舆图能有用裁汰资本，是以并不料味着断念高精舆图本领水平就会更高。

匿名受访者

L4工程师：

华为还有联想，他们的处分决策是量产车，你的客户可能是来自各式城市，你要在职何城市都能开。

那当今主流的这个高精舆图，它的这个主要的门槛在于，它需要有一个舆图采集的经过，这个舆图采集的经过推行上是相对来说比较花时候、东说念主力资本的，然后他也需要专科的这个舆图采集建设。

是以要是是作念这个量产车的生意的话，你不可能说我专门有一个舆图采集车，我把全中国都给你跑遍了，这个是不现实的。

像特斯拉、华为、联想等L2的公司烧毁高精舆图，是因为无法掩盖每一条寻常巷陌。

而Waymo、Cruise这样作念Robotaxi的L4公司聘用络续使用高精舆图，因为他们发现，只需要掩盖一些关键的城市，就能拿下充足的阛阓了。

是以，是否使用高精舆图成为了Robotaxi公司的经济账问题，而不是本领问题。

Minfa Wang

前Waymo高等机器学习工程师：

要是你单看Robotaxi的买卖模式，把好意思国Robotaxi的需求来分辩，你会发现前五大的城市，它也曾占有了全好意思一半的买卖体量，你不需要让它在全好意思任何一个地方都能跑，其实你就也曾有一个格外大的一个阛阓了

近似的，我们采访的另一位作念L4自动驾驶卡车的嘉宾也共享到，他们要是要扩大运营走漏，也等于扩充高精舆图的掩盖范围，得先预计这条走漏是否赢利，不然仅仅亏损赚吆喝。

这样一圈聊下来，在感知端上，业内也莫得长入的看法，就像侯晓迪说的一样，持到耗子等于好猫。

接下来，我们要点聊聊民众最近相当珍藏的自动驾驶算法层面的最近进展，杰出是特斯拉近来鼎力宣扬的"端到端"，到底是什么本领呢？它真会改变自动驾驶的行业宗旨吗？

03 算法篇：端到端是自动驾驶的将来吗？

Chapter 3.1 何为传统？

传统的自动驾驶的运行链路是先感知、瞻望，再盘算推算，终末收敛。

感知模块要先通过录像头、雷达等传感器，识别说念路，把这些信息翻译成机器能看到的语言，传递给瞻望模块。

瞻望模子就会判断其他车辆、行东说念主的行驶轨迹，再把这些信息传递给盘算推算模块，去找出风险最低的一条路，终末再将收敛信号传递给操控系统。

这时的算法主要靠"章程库"（Rule base）来驱动，工程师需要约束写入各式章程，比如遭受行东说念主得减慢、遭受红灯要泊车等等，为了探究到各式情况，章程库就得尽可能掩盖到各式可能，相应的，代码也相当相当长了。

这样的算法有哪些难点呢？

最大的问题就在于，系统被分辩红了不同的模块，但模块之间的信息传输会有所损失，要是下流无法拿到全面的信息，瞻望和盘算推算的难度就会加多。

举个省略易懂的例子，民众都听过多东说念主寄语游戏吧？10个东说念主，重新到尾传递一句话，但频繁这段话经过多东说念主传递的经过，细节就会被丢失或转变，以至于到达终末一个东说念主那里的时候真理就大相径庭了。

近似的，在传统的Rule-based模式下，要是上一层模块作念得不够好，会影响到下一层的弘扬。

另一个短处是，章程都是由东说念主工遐想界说的，但有限的章程无法掩盖无穷可能的现实情况，一些不常见且被容易被忽略的问题，机器难以拿出对应的处分步伐，这被称为"长尾问题"（long tail case），也叫"顶点情况"（corner case），这就会导致范围化落地的资本相当高。

还有一个等于，在分两个模块的时候，我认为这个本领是很难范围化的，为什么呢？你每次要在一个现实的复杂场景中新加一个任务，那么你就要新加一些接口，你就要去改变感知、改变收敛盘算推算。

