特斯拉自動駕駛在中國為何不如小鵬？（下）_LOT

03

小鵬如何在全球追趕特斯拉

特斯拉FSD早晚在中國開放，而小鵬汽車智能駕駛也要走出中國。兩方早晚正面對戰。小鵬能否在東半球，乃至全球和特斯拉一戰？

真正給何小鵬叫板特斯拉信心的，是小鵬汽車從2020年完成的端到端全棧自研體系能力。

3.1|打造自己的算法數據閉環

何為全棧自研？

吳新宙向《電動汽車觀察家》表示：小鵬汽車的“全棧自研”不僅是自研車端的視覺感知、傳感器融合、定位、規劃、決策、控制等方面。

還包括云端數據運營所需的一系列工具和流程。

即數據上傳通道、前端數據上傳實現、云端數據管理系統、分布式網絡訓練、數據采集工具開發、數據標注工具開發、軟件部署等方面實現自研。

“由此形成數據和算法的全閉環，為快速的功能迭代打下堅實的技術基礎。”

區別于邏輯判斷算法模型依賴于工程師有多聰明，自動駕駛系統主要采用的神經網絡算法模式具有“基于數據成長”的特性：算法是在前期數據收集、中間數據存儲與遷移，后期核心數據的訓練與管理，所形成的數據流中逐漸成熟的。

算法由數據推動迭代，迭代算法又帶來新的數據，系統能力的提升本質上是在數據中循環往復的過程。

高盛前投資主管：預計特斯拉面臨的拋售壓力將持續到下周:11月13日消息，高盛前投資主管Gary Black表示，預計特斯拉面臨的拋售壓力將持續到下周，或者直到馬斯克全部賣出其持有的10%股份。如果馬斯克能壓低特斯拉的短期股價，他就能以盡可能低的價格行使他的2280萬份期權（需要支付的所得稅率為普通稅率的53%），這樣他就能賺更多。 （金十）[2021/11/13 21:49:10]

在這一成長閉環當中，任何一個環節加以他人之手，都將影響企業“自己的”自動駕駛系統迭代升級的速度和質量。

此前傳統汽車產業中是沒有“自己的”節奏的。主機廠雖然占據產業鏈的強勢位置，但車型迭代周期更多受限于零部件供應商技術和商業的節奏。直到特斯拉打破了這一行業慣例。

特斯拉AP更迭歷史資料整理：《電動汽車觀察家》

2016年6月發生的ModelS死亡事故中，何時通過視覺方案實現AEB的時間分歧導致了特斯拉與Mobileye徹底“分手”。

對于事故車輛沒有啟動緊急制動功能，Mobileye首席通信官DanGalves發表聲明稱：“目前AEB被歸入躲避追尾事故系統，。不過Mobileye將會從2018年開始帶來道路側向轉彎(LTAP)檢測功能。”

但特斯拉即不愿意等到2018年，也不愿意走Mobileye所擅長的傳統視覺感知路線。

特斯拉：截至3月31日所持的比特幣公允價值為24.8億美元:特斯拉表示，截至3月31日所持比特幣的公允市場價值為24.8億美元。

注：公允價值（FairValue）亦稱公允市價、公允價格。，是指在計量日發生的有序交易中，市場參與者之間出售一項資產所能收到的價格或者轉移一項負債所需支付的價格。[2021/4/28 21:07:42]

于是，才剛成立一年的特斯拉視覺感知自研軟件算法小組AutopilotVision和機器學習小組，在2016年10月“強行”頂替了Mobileye的位置，并在年底確定了AI視覺感知的技術路線。

上線之初，TV并未完成AP軟件端所有的應用開發，包括AEB、防碰撞預警、車道保持、自適應巡航等關鍵功能缺失數月之久，還用毫米波雷達干了一段時間AEB的“活兒”，導致眾多“幽靈剎車”的案例產生。

直到2017年4月，特斯拉推送V8.1，自研的AI視覺算法能力追上了Mobileye為支撐的HW1.0時代，就此開啟了汽車產業從未有過的迭代速度，并“逼迫”全行業“追趕”起了特斯拉的節奏。

小鵬是全行業第一個從全棧自研，而非僅僅是功能層面，追趕特斯拉節奏的車企。

2018年，通過小鵬G3，XPILOT2.0正式產品化落地，實現了端到端自研數據閉環的自動泊車系統量產；

2019年在小鵬G3i上搭載的XPILOT2.5系統在泊車之外，實現了ALC自動變道功能。其中，小鵬自主研發了最底層的線控、路徑規劃和控制部分算法，感知算法仍依賴于供應商提供；

