知嘹汽車/Jasper
都說新能源的下半場卷的是智駕、智能化,但殊不知特斯拉的FSD仍然在全球范圍內(nèi)都是斷層式的領(lǐng)先。
這并不是危言聳聽和潑冷水,而是實實在在存在的現(xiàn)實。
從智能駕駛本身的技術(shù)路線來看,特斯拉就已經(jīng)贏了。
以前我們了解的智能駕駛,要分為感知、預(yù)測、規(guī)劃、控制四個模塊部分,然后再進(jìn)一步再分為是代碼指令判斷還是AI大模型判斷,而現(xiàn)如今的特斯拉采用的則是“一段式智駕”。
簡單來說就是,感知元件所采集到的信息,全部都流向神經(jīng)網(wǎng)絡(luò),直接處理最原始的傳感器數(shù)據(jù),輸出控制指令,這聽起來似乎仍然是接收、判斷和下達(dá)指令的三段式,但實際的大模型卻能做到“看到”就已經(jīng)“行動”了。
Transformer架構(gòu)帶來的核心優(yōu)勢就在于,以往的每個模塊之間有自己獨立的算法和模型,模塊之間通過接口來傳遞信息,這種方式會存在明顯的信息缺失和誤差積累。
我們舉一個簡單的例子。在食堂打飯,你要在這個窗口說你吃什么,然后A大媽給B大媽說你點了什么,B大媽盛飯再給C大媽,C大媽再大喊誰點的尖椒茄子蓋飯,這是眾多車企采用的架構(gòu)。
而真實情況卻是,只有一個A大媽,你說了啥,她就給你啥,這就是特斯拉的輔助駕駛。所有的決策都由一個架構(gòu)完成,這樣不僅省了成本(人工成本+電量消耗),大媽也不會給錯飯和給錯人。
而除了Transformer架構(gòu)之外,特斯拉的感知層面敢只用攝像頭做純視覺,則更是技術(shù)自信的表現(xiàn)。
不依賴高精地圖、不依賴激光雷達(dá),只靠視覺攝像頭,其背后要實現(xiàn)的技術(shù)難點則更多。這必須要求智駕模型非常強大,才能從一個2D的圖像中,精準(zhǔn)構(gòu)建理解3D環(huán)境。OccupancyNetwork的模型雖然是端到端的,但其內(nèi)部會不斷學(xué)習(xí),并利用類似一種“占用網(wǎng)絡(luò)”的表示來理解3D空間的構(gòu)造和動態(tài)物體。
這也就是很多中國車企,即便也用了端到端模型,但仍然始終需要激光雷達(dá)的原因,其難點就在于,自己的端到端模型還是要依賴3D采集,而不能從2D通過理解變?yōu)?D。
我們不說具體的使用感受差距,畢竟特斯拉FSD采集的很多都是北美駕駛數(shù)據(jù),進(jìn)入中國肯定要水土不服一段時間。
但特斯拉帶給用戶最大的智駕感受,其實會在很多潛移默化的方面。
首先是更擬真的智能駕駛感受。超車變道、剎車減速等等方面都會更像一個真正的人類駕駛行為。在北美的V12實際反饋中,當(dāng)系統(tǒng)在處理復(fù)雜的城市道路、無保護(hù)左轉(zhuǎn)、環(huán)島、施工區(qū)、應(yīng)對行人和非機動車等場景時,特斯拉的實際表現(xiàn)有更高的流暢性以及更接近人類駕駛員的決策邏輯和處理能力。
這一點很多中國車企的智能駕駛方案也都在增強,但在能耗的管理方面,特斯拉仍然首屈一指。
前面我們已經(jīng)提到了Transformer架構(gòu)對于電耗的減少有著至關(guān)重要的作用,而且特斯拉還不用激光雷達(dá),這相比于中國車企的一堆感知元件,也會帶來在電耗上的優(yōu)勢。
去年冬天我們拿到一組來自北歐的續(xù)航數(shù)據(jù),在特斯拉與一眾國產(chǎn)新能源的比拼中,雖然大家最后做到的續(xù)航里程相差不大,但特斯拉的電池卻在其中是最小的。
三電系統(tǒng)的水平確實有很大差異,但對于一臺智能電車來說,特斯拉在智駕上節(jié)省的電量,就似乎已經(jīng)超過了絞盡腦汁降低的那一點點風(fēng)阻系數(shù)帶來的差異了。
而最致命的則是,整個關(guān)于智能駕駛戰(zhàn)爭,似乎在特斯拉推出Robotaxi的那一刻就已經(jīng)結(jié)束了。中國新能源的端到端近兩年才逐漸落地,但特斯拉的完全體Robotaxi卻已經(jīng)開始量產(chǎn)。
這場仗越到后來越?jīng)]法打,因為端到端和AI最后比的,并不會再是誰的芯片用的有多好、誰的攝像頭雷達(dá)更清晰,而是數(shù)億的駕駛數(shù)據(jù)。
眾多友商所追趕的,不過是特斯拉早在三年前亮起的尾燈罷了。
免責(zé)聲明:本文內(nèi)容由開放的智能模型自動生成,僅供參考。