On The Future of Tesla and Full Self Driving Cars
【猎云网（微信号：ilieyun
）】5月1日报道 （编译：原子核）
上周特斯拉推出其自动化专用ASIC（集成电路），人们关注的焦点在于，这个硬件可以快速地处理冗余神经网络。在特斯拉的生产期间对这个硬件进行的开发和运用，对于任何公司来说都是一个前所未有的壮举，更不用说对汽车制造商。我描述一下特斯拉的平台优势：
理解特斯拉在超级计算机方面所做的工作的关键，在于理解2019年一个建立和支持完整定制半导体设计团队的模式。事实上，令人惊讶的是，他们已经在运输这台计算机，并改装成现有的X，S和3模型。这不是特斯拉预先宣布的，而是在生产过程中宣布的。
理解Elon Musk的关键是把他说的夸张的东西和事实分清楚——他很擅长混淆他们。从昨天的披露来看，最重要的是，这一芯片不仅是在生产厂进入全面生产，而且已经在车里面了。
在“x”时间尺度上做一些完全自主这样的事情是一种承诺，但为物理世界中的像素构建了一个全新的渲染引擎是另一回事。尽管任何先前计划的“完全自主”的说法都是假设、营销，并受行业需求和法规的约束，但后者是特斯拉确实能够控制的。
当曲线以指数速度弯曲时，那些改进常常被认为是理所当然的。我们习惯了用摩尔定律解释。许多聪明人正确地把硬件开发看作是由于已知原因而呈指数增长的映射，但是事实上软件创新并不是这样发生的。算法通常不会每两年快两倍，而是需要足够强大的硬件允许它们运行得更快。
然而，自动驾驶的局限性是涉及整个系统的。它们与仅在一个轴上的问题创新无关。在全系统范围内提高自动驾驶能力的关键是数据收集和实时决策数据的规模化。特斯拉的数据收集正以线性速度增长，但还有一件人们忽视的事。由于处理图像数据背后的数学问题，整个系统的改进也呈指数级发展。
特斯拉没有提及的一部分内容是他们围绕新的数学转换方法所做的工作，这一方法促进数据更加有效。三维图像处理——连接数据帧并以新的方式应用转换——是一个非常强大的研究领域，因为图像处理几乎涉及到当今的所有领域。
当我学习电气工程和图像处理的时候，我永远不会忘记，当我的大学教授在我们学校附近的217号公路的上训练图像转换。这些操作能够从完全不同的角度输入其他图像，并且能够检测到高速公路的一部分，而这些部分在人类看来，似乎没有任何共同点。这种形式的数学转换使图像数据比表面看起来更有价值，在今天的领域也有着密切的使用。计算机就像是一只在获得足够的图像后知道如何学习一种小狗。
在复杂的数学变换中，创新让收集到的数据矩阵操作更加有效，并且现在正以惊人的速度在改进。特别是对于自动驾驶来说，他们专注于执行图像深度传感的软件算法，并且迅速发展。就在上周，康奈尔大学运用这种方法对伪激光雷达深度的估计已经说明了这一点。他们通过从原始图像数据中创建一个伪激光雷达点平面来建立深度模型。他们的结论甚至令人吃惊：
我们从这一修正中得到的改进是前所未有的，对所有方法都有同样的影响。随着量子跃迁，基于图像的自主飞行器三维目标检测在不久的将来将成为现实。这带来的影响是巨大的。目前，LiDAR（激光雷达）硬件可以说是自主驾驶所需的最昂贵的附加组件。如果没有它，自动驾驶的额外硬件成本将相对较小。
Elon说激光雷达是一个神话，因为它是一个硬件级的进步，它依赖于生产固态设备和商业化它的数量。事实是，半导体供应链的运作方式就是将激光雷达硬件保持一个的高成本的状态，并且不可能满足芯片公司能够盈利的范围。激光雷达是体积小并对环境友好。除了汽车行业，还有谁需要激光雷达？几乎没有。