伯克希爾·哈撒韋副董事長：不會跟隨特斯拉而進入比特幣領域:伯克希爾·哈撒韋公司副董事長查理·芒格表示，其認為比特幣最終不會成為世界交易媒介，它的波動性太大。并稱：“我們不會跟隨特斯拉而進入比特幣領域。”此外，查理·芒格建議投資者不要買比特幣或黃金。（金十）[2021/2/25 17:50:06]

2020年，小鵬P7和XPILOT3.0一同亮相，可實現NGP和停車場記憶泊車功能，至此小鵬第一次完成了深度的軟件全棧自研，建立了自己的視覺感知能力、驅動感知進化的數據閉環體系、高階輔助駕駛算法和軟件架構的落地，成為全球第二家實現自動駕駛系統全棧自研，算法、數據閉環的車企。

“與非自研相比，采用‘全棧自研’模式在組織、人才、研發投入上肯定都更重，但是優勢也是顯而易見的。”吳新宙表示。

3.2|掘金全棧自研

優勢確實顯而易見。

僅從高速導航領航功能來看，小鵬NGP于2020年落地；蔚來雖然略早幾個月，但仍是基于Mobileye半自研產品；理想則在2021年9月升級后才將該功能落地。

而包括極氪+Mobileye、極狐華為HI版、智己汽車+Momenta、哪吒汽車、零跑汽車等品牌雖然都有L3級高階智能駕駛能力的計劃，但仍與小鵬存在相當的時間差。

跟“自己比”，小鵬也進步迅速。

特斯拉與美國FBI合作，成功破獲一起加密貨幣勒索攻擊:特斯拉通過與美國聯邦調查局（FBI）展開合作，成功破獲一起計劃中的勒索軟件攻擊。據悉，該起攻擊的目標是特斯拉位于內華達州的一處工廠，攻擊者要求特斯拉支付價值數百萬美元的比特幣。（Bitcoin Exchange Guide）[2020/8/29]

小鵬XPILOT系統更迭情況資料整理：《電動汽車觀察家》

2020年，小鵬P7在自研方案之外，還采用了1個前置攝像頭和一個英飛凌AurixMCU2.0為主的智能控制器作為冗余方案，其感知和決策算法也來自博世。到2021年的P5身上，這套來自第三方的冗余方案被取消了，P5只了搭載英偉達Xavie平臺，而且增加了激光雷達作為傳感器。

按照計劃，小鵬將在算力為30TOPS的英偉達Xavie平臺上實現XP3.5最核心的城市NGP功能。同樣實現這一高階駕駛輔助功能的特斯拉FSD芯片算力則為144TOPS。

“鍛煉了團隊的極致工程能力，在有限的算力下實現了相對復雜的功能落地。”吳新宙向《電動汽車觀察家》表示：“從XPILOT3.0到3.5，再到未來的4.0和5.0，小鵬的技術路線是非常有延續性的自然演進。”

3.3|效率競爭

殊途同歸。小鵬雖然已經走上了與特斯拉頗有分歧的技術路線，但兩者的路徑和目標卻是一致的：通過全棧自研，實現量產自動駕駛技術。

在吳新宙看來，面向這一目標的較量其一在于數據量，其二則在于正確的網絡架構。

聲音 | 特斯拉回應馬斯克遭SEC指控欺詐：我們相信他:據新浪科技報道，針對周四SEC起訴特斯拉CEO馬斯克涉嫌證券欺詐一事，特斯拉聲明稱，“公司和董事會對埃隆的正直、領導力有充分的信心，正是他的這兩項品質，打造出了一個多世紀以來最成功的的美國汽車公司。我們的關注點仍然是Model 3的生產，交貨給客戶，對股東和員工負責。”此前，彭博援引美國曼哈頓聯邦法庭訴訟文件摘要，稱馬斯克在活躍交易日的盤中時間用手機公開向他Twitter上超過2200萬粉絲宣布了虛假的、帶有誤導性的特斯拉私有化消息。[2018/9/28]

“特斯拉目前的網絡架構，對于體系能力有很高的要求，無論從數據的獲取，標注和訓練來看，其它廠家在體系能力的建設和投入上和特斯拉有巨大的差距。”

數據量方面，特斯拉目前在全球范圍內無人能敵。

特斯拉人工智能總監Andrej在CVPR2021上表示，截至2021年6月底，特斯拉擁有百萬量級的車隊，已經收集了100萬個36幀10秒時長的高度差異化場景視頻數據，約占用了1.5PB的存儲空間。獲得了60億個包含精確深度、加速度的物體標注，共進行七輪影子模式迭代流程。

這一數據規模，不僅小鵬與特斯拉相去甚遠，即使是一眾自動駕駛公司也難望其項背。去年10月，Waymo公布的最新數據中，累計路測里程達到1000萬英里。特斯拉截至去年6月的數據則為近1500萬英里，其中170萬英里在Autopilot啟動情況下收集。

