特斯拉自动驾驶的数据支撑,特斯拉自动驾驶的数据支撑由组成

1.特斯拉数据分享怎么选择

2.特斯拉的FSD不依赖高精度地图，代码全部重写后表现够出色吗？

文/桃李

汽车圈有一个共识——“汽车行业的变革，电动化是上半场，而智能化则是下半场”。如今，汽车电动化的发展已经蔚然成风，虽然仍旧有新玩家入局，但是整个新能源汽车的市场格局已经基本形成，竞争已经进入了白热化阶段。所以不少玩家已经开始将发展目光放在了智能化身上，做好了进入下半场的准备。

为什么智能化一定是在“下半场”

智能手机的普及已经有很长一段时间了，其发展也到了前所未的未有的高度，而随着5G时代的到来，智能手机已经正在逐渐进入一个更智能的新时代，然而汽车智能化却是近两年才开始被关注，这不仅是让人好奇：为什么发展上百年的汽车没有跟上手机的发展步伐，而是在新能源汽车形成规模之后才开始谈智能化？

事实上，从技术成熟度上来看，第一辆纯电动汽车早在1834年就诞生了，而随着环境污染、能源危机等影响越来越大，世界各国政府和车企对于新能源汽车变得更加重视，积累下了大量的技术，到2011新能源车已经逐渐成为了各大国际车展中的主角了，并在近两年迎来了爆发。而彼时无论是智能机，还是“人工智能”的发展都还不成熟。

另外，从产业的角度来说，智能汽车的发展所涉及的绝不仅仅是汽车这一个行业，还包括电子信息行业、硬软件领域、以及车联网、通信企业、互联网企业，甚至车路协同、路测单元改造、交通建设企业在内都要进行系统考量。必须得等到各个环节都到达一定的水平之后，汽车智能化才具备相应的基础。

而且从产品本身来说，传统燃油车的机械式结构难以实现对于指令的及时准确响应，而以电动汽车为代表的新能源车将三电系统作为核心，电信号的广泛使用可以更为精细的调节车辆状态，这为汽车智能化的发展提供了的基础。

不仅如此，电动汽车的结构更为简单，电子电气架构呈现集中式分布的特点，能够实现软硬件的解耦主机厂得以实现对于架构设计和软件开发的主导权，便于日后的整车“OTA”升级，在汽车更新换代速度不断加快的环境下，通过OTA升级为车主带来常用常新的体验是十分必要的。这也能解释，为什么2022年上半年销售的新车中，每百辆新能源车约有40.6辆车都装备了L2级别的自动驾驶技术，而油车的比例只有29.6%。

综上，“电动化”实际上是为“智能化”的发展奠定了基础，这也导致其很难先于电动化。

智能化的竞争早已打响，抢跑者已建立优势

虽然大家普遍将“智能化”看做是汽车变革的下半场，但其中也不乏一些率先为智能化发展做好准备的“抢跑者”。汽车智能化大致可以分为自动驾驶和智能座舱两个方面，其中智能座舱的发展速度较快，如今已经成为给了众多车企的必备的宣传点之一，而自动驾驶的发展相对滞后，目前已成为各位“入局者”的主攻方向。根据亿欧智库发布的“2022年中国市场智能电动汽车品牌自动驾驶竞争力TOP15”榜单中，特斯拉位列榜首；自主品牌小鹏汽车紧随其后，位列第二。

特斯拉智能化表现出色主要还是起步早，成立于2003年，2008年推出了第一款汽车产品——两门运动型跑车Roadster，随后有陆续发布Model S/X/Y/3 这一系列产品，而早在2016年特斯拉提出宏图第二篇章时，就曾提到过要开发自动驾驶，在车机交互体验、辅助驾驶体验方面均遥遥领先于其他竞争对手，并于2018年正式上线了FSD（完全自动驾驶）功能。

而国内众多新势力品牌此时仍处在“摸爬滚打”阶段，由于自动驾驶需要大量的算法、大陆数据等作为支撑，起步较早的特斯拉在这方面积累下了较大的优势。

小鹏汽车则是因为定位的关系，成立之初便想成为“中国领先的智能电动汽车公司”，而且团队成员中有不少是来自阿里巴巴、腾讯、小米、三星、华为等知名互联网科技企业，在人工智能方面有着不错的基础。

