大家好，我是電動車公社的社長。

最近，小鵬汽車因為兩件事火了。

第一件是股價，一天之內暴漲33.92%，讓許多人嘗到了支持新能源的甜頭。何小鵬反應很快，發了一封全員郵件，希望小鵬汽車的小伙伴們放眼長線利益，不要只看短期股價的漲跌。

隨后股價果然跌回了暴漲前的價格……

另一件事，就是何小鵬和馬斯克互懟了。

事情的起因是一位海外友人看熱鬧不嫌事兒大，在推特上問馬斯克：“如何看待小鵬汽車在自動駕駛領域采用激光雷達，沒有采用和特斯拉相同的純視覺路線？”

不僅如此，還添油加醋地補充了一句，“小鵬汽車是不是意識到他們抄襲特斯拉的方案行不通了。”

推特紅人馬斯克當然不會放過這個營銷的機會，直接指責小鵬汽車抄襲——

“他們只有我們舊版的代碼，但沒有我們最新的神經網絡系統。”

何小鵬也不甘示弱，對此進行強勢回應：

兩邊的粉絲也抄起鍵盤，吵得不可開交。一方認為馬斯克打擊異己，是一種霸凌的行為；另一方則認為小鵬汽車有剽竊代碼的嫌疑，應該調查。

那么，為什么馬斯克會如此反對激光雷達？

小鵬汽車，到底有沒有抄襲？

以特斯拉為首的視覺派，和大多數廠商都支持的激光雷達派，誰才是自動駕駛的出路？

01. 激光雷達有多重要？

以前社長就和大家簡單聊過，ADAS高級駕駛輔助系統需要感知、判斷、操控這三步，才能進行駕駛的操作。就像我們需要雙眼去觀察、需要大腦去判斷、需要四肢去操控才能開車一樣。

這里面，負責判斷的算法、負責操控的車輛架構都是各花入各眼，廠家們自有辦法。但在負責感知的硬件上，卻產生了巨大的分歧。

我們知道，感知的方法主要分為估計型的攝像頭，以及測量型的雷達。就好比走路用的拐杖和眼睛，一個負責判斷周圍有沒有絆腳石，一個負責判斷周圍有沒有路、有沒有人。

對于大多數廠家來說，只用一種感知方式是不夠可靠的，事關安全無小事。

因此，大家普遍采用測量型和估計型緊密結合的技術路線，用豐富的硬件最大程度地感知環境，減少發生問題的風險。攝像頭、毫米波雷達、超聲波雷達、激光雷達多多益善，要是能用上GPS定位、高精度地圖甚至是V2X車路協同，那就再好不過了。

總之，走路用的拐杖越多就越放心，反正咱有鈔能力。

如果說大家的區別，無非是這家鈔能力弱一點，那家鈔能力強一點而已。

弱一點的，就比如傳統主機廠和造車新勢力，用有限的傳感器實現部分自動駕駛，實現的是ADAS Cars，輔助駕駛汽車，目前最多能夠支持到L3。

強一點的，就比如Waymo、百度Apollo、Super Cruise，用大量傳感器實現完全自動駕駛，理論上要實現L4，甚至是L5。

激光雷達，就成了實現自動駕駛必不可少的硬件設備。Waymo甚至“以販養吸”，成為了激光雷達的供應商，直接對外銷售激光雷達。

我們在一線城市的開放試驗區見到的自動駕駛測試車，100%都頂著這樣的一個“大腦袋”，里面裝的就是16/64/128線的激光雷達。

由于激光雷達每秒能發射數百萬個激光束并測量返回時間，從而得到周圍物體確切的距離和形狀。

這海量的感知信息，能夠讓自動駕駛汽車更精確、更穩定地感知到周圍環境，比如能從2σ（97.73%）提升到3σ（99.87%）。

所以一些舍得下本的品牌，就會采用激光雷達來換取安全覆蓋率的提升。

不過，“一分錢一分貨”這句話，在激光雷達上再一次得到了應驗。

已經獲得百度、福特、現代、尼康等多家公司投資、也是全球最大的激光雷達公司Velodyne，其16線、32線、128線激光雷達的價格，高達4000、4萬、8萬美元！

就這4000美元的VLP-16，還是在2018年打了5折之后的價格。

想要用硬件實現L3，怎么也得裝一個，就比如率先實現L3的奧迪A8，車頭的位置就有激光雷達。要是想實現L4，全車的一套系統怎么也要5萬美金以上，奢侈點的甚至會達到10萬美金！別說特斯拉了，這筆錢買保時捷Taycan都綽綽有余。

為此，馬斯克不惜在公開場合怒懟激光雷達，也包括用了激光雷達的其他自動駕駛公司。

“激光雷達就像人身上長了一堆闌尾，闌尾本身的存在基本是無意義的，如果長了一堆的話，那就太可笑了。任何依賴激光雷達的公司都可能無疾而終。”