比如说特斯拉，前几年NHTSA（好意思邦交通安全经管局）要求特斯拉能够检测到紧迫车辆，比如说消防车、救护车之类的，在感知上你就要求要检测这个，然后收敛盘算推算也要作念这个，这仅仅一个任务，可能会成百上千这样的任务，你要去范围化，是以说在华为你们知说念有几千个工程师？大要是6000个工程师，因为你会有这样多约束涌现的新的任务出现，环境越复杂任务越多，我认为这不是一个可范围化的模式。

那这种步伐如故比较贪污，自然说看起来，要是作念Robotaxi行业是比较灵的一个步伐论，然而它不可得志乘用车、几百上千万台车将来在全天下的路面上行驶。

那有什么办法能处分这些问题呢？这时候就得聊聊"端到端"（End To End）了。

Chapter 3.2 新超等明星

在自动驾驶范畴内，现时主流的"端到端"界说是：传感器网罗到的信息，不加任何处理传递给基于神经麇集的大模子，并径直输出收敛落幕。

也等于说，不再需要东说念主为编写各式章程，让算法随着投喂的数据，我方学会若何开车。

因为我们东说念主类开车，我们脑子里并不是去判断某辆车的速率和角度的，你等于通过一个复杂环境来下相识地来作念出你的决策。

"让算法更像东说念主，因为东说念主等于这样运转的"这样的念念考逻辑，恰是马斯克提醒特斯拉的前进盘算推算，也不奇怪，为什么"端到端"本领在自动驾驶里并不新，然而却被特斯拉第一个作念出来。

自然2023年底，特斯拉才第一次将用上了"端到端"的FSD V12推出，但在自动驾驶界，"端到端"并不是什么崭新事。其实早在2016年，英伟达就有论文提倡了"端到端"。

而当今，"端到端"也分为两种，一种是把部分模块替换成神经麇集，这种分模块的"端到端"，仅仅一种过度方式，并不是完全体，因为各个模块之间要传递信息，依然要界说各式接口，酿成数据损失。

在主流不雅点中，惟有将多个模块融为了一个合座，去掉了感知层、瞻望层、盘算推算层这样的界说，才算隧说念的"端到端"。

2023年，CVPR的最好论文《Planning-oriented Autonomous Driving》就提倡，以前的"端到端"要么只运行在部分模块上，要么需要在系统中插入一些组件。

而这篇论文提倡了UniAD的模子架构，是初次将通盘的感知、瞻望、盘算推算模块，都整合到了一个基于Transformer的端到端麇集框架下。

比拟传统Rule-based（章程驱动）的实践链路，"端到端"不再需要算法工程师去反复完善章程库，是以才有了马斯克发布FSD V12时，声称得"其代码从30万行缩减到了2000行"。

自然自动驾驶中的"端到端"本领不是特斯拉发明的，但特斯拉照实是第一家公司把神经麇集"端到端"本领作念出来并推向主流阛阓的。

Chapter 3.3 "端到端"上风

2023年11月，特斯发布了FSD V12第一个测试版块，但仅向采纳的职工绽开。到了2024岁首，特斯拉开动将FSD V12版块绽开给好意思国通盘特斯拉车主，每位车主都有1个月的免费试用权限。

FSD V12推出后，一时候掀翻了山地风云，从用户体验上，我们看到大部分的公论都认为比之前的特斯拉FSD功能进步相当大，以致好多东说念主都认为，这是自动驾驶界的"ChatGPT Moment"。

真实让我合计进步的等于盘算推算，比如说过环岛，因为这个过环岛其实是在传统的 planning方朝上头是挺难作念的，因为你前边的车要加塞，你还要出环岛，这中间若何诞生这种优先级？