根据头豹研究院去年发布的一份报告，得益于更早进入智能化方面的研究以及长时间的投入，小鹏汽车已经逐渐形成了自己的智能化技术壁垒，在目前的新势力阵营中，小鹏汽车在辅助驾驶功能方面的研究已经处于领导位置。

自动驾驶：新的风口已至

除了特斯拉和小鹏汽车这样已经建立起智能化优势的品牌以外，还有许多品牌在不断为进入“智能电动汽车”赛道做准备，比如小米、苹果、谷歌、百度等等。之前很多人质疑小米汽车、苹果汽车至今没有量产车，现在入局已经错过了新能源风口，会不会太迟了？实际上，众多企业准备入局的背后，隐藏着的则是一个新的风口——自动驾驶。

根据工信部制定的标准，将驾驶自动化分成0-5级。其中，L3级别是指在自动驾驶系统所规定的运行条件下，车辆本身就能完成转向和加减速以及路况探测和反应的任务，是汽车自动化道路的一次跃升。近年来我国自动驾驶行业市场规模也随之迅速增长。据数据显示，自动驾驶行业市场规模为93.7亿元，同比增长15.3%；2021年我国无人驾驶相关企业处测量达1564家，同比增长35.5%。（数据源于中研网）

过去两年里，中国新能源汽车销量急剧攀升，已成为最大新能源汽车市场，而新能源汽车和智能化存在高度绑定的关系，其中高阶智能驾驶辅助功能，被认为是汽车智能化的重要体现和关键组成部分，因此，有机构预测，“中国有潜力成为全球最大的自动驾驶市场”，相应的市场规模还将进一步扩大。

我国自2015年起持续推出引导自动驾驶发展的相关政策，并在多个城市展开试点，意在推动智慧交通发展。根据头豹预测，到2030年，中国智慧交通的市场规模将达到117.327亿元，2022-2030年复合增长率为12.6%，巨大的市场规模下，也迎来了大批自动驾驶企业入局，涵盖C端市场和B端市场。

自动驾驶的优点与潜在担忧

自动驾驶技术是目前所有玩家都在追求的东西，特斯拉、蔚小理等新势力主要面向的是个人用户，希望通过自动驾驶技术，使用户获得更简单的出行体验，提升自己的竞争力；而百度则是面向B端出行市场。去年百度旗下的“萝卜快跑”就宣布在成都开启示范运营，涉及10平方公里范围，共设置20个上下车点位，作用类似于出租车和公交。

成熟的自动驾驶技术被广泛应用能够有效提升交通安全性和交通运营效率。据中国国家交通安全委数据统计，2021年全国范围内共发生11495起交通事故，致使5799人死亡，8018人受伤。而自动驾驶可以杜绝人类驾驶中注意力不集中，疲劳/醉酒等因素，提供多重冗余保障，让安全性显著提升。

同时，基于自动驾驶车辆的落地运营，市民可以选择Robobus、Robotaxi等多种高效便利的共享出行方式，缓解道路拥堵情况。

不过，自动驾驶技术的到来也让不少人感到担忧——会不会有大批司机失业？事实上，产业的变革就意味着有人需要做出牺牲，如果自动驾驶真的到了十分成熟的地步，这是很有可能的，这就好比曾经的“马车夫”会被汽车所淘汰一样。

不过，从目前来看，这个时间还比较远。以萝卜快跑为例，高阶的自动驾驶需要达到更高的单车智能水平，而单车智能现阶段仍需要通过堆料来提升，而且想要完全解决是不可能的事情，所以其仍处在试点阶段，上下车点也是固定的，并不能做到出租车一样的体验。而且还需要配备一位安全员，这就导致其和出租车、网约车没有本质区别，但体验感却是相差不少。所以，短时间内“司机”这个职业是不会失业的。

写在最后：

自动驾驶技术目前仍旧面临不少的质疑，去年小鹏、特斯拉曾多次因为辅助驾驶系统导致车祸出现，所以大部分消费者并不愿意将决定自己命运的方向盘交给AI，加上堆料、硬件预埋导致整车的成本不断提升，消费者出现抵触心理，这也是为什么尽管目前新的风口已至，但是却没有激起太大反响。

