根據(jù)特斯拉2022年Q4的財務(wù)文件披露：FSD Beta已有將近 40萬用戶。 

這是目前全世界部署規(guī)模最大的城市NOA系統(tǒng)。 

而特斯拉實現(xiàn)這樣一套系統(tǒng)，在車端幾乎僅用了8個攝像頭和144 Tops算力的FSD計算平臺。這種性能壓榨和成本控制能力讓業(yè)界羨慕不已。 

理想汽車CEO李想就直言：特斯拉Autopilot的 硬件BOM成本在差不多1500美元，而（理想、小鵬等）使用雙OrinX的方案成本基本都在4000美金以上。 

特斯拉如何用大幅低于業(yè)界的成本實現(xiàn)了城市NOA。這篇文章，我們就來重點看看： 

• FSD的BOM成本；

• 特斯拉把基于視覺的單模態(tài)感知發(fā)揮到了極致；

• 車端算力有限，但云端算力無限；

• HW 4.0的動向和趨勢。

一、硬件成本：FSD < 業(yè)界主流方案的一半

目前新勢力主流支持到城市NOA的智駕方案，理想和小鵬采用雙OrinX作為計算單元，蔚來甚至豪橫地用了4個。 

我們以理想AD Max舉個例： 

• 1 x 激光雷達；

• 11 x 攝像頭，含6 x 800萬像素、4 x 200萬像素環(huán)視、1 x 200萬像素后視；

• 1 x 毫米波雷達；

• 12 x 超聲波；

• 2 x OrinX；

單OrinX的成本大概在400美元，單顆激光雷達的成本大概在500美元級。李想披露，理想帶雙OrinX的智駕方案成本約為4000美元，而特斯拉的僅為1500美元左右。 

原特斯拉Autopilot Machine Learning Lead，現(xiàn)大卓智能CEO谷俊麗在接受采 訪時也談到：「特斯拉造一臺Model 3的BOM成本是16萬，ADAS系統(tǒng)成本是7000塊?！?000/16萬，其占到 總BOM成本的約4.4%。 

綜合來看，特斯拉FSD的成本大致在 1萬元人民幣上下。 

作為對比，華為ADS方案的代表車型問界M5后驅(qū)智駕版，跟M5后驅(qū)標(biāo)準(zhǔn)版差價2萬元；小鵬G9的Pro和Max版，差價剛好也是2萬元（因為Pro版帶有一塊OrinX，所以這個差價是單OrinX和雙激光雷達的差價）。 

李想認(rèn)為，特斯拉FSD雖然只有144 Tops，但計算效率大約是GPU的3倍，所以實際跟雙OrinX的性能是差不多的。 

在數(shù)百萬級的銷量規(guī)模下，特斯拉把自研FSD的效率、成本優(yōu)勢發(fā)揮得淋漓盡致。 

二、自研芯片加純視覺方案，特斯拉低算力的秘密

特斯拉FSD一大明顯的技術(shù)差異是將純視覺路線走到極致， 去掉全部雷達。 

• 2021年5月開始不用毫米波雷達；

• 2022年10月開始，所有為北美、歐洲、中東制造的Model 3和Model Y都不再配備超聲波雷達；

• 2023年起交付的Model X及Model S也不再配備超聲波雷達。

在這點上，國內(nèi)的理想也很大方地坦陳跟隨特斯拉的路線，其中一個變化就是理想L9上由原來理想ONE時期的3個毫米波雷達配置減少為1個毫米波雷達。 

回到FSD，其核心的感知能力是由Tesla Vision提供的，包括支持主動安全功能、Autopilot功能以及FSD Beta功能。 

需要注意的是，特斯拉采用的 攝像頭為120萬像素，而國內(nèi)車企大多采用800萬像素的高清攝像頭。攝像頭分辨率較低，也會比激光雷達以及高清攝像頭的方案更節(jié)省算力，但對AI模型和算法精度會有更大的挑戰(zhàn)。 

去年10月的AI Day上，特斯拉稍稍對外展示了一下Vision是如何運作的： 

• 第一步是系統(tǒng)將8個攝像頭獲取到的圖像，生成一個類似于游戲引擎的實時3D畫面——占據(jù)網(wǎng)絡(luò)（Occupancy Network），對車輛周圍場景進行復(fù)原；