你即使诞生优先级，那你跟前车和独揽的车保持些许的距离才能出去，这是一个其实挺复杂的逻辑，然而这个在新版的FSD上弘扬照实让我合计很惊艳，这是给我一个很大的惊喜。

不少体验过FSD V12的东说念主暗示，这个通过东说念主类驾驶数据来学习的系统，驾驶作风相当像东说念主，不再有机械式算法带来的抑扬感。

但与此同期，也有嘉宾在体验后认为，FSD V12还莫得好到让东说念主非用不可，与L4之间还存在一定差距。

莫傑麟（Justin）

某眷属办公室首席投资官：

然而它莫得好到GPT4的阿谁时刻，就莫得好到说这个东西让我必须得用，或者说我立马就要用，能够适合在我的好多的场景里面去用。

高速路相对它的弘扬如故比较好的，但在街说念上我合计基本上每开5英里傍边，我合计就需要东说念主工经受一次。

尤其是在那种我们叫unprotected left turn（无保护左转），它如故比较容易作念一些，让我合计不是很安全的活动，要是你MPI（经受里程数）惟有5的话，那么昭彰离L4的自动驾驶还有一定的距离。

我我方也体验了一下FSD 12.4.4的版块，和Waymo这类L4的车辆比起来，现时的特斯拉FSD依然在某些时候会吓我一跳，或者有时候弘扬出难过其妙的活动。

比如在一个右转弯时，由于它的转弯半径太大，差点撞到对向来车，我不得不手动经受。

从弘扬上来看，"端到端"的FSD V12依然还有进步的空间，而从工程、运营和经管角度来看，"端到端"的上风有三点：

第一，能让系统合座更简略。去掉章程库后，只需要约束补充西宾案例，即可进一步晋升模子弘扬，惊奇和升级资本也将大幅裁汰。

第二，审时度势东说念主力资本。由于"端到端"不再依赖散乱词语的章程库，因此不必配备无边的拓荒团队，以致不再依赖巨匠。

第三，能竣事更大范围的扩展。民众不错看到现时L4的公司只可在收尾地区运行，抛开法规派司的限制，是因为非"端到端"决策，需要针对具体地区作念优化，而"端到端"各路况都能应答，更像一个"通用"的司机，这亦然为什么特斯拉FSD V12被比作ChatGPT的原因之一。

既然"端到端"有如斯多的上风，它能处分现时自动驾驶濒临的本领问题吗？

Chapter 3.4 黑盒模子

我们采访的不少嘉宾认为，在现阶段下，进一步发展端到端的道路是自动范畴内公认的趋势，但依然存在不少问题。

这个宗旨我合计是一个正确的宗旨，我们不可能通过一直在以打补丁的方式，来作念出一个范围化的L4决策，只不外是现时我合计要快速地达到一个L4的决策，也不可能完全通过端到端的决策，是以当今是一个矛盾的一个时候点。

为什么现时的端到端距离L4还有一定差距，这就要从它的不细则性提及了。

端到端就像一个黑盒子，这就会带来较多的不细则性。

比如工程师无法考据，输入的数据案例是否也曾被模子学会；或者遭受bug时，无法定位到底是哪个才略出了问题；又或者新加入的数据，是否会导致已学到的常识被淡忘或掩盖，这种情况被称为Catastrophic Forgetting（可怜性淡忘）。

比如特斯拉FSD 12.4.2的版块，里面早就作念出来了，落幕大范围推送却花了很万古候，马斯克就解释到，因为投喂的数据中有好多东说念主工经受的视频，反而让模子的水平出现了倒退。

由于端到端的骨子是师法，要是遭受的情况适值在西宾数据中有相识的案例，那就会弘扬的相当好，但要是超出了已有的参考案例，则会弘扬更差，也等于说，端到端对西宾数据的数目和案例丰富性要求相当高。

等于在交通路口红灯的时候，一定不闯红灯，就这样一个省略的章程，要是是heuristic-based（启发式的算法），我们不错很省略的等于一条 if else，就不错达到这样一个落幕。

然而要是是一个完全端到端的模子，它是完全全靠学习的，终末他要学的这样一条路的话其实是非常难的。是以等于我合计短时候内端到端对L4，如故有很大的差距，我合计这个算法是不熟识。