总之，虽然这块“蛋糕”很诱人，但想要拿下它绝不是一件易事，毕竟产品配件可以买，但是技术是买不来的，而门槛的提升或许也会导致下半场的竞争或许不会像上半场一样激烈。

本文来自易车号作者智电汽车，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关

特斯拉数据分享怎么选择

作者?/?陈念航

编辑?/?王德芙

出品?/?汽车之心

在刚过去的?8?月，马斯克在推特上公布了关于?Autopilot?以及?FSD?的两条重要消息：

AP?团队正对软件的底层代码进行重写和深度神经网络重构；全新的训练计算机?Dojo?正在开发中。

「重写?AP」，是今年马斯克在推特上不断提及的一项重要行动。

在回应推友提问时，马斯克会时不时披露?AP?将有的新功能，比如：

对路面上的隆起和坑洞（bumps&patholes）的识别；对环岛路况（roundabouts）的处理等等。

特斯拉对?AP?的全面重写，包括了对数据标注、训练、推理全流程的重构。

而基于新架构的?FSD?将不再是渐进式的优化，而是一次「量子式跃升」（马斯克原文是?quantum?leap）。

马斯克在?7?月的世界人工智能大会上表示「有信心在今年完成开发?L5?级自动驾驶的基本功能」，马斯克能够实现他的承诺吗？

特斯拉为什么要在这个阶段对?AP?软件进行重写？重写?AP?到底要重写些什么呢？作为当下市面上量产最强的自动驾驶系统，AP?走向何方，FSD?何时到来？

1、特斯拉?AP?两大新进展

身兼特斯拉?AP?团队的最高负责人，马斯克经常充当着软件测试员的角色。

根据马斯克在推特上透露，他本人经常开着搭载?FSD?最新测试版本的特斯拉上下班，马斯克称在他使用系统的过程中，几乎不需要人工接管。

基于此，他乐观估计，最快在?6-10?周后（也就是10月-11月份），就可以向小规模地向用户推送?FSD?测试版本。

作为重写?AP?的一部分，马斯克还向外界介绍了其全新的用于神经网络（NN）训练的超级计算机?Dojo。

Dojo?在日语中意为「道场」，现在它成为了特斯拉训练数据的「道场」。

Dojo?将专门用于大规模的图像和视频数据处理，其浮点运算能力达到了?exaflop?级别，也就是每秒运算百亿亿次。正因此，马斯克称?Dojo?如野兽一般。

需要注意的是，Dojo?计算机将配合无监督学习算法（unsupervised?learning），来减少特斯拉对于数据人工标注的工作量，这样来帮助其数据训练效率实现指数级提升。

马斯克还在推特上发布英雄帖，为自家的?AI?和芯片团队招人。

目前，Dojo?计算机仍在开发中，从?V1.0?开始，大约一年后才会有成果。

有了全新的?AP?软件架构以及强大的数据训练计算机?Dojo，难怪马斯克会对其?FSD?的落地进展如此自信。

但话说回来，特斯拉为什么要在这个阶段对?AP?软件进行重写？还是以这样一种推倒重来的方式。

2、为什么特斯拉要重写?AP?

