承認(rèn)特斯拉自動駕駛標(biāo)桿的地位很難嗎?

在過去幾年的時間里，特斯拉始終引領(lǐng)著自動駕駛技術(shù)路線的轉(zhuǎn)變。2021 年，從基于CNN 的機(jī)器視覺到基于Transformer 的BEV，2022 年，從BEV 矢量空間到感知粒度更精細(xì)的OCC 占位空間，到這里，自動駕駛系統(tǒng)中的感知模塊基本完成了端到端，2023 年，特斯拉實現(xiàn)決策規(guī)劃端到端，并再度轉(zhuǎn)向全鏈路端到端，每一次，特斯拉都走在了國內(nèi)友商的前列腺上面。

感性的人不服氣，華為、小鵬們?yōu)槭裁匆冯S特斯拉的技術(shù)路線，就不能特立獨行一點，走出屬于自己的一片天？理性的人在思考，為什么每一次技術(shù)路線切換的發(fā)起者都是特斯拉，難道馬斯克坐著時光機(jī)到未來旅行過嗎？

圖片來源：特斯拉

感性可以幫助人們發(fā)泄情緒，理性可以幫助我們更好地認(rèn)識世界、解決問題，今天，咱們就從理性的角度出發(fā)，捋一捋在過去的幾年中智能駕駛行業(yè)發(fā)生的歷次技術(shù)路線轉(zhuǎn)變及其背后的時間線。

圖片來源：吉利

1 相機(jī)視圖到BEV視圖

據(jù)說，人類一思考，上帝就發(fā)笑，所以，人人都可以事后諸葛亮，卻不可能事中擁有上帝視角。人類的世界是這樣，機(jī)器的世界卻未必然也。在諸多傳感器加持之下的自動駕駛汽車，雖不能耳聽八方，卻可以眼觀六路，妥妥地具有了上帝視角。

這個上帝視角便是三維空間下的BEV、鳥瞰視圖。BEV之前的感知算法依靠深度卷積神經(jīng)網(wǎng)絡(luò)完成在各個攝像頭的二維圖像中進(jìn)行圖像分割、語義識別，然后進(jìn)行后融合，這種算法很難精確辨別時空交織環(huán)境下各個交通參與者之間的關(guān)聯(lián)，難以識別暫時被遮擋的車輛、行人，這就導(dǎo)致了自動駕駛功能橫向（設(shè)計運行域）和縱向（功能集）擴(kuò)展上的困難，直到2017 年Transformer大模型的問世，可以在空間上有效地對各個攝像頭的多尺度圖片特征進(jìn)行匹配，在時間上對前后幀進(jìn)行時序上的匹配。才解決了四維（空間三維+ 時間）空間下交通環(huán)境的有效感知。

圖片來源：特斯拉

至于為何基于Transformer架構(gòu)的BEV的量產(chǎn)落地被特斯拉搶了先，現(xiàn)在來看，大致有兩個方面的原因。

其一，特斯拉率先洞察了Transformer架構(gòu)的價值。有例為證，據(jù)事后披露，當(dāng)時的OpenAI首席科學(xué)家IIya（被馬斯克挖來的）在Transformer 架構(gòu)剛問世就直覺性地意識到了這種模型架構(gòu)的巨大價值，并開始基于Transformer架構(gòu)做大語言模型，作為OpenAI 聯(lián)合創(chuàng)始人的馬斯克與OpenAI當(dāng)時正處于蜜月期。

圖片來源：元戎啟行

其二， 與CNN 相比，Transformer 大模型非常消耗算力，非普通芯片所能承擔(dān)。特斯拉2019 年量產(chǎn)的HW3.0算力已經(jīng)達(dá)到了144TOPS，時隔兩年后，國內(nèi)車企依賴的英偉達(dá)芯片Xavier的算力還只有30TOPS。大概也正是這么個原因，直到更高算力的Orin在2022年批量供貨后，國內(nèi)車企才最終實現(xiàn)了BEV。

落后的不只是蔚小理這類本土車企，國內(nèi)的頭部智能駕駛方案供應(yīng)商也是在2022 年走向了BEV前融合的范式。

圖片來源：百度風(fēng)投

當(dāng)然，落后的還有華為。說起華為，它落后的原因有些令人心酸。要知道，華為MDC平臺依靠的車端推理芯片是2018 年推出的晟騰310，單顆FP16 算力只有8TOPS，各個芯片之間依賴現(xiàn)在來看非常落后的PCIe 3.0進(jìn)行互聯(lián)，算力比特斯拉落后了整整一個數(shù)量級。不過，它能在如此這般落后的算力平臺上將BEV 的落地時間縮短到不足一年，說明華為的工程實現(xiàn)能力不是一般地強(qiáng)大。華為之前（現(xiàn)在應(yīng)該有新芯片了）如何依靠多個單顆算力只有8TOPS 的晟騰310 做出國內(nèi)領(lǐng)先的自動駕駛系統(tǒng)，至今也是一個迷。

