上周特斯拉推出其自動化專用ASIC（集成電路），人們關(guān)注的焦點在于，這個硬件可以快速地處理冗余神經(jīng)網(wǎng)絡(luò)。在特斯拉的生產(chǎn)期間對這個硬件進(jìn)行的開發(fā)和運(yùn)用，對于任何公司來說都是一個前所未有的壯舉。

特斯拉的平臺優(yōu)勢在于：理解特斯拉在超級計算機(jī)方面所做的工作的關(guān)鍵，在于理解2019年一個建立和支持完整定制半導(dǎo)體設(shè)計團(tuán)隊的模式。事實上，令人驚訝的是，他們已經(jīng)在運(yùn)輸這臺計算機(jī)，并改裝成現(xiàn)有的X，S和3模型。這不是特斯拉預(yù)先宣布的，而是在生產(chǎn)過程中宣布的。

理解Elon Musk的關(guān)鍵是把他說的夸張的東西和事實分清楚——他很擅長混淆他們。從昨天的披露來看，最重要的是，這一芯片不僅是在生產(chǎn)廠進(jìn)入全面生產(chǎn)，而且已經(jīng)在車?yán)锩媪恕?/p>

在“x”時間尺度上做一些完全自主這樣的事情是一種承諾，但為物理世界中的像素構(gòu)建了一個全新的渲染引擎是另一回事。盡管任何先前計劃的“完全自主”的說法都是假設(shè)、營銷，并受行業(yè)需求和法規(guī)的約束，但后者是特斯拉確實能夠控制的。

當(dāng)曲線以指數(shù)速度彎曲時，那些改進(jìn)常常被認(rèn)為是理所當(dāng)然的。我們習(xí)慣了用摩爾定律解釋。許多聰明人正確地把硬件開發(fā)看作是由于已知原因而呈指數(shù)增長的映射，但是事實上軟件創(chuàng)新并不是這樣發(fā)生的。算法通常不會每兩年快兩倍，而是需要足夠強(qiáng)大的硬件允許它們運(yùn)行得更快。

然而，自動駕駛的局限性是涉及整個系統(tǒng)的。它們與僅在一個軸上的問題創(chuàng)新無關(guān)。在全系統(tǒng)范圍內(nèi)提高自動駕駛能力的關(guān)鍵是數(shù)據(jù)收集和實時決策數(shù)據(jù)的規(guī)?；?。特斯拉的數(shù)據(jù)收集正以線性速度增長，但還有一件人們忽視的事。由于處理圖像數(shù)據(jù)背后的數(shù)學(xué)問題，整個系統(tǒng)的改進(jìn)也呈指數(shù)級發(fā)展。

特斯拉沒有提及的一部分內(nèi)容是他們圍繞新的數(shù)學(xué)轉(zhuǎn)換方法所做的工作，這一方法促進(jìn)數(shù)據(jù)更加有效。三維圖像處理——連接數(shù)據(jù)幀并以新的方式應(yīng)用轉(zhuǎn)換——是一個非常強(qiáng)大的研究領(lǐng)域，因為圖像處理幾乎涉及到當(dāng)今的所有領(lǐng)域。

當(dāng)我學(xué)習(xí)電氣工程和圖像處理的時候，我永遠(yuǎn)不會忘記，當(dāng)我的大學(xué)教授在我們學(xué)校附近的217號公路的上訓(xùn)練圖像轉(zhuǎn)換。這些操作能夠從完全不同的角度輸入其他圖像，并且能夠檢測到高速公路的一部分，而這些部分在人類看來，似乎沒有任何共同點。這種形式的數(shù)學(xué)轉(zhuǎn)換使圖像數(shù)據(jù)比表面看起來更有價值，在今天的領(lǐng)域也有著密切的使用。計算機(jī)就像是一只在獲得足夠的圖像后知道如何學(xué)習(xí)一種小狗。

在復(fù)雜的數(shù)學(xué)變換中，創(chuàng)新讓收集到的數(shù)據(jù)矩陣操作更加有效，并且現(xiàn)在正以驚人的速度在改進(jìn)。特別是對于自動駕駛來說，他們專注于執(zhí)行圖像深度傳感的軟件算法，并且迅速發(fā)展。就在上周，康奈爾大學(xué)運(yùn)用這種方法對偽激光雷達(dá)深度的估計已經(jīng)說明了這一點。他們通過從原始圖像數(shù)據(jù)中創(chuàng)建一個偽激光雷達(dá)點平面來建立深度模型。他們的結(jié)論甚至令人吃驚：

我們從這一修正中得到的改進(jìn)是前所未有的，對所有方法都有同樣的影響。隨著量子躍遷，基于圖像的自主飛行器三維目標(biāo)檢測在不久的將來將成為現(xiàn)實。這帶來的影響是巨大的。目前，LiDAR（激光雷達(dá)）硬件可以說是自主駕駛所需的最昂貴的附加組件。如果沒有它，自動駕駛的額外硬件成本將相對較小。

Elon說激光雷達(dá)是一個神話，因為它是一個硬件級的進(jìn)步，它依賴于生產(chǎn)固態(tài)設(shè)備和商業(yè)化它的數(shù)量。事實是，半導(dǎo)體供應(yīng)鏈的運(yùn)作方式就是將激光雷達(dá)硬件保持一個的高成本的狀態(tài)，并且不可能滿足芯片公司能夠盈利的范圍。激光雷達(dá)是體積小并對環(huán)境友好。除了汽車行業(yè)，還有誰需要激光雷達(dá)？幾乎沒有。