现在的?AP?已经碰到了性能瓶颈，必须要进行升维革命，否则难有大的突破。

马斯克用了一个术语来表述这个问题，他认为过去?AP?被困在一个局部最大值（Local?Maximum）里面，要向上突破已经非常困难了。

其中一个很关键的问题在于，原有?AP?软件架构下，其处理的数据都是不含有时间坐标的?2D?图像数据。

再想往上去处理?3D?甚至?4D（加上时间维度）?的数据，实现从图像级处理到视频级处理的跃迁，?AP?固有的软件和训练网络难以胜任。

关于引入?4D?数据带来的影响，一位来自国内自动驾驶公司的工程师向汽车之心分析：

「因为有了时间维度，系统就能知道目标物的运动，对其行为进行预测，而且，系统处理目标物识别、分类以及场景的重构这类任务会更加轻松。

总之，加入时间维度，很大程度上是提高系统对整体场景的理解。」

AP?要再往前走，必须进行革命，所以特斯拉这才决定重写?AP。

另一方面，因为数据转变成?4D，信息量更丰富，整个数据的容量也会变大，这也给特斯拉?AP?现有的用于深度神经网络训练的基础设施带来了挑战，所以就有了?Dojo。

所以，?AP?为了实现性能和功能上更大的突破，倒逼其对?AP?基础代码以及训练深度神经网络的基础设施进行重构。

这样工作量庞大的复杂工程也成为?FSD?迟迟推出不了落地版本的重要原因。

除了在车载软件和训练服务器端变革，特斯拉在车载硬件端也做好了准备，就是其自研的?FSD?芯片。

FSD?已经在去年?4?月份开始量产并搭载在特斯拉的车端。

一位对熟悉特斯拉的业内人士表示：

「在?FSD?发布后的一段时间里，特斯拉?AP?团队仍是基于?HW?2.x?的硬件（英伟达?Drive?PX?平台）进行功能开发，直到今年年初，特斯拉才开始全面转向基于?FSD?芯片的软件开发。」

相较于英伟达?Drive?PX?平台，特斯拉?FSD?芯片在基础算力和深度神经网络推理效率方面都有革命性提升，而且在视觉处理性能上，FSD?相较于英伟达的芯片有更大的优势。

所以趁着这一次特斯拉重写?AP，整个系统需要处理的数据升维到了?4D，对计算硬件的要求指数级提高，FSD?的强大性能便终于有了广阔的用武之地。

引入?FSD?芯片的?AP?在性能上会有多大提升？

马斯克此前在接受?Youtube?视频博主采访时透露过：

「如果特斯拉全车的?8?颗摄像头以?36?帧/秒的速度运行（性能拉满），软件则会基于?FSD?芯片的算力同步进行?3D?标注（2D?图像+深度信息），这会使标注效率提升?3?倍，准确性也会大幅提升。」

特斯拉重写?AP，除了马斯克口中所说的要突破「Local?Maximun」以及挖掘?FSD?芯片的极限性能这两方面的原因之外，还有一种可能性存在。

硅谷一位资深自动驾驶工程师告诉汽车之心：

「特斯拉现有的?AP?系统和后续要推出的?FSD?是两套独立开发的系统。

前者的架构是针对于?L2/L3?级自动驾驶，而?FSD?的目标从一开始就是?L4/L5?级自动驾驶。因此，两套系统在架构上有本质的差异，两者差着一个代际。」

后续，随着技术不断进步，FSD?也走向成熟，特斯拉决心把?FSD?和?AP?的框架进行整合。

但问题是，两个系统中有些模块可以融合，但是有些模块是融合不了的，毕竟一个为?L2?开发的系统很难直接演变成?L4?系统。

所以特斯拉?AP?团队要改写?AP?软件的框架和代码，以实现两个系统间的完美兼容，这样的话，后续才能以统一的版本推送给购买了全自动驾驶选装包的特斯拉车主。

实际上，我们也能从?AP?这些年的功能更新中发现一些蛛丝马迹。

2017?年?3?月，推送自动泊车和自动辅助变道功能；2018?年?10?月，推送自动辅助导航驾驶（NoA）功能；2019?年?9?月，推送智能召唤（Smart?Summon）；2020?年?4?月，推送识别交通信号灯和停车标志并作出反应（海外先行）。

AP?还在最新的迭代过程中更新了一些令人惊喜的小功能：

比如在城市工况施工区域，没有车道线的情况下，车身两侧皆为锥形桶，AP?能做到以锥形桶为依据实时绘制车道线。

AP?系统还能检测到小动物并及时进行避让，不过特斯拉是把小动物一律识别成人后才做出相应的操作。

基本上，在特斯拉官网上标明的?FSD?完全自动驾驶功能，还剩下一项最难的、也最能代表?L4?级自动驾驶能力的更新：在城市街道中进行自动辅助驾驶。

为了实现这一难度最大的更新，特斯拉给出的最优解就是重写?AP。

基于以上分析，特斯拉重写?AP?的原因便包括突破「Local?Maximun」、挖掘?FSD?芯片的极限性能以及将系统能力从?L2?进化至?L4。

4、特斯拉重写?AP，是重写什么？

先来看看特斯拉?AP?现在最新的?AI?软件堆栈是怎么样的：

最底层的是数据、GPU?集群以及?Dojo?计算集群，这一层主要进行数据采集、标注和训练，生成算法模型；往上走就是采用深度神经网络对模型进行分布式训练；再往上走就是用损失函数对模型进行评估；在评估层之上，是云端推理层和车端?FSD?芯片推理层，到这一层，意味着算法模型走完了大部分流程，然后就是部署到车端；在车端，特斯拉通过影子模式（Shadow?Mode）将这些算法模型与人类驾驶行为进行比对，检测是否存在异常。

