特斯拉在自動駕駛領域的發展中先人一步，目前已啟用的自動駕駛系統處于L2-3的水平，稱之為“自動輔助駕駛系統”，仍然需要人工時刻保持警惕和介入。

特斯拉自動變換車道示意圖

雖然特斯拉的自動駕駛技術處于全球領先的地位，但其發展速度仍然比馬斯克的預期要慢了一拍。馬斯克宣布將于2018年進行跨越美國東西海岸的全自動駕駛之旅，與此同時，競爭對手們也沒有懈怠，他們正努力打造自己的自動駕駛技術（比如通用的超級巡航系統Super Cruise，已在其旗下的CT6車型中配備）。

特斯拉在自動駕駛技術的競賽中會一直保持領先地位嗎？——Trent Eady在詳細研究了特斯拉的自動駕駛技術之后，認為“特斯拉仍將保持領先地位，并將加快發展步伐?！?/p>

特斯拉VS谷歌Waymo、Uber：激光雷達是自動駕駛中不可或缺的技術嗎？

自2016年10月起，每一輛下線的特斯拉車輛都配備了支持全自動駕駛功能的硬件（即第二代自動駕駛系統），包括攝像機、雷達、超聲波傳感器和可升級的車載計算機。截止目前，約有15萬輛搭載二代自動駕駛系統的特斯拉行駛在全球各地。理論上講，特斯拉車輛可通過空中軟件更新（OTA）升級為全自動駕駛。

而激光雷達是一種利用紅外激光脈沖計算距離的技術，目前谷歌Waymo、Uber都認為激光雷達將是自動駕駛中的不可或缺的技術。特斯拉對此并不贊同，特斯拉的第二代自動駕駛硬件中也沒有使用激光雷達，而是依靠聲波雷達和光學相機。

激光雷達的優勢是其較高的空間精度（Spacitial Precision），它能夠比目前的攝像機技術更精確地測量距離。但激光雷達的弱點也很明顯，它受制于天氣因素——大雨、雪或霧可能導致激光雷達的激光脈沖折射和散射，從而影響其測量精度。

雖然激光雷達有其獨特之處，但Eady稱，隨著技術的發展，相機與激光之間的差距將會縮小。目前，還沒有可商業化的自動駕駛激光雷達產品上市，因此距離激光雷達真正成為市場化應用的時間尚不可知。

特斯拉自動駕駛示意圖

“比起普通相機，人們更愿意相信自動駕駛是由酷炫的激光技術來實現的?！?/p>

雖然，馬斯克與其自動駕駛團隊確信激光雷達在自動駕駛技術上并非不可或缺，那為什么其他競爭對手都對它深信不疑呢？

“激光雷達在大眾潛意識中產生了神奇的光環。”Eady解釋道，“如果你告訴他們，自動駕駛是由一種酷炫、極具未來感的激光技術實現的，他們更容易相信；但如果你告訴他們，自動駕駛只是把一些普通的相機與具備深度學習功能的神經網絡結合在一起，就能讓一輛車在復雜的城市街道上行駛，人們更傾向于相信前者?！?/p>

車載激光雷達

從現實中來，到現實中去

Eady相信，這些具備深度學習能力的神經網絡是特斯拉在競爭中保持領先地位的真正原因。特斯拉通過15萬輛配備2代以上自動駕駛硬件的傳感器收集大量數據，這為特斯拉提供了自動駕駛系統在真實世界的大范圍測試。

作為特斯拉自動駕駛技術的競爭對手，谷歌Waymo擁有一套包含25,000輛虛擬車的計算機模擬系統，每天從800萬英里的模擬駕駛中生成數據。特斯拉在真實世界中的數據當然比任何模擬數據都更有價值，并且，特斯拉將其結合神經網絡，不斷提高自動駕駛系統的性能。

示意圖，別當真

神經網絡是一種計算系統，它采用仿生學設計，模擬人腦神經網絡的組織方式——聽起來，像是馬斯克一直擔憂的AI人工智能。深度神經網絡能模擬復雜的非線性關系，可用數據越多，性能就越強。

“2012年，在贏得了ImageNet（一項專注于圖像分類的計算機視覺競賽）之后，具備深度學習能力的神經網絡開始受到公眾關注。”Eady接著說，“2015年，神經網絡第一次在ImageNet競賽中超越了人類的紀錄，而在視覺方面，計算機超越人類的能力讓人驚嘆。該技術可以在某些復雜領域代替人類，汽車自動駕駛就是其中之一?！?/p>

PS. 你知道在ImageNet挑戰賽中，被計算機超越的那個人是誰嗎？

——他就是Andrej Karpathy，特斯拉的AI人工智能總監。

Andrej Kapathy ,深度學習和計算機視覺專家 ,畢業于斯坦福人工智能實驗室，獲得計算機視覺博士學位。博士師從李飛飛教授，曾在谷歌大腦、DeepMind 實習，與吳恩達共事，業界幾大深度學習實驗室皆有其足跡，有AI “網紅”之稱。