這也揭開了特斯拉和其他廠商之間斗爭的序幕。

02. 進擊的馬斯克

馬斯克拿出來的解決辦法，是作為估計型感知的純視覺方案。這種三目攝像頭的環視解決方案，成本不過300多美金而已，比激光雷達便宜了不知多少倍。

其實想法也很簡單：一個健康的人不可能用拐杖走路。人的眼睛能做到，憑什么攝像頭的純視覺就做不到？

如果你說人類能做到是因為有大腦，那就讓神經網絡系統模擬大腦不就完事兒了！

在純視覺路線的引導下，特斯拉招募了一大批在常青藤名校做視覺的碩士生或者博士生，這群人也是在全球玩視覺玩得最6的。在最新的測試Demo里，特斯拉甚至已經在部分路段完成了L4級別的自動駕駛，并且能識別出絕大多數的交通參與者。

特斯拉是怎么做到的？其實就是這張圖：

簡單來說，我們的大腦是怎么學習的，它就是怎么學習的。

它會先通過特斯拉上的攝像頭，給周圍的交通參與者建立模型，同時把相片數據添加到神經網絡的訓練集里，讓人工告訴它這是什么。

形成一定規模之后，它就會有自己判斷的能力，比如這是一臺小轎車，那是一臺貨車，那邊是一個騎自行車的行人。

在特斯拉眼中，世界其實是這樣的。

我在哪，我周圍有沒有車道線，周圍有沒有交通標志，我周圍有幾個交通參與者，分別離我有多遠，他們運動的方向和速度都是什么……等等。

但神經網絡終究是個AI，它存在誤判的可能。有的是誤判了物體類別，有的是誤報，還有的是漏報。就比如前面有個龜速“老頭樂”，早期的特斯拉不會做出反應，會直直地撞翻過去。

但這時，特斯拉的測試車，以及幾十萬的特斯拉車主就會介入駕駛過程，要么剎車，要么變道。

人工干預會觸發一次快照，就是一段由多個攝像頭、毫米波雷達、GPS等多個傳感器組合得到的視頻剪輯，和相關的后臺數據。特斯拉的人員會進行復核，看看特斯拉的做法和人類的做法有什么區別，找出差距，然后讓系統自動改進，也就是標注的工作。

在標注中學習，就是特斯拉的“影子模式”。

當然靠人工提供的精確標注幫助機器學習，速度太慢了——招一堆人標注員花掉大量的人員工資，可不是特斯拉的風格。

特斯拉要做的，是讓機器自主學習！

既然特斯拉有幾十萬臺車在路上跑，那這些從路上得來的，就都是標注數據。

需要訓練防加塞功能？只要預測cut-in（加塞）的運動軌跡，再和真實數據進行比對就好了。需要訓練行人碰撞預警？只要預測行人的運動軌跡，再和真實數據進行比對就好了。

而且機器的判斷，錯得越離譜越好——只有在不斷的錯誤中，機器才能知道什么是正確的，才能在下次做出正確的判斷和反應。

在去年的自動駕駛發布會上，馬斯克宣稱特斯拉是沒有建設數據中心的，而是用每一臺特斯拉組成了一個巨大的服務器集群。所以特斯拉才需要在HW3.0硬件上堆算力極高的芯片，只有算力夠高，才能處理得了這么多的數據，才能進行大量的判斷和計算。

通過算法和海量的數據，讓特斯拉的駕駛能力高于人類，就是特斯拉真正的王牌。

這也成了馬斯克懟何小鵬的信心來源——我們有神經網絡系統，能做成純視覺；你沒有，所以你只能去采購高成本的激光雷達。

一言以蔽之：弟弟啊！奔跑吧！追趕吧！

03. 小鵬到底抄沒抄襲？

但特斯拉的純視覺路線，有一個致命的缺點。

因為攝像頭是二維而不是三維的，現實卻是三維的——這中間，會存在信息失真。

就比如對于這臺MPV的識別，同樣的感知位置，但純視覺方案的結論更長、更窄，和物理上的事實有出入。人可以通過經驗判斷出車大概有多大，但攝像頭不行。

而且，人都有可能被自己的眼睛欺騙，更不用說攝像頭了。

此前，特斯拉就因為采用了不成熟的純視覺方案出過不少事情。把大貨車識別成一朵云直直撞了上去、在武漢直接撞翻一片中央護欄、識別出廣告中一閃而過的STOP標志從而剎車等等不勝枚舉，還遭遇了公關危機。