你莫得一些硬性章程，等于通盘的、你诞生的这种不可作念的事情，他都不错尝试去作念一下。于是就会等于在模拟里边，也出现了好多一头撞以前的风光。

同期，端到端带来的不可解释性，亦然一些东说念主惦记的问题。

所谓的不可解释性，等于改变其算法模子中的恣意一个权重、结点或层数，都会让模子的弘扬产生难以瞻望的影响，即使是模子的遐想者和西宾者，也无法知说念中间的推理经过。

与之相对的，是可解释性，比如在Rule-based的模式下，工程师也曾写入了"当检测到塑料袋飘过期不错络续行驶"的章程，那我们就无须惦记遭受这种情况会俄顷来个急刹车。

民众看到V12里，他在屏幕上的自大也好了好多，但他所谓的端到端，这个自大从哪儿来的？要是这个自大来自于，底本的这个模子，那牵扯的一个问题等于，我们推行上在这个模子里边也曾加了一层，东说念主为界说的接口，使得你从不错从这个模子中的某一个位置，索要出这个信息。

另一种我合计是更恐怖的事情，等于这个自大是完全走了另外的一个旅途，那也意味着车上自大前边有一辆卡车，不代表收敛的模子的确认为前边有一辆卡车，要是这小数被龙套了，那将是非常相当恐怖的，你看到自大它前边有一辆车，但你不细则它不会撞上去。

他是否是真实的端到端，我推行有点怀疑，或者说我也许不是怀疑，然而这里边可能有别的危急性。

那关于像自动驾驶这个，关于安全统统要求这样高的行业来说，端到端模子带来的这个不可解释性，是不是硬币的另外一面？

由于现时特斯拉还未公布FSD V12的本领，我们并不知说念FSD是否摄取了多模块的政策，但我们发现，也曾有车主遭受了画面自大与推行活动不符的案例。

比如车辆构建的俯视图自大前线有东说念主，却莫得弘扬出任何刹车的陈迹，而是络续行驶以前，所幸仅仅感知端的误检，莫得发滋事故。

这个案例自然不错看出在端到端算法下，表层乌有不会影响基层决策的上风，但也弘扬了盘算推算层偶尔会不招供感知层的落幕，印证了刘冰雁的担忧。

不可解释性是否会成为阻遏端到端发展的一浩劫题呢？接下来等于我们看到的第三个冲突。

我认为是这样的，AI一个很严重的问题，等于它的表面性是远远滞后的。

AI莫得告诉你这个一定行、一定不行。是以说它是一个实验性的学科，它不算科学，就需要一个多数的考据。

V12是全面碾压V11，是以这是落幕讲话的一个问题。那难说念你还去会想，端到端有这个不可解释性那一顿什么什么，因为它全面碾压，那等于一个相当无脑的，你就应该往下走。

于振华认为，AI看成实验性的学科，只消落幕达到了预期，就能讲授宗旨正确，应该络续鼓励。而侯晓迪暗示，V12弘扬大幅最初于V11，仅仅因为V11的基础太差，其弘扬距离真实的无东说念主驾驶还比较远。

要是的确是Full Self Driving，以L5来往限制的话，它一定要过监管部门，他们需要有一个可解释性或者可瞻望性。

再加上关于，天下上有这样多的城市，就在好意思国来说，它每个城市，它可能都会有不一样的法律法规。这个车非论从硬件软件上，需不需要去去安妥当地的法律法规，变成了这个能不可范围化的一个很大的问题。

端到端不可通过东说念主为界说章程，来对模子进行微调，是以能否安妥不同法规，成了端到端范围化的挑战。

相通影响范围化的身分，在于端到端对数据量和传感器更明锐。

Chapter 3.5 出息未卜

端到端有一个相当严酷的问题，等于它对传感器会更明锐，也等于说当你换了传感器或者换了传感器的漫衍的时候，你这个模子不错说得完全重头训。

从另一个角度来说，工程上不可接受，或者说我们无法联想之后全天下路上跑的都是并吞款车。

一朝转变了传感器漫衍，会让模子失效，得从新开动西宾，为了西宾又得采集多数数据，势必会带来巨大的资本。

好意思国财经媒体CNBC报说念称，到2023岁首，为了西宾特斯拉FSD，就用到了1000多万段特斯拉车主的驾驶视频。

而且这1000多万段西宾数据可不是歪邪用的，必须是驾驶水平比较高的东说念主类司机，不然只会让模子的水平越来越差。

是以西宾端到端模子不光要求数据多，还得经过复杂的筛选，这个经过中又得消耗多数东说念主力。关于卖车多的特斯拉可能不在话下，但关于其他公司来说，数据来源却成了大问题。

