3月9日，特斯拉向工信部備案了無雷達的MODEL Y，預示國內特斯拉的軟硬件逐漸與北美接軌，特斯拉FSD V11不單是技術上符合進國內條件（視覺實時建圖與感知，不依賴地圖，詳見視頻：特斯拉Fsd v11為什么是純視覺進入國內的關鍵技術步驟？國內所有特斯拉有望獲得與Fsd v11同算法架構的lcc與noa），在監(jiān)管審批及生產準備層面，也有了實質性的動作。

車上的傳統(tǒng)毫米波與超聲波雷達若被移除，只用攝像頭，則國內很快就有大家常說的特斯拉“純視覺”自動駕駛了。國內的自動駕駛市場競爭烈度激增，排除原本的偏見與預設的立場，國內廠家及愛好者應該客觀看待特斯拉在AI領域的強悍，正視自動駕駛各技術路線的優(yōu)劣勢，結合自身資源稟賦選擇適合自己的道路。

本文盡量用最簡潔的語言，回答幾個大家最常問的問題：

問題一、什么是純視覺？

問題二、攝像頭、毫米波、超聲波、激光雷達、高精地圖等傳感器優(yōu)劣勢及如何搭配如何？

問題三、各自動駕駛路線的邊際成本及投入產出特征如何？

問題四、特斯拉打造的純視覺閉環(huán)軟硬件體系，具體有哪些組成部分？

問題一：什么是純視覺？

答：不依賴高精地圖等先驗信息來感知與規(guī)劃行駛路徑，不依賴激光雷達來感知交通參與者的速度、位置、距離信息，僅依靠攝像頭的視覺信息，就能實時生成由周邊道路與交通參與者（包含參與者的深度、距離、速度信息）構成的向量空間。

純視覺最突出的優(yōu)點是什么？

答：脫離了高精地圖只能在特定區(qū)域特定路段使用的局限，避免了視覺信息與雷達信息不一致導致系統(tǒng)熵增的陷阱，利用了視覺信息帶寬最大，所含信息最豐富的特點， 充分利用AI技術手段：建立強大的算力，收據(jù)最為龐大的（視覺）有效訓練數(shù)據(jù)及仿真數(shù)據(jù)，快速完善迭代算法。

問題二：攝像頭、毫米波（傳統(tǒng)或4D成像）、超聲波、激光雷達、高精地圖等傳感器優(yōu)劣勢及如何搭配如何？

答：

1.激光雷達與高精地圖是沒有必要的(視覺帶寬最大，頻率高，特斯拉目前的vnn與occupancy network神經網(wǎng)絡在數(shù)據(jù)驅動下，視覺測距測深度高度速度表現(xiàn)己比雷達強，在任何地方都能以每10ms一次刷新地構建包含周邊環(huán)境所有交通相關信息的向量空間，激光雷達與高精地圖的功能己被視覺實現(xiàn)，激光雷達的存在導致系統(tǒng)出現(xiàn)因多傳感器的不一致而熵增)

2.并不是說特斯拉做純視覺就是排斥雷達，而是高清晰度的雷達尚未出現(xiàn)，而低分辯率毫米波因為噪聲太大而無法有效利用，在與視覺融合時還會因為降噪需要過濾掉靜止物體導致額外的風險。

3.一旦特斯拉有了高清晰度的（4D）成像毫米波，與純視覺融合是會有幫助的。

個人認為這種幫助主要是因為成像毫米波是主動式傳感器，能夠與被動接受光線的攝像頭形成互補，高清成像毫米波能在特殊情況（如黑夜低光,逆光，濃霧與暴雨，車燈損壞)下充當暫時的主力感知傳感器，成為純視覺的有效冗余備份的存在（而不是激光雷達與視覺的關系：功能及應用場景類似，兩個傳感器信息不一致時給系統(tǒng)帶來熵增，而遇到惡劣天氣又同時受影響，詳見視頻：兩分鐘了解為什么一騎絕塵的特斯拉純視覺Fsd選擇利用數(shù)據(jù)驅動算法進化，卻不用任何雷達捷徑(實為拐杖)的真正原因。）。4D毫米波理論上可以使純視覺FSD進化為全天侯FSD。

問題三：各自動駕駛路線的邊際成本及投入產出特征如何？

答：

1、純視覺固定的系統(tǒng)性投入巨大（且由車企承擔成本與風險，不像激光雷達可以順利地轉嫁給消費者），但新增客戶的邊際成本極低（軟件OTA幾乎零邊際成本，不像其他雷達類傳感器硬件，賣一臺就要裝一臺硬件），規(guī)模優(yōu)勢及網(wǎng)略效應更加巨大，越多的數(shù)據(jù)驅動算法越快的完善優(yōu)化，而新增邊際成本卻快速減少。

?特斯拉每年投入后臺超級計算機、頂級AI團隊、仿真、神經網(wǎng)絡標注及訓練的系統(tǒng)成本上百億元，，但巨貴的激光雷達，數(shù)十個的毫米波超聲波雷達的硬件成本卻要客戶在購車時代為承擔了，且該成本每賣一輛車就會多一個客戶承擔。

2.建立數(shù)據(jù)引擎，依靠海量真實有效道路數(shù)據(jù)與仿真數(shù)據(jù)驅動規(guī)控算法無限優(yōu)化提升，直至安全水平大幅高于人類平均水平。

? ? ? ?特斯拉目前就己訓練出數(shù)萬個實用的神經網(wǎng)絡模型，用于應對復雜多變的路況，比如說針對無保護左轉這種傳統(tǒng)自動駕駛無法應對的場景，就不斷訓練迭代了蠕動網(wǎng)絡，停止線網(wǎng)絡，借用中間安全帶停車的神經網(wǎng)絡等許多模型，目前在無保護左轉方面表現(xiàn)也己優(yōu)于普通人類司機，大幅高于其他自動駕駛系統(tǒng)表現(xiàn)。

? ? ? 目前FSD BETA測試階段就己在真實道路上實打實地訓練了1.5億公里的里程，另外加仿真每天虛擬開車500公里，影子模式下跟車練習每年更是高達數(shù)百億公里，這些數(shù)字還在隨車隊增加而快速增大（10年后車隊規(guī)模上億），哪個老司機的經驗能豐富過這種系統(tǒng)呢？

3..純視覺算法模型的可復用性，應用到其他領域的商業(yè)前景方面，比如智能人形機器人領域（詳見視頻：顛覆勞動力：盤點特斯拉機器人祖孫三代驚人表現(xiàn)瞬間及演化歷程，直面與Fsd（取代司機）同用純視覺神經網(wǎng)絡的擎天柱（勞動力）進化迭代將帶來的產業(yè)變革。）

問題四：特斯拉打造的純視覺閉環(huán)軟硬件體系，具體有哪些組成部分？

答：特斯拉的純視覺閉環(huán)體系主要組成：閉環(huán)自研的高算力FSD芯片、超級計算機DOJO、巨大的車隊規(guī)模及海量的有效數(shù)據(jù)訓練、仿真及自動標注技術、傳感器及控制器軟硬件趨向100%自研。

由于純視覺系統(tǒng)工程的投入主要在算力、數(shù)據(jù)、算法迭代層面，每年固定投入成本高，但隨著應用規(guī)模增大，邊際成本趨近于零。

純視覺的可復用性極大，由此構成一個更大的純視覺閉環(huán)宇宙：除了特斯拉FSD，還包括：

特斯拉人形機器人（擎天柱）

語義對話機器人

腦機接口

火星探索