这样的从数据采集到算法部署的闭环，目的就是让系统性能不断迭代，更加优秀。

在这个闭环当中，涉及到数据集、模型训练神经网络、云端和车端推理算法等等要素。

所以，当数据形式从二维的图像数据（2D）转换成四维的视频级数据（4D）后，相应的神经网络和推理算法都需要进行重写。

据马斯克透露，特斯拉?AP?新版本的深度神经网络会将包括感知、路径规划、目标识别等所有子神经网络综合于一体。

特斯拉?AI?高级总监?Andrej?Karpathy?在此前的一次演讲中表示：

「我们无法让每一个任务都享有单独的神经网络运算，因为同时处理的任务数实在太多，我们只能把一些运算分摊到共享骨干网络上」。

Andrej?Karpathy?将这一骨干网络称为?HydraNets（Hydra?意为九头蛇），意思就是有一个主干网络（Backbone），在这个网络上有多个不同的出口（Head）来做应用，然后输出各自的结果。

在特斯拉?AP?最新的?AI?软件堆栈中，有一个最值得关注的部分就是?Dojo?训练集群，这个集群可以处理海量的图像、视频数据。

引入这一训练计算机，一方面是为了满足特斯拉?AP?系统此后的?4D?视频数据处理需求。

另一方面，特斯拉在全球有超过?82?万辆搭载?HW?2.0/3.0?硬件的车辆每天在道路上行驶，可以采集海量的数据用于?AP?的训练，而如此海量的数据，必然需要具备强大计算性能计算机来进行处理。

Dojo?还有一个特别之处在于，它可以与无监督学习进行配合。

所谓无监督学习，就是无需人工对训练数据集进行标注，系统可以自行根据样本间的统计规律对样本集进行分析，常见任务如聚类等。

例如无监督学习在不给任何额外提示的情况下，仅依据一定数量的「狗」的特征，将「狗」的从大量的各种各样的中将区分出来。

有了无监督学习技术加持的?Dojo?计算机，便能以极低的成本对数据进行自动标注和训练，实现算法性能的指数级提高。

不过，用上了无监督学习技术的特斯拉，依然有一支大约?500?人规模的数据标注团队。

因为在一些初始神经网络模型的搭建过程中，采用人工标注的方式置信度更高。而且，特斯拉并未大规模采用无监督学习技术，现在都还处在尝鲜阶段。

那么，Dojo?计算机上搭载的会是谁家的芯片呢？

目前特斯拉自研的?FSD?芯片属于推理芯片，用于?Dojo?计算机的芯片属于训练芯片。

有业内人士向我们分析表示，Dojo?所采用的芯片应该是?FSD?芯片的扩展版本。

这也是为什么马斯克在为自家?AI?和芯片团队招人时，特意公布了其在研发的?Dojo?计算机的情况，大概率要招的人就是为了研发用于?Dojo?计算机的芯片。

5、特斯拉?FSD?走向何方

无论是大力投入资源重写?AP?基础代码和深度神经网络，还是广纳贤才开发性能强大的数据训练计算机?Dojo，都体现了特斯拉要先人一步搞定完全自动驾驶的决心。

特斯拉拥有庞大规模的数据采集车队，也聚集了?300?多位全球顶尖的自动驾驶和深度学习方面的软硬件研发人才，从数据到算法到商业化，特斯拉在自动驾驶领域有着其他厂商无法比拟的优势。

在这些优势的加持之下，特斯拉仍然迟迟无法量产真正意义上的完全自动驾驶功能，那些买了?FSD?选装包的特斯拉用户着急，马斯克则更急。

所有人都在期待着重写完成后的?AP?系统能真正进化至?FSD?版本，而这一切都要等到今年年底见真章。

在重写?AP?的同时，特斯拉也没有停止在硬件层面的持续研发。

据媒体报道，特斯拉正与博通合作研发新款?HW?4.0?自动驾驶芯片，其性能比?FSD?还要强大?3?倍，计划明年第四季度进行大规模量产，由台积电负责生产。

特斯拉在?AP?层面，是一个接一个的大动作，而这一切动作都有一个统一的目标：更优秀的?AP、更强大的?FSD。

即使现在其表现还不尽如人意，但未来值得期待。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

特斯拉的FSD不依赖高精度地图，代码全部重写后表现够出色吗？

根据实际需求选择。特斯拉的数据分享涵盖了很多种类型的数据，如车内影像、车载传感器数据等，根据自己的需求不同可以选择相应的数据，比如如果是研究特斯拉车辆自动驾驶系统，可以选择车载传感器数据。而如果是分析车内环境变化对驾驶行为的影响，可以选择车内影像数据。