想想看。我们都知道现在的激光雷达成本是令人望而却步的。看起来和威莫（Waymo）的汽车有着很好的联系，但事实上更换激光雷达是一个噩梦。但是说一些在未来将花费100美元的实验，说这个方法是可行的。模块是固态的，每辆车需要几个。即使这样，经济方面也说不过去。丰田会不会突然在几款车型上加上这一款？即使他们每年要购买一百万台这样的设备，这对激光雷达设备供应商来说也是一笔1亿美元的交易。这听起来可能很多，但事实并非如此。开发这种设备很容易就要花费1亿美元以上。半导体技术的可悲在于，任何人都需要大量的专用芯片来做生意。有一些例外，但汽车，实际上花费的每一美元都很重要。
同时，图像传感正在以“光速”前进，到处都在使用它。如此盛大的经济规模确实令人震惊。今年就将运送数十亿个图像传感器。它们存在于每一部手机、安全摄像头、无处不在的监控技术中，并且在3-4年内——当人们认为激光雷达可能出现在汽车上的时候——AR耳机将推动数亿个具有更高分辨率的高级图像处理芯片进一步发展。
在这段时间内，特斯拉还将把汽车上的图像传感器升级到智能手机和照相机行业的图像传感器上，让复杂的深度建模数学能够运行的更快更好——和摩尔定律类似。在不久的将来，特斯拉可能会在其汽车上安装8K图像传感器。这些新的SKU将不同于现在的Tesla，将运行不同的算法集，利用精度更高的保真度矩阵。
所以…自动驾驶汽车并不是孤立的软件或硬件问题。除了拥有一个完全调整过的系统之外，特斯拉还将用新的方式对收集到的数据执行的数学运算。当然，他们不会谈论这件事。他们只会在引擎盖下的“软件”上发布新的改进，当一个3型的OTA更新到来时，你的车会突然变得更好。
激光雷达是一个有不足的方法。随着3D图像处理将收集到的数据推向人眼的极限时，它将变得过时。激光雷达的点面信息与可见光域中收集到的信息之间的差距将在未来3年内完全消除。智能电子工程师正在全球范围内解决这个问题。
那么，这一切如何影响特斯拉何时将达到L5自动驾驶？这要视情况而定。完全自动化是一个很难解决的事情，而且人们也不需要它。因此进程也会在监管下变得缓慢。Elon的夸张评论很适合这样。更可能的是，在地方管辖区将允许小规模的自动化推广，而特斯拉似乎让你非常接近。在这个过渡阶段，车辆需要人工驾驶。
汽车制造商快速发展的关键在于在兼容性和未来可选性之间复杂的权衡。特斯拉是唯一一个已经证明他们可以做到这一点的人。特斯拉正在积累大量的学习经验，以阴影模式训练现实世界的数据。它的规模使得模拟数据明显较弱。你想在没有方向盘的情况下驾驶一辆经过模拟环境训练的车，还是想在现实世界中学习的车？老实说，很难说特斯拉是否会成为这个市场的赢家。这是一个复杂的微积分，他们现在所从事的行业是一个非常难成功的行业。有几种方法来看待这个问题。一是他们怎么可能成功？另一个问题是，其他人怎么一起成功呢？另一些人在路上没有汽车，他们依靠的是一些未来的技术，这些技术可能看不到白天的光线（固态激光雷达），而且到那时肯定已经过时了。
在这一切中，最后的胜利者显而易见：基于图像的处理和识别。在实现自动化的竞争结束之前，这一点变得非常明确。汽车工业的发展将继续在其自身的暴力中寻求和平。毕竟，在整个技术中的创新创造了新的开端和但也有破坏性的结局。智能手机战争带来的图像处理 “和平竞赛”确实会使世界变得更安全，不管这场竞争何时以及如何发生，这都是合情合理的。