想想看。我們都知道現(xiàn)在的激光雷達(dá)成本是令人望而卻步的。看起來和威莫（Waymo）的汽車有著很好的聯(lián)系，但事實上更換激光雷達(dá)是一個噩夢。

但是說一些在未來將花費100美元的實驗，說這個方法是可行的。模塊是固態(tài)的，每輛車需要幾個。即使這樣，經(jīng)濟(jì)方面也說不過去。豐田會不會突然在幾款車型上加上這一款？即使他們每年要購買一百萬臺這樣的設(shè)備，這對激光雷達(dá)設(shè)備供應(yīng)商來說也是一筆1億美元的交易。這聽起來可能很多，但事實并非如此。開發(fā)這種設(shè)備很容易就要花費1億美元以上。半導(dǎo)體技術(shù)的可悲在于，任何人都需要大量的專用芯片來做生意。有一些例外，但汽車，實際上花費的每一美元都很重要。

同時，圖像傳感正在以“光速”前進(jìn)，到處都在使用它。如此盛大的經(jīng)濟(jì)規(guī)模確實令人震驚。今年就將運(yùn)送數(shù)十億個圖像傳感器。它們存在于每一部手機(jī)、安全攝像頭、無處不在的監(jiān)控技術(shù)中，并且在3-4年內(nèi)——當(dāng)人們認(rèn)為激光雷達(dá)可能出現(xiàn)在汽車上的時候——AR耳機(jī)將推動數(shù)億個具有更高分辨率的高級圖像處理芯片進(jìn)一步發(fā)展。

在這段時間內(nèi)，特斯拉還將把汽車上的圖像傳感器升級到智能手機(jī)和照相機(jī)行業(yè)的圖像傳感器上，讓復(fù)雜的深度建模數(shù)學(xué)能夠運(yùn)行的更快更好——和摩爾定律類似。在不久的將來，特斯拉可能會在其汽車上安裝8K圖像傳感器。這些新的SKU將不同于現(xiàn)在的Tesla，將運(yùn)行不同的算法集，利用精度更高的保真度矩陣。

所以…自動駕駛汽車并不是孤立的軟件或硬件問題。除了擁有一個完全調(diào)整過的系統(tǒng)之外，特斯拉還將用新的方式對收集到的數(shù)據(jù)執(zhí)行的數(shù)學(xué)運(yùn)算。當(dāng)然，他們不會談?wù)撨@件事。他們只會在引擎蓋下的“軟件”上發(fā)布新的改進(jìn)，當(dāng)一個3型的OTA更新到來時，你的車會突然變得更好。

激光雷達(dá)是一個有不足的方法。隨著3D圖像處理將收集到的數(shù)據(jù)推向人眼的極限時，它將變得過時。激光雷達(dá)的點面信息與可見光域中收集到的信息之間的差距將在未來3年內(nèi)完全消除。智能電子工程師正在全球范圍內(nèi)解決這個問題。

那么，這一切如何影響特斯拉何時將達(dá)到L5自動駕駛？這要視情況而定。完全自動化是一個很難解決的事情，而且人們也不需要它。因此進(jìn)程也會在監(jiān)管下變得緩慢。Elon的夸張評論很適合這樣。更可能的是，在地方管轄區(qū)將允許小規(guī)模的自動化推廣，而特斯拉似乎讓你非常接近。在這個過渡階段，車輛需要人工駕駛。

汽車制造商快速發(fā)展的關(guān)鍵在于在兼容性和未來可選性之間復(fù)雜的權(quán)衡。特斯拉是唯一一個已經(jīng)證明他們可以做到這一點的人。特斯拉正在積累大量的學(xué)習(xí)經(jīng)驗，以陰影模式訓(xùn)練現(xiàn)實世界的數(shù)據(jù)。它的規(guī)模使得模擬數(shù)據(jù)明顯較弱。你想在沒有方向盤的情況下駕駛一輛經(jīng)過模擬環(huán)境訓(xùn)練的車，還是想在現(xiàn)實世界中學(xué)習(xí)的車？老實說，很難說特斯拉是否會成為這個市場的贏家。這是一個復(fù)雜的微積分，他們現(xiàn)在所從事的行業(yè)是一個非常難成功的行業(yè)。有幾種方法來看待這個問題。一是他們怎么可能成功？另一個問題是，其他人怎么一起成功呢？另一些人在路上沒有汽車，他們依靠的是一些未來的技術(shù)，這些技術(shù)可能看不到白天的光線（固態(tài)激光雷達(dá)），而且到那時肯定已經(jīng)過時了。

在這一切中，最后的勝利者顯而易見：基于圖像的處理和識別。在實現(xiàn)自動化的競爭結(jié)束之前，這一點變得非常明確。汽車工業(yè)的發(fā)展將繼續(xù)在其自身的暴力中尋求和平。畢竟，在整個技術(shù)中的創(chuàng)新創(chuàng)造了新的開端和但也有破壞性的結(jié)局。智能手機(jī)戰(zhàn)爭帶來的圖像處理 “和平競賽”確實會使世界變得更安全，不管這場競爭何時以及如何發(fā)生，這都是合情合理的。