好多主机厂因为盲目的追求特斯拉那套步伐论，然后导致有点被忽悠瘸了，等于这套东西照实不适合90%的主机厂。

那是否意味着，其他厂商的确无法干预端到端的范畴呢？

自然英伟达和特斯拉都是通过纯视觉来驱动端到端算法运行，但端到端推行上也不错接受多模态输入。

现每每用的毫米波雷达、激光雷达、超声波雷达等传感器，在车辆上的位置相对固定，杰出是激光雷达，基本都在车顶上，是以摄取多模态接入的端到端，就能运用不同车型采集的数据，来西宾模子，而且留给主机厂的遐想空间也会更大。

又这样一圈聊下来，每种算法都各有千秋，哪种方式能带我们透澈走向全无东说念主驾驶的将来依然不豁达。

我不合计在当下有任何一个算法能，又省略又范围化，然后又能达到L4法式，我合计这个算法自身是不存在的，这个范畴是一个民众沿途去推动的。我是非常乐不雅，民众会同归殊涂，自然民众会略微有小数点不同的偏差。

Chapter 3.6 计上心头

无论是哪种算法，最终都要面对的是长尾问题。

在传统Rule-based（章程驱动）模子下，编写章程库（rule base）需要无边的团队消费多数元气心灵，还很难作念到面面俱圆，那有了端到端后，长尾问题能得到处分吗？

他处分了惯例的的案例，然而长尾的问题我合计依旧会存在。

Minfa认为，自动驾驶系统的容错率很低，要是要将一个黑盒系统用在L4上，必须引入其他安全机制，但这样又回到了Rule-based模式下的资本问题。

自动驾驶算法会先到仿真系统里进修，那仿真西宾不错处分一定的长尾问题吗？

现时还莫得一个很好的决策能通过，生成的模拟数据，能够对我们的现实中的说念路弘扬存真实有很大的匡助。

像自动驾驶或者机器东说念主的范畴里边，环境是非常相当复杂的，你要仿的确话，仿的确不仅仅你我方，这个车会将来奈何动，主要贵重的是，当你我方的车的轨迹发生变化的时候，你会影响周围的通盘的车和东说念主的活动也发生变化。

若何能够很好的仿真，然后而况能够不出现 distribution shift（漫衍偏移），我合计依旧是一个绽开性话题。

既然假造的场景无法完全模拟出现实的各种可能，那是否意味着，现时业内莫得办法处分长尾问题，只可靠漫长地集会训诲呢？

某种程度上是吧，但你也无须作念到，等于杰出竣工，对吧？东说念主类也不竣工，你只消作念得比东说念主好就行。东说念主也有他的事故率，你只消作念比这个好就够了。

我合计长尾问题其实亦然一个伪命题，就这个很昌盛你们提倡来这个事情。

在我看来长尾问题，比如说我见到鳄鱼奈何处理？我见着大象奈何处理？我见着一个固定翼飞机停在高速公路上，我奈何处理？

推行上关于好多长尾问题，我们是让它包裹成一大类问题的，见到我没见过的物体，奈何处理？要是你把它包裹成了一个更总体的的一类问题的话，它是很克己理的。

比如说我们也曾就见到有固定翼飞机停在高速公路上，那我们的处理决策很省略，泊车呀对吧？

长尾问题到底是不是伪命题，或者它是不是需要处分的问题？这个话题可能民众都有我方的谜底。而长尾问题对应的是，L4以致L5何时才能大范围铺开，是以接下来，我们就来望望L2与L4的锋利冲突。

04 特斯拉Robotaxi能成吗：L2与L4的冲突

Chapter 4.1 "成不了"

