人工智能?

特斯拉FSD落地中国进入倒计时

2024 年 3 月 16 日，特斯拉开始向美国 FSD 用户推送 FSD Beta V12.3 版本高阶辅助驾驶系统，这一举措标志着自动驾驶技术的重要里程碑。此前，更有消息爆料 FSD 能熟练地将患者送至医院。

FSD，Full Self-Drive即完全自动驾驶，它基于先进的技术架构，包括 BEV/占用网络+Transformer 的端到端神经网络 AI 系统。这一大模型融合了感知、预测和决策规划等多个关键环节，算法由规则驱动转向数据驱动，将人类的驾驶习惯通过训练学习融入神经网络的参数之中，达成类似人类驾驶决策和响应水平，相较于基于规则的模型，具备更强大的泛化能力。规则判断取决于规则数量的多寡与合理性，存在诸多 corner case。

同时数据驱动使算法得以大幅简化，据说 V12 仅有约 3000 行代码，而 V11 则多达 30 多万行。

目前特斯拉已在中国设立数据中心，FSD 或将在 2025 年落地中国，加快中国电动汽车智能化进程。

那么，何为端到端？

即直接从视觉信息输出控制指令。

何为BEV？

BEV，全称 Bird's eye view，即鸟瞰视角。它将三维环境信息投射到二维，以俯视角展现环境和目标物。这种视角提供了全局视野，消除了数据遮挡，大大提高了感知能力。不仅如此，纯视觉方案中也存在 BEV，因为有多个摄像头的支持。

何为占用网络？

占用网络，作为 3D 化的 BEV，通过算法进行空间占用的检测。它不需要明确障碍物的具体身份，只需知道其占用了前行空间，就能规划出合适的行驶路径。

何为Transformer？

Transformer，也就是当下大家所熟知的主流“大模型”。它具有多头注意力机制，在处理长序列数据和复杂的上下文关系时具有独特优势。它能够挖掘序列中不同元素的联系，实现全局理解，提高感知能力和泛化能力。

然而，传统的 2D+CNN/RNN 模型在处理长序列数据时存在着较大的局限性，感知能力差，参数少、层级少，泛化能力差，无法满足高阶自动驾驶海量数据处理的需求。

• Transformer可实现对 BEV 数据的特征提取，达成对目标物的感知；

• 能够捕捉目标物的运动模式与历史轨迹数据，预测目标物的行为与轨迹；

• 将环境、目标物、车辆数据整合至模型中，可平衡不同信息的权重，直接做出合理的规划决策。

当然，Transformer 大模型计算层级多，参数量大，算力需求也更大。 目前，新势力、BYD 及华为、地平线等车企与零部件公司纷纷布局大模型，BEV/占用网络+Transformer 已成为主流。

未来趋势

算法的迭代将降低对地图甚至激光雷达的依赖，同时算法的开发与训练成本也将上升。端到端的占用网络+transformer 大模型计算量巨大，对芯片的算力提出了更高要求，将推动芯片技术的不断进步。

反思

个别老牌从业公司硬件配置与算法落后，感知能力低下，基于规则的决策规划造就了众多的 corner case。

好在目前自动驾驶仍处于 L2+级别，凭借友商“激进”的高阶策略，和自身产品成熟、成本控制相对较好的优势，这些公司仍占有不小的市场份额。然而，留给他们的时间已然不多。