2 BEV矢量空間到OCC占用空間

和基于CNN 的相機(jī)視圖后融合路線相比，基于Transformer 的BEV 前融合在交通場景（靜態(tài)的道路結(jié)構(gòu)和動態(tài)的交通參與者）的感知上有了巨大的進(jìn)步，但是，BEV 依靠大量數(shù)據(jù)訓(xùn)練識別白名單障礙物的能力，在白名單思想的限制下，無法被BEV 有效識別的物體就有可能造成碰撞隱患，而在車輛行駛過程中，優(yōu)先級最高的任務(wù)就是防撞。

圖片來源：小鵬汽車

一個顯而易見的解決方案是通過立體障礙物的檢測識別交通環(huán)境中BEV 無法正確感知的通用障礙物，標(biāo)識出可通行的道路空間，保證自動駕駛中優(yōu)先級最高的子任務(wù)- 防撞- 可以發(fā)揮兜底作用。這個障礙物檢測在特斯拉那里叫做Occupancy Network 占用網(wǎng)絡(luò)，在華為那里叫做GOD 網(wǎng)絡(luò)。和BEV 算法相比，占用網(wǎng)絡(luò)利用特征向量表達(dá)空間中的每一個體素，感知顆粒度更精細(xì)，通過空間占位的檢測，可以識別白名單障礙物之外的通用障礙物，保證行車的安全。

3 分模塊到端到端

現(xiàn)實真的很魔幻，起步太早，容易成為先烈，變成后來者的墊腳石，時機(jī)掌握的恰到好處，才能成為先驅(qū)。明明是英偉達(dá)早在2016 年就開始率先探索轉(zhuǎn)到端技術(shù)方案，但是人們卻把鮮花和掌聲送給了2023 年將端到端自動駕駛方案落地車端的特斯拉。

早在2016 年，頭號智駕芯片供應(yīng)商英偉達(dá)就開始研究端到端方案，不過，因為算力不足、數(shù)據(jù)有限等一系列原因，最終無功而返，于2020 年放棄了在這條技術(shù)路線上的探索。所以，在FSD V12 橫空出世之前，幾乎所有人都認(rèn)為端到端方案“固然是極好的”，水論文、發(fā)Paper、做Demo 都沒問題，但要工程落地到可以大規(guī)模量產(chǎn)推廣的程度，難度實在是太大了。

蜀道難，難于上青天，比上青天更難的是端到端。早在幾年前就把一輛Roadster 發(fā)射上天的硬核特斯拉，可是從來都不信邪的。是端到端真的不行還是你不行？老馬大腿一拍，做一下實驗，燒了幾億美金之后，證明了這是一條可以工程落地、具備更高性能天花板、具有更為出色的持續(xù)學(xué)習(xí)能力的技術(shù)路線，從此引發(fā)了自動駕駛行業(yè)這一年來的飛速裂變。

特斯拉并不是“端到端”技術(shù)路線的始作俑者，但是，是特斯拉推動著端到端從學(xué)術(shù)研究進(jìn)入了工程實現(xiàn)的層面，所以業(yè)界普遍認(rèn)為，自動駕駛算法團(tuán)隊只有兩三百人的特斯拉又雙叒叕地開啟了自動駕駛技術(shù)路線的又一次轉(zhuǎn)變。

目前，國內(nèi)新勢力車企基本已經(jīng)實現(xiàn)了感知層的端到端，目前正在奮力實現(xiàn)（口頭上已經(jīng)實現(xiàn)）決策層的端到端。按照小鵬汽車對XNet、XPlanner、XBrain 的介紹，小鵬汽車的端到端目前停留在分模塊階段。

至于傳統(tǒng)車企這邊，它們目前的主要發(fā)力方向是BEV+ 占用網(wǎng)絡(luò)，只有將這兩者打磨成熟之后，將動態(tài)BEV、靜態(tài)BEV 和通用障礙物占用網(wǎng)絡(luò)三網(wǎng)合一，才能實現(xiàn)感知層的端到端，之后才是 AI 和編碼結(jié)合的決策層全面神經(jīng)網(wǎng)絡(luò)化，實現(xiàn)決策層的端到端，如此實現(xiàn)分模塊的端到端方案之后，才能考慮向全鏈路端到端的轉(zhuǎn)換。當(dāng)然，作為下一代技術(shù)路線，傳統(tǒng)車企肯定也在密切關(guān)注端到端的進(jìn)展。

4 結(jié)束語

歷數(shù)這幾年來智能駕駛技術(shù)路線的三次轉(zhuǎn)換，BEV思想可以追溯到原本利用相機(jī)物理原理通過幾何投影將透視圖轉(zhuǎn)換成俯視圖的傳統(tǒng)方法中，占用網(wǎng)絡(luò)的思想提出時間是2019 年，至于端到端，如前文所述，英偉達(dá)早在2016 年就開始了探索。所以，特斯拉并非BEV、OCC、端到端技術(shù)路線的原創(chuàng)者，發(fā)明家的帽子另有所屬，特斯拉斷不會張冠李戴。

但是，在現(xiàn)實的工程世界里，并非條條大路通羅馬，在過去的幾年中，特斯拉確實充當(dāng)了技術(shù)路線的探索者和排頭兵，給國內(nèi)的友商提前探明了好多坑，從這個角度，尊稱特斯拉一句行業(yè)標(biāo)桿也不太過分吧。

（本文來源于《EEPW》202408）