在過(guò)去幾年的時(shí)間里，特斯拉始終引領(lǐng)著自動(dòng)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(dòng)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(shí)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(guó)內(nèi)友商的前列腺上面。
本文引用地址：http://m.butianyuan.cn/article/202407/461427.htm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(dú)行一點(diǎn)，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(shí)光機(jī)到未來(lái)旅行過(guò)嗎？
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(shí)世界、解決問(wèn)題，今天，咱們就從理性的角度出發(fā)，捋一捋在過(guò)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(shí)間線。
據(jù)說(shuō)，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(dòng)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(gè)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(gè)攝像頭的二維圖像中進(jìn)行圖像分割、語(yǔ)義識(shí)別，然后進(jìn)行后融合，這種算法很難精確辨別時(shí)空交織環(huán)境下各個(gè)交通參與者之間的關(guān)聯(lián)，難以識(shí)別暫時(shí)被遮擋的車輛、行人，這就導(dǎo)致了自動(dòng)駕駛功能橫向（設(shè)計(jì)運(yùn)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(wèn)世，可以在空間上有效地對(duì)各個(gè)攝像頭的多尺度圖片特征進(jìn)行匹配，在時(shí)間上對(duì)前后幀進(jìn)行時(shí)序上的匹配。才解決了4維（空間三維+時(shí)間）空間下交通環(huán)境的有效感知。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(lái)看，大致有兩個(gè)方面的原因。其一，特斯拉率先洞察了Transformer架構(gòu)的價(jià)值。有例為證，據(jù)事后披露，當(dāng)時(shí)的OpenAI首席科學(xué)家IIya（被馬斯克挖來(lái)的）在Transformer架構(gòu)剛問(wèn)世就直覺性地意識(shí)到了這種模型架構(gòu)的巨大價(jià)值，并開始基于Transformer架構(gòu)做大語(yǔ)言模型，作為OpenAI聯(lián)合創(chuàng)始人的馬斯克與OpenAI當(dāng)時(shí)正處于蜜月期。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(shí)隔兩年后，國(guó)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(gè)原因，直到更高算力的Orin在2022年批量供貨后，國(guó)內(nèi)車企才最終實(shí)現(xiàn)了BEV。落后的不只是蔚小理這類本土車企，國(guó)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。 當(dāng)然，落后的還有華為。說(shuō)起華為，它落后的原因有些令人心酸。要知道，華為MDC平臺(tái)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(gè)芯片之間依賴現(xiàn)在來(lái)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(gè)數(shù)量級(jí)。不過(guò)，它能在如此這般落后的算力平臺(tái)上將BEV的落地時(shí)間縮短到不足一年，說(shuō)明華為的工程實(shí)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(gè)單顆算力只有8TOPS的晟騰310做出國(guó)內(nèi)領(lǐng)先的自動(dòng)駕駛系統(tǒng)，至今也是一個(gè)迷。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(chǎng)景（靜態(tài)的道路結(jié)構(gòu)和動(dòng)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(shí)別白名單障礙物的能力，在白名單思想的限制下，無(wú)法被BEV有效識(shí)別的物體就有可能造成碰撞隱患，而在車輛行駛過(guò)程中，優(yōu)先級(jí)最高的任務(wù)就是防撞。
一個(gè)顯而易見的解決方案是通過(guò)立體障礙物的檢測(cè)識(shí)別交通環(huán)境中BEV無(wú)法正確感知的通用障礙物，標(biāo)識(shí)出可通行的道路空間，保證自動(dòng)駕駛中優(yōu)先級(jí)最高的子任務(wù)-防撞-可以發(fā)揮兜底作用。這個(gè)障礙物檢測(cè)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(gè)體素，感知顆粒度更精細(xì)，通過(guò)空間占位的檢測(cè)，可以識(shí)別白名單障礙物之外的通用障礙物，保證行車的安全。 現(xiàn)實(shí)真的很魔幻，起步太早，容易成為先烈，變成后來(lái)者的墊腳石，時(shí)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(dòng)駕駛方案落地車端的特斯拉。早在2016年，頭號(hào)智駕芯片供應(yīng)商英偉達(dá)就開始研究端到端方案，不過(guò)，因?yàn)樗懔Σ蛔?、?shù)據(jù)有限等一系列原因，最終無(wú)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(wèn)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(shí)在是太大了。 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(lái)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(shí)驗(yàn)，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(dòng)駕駛行業(yè)這一年來(lái)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(dòng)著端到端從學(xué)術(shù)研究進(jìn)入了工程實(shí)現(xiàn)的層面，所以業(yè)界普遍認(rèn)為，自動(dòng)駕駛算法團(tuán)隊(duì)只有兩三百人的特斯拉又雙叒叕地開啟了自動(dòng)駕駛技術(shù)路線的又一次轉(zhuǎn)變。目前，國(guó)內(nèi)新勢(shì)力車企基本已經(jīng)實(shí)現(xiàn)了感知層的端到端，目前正在奮力實(shí)現(xiàn)（口頭上已經(jīng)實(shí)現(xiàn)）決策層的端到端。按照小鵬汽車對(duì)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(dòng)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(shí)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(shí)現(xiàn)決策層的端到端，如此實(shí)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。歷數(shù)這幾年來(lái)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(guò)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(shí)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(huì)張冠李戴。
但是，在現(xiàn)實(shí)的工程世界里，并非條條大路通羅馬，在過(guò)去的幾年中，特斯拉確實(shí)充當(dāng)了技術(shù)路線的探索者和排頭兵，給國(guó)內(nèi)的友商提前探明了好多坑，從這個(gè)角度，尊稱特斯拉一句行業(yè)標(biāo)桿也不太過(guò)分吧。
英飛凌汽車電子生態(tài)圈
評(píng)論