底层架构被完全推倒与重建，代码全部重写的FSD究竟会有怎样的颠覆表现？10月20日，这个马斯克口中的完全自动驾驶系统终于通过OTA推送给了一小部分用户，被特斯拉酝酿了4年之久的"核武器"也终于初现原型。

目前最新的FSD还是Beta测试版本，并没有大规模推送，只在北美地区OTA推送给了部分“资深且谨慎的驾驶员”，在经过了一个多星期之后，在youtube上已经有不少车主上传了自己使用FSD?Beta的测试视频。马斯克此前宣称FSD?Beta版本将能够实现在无网络连接、无该地区地图数据、无高精地图的前提下实现自动驾驶。通过这些视频，我们可以先来看看FSD?Beta在实际道路上的表现究竟如何。

根据FSD?Beta的更新描述，车辆可以实现自动变道上下高速，并自动选择导航上的匝道下高速，同时还可以主动避让路上的人和车以及障碍物。在市区道路，车辆能够自主向右向左转向，不过在经过路口或盲区较大的区域时需要驾驶员格外留意。

1、几乎可以在任意地方激活

了解Autopilot系统的朋友都知道，Autopilot的激活条件之一是前置摄像头必须可以持续可靠地观测到地面车道线。但是在FSD?Beta版本里，这个限制似乎消失了，FSD?Beta不管在任何地方都可以激活运作。在小编看来，这是一个相当大的技术进步，这意味着在没有车道线的开放路段或者开阔地上，Tesla?FSD也可以开始接管车辆；这也意味着Tesla的车身传感器在任何条件下都可以不依赖道路本身的条件，单靠自己的能力就可以快速识别出可行驶的区域。

在这段视频中，车主在停车状态下设置好导航之后，在无车道线的停车场内就开启了FSD，虽然在视频00:34左右FSD被取消了（车主表示是他主动取消的，因为感觉距离那辆高尔夫球车有点近，但其实纯靠FSD自己也没问题）。直到驶出停车场，FSD的表现都非常稳健。

尤其是在00:54左右，驶过垃圾站之后，为躲避凸出来的人行道，方向盘自动向左打回避的那一下，非常像真人在驾驶。

2、未开启导航、无车道线自动行驶

即使没有设定导航，直接在无车道线、道路两旁无高低落差的乡间小道上行驶，FSD?Beta也发挥稳定。

搭载了FSD?Beta的Model?3准确识别出了道路两侧不可行驶的非铺装路面、路旁停着的车、垃圾桶等等，还自动行驶在了车道的右侧。不过在这种情况下，转弯就需要人工辅助操作了，不然车辆就会自动选择弯道路径最短的道路前进（简单来说就是能直行就直行，不能直行就右拐）。

3、分车道识别红绿灯、STOP标识、市区自动变换车道

车辆在行驶时，地面所有白色车道线、黄线、无法驶入的红线人行道和紫色的绿化带区域均能够被有效识别，甚至包括了对向的车道。全程车辆在弯道内行驶时，方向盘都是缓慢平顺的转动，将车辆一直维持在车道线居中位置，像个老司机。

在视频02:04，遇到前方有慢车时，FSD?Beta为保持设定的车速不变，直接自动向右变了一道。并且在随后的路口右转弯中实现了提前自动打转向灯、停车等待，直到垂直方向无车、安全之后再自动完成了右转，整套动作可谓行云流水、一气呵成。

4、自动驶过复杂的环岛

环岛路口的情况则更加复杂，尤其是如下图那样双车道的环岛，如果想要完全不违规，不仅需要在驶入环岛前就精确的选择好车道，且在环岛内部行驶还需要多次变道（路过的出口越多需要变道的数量就越多），但FSD?Beta应对起来仍然也算是比较出色。

