知嘹汽車/Jasper

都說新能源的下半場卷的是智駕、智能化，但殊不知特斯拉的FSD仍然在全球范圍內(nèi)都是斷層式的領(lǐng)先。

這并不是危言聳聽和潑冷水，而是實(shí)實(shí)在在存在的現(xiàn)實(shí)。

從智能駕駛本身的技術(shù)路線來看，特斯拉就已經(jīng)贏了。

以前我們了解的智能駕駛，要分為感知、預(yù)測、規(guī)劃、控制四個模塊部分，然后再進(jìn)一步再分為是代碼指令判斷還是AI大模型判斷，而現(xiàn)如今的特斯拉采用的則是“一段式智駕”。

簡單來說就是，感知元件所采集到的信息，全部都流向神經(jīng)網(wǎng)絡(luò)，直接處理最原始的傳感器數(shù)據(jù)，輸出控制指令，這聽起來似乎仍然是接收、判斷和下達(dá)指令的三段式，但實(shí)際的大模型卻能做到“看到”就已經(jīng)“行動”了。

Transformer架構(gòu)帶來的核心優(yōu)勢就在于，以往的每個模塊之間有自己獨(dú)立的算法和模型，模塊之間通過接口來傳遞信息，這種方式會存在明顯的信息缺失和誤差積累。

我們舉一個簡單的例子。在食堂打飯，你要在這個窗口說你吃什么，然后A大媽給B大媽說你點(diǎn)了什么，B大媽盛飯?jiān)俳oC大媽，C大媽再大喊誰點(diǎn)的尖椒茄子蓋飯，這是眾多車企采用的架構(gòu)。

而真實(shí)情況卻是，只有一個A大媽，你說了啥，她就給你啥，這就是特斯拉的輔助駕駛。所有的決策都由一個架構(gòu)完成，這樣不僅省了成本（人工成本+電量消耗），大媽也不會給錯飯和給錯人。

而除了Transformer架構(gòu)之外，特斯拉的感知層面敢只用攝像頭做純視覺，則更是技術(shù)自信的表現(xiàn)。

不依賴高精地圖、不依賴激光雷達(dá)，只靠視覺攝像頭，其背后要實(shí)現(xiàn)的技術(shù)難點(diǎn)則更多。這必須要求智駕模型非常強(qiáng)大，才能從一個2D的圖像中，精準(zhǔn)構(gòu)建理解3D環(huán)境。Occupancy Network的模型雖然是端到端的，但其內(nèi)部會不斷學(xué)習(xí)，并利用類似一種“占用網(wǎng)絡(luò)”的表示來理解3D空間的構(gòu)造和動態(tài)物體。

這也就是很多中國車企，即便也用了端到端模型，但仍然始終需要激光雷達(dá)的原因，其難點(diǎn)就在于，自己的端到端模型還是要依賴3D采集，而不能從2D通過理解變?yōu)?D。

我們不說具體的使用感受差距，畢竟特斯拉FSD采集的很多都是北美駕駛數(shù)據(jù)，進(jìn)入中國肯定要水土不服一段時間。

但特斯拉帶給用戶最大的智駕感受，其實(shí)會在很多潛移默化的方面。

首先是更擬真的智能駕駛感受。超車變道、剎車減速等等方面都會更像一個真正的人類駕駛行為。在北美的V12實(shí)際反饋中，當(dāng)系統(tǒng)在處理復(fù)雜的城市道路、無保護(hù)左轉(zhuǎn)、環(huán)島、施工區(qū)、應(yīng)對行人和非機(jī)動車等場景時，特斯拉的實(shí)際表現(xiàn)有更高的流暢性以及更接近人類駕駛員的決策邏輯和處理能力。

這一點(diǎn)很多中國車企的智能駕駛方案也都在增強(qiáng)，但在能耗的管理方面，特斯拉仍然首屈一指。

前面我們已經(jīng)提到了Transformer架構(gòu)對于電耗的減少有著至關(guān)重要的作用，而且特斯拉還不用激光雷達(dá)，這相比于中國車企的一堆感知元件，也會帶來在電耗上的優(yōu)勢。

去年冬天我們拿到一組來自北歐的續(xù)航數(shù)據(jù)，在特斯拉與一眾國產(chǎn)新能源的比拼中，雖然大家最后做到的續(xù)航里程相差不大，但特斯拉的電池卻在其中是最小的。

三電系統(tǒng)的水平確實(shí)有很大差異，但對于一臺智能電車來說，特斯拉在智駕上節(jié)省的電量，就似乎已經(jīng)超過了絞盡腦汁降低的那一點(diǎn)點(diǎn)風(fēng)阻系數(shù)帶來的差異了。

而最致命的則是，整個關(guān)于智能駕駛戰(zhàn)爭，似乎在特斯拉推出Robotaxi的那一刻就已經(jīng)結(jié)束了。中國新能源的端到端近兩年才逐漸落地，但特斯拉的完全體Robotaxi卻已經(jīng)開始量產(chǎn)。

這場仗越到后來越?jīng)]法打，因?yàn)槎说蕉撕虯I最后比的，并不會再是誰的芯片用的有多好、誰的攝像頭雷達(dá)更清晰，而是數(shù)億的駕駛數(shù)據(jù)。

眾多友商所追趕的，不過是特斯拉早在三年前亮起的尾燈罷了。

知嘹汽車原創(chuàng)文章，如需轉(zhuǎn)載請聯(lián)系平臺

*圖片來源于網(wǎng)絡(luò)，如侵權(quán)請聯(lián)系作者刪除*