最近還有博士生用投影儀把二維的人體影像投射到路面上，測試用的特斯拉Model X卻并沒有識別出來是假人，依然進行了主動剎車操作，也證明了這一點。

這種缺陷，只能通過大量的學習和算法的演進，讓機器學會和人類一樣識別和修正。

所以包括小鵬在內，希望做L4自動駕駛的廠商都沒有采用純視覺的方案，而是用視覺+雷達進行雙重感知，用大量的安全冗余來確保車輛和乘員的安全。眼睛沒看見障礙物不要緊，再用毫米波雷達甚至是激光雷達去摸一摸，及時剎車或者躲避就好了。

這也是一開始何小鵬有實力回懟馬斯克，說要把馬斯克打得找不著東的原因。

那小鵬汽車到底抄沒抄襲？

我們先來說說硬件。

這是特斯拉的，12個超聲波傳感器，1個毫米波雷達，8個感知攝像頭（前3后1側4），算力72TOPS。（不是144TOPS的原因是特斯拉的第二塊芯片是做安全冗余的，不共同參與計算）

這是小鵬的，12個超聲波傳感器，5個毫米波雷達，13個感知攝像頭（前3后1側4環視4），算力30TOPS。

看上去，只是在車身四角多了4個毫米波雷達來輔助變道，多了4個環視攝像頭來輔助泊車，其他的配置都一樣！似乎有點抄襲那味兒了。

但實際上，特斯拉的三目攝像頭里，前視廣角攝像頭有150°，小鵬的只有100°，剩下的感知需要用毫米波雷達和環視攝像頭來輔助。而且特斯拉的后視攝像頭是長焦，也和特斯拉的短焦不一樣。

無論是攝像頭變了、還是布置位置變了，算法都是要跟著變的。

其實從圖上也能看出來，特斯拉的感知范圍幾乎沒有重疊，就好比雜技演員在走鋼絲，對自己的視覺算法非常自信。

但小鵬的感知范圍則有大量重疊區域，也用了大量的硬件來做安全冗余。攝像頭說這沒障礙物，我還得用雷達測一測才放心。

而且關于如何定位車道實現進出匝道，特斯拉是通過毫米波雷達探測金屬欄桿、再通過視覺來進行綜合判斷的，同樣依賴于算力和算法。但小鵬想要實現NGP，則要依賴于高精度地圖。下一代硬件，更是直接加入了激光雷達。

這也就是說，即使把特斯拉的全套代碼都放在現在的小鵬車上，小鵬也沒法用。

路線都不一樣，何來抄襲？

所以特斯拉在2019年起訴的是前視覺科學家、現小鵬汽車感知負責人而非小鵬汽車，在2020年要求獲得小鵬XPilot的完整源代碼庫、以及蘋果對小鵬前員工刑事指控的法院記錄的訴求，也被聯邦法院駁回。

法院給出的說法是，讓小鵬準備好XPilot的源代碼，和Autopilot源代碼一同移交第三方進行對比審核，并作為判決依據。

小鵬汽車也表明了自身的立場，“我們始終同意向中立第三方提供源代碼以供調查。”

04.誰才代表著自動駕駛的未來？

其實在自動駕駛這場戰爭中，沒有絕對的對與錯，只有適合和不適合。

在此前的所有方案中，純視覺方案，更適合那些才華橫溢的天才們發揮。他們用自己的智慧，讓機器學會和人類一樣深度思考，來代替人類駕駛車輛。

激光雷達方案，則更適合那些敬畏生命的老實人。在他們眼中，自動駕駛這類的新技術必須要達成100%的安全，而不是99.9999…%。

不過有意思的事情來了，今天文章里所提到的一切和競爭格局都有可能在接下來的1-3年內發生翻天覆地的變化：

關于視覺，馬斯克在幾個月前宣布：全部重寫FSD代碼。按照馬斯克的說法是：這是質的飛躍，并且會很快實現全自動駕駛。

關于激光雷達，華為在廣州車展前放出消息，他們計劃生產的激光雷達體積非常小，不再需要頂在車頂了，最關鍵的是，跟市面上動軸幾十萬的激光雷達相比，華為準備把價格打到100-200美金的白菜價，如果華為能做到，相當于價格降低了98%，那就真的會成為所有車企搶著買的爆款了！

這其中還有一個關鍵，馬斯克應該是理解不了中國的996的，就像馬斯克應該也不會理解我凌晨00:29分了，還在公司寫他不懂我們996一樣。所以他才會堅定地認為激光雷達的價格是不可能真正被打下來的。

當然，華為的激光雷達，目前還沒真正做到傳說中的超低成本，但據小道消息說，也已經到了幾百美金的區間了。（華為的故事，我正在寫，我們過兩天仔細講）

而馬斯克向來有“馬大嘴”之稱，吹牛歸喜歡吹牛，但牛的地方在于，吹過的牛都會實現，只是實現的時間一般會比他的“牛”里的時間稍微晚一點。

這場曠日持久的巔峰對決，才剛剛開始。