• 第二步是給每個物體標(biāo)注語義信息。特斯拉本身大規(guī)模地搭載會產(chǎn)生的海量數(shù)據(jù)，特斯拉還研發(fā)了自動標(biāo)注（Autolabeling）工具，最后生成標(biāo)注過的空間信息，得到一個矢量地圖（Lanes Network），之后FSD就能使用這些信息來輔助導(dǎo)航。

毫末智行技術(shù)副總裁艾銳曾經(jīng)分析表示，「特斯拉的自動駕駛感知采用的單模態(tài)，而不是多模態(tài)。核心原因它有數(shù)據(jù)自由和算力自由兩個能力，把單模態(tài)的天花板極大地提升了。針對L2的產(chǎn)品來說，單模態(tài)足以給大家提供比較好的自動駕駛體驗了，而且成本顯然會更低?！?nbsp;

特斯拉Autopilot軟件總監(jiān)Ashok Elluswamy在領(lǐng)英上描述了這個團隊的職責(zé)，其中大多數(shù)與海量數(shù)據(jù)的發(fā)掘利用有關(guān)： 

• 搭建大規(guī)模的真值生產(chǎn)線，利用海量、多元、高質(zhì)量的數(shù)據(jù)，來訓(xùn)練神經(jīng)網(wǎng)絡(luò)；

• 利用車隊學(xué)習(xí)的方法，優(yōu)化當(dāng)前算法中脆弱、有缺陷的部分；

• 利用機器學(xué)習(xí)和工程方法，來建立系統(tǒng)對地理環(huán)境和場景語義，準(zhǔn)確、詳實的理解；

在超大的數(shù)據(jù)規(guī)模下，對視覺算法的極限壓榨，是特斯拉FSD公開的秘密。 

三、特斯拉的云端算力

自動駕駛落地需要兩塊核心芯片，一塊是車端推理芯片，另一塊是云端訓(xùn)練芯片。大多數(shù)時候，我們在談?wù)撍懔r，一般只提到車端推理芯片的算力，而忽略了云端。 

上文毫末智行艾銳提到的「算力自由」，指的更多就是云端算力的自由（因為車端算力自由基本不太可能實現(xiàn)）。 

2021年6月，在當(dāng)時的CVPR上，時任特斯拉AI高級總監(jiān)的Andrej Karpathy披露，特斯拉正在搭建一個超大規(guī)模的訓(xùn)練機群，將5760個英偉達A100以720個節(jié)點鏈接起來，總計算能力達到1.8 exaflops。 

就AI算力排序，這可能是當(dāng)時世界第五大超級計算機。 

到當(dāng)年底，英偉達汽車業(yè)務(wù)負(fù)責(zé)人Ali Kani披露，特斯拉已經(jīng)采用了將近10000塊英偉達GPU來建設(shè)L2+的基礎(chǔ)設(shè)施。 

同一年，特斯拉發(fā)布了自研的云端訓(xùn)練芯片D1以及超級計算機Dojo。3000個D1芯片，構(gòu)成120塊訓(xùn)練塊，再組成20個機柜，形成1個ExaPOD集群，這個集群的算力相當(dāng)于1.09 EFLOPS。馬斯克在當(dāng)年的財報會上表示：自研D1芯片主要是出于成本、效率的考量，因為對特斯拉來說，英偉達的通用GPU不是效率最高的。 

根據(jù)特斯拉的計劃，Dojo應(yīng)該已經(jīng)在2022年投入運營使用。 

純視覺、低分辨率傳感器，加上業(yè)界偏低的算力配置，通過自研芯片提高車端和云端的計算效率，通過超大規(guī)模的車隊和數(shù)據(jù)量提升算法性能，特斯拉跑通了城市NOA在北美大規(guī)模開放的路徑。 

新的消息是， 特斯拉很快將在國內(nèi)開展FSD的路測。 

FSD的下一步是HW4.0的升級（目前是HW3.0），有部分北美用戶稱其已交付的Model X上搭載了HW4.0。 

特斯拉將在今年推出Model 3的改款車型，項目代號 Project Highland。目前已知Project Highland針對前臉、內(nèi)飾、空間均有小幅的改良，HW4.0是否會在新款上搭載。 

Model 3改款、HW4.0更新、FSD入華，能否將特斯拉推上新的高地。

返回第一電動網(wǎng)首頁 >