视频中，车辆顺利的通过了两个出口，也精确的在虚线区域进行变道，最后按照设定的导航路径，基本没有犹豫的从第三出口驶出。

另外，FSD?Beta还可以自动躲避路边的行人、自行车、摩托车等，在超越是不仅留出了足够大的安全距离，甚至可以像真人开车一样短暂压线，等完全超越之后再迅速并回原本车道。

在Twitter上，马斯克已经不止一次表示过，Waymo技术流派所代表的那种严重依赖传感器的性能和种类、以及大量先验信息（高精地图和V2X都可以归结为先验信息）的自动驾驶解决方案太过于针对明确且具体的路况，一旦去到高精地图没有覆盖的区域或因施工、事故导致的道路调整就没用了，从而就失去“自动驾驶”的意义了。

特斯拉的FSD不会过度依靠雷达，也不会使用高精地图，而是把摄像头的视觉系统作为核心，做到最大限度的模仿人类司机。特斯拉这次针对FSD的重写最主要的就是从2.5D识别提升到了4D识别，也就是利用单目摄像头做到了景深识别。再通过车身周围的?8?个摄像头构成一张影像，并结合车身雷达获得的信息用作综合分析，而不是以往的每个摄像头独立工作独立分析。

不使用高精地图不代表完全不使用地图，毕竟基本的导航功能还是要有的，而特斯拉的逻辑是仅利用地图获取基本的道路信息，比如前方有几个路口、是否有环岛等，并提前预加载到FSD系统内。而具体到可行驶的区域大小、车道线的形状、红绿灯的停止线等细节则完全依靠视觉系统直接运算处理。

另外，特斯拉还将每辆车行驶时产生的大量轨迹数据上传，在自家的Dojo超级计算机中通过不断的筛选、清洗、标注，从而让FSD算法能力不断升级进化。

上传的数据量有多可怕？一位Twitter用户@Brandonee916表示，在收到2020.40.8.10系统的短短两天内，他的Model?3就上传了21.09GB的数据。

而凭借超级计算机高达1EOPS的超强算力，原本在北美当地时间10月22号才更新的2020.40.8.10系统，仅仅两天之后，更新的2020.40.8.11就来了。据马斯克称，特斯拉计划每5到10天就进行一次更新。虽然在目前的众多测试中，也出现过过度转向、在同一个路口的两个“STOP”指示牌前分别停下等bug，但随着上传数据的增加，FSD?Beta将越来越强、越来越准确。也难怪马斯克敢直接宣布在北美将FSD涨价2000美元，并且还有底气的说“以后只会越来越贵”。

在FSD?Beta推送前不久，蔚来汽车的NOP和小鹏汽车的NGP均已完成发布，有不少媒体在高速公路上完成了实际测试，并与特斯拉的NOA进行了同场对比。由于中国版车型采用的并非全新的FSD?Beta版本，因此其实际表现确实在某些方面不如搭载了高精地图的另外两位选手，似乎特斯拉想要在自动驾驶上再次领先全球，还是得依靠重写过后的FSD。

但参考目前最新FSD?Beta的工作原理以及马斯克此前曾表示的“特斯拉将会拥有自己的GPS测绘数据”，笔者个人认为未来FSD在中国大陆可能会面临非常大的阻力。若坚持不采用高精地图的话，阻力之一就是特斯拉在国内的地图和道路测绘资质，第二就是收集各种数据之后的流向问题了，以目前中美关系来看……

不过也不用完全绝望，特斯拉不可能会放弃中国这个如此重要的市场，而软件作为车企的下一代的竞争力，特斯拉也不会就这样将领先的优势拱手让人。经过协商，我相信最终还是可以顺利引进的。毕竟另一家美国巨头公司已经有了前车之鉴（iCloud也可以由云上贵州负责运营），特斯拉的数据也可以在中国境内由中国公司监管运营的嘛，不过到时候FSD的价格说不定会接近10万人民币了，但这也一定是基于车辆本身价格进一步降低的前提了。

其实对于消费者本身来说，无论是依靠高精地图还是视觉系统，这都只是解决方案本身的差异，最终实现的结果并不会有太多的改变。正所谓不管是黑猫还是白猫，只要能抓住老鼠就是好猫。相信凭借中国高精地图和依托强大5G网络的V2X技术，中国车企同样也能够实现真正的L5级完全自动驾驶。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。