我们在马斯克通知推迟发布Robotaxi之前就接头了诸君嘉宾的看法，民众对此的看法相当长入，那等于本年特斯拉的无东说念主出租车是不可能上线的。

民众不雅点如斯长入的最大原因，就在于现时特斯拉已有的车型，够不上L4法式的无东说念主出租车。

我相当细则现存的特斯拉的这几个车型，都有相当明确的盲区，要是他想竣事最终的，不管是L4、 L5的自动驾驶，他的下一款车，一定需要处分这个盲区问题。而处分这盲区问题又回到我们现刚才说的，它一定要调理相机传感器的位置，而传调理这些位置坐窝带来的落幕等于，等于之前这个模子会完全失效。

等于现存的车从视觉录像头架构的角度来说，是不可能达到，不错完全无东说念主经受的FSD的。从这个角度来说，它必须有一款新的硬件出现。

从传感器角度，它需要引入一些冗余，这个可能之前L2是不需要的。

在业内东说念主士不看好的情况下，是什么原因让马斯克对推出Robotaxi如斯有信心呢？

我认为主要如故这个FSD V12的几个本领龙套，看成马斯克他的这个秉性，他看到FSD V12今天这一刻，在他的这个盘算推算里面，他就合计Robotaxi应该必须摆上日程了。

是以，FSD V12能让特斯拉走向L4，承担起Robotaxi的重负吗？和现时已有的Waymo或Cruise比起来差距有多大呢？

在采访侯晓迪这个问题时，他的回答让我们看到了行业内的另外一片不雅点：那等于L2和L4的差距相当远。

Chapter 4.2 "差很远"

开头特斯拉作念的不是无东说念主驾驶，我们今天谈的是去掉东说念主、而况由软件拓荒公司承担职责的决策，才叫无东说念主驾驶，我们不要伪善宣传， FSD叫辅助驾驶，它不是无东说念主驾驶，是以作念的不是一个东西。

现时被粗野应用在车企上的都是L2辅助驾驶，比如特斯拉、小米、华为、小鹏等等，而像Waymo、Cruise、百度等作念无东说念主出租车的企业，则摄取的是L4高度自动驾驶，抛开书面的观念界说，这两者之间的骨子区别就在于，谁来承担职责。

去掉东说念主而况由软件拓荒公司承担职责的决策才叫无东说念主驾驶。讲一见笑，要是特斯拉撞死东说念主了奈何办？对Elon Musk来讲，its not their business（这不关他的事）。

是以，要是特斯拉想作念无东说念主出租车，就必须作念到我方承担职责。那辅助驾驶和自动驾驶之间，从本领上又有哪些区别呢？

L4无东说念主驾驶要处分的中枢问题是什么？是安全性，是冗余，是当一个系统的每一个模块都有可能会失效的时候，这个系统还仍然能够保险最底线的安全。这件事是L4最难和最关键的部分。在挣钱之前它要先处分安全性的问题，然而这件事情根柢不是特斯拉的遐想宗旨。

另外一位L4自动驾驶连系员也分别从硬件与软件的角度，分析了L2和L4之间的区别。

L4 的处分决策，开头是我们有比较强的传感器，这个可能很难在L2场景里面去用，起码不会用这样高精度的激光雷达。

从算法角度可能L2公司更珍藏的是一些，更有用能把资本降得很低，然后不需要杰出不菲的传感器，然后可能更少的计较就不错达到这样一个落幕。这些L2其实不需要探究这种百万分之一的案例。

那我们L4追求的是，一百万英里以上才需要引入一次的东说念主类资料协助，等于达到追求的是这种百万分之一的案例。

追忆一下：L4的决策，摄取的传感器精度更高，芯片的算力会更充足，能应答的场景也更全面。

但L2的决策中，首要探究的是资本问题，是以硬件水平会稍低一些，同期算法为了安妥水平稍低的硬件，会更珍藏效力而非安全，这样L2的经受频率会比L4高好多。

那么，像特斯拉这样作念L2的公司，能否通过晋升硬件与软件，来达到L4的落幕呢？

Chapter 4.3 "两码事"