數據是自動駕駛系統算法模型迭代成長的燃料。而特斯拉已建造了一套高效的數據閉環體系，將這些海量數據加工成“無煙煤”。

特斯拉數據生產的三個階段《中金|AI十年展望》

在百萬輛級的車隊基礎上，特斯拉通過“影子模式”有針對性地搜集海量cornercase場景數據，以及人類司機在該場景下的操作數據為神經網絡提供質量更高的半監督學習或監督學習引導；

這些原數據需要被標記出各類特征之后，才能作為神經網絡的學習素材。

此前，這類非結構化數據依賴大量人工標注，屬于勞動密集型產業，各企業多將工作外包給第三方。但第三方標注具有效率低、反饋慢等痛點，導致標記、分析、處理訓練數據的延遲較高。

特斯拉自建超過一千人的數據標注團隊，分成人工數據標注、自動數據標注、模擬仿真、數據規模化四個團隊，技術層面已經完成了從2D標注到4D標注和自動標注的進階，自動標注工具可以通過一次標注就實現所有攝像頭多視角、多幀畫面同步標注，同時也能就時間維度進行標注。

自建數據標注體系之后，特斯拉還自建了數據的訓練場——由3000個特斯拉自研DojoD1芯片組成的算力高達1.1EFLOP的超算集群，與與谷歌和商湯同為當下世界第一的算力梯隊。

而且相比谷歌、商湯的通用性超算集群，Dojo在設計上更專注于視頻處理，對特斯拉自動駕駛系統模型訓練更具有針對性，并由此有效降低算法成本。

“我們認為，體系的差距比數據的差距更重要，小鵬過去幾年一直致力于自己的體系能力建設。復雜系統工程在終端呈現的結果也并不是單一變量決定的，還是要看整體設計與硬件匹配的程度。

后續，我們也會持續在算法優化和傳感器選型或者變更上做好平衡，用合適的硬件做出更高階的輔助駕駛能力，并持續向自動駕駛演進。”吳新宙向《電動汽車觀察家》表示。

3.4|小鵬的機會點

效率和成本，是任何產品能夠成功實現大規模量產的決定性因素。而特斯拉建設這套增效降本的數據閉環體系不僅依仗自身的技術能力，而且也與其強大的資金實力息息相關。

2021年，特斯拉的研發費用約為168億元。相比之下，小鵬為41.14億元，長城為90.7億元。

但這并不意味著小鵬在與特斯拉量產自動駕駛的下半場競賽中全無勝算。

朱晨向《電動汽車觀察家》表示，相比于特斯拉完全從技術公司的角度出發的產品思路，小鵬在推出產品功能時候，更多思考的是能否結合中國的適用場景，真正給車主的生活帶來幫助。

而更適合中國用戶需求的功能則有助于小鵬在中國銷量的規模化，從而實現真正意義上，XPILOT的量產落地，并幫助其建立起中國場景下的數據及體系優勢。

2020年，FSD在華購買率只有1-2%，低于北美10%-15%的比例。2021年Q4，Model3車型上的FSD搭載率，在亞太地區為0.9%，歐洲和北美則分別為21.4%和24.2%。

小鵬XPILOT落地情況，2021年Q3

截至去年三季度末，與特斯拉Autopilot加強版功能相似的XPILOT3.0激活率近60%。吳新宙未透露小鵬的數據獲取模式，但表示“世界的先進經驗都會學習。”

在算力和道場方面，小鵬目前可借助的“外力”絲毫不弱。

小鵬G9將搭載XPILOT4.0，其上應用508TOPS的英偉達Orin-X芯片，和千兆以太的高度集成域控制器。而且英偉達今年發布的AI訓練服務器EOS算力高達18.4EFLOPS。

而且小鵬相較于特斯拉對場景的把握能力已經開始顯現。

今年3月，小鵬汽車推送了XmartOS3.1.0版本，實現了長達2公里的VPA-L跨樓層停車場記憶泊車功能。幾乎是同期，坊間傳言特斯拉正在研制“SmartPark”：在有司機的前提下，車輛自動停在“最接近門邊”、“在購物車出口附近”、“停車場末端”等指定位置。從功能描述上，SmartPark與記憶泊車非常類似，領跑者與追趕者位置倒置。

在更遠的海外，正如何小鵬此前所說：“我們會相遇的。”

本文鳴謝：

阿寶1900自動駕駛專家

迪迪自動駕駛數據工程師

吳新宙小鵬汽車自動駕駛副總裁

自動駕駛拖拉機決策規劃算法工程師

朱晨Thoughtworks物聯網業務線總經理

參考資料：中金《軟件及服務|人工智能十年展望》

——END——

Tags：LOTPILOTFSDLOT幣LOT價格PILOT幣PILOT價格FSD幣FSD價格

Gate交易所