7 月 28 日消息 在“自动驾驶汽车究竟应该用不用激光雷达”的问题上，车企已进行了长时间辩证，甚至衍生出了「激光雷达派」与「纯计算机视觉派」。
而特斯拉无疑是业内最大的「纯视觉」拥护者了。
马斯克对此的解释有两点：
1、激光雷达成本过高。
2、人类也是靠纯视觉开车的。（2019 年）
2021 年 7 月，特斯拉给美国 2000 余名车主 FSD BetaV 9.0 的体验券，更新之后车子就可以在任意道路使用自动驾驶-——V9.0 采用纯纯纯视觉方案、甚至连毫米波雷达都不用。
若该版本 FSD 得以推行，或者将相关技术推及 EAP（3.2w 元的增强辅助驾驶），之后的 Model 3、Y 将省去毫米波硬件，进一步降本增利。据查询，大陆（Continental）77GHz 毫米波单机采购价在 3000~4500 元左右。
另外，尽管我们看到越来越多的激光雷达公司发布了千元车规级产品，但自动驾驶目前无一例外难逃成本问题。此前据媒体统计，例如谷歌、百度等自动驾驶团队使用的 64 线激光雷达产品价格约为 70 万人民币，16 线激光雷达约为 5 万元。
在 Model 3、Y 系列量产车上，激光雷达更难以被采用，上千美元成本几乎和当前的电池包价格相当。
马斯克选择的纯视觉方案略微偏激，但成本控制上无人能及，眼下 ModelY 零售价 27.6 万元，Model 3 进一步降价似乎也不再遥远。
当然，成本是说给资本家听的，车主只关心到底安全不安全。
特斯拉的干爹 ——NHTSA（美国国家公路交通安全管理局）数据显示，在美国，开 674 万公里就会发生 8.66 次事故，而使用 AutoPilot 的特斯拉车主仅为 1 次，没钱买 Autopilot 的发生事故 2 次，依然远低于平均水平。
尽管中国道路远远复杂于美国，这个数据看起来对中国用户参考意义不大，但足以说明特斯拉当前技术水平的地位。
那么，去除毫米波雷达的 FSDBetaV9.0（下称 FSD 9）为何如此令人期待？
在一段 FSD 测试视频中，特斯拉会暂时移除仪表两侧的应用，可视化界面将扩大以显示周边额外的信息，而驾驶速度、自动驾驶可用性、自动驾驶速度设置等信息被移到了仪表板的底部，这与当前只显示三条车道的版本融入了更多视觉识别运算。
FSD 9 之所以能够取代毫米波的作用，原因有二：1、硬件升级，2、算法迭代。
首先，特斯拉自研 FSD 芯片终于发挥出了视觉算法的极限，相较于 HW2.5，FSD 电脑将算力提升至了 144TOPS，每秒处理的图片速度提升至 2300 帧。
按照官方说法，从 2019 年 3 月、4 月起，特斯拉新下线的车型全部配备 FSD 芯片，所以国内车型均有升级为「纯视觉」的潜力。
算上此前版本，特斯拉芯片已经经过 3 次迭代，目前最新的 FSD 上搭载了特斯拉自主研发的两枚芯片，也就是 Autopilot3.0 硬件，性能比 2.5 版本芯片强大 21 倍。
同时，截止 2020 年 4 月，特斯拉启用 Autopilot 的行驶里程就已经突破 48 亿公里，如果用户平均每天驾驶约一个小时（每辆车 8 个摄像头），车队每月大约会产生 1.968 亿个小时的视频。
尽管所有数据中，只有 1%“值得被标注”、有价值，但如此鲜活、真实规模国内其他车企仍难以比拟。
为了处理巨量驾驶数据，特斯拉将把针对自监督学习技术的研发提高到绝对优先级。特斯拉启动了一个代号为 Dojo 的重大项目，它是一台超强的训练计算机，处理的数据不再停留在图片层面，而是针对视频类的数据，能够以较低的成本实现算法性能的指数级提升。
笔者相信，FSD 9 完成阶段测试后，Dojo 也将正式露面。
纯视觉当前对手：传感融合
在激光雷达普及前，纯视觉需要赢掉「传感融合」方案 —— 摄像头 + 毫米波雷达。
马斯克曾在 Twitter 问：
当雷达和摄像头有冲突，你相信谁？摄像头更精准，所以你最好双倍押注摄像头而不是二者组合。
为了自我佐证，特斯拉搬出了多个极端案例：
1、避免「幽灵刹车」：在前车紧急制动的场景下，纯视觉方案没有出现 Radar 那种信息中断和误判的情况，非常线性，从而能够提供线性的制动决策，带来更佳的使用体验。
2、避免「指桥为墙」：通过立交桥下的场景中，由于 Radar 的垂直分辨率很低，所以容易导致系统误判空中的物体为障碍物；而纯视觉方案则完全不会出现该问题。
3、做到「提前感知」：对于毫米波雷达来说，前方车辆停靠在路边，导致识别较晚，在距离车辆 110 米时才感知到前方停有卡车。而纯视觉方案在距离车辆 180 米的时候就已经识别了该车辆。
总之，这很符合马斯克最初的理念：人类在开车的时候，也都是靠眼睛、查普通地图，更不会依靠高精度地图。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。