我不援救L2平缓进化到L4、L5的道路，我合计这件事情又是一个带有很强这种外推属性的伪命题。

假以时日，海豚能不可进化出时髦来？我合计有可能，然而我们要知说念地球时髦也曾容不下海豚去进化了，因为也曾有公司作念出来了，我这个公司等于为了能够最快速的把L4落地。我落了地以后就没你什么事儿了，对吧？智东说念主提起标枪的时候就莫得海豚去产生时髦什么事儿了。

在侯晓迪看来，现时已有的L4公司也曾筑起了本领壁垒，锋利竞争下，不会给到L2进化的契机，同期，也有东说念主认为，这并不料味着L4的本领比L2更高等，仅仅民众针对的场景不同。

要是说，的确L4比L2像民众所联想的，在本领上是皆备的高等、皆备的最初。那么我想请示为什么L4本领不可够径直左迁成了L2？

事实上是在以前的好多年里面，L4公司被由于他这个收入的压力，他都在帮车厂去作念L2，然而他不可够省略的左迁，他基本上都要从新拓荒。

那我们也知说念在好意思国，GM（通用汽车）是领有Cruise L4公司，福特是领有Argo AI，亦然个L4公司，为什么GM不可使用Cruise的本领在它的量产车上？为什么福特不可使用Argo AI的L4本领在它量产车上？是以说L4并不是比L2皆备高等，在本领难度上，我不认为你作念L4了，你就显得相当高等。

为什么L4的本领不可径直左迁成L2使用呢？张航对此解释说念，由于L4所摄取的硬件规格更高，而L2的算法必须安妥规格更低的传感器和算力较少的处理器，才导致两者的本领无法径直搬动。

就像一位建筑遐想师，被充公了电脑，只给他精度不高的尺子和纸笔，他也得从新安妥新的绘制方式。

等于你前边说的等于这个计较量的问题，L2的处分决策，不可能去援救，我们在一个车的后备箱里面放一个超等计较机，这是一个不现实的一个处分决策。

同期，张航对L2与L4的本领比较，也弘扬出了更绽开的心态，L2铺设的范围更广，需要面对的场景更多，只需要处分基本问题即可。而L4的掩盖范围有限，但更珍藏各式细节。是以两者之间各有优劣。

L4自身不可通过省略的去把已有的系统作念简化，去掉冗余，去看成一个L2的处分决策，但反之亦然。L2作念想作念到L4的法式，这是一个很长的时候去探员，你需要很万古候的数据网罗，然后去集会训诲。

但我合计并不是说，我们的本线道路，或者本领深度会比L2高，我合计这个不一定，L4可能好多并不是说很顶端的一些算法，然而等于通过一些，很安稳的去遐想去处分这些很细节的一些长尾问题。

你会援救哪个不雅点呢？不错留言告诉我们。在我们的采访中，这个问题在不同的东说念主眼里，都会有我方的谜底。

前特斯拉L2工程师：

我合计等于在广泛的民众，以致一些L4公司会给民众灌注一个观念，等于L4本领优于L3，然后优于L2。我合计这个是一个脱开它的限制场景，来误导民众，因为L4 的当今的Robotaxi，它是有很大限制场景的，必须在特定的这个地区，比如Waymo，它只可在一个地区一个地区的运行。

邵旭辉

Foothill Ventures经管合股投资东说念主：

我个东说念主合计等于如故会看好L4的公司，因为等于这个逻辑上来说，L4是不错降维打击的，而L2的话，要是你只作念这个，你是升不上去的，或者说相当相当难升上去。

其实在本领栈上我合计就莫得说一个杰出难的一个门槛，就比如说某家公司，他今天不错声称，作念L2的公司，那也许翌日他加了一些新的本领，也不错去作念L4，对吧？这完全看他应用摄取什么本领，或者说有一些什么新的科技龙套，对吧？

辅助驾驶跟无东说念主驾驶是两个东西。

由于著述长度的原因，我们把自动驾驶的运营、买卖化、以及宏不雅经济对自动驾驶行业的影响，投资东说念主若何看待特斯拉股价等等内容放在了下期，很快就会上线j9九游会真人，民众别忘了珍藏我们。