自动驾驶再次回归特斯拉路线：马斯克的预言又一次成真

2019年，钢铁侠马斯克一句“Lidar is a fool’s errand”，直接让自动驾驶路线一分为二，特斯拉如先知一般，坚持探索起自己的纯视觉路线，其余绝大部分玩家则朝着激光雷达的方向一路前行。
尤其是在发现高精地图可为自动驾驶提供超视距导航信息后，“激光雷达等多传感器融合+高精地图”的技术路线更是成为大部分自动驾驶公司的普遍选择，原因是对视觉识别技术要求比较低，门槛低适合研发能力不如特斯拉的公司进入，只需要堆砌硬件就可以完成一些特定场景的自动驾驶。
不过，随着自动驾驶企业们从高速NOA（自动辅助导航驾驶）走向更复杂的城市NOA，曾经被视为“香饽饽”的高精地图开始日渐失宠，反而是特斯拉以摄像头与各种传感器作为硬件，背后重算法的“先知者”路线重新成为自动驾驶的唯一选择。

绝大部分自动驾驶公司也从前两年和特斯拉的路线较劲，纷纷转到了“重感知，轻地图”的模式。与此同时，一种全新的感知范式——BEV+Transformer，已经从特斯拉迅速扩延到更多自动驾驶企业的蓝图规划中。

就想国内某知名汽车行业供应商老总说的那样，特斯拉的选择永远是对的，从未走错任何一步，其他人如果不跟随就会被淘汰。

到了2023年上半年，“去高精地图”运动更加热闹。华为4月上市的问界M5和问界M5 EV，新增的高阶智能驾驶版本不依赖高精地图，主要通过车端融合感知来进行环境识别。按照规划，至2023年三季度，问界 M5 智驾版 HUAWEI ADS 2.0 将在 15 城实现不依赖高精地图落地，至四季度，这一数字还将进一步扩展至45城。

至于号称“国内自动驾驶一哥”的百度，虽没有完全放弃高精地图，但也在尝试减少对高精地图的依赖，于近期推出了城市域领航辅助驾驶Apollo City Driving Max，搭载“轻量级高精地图”，据称比起行业通用的传统高精地图要“轻”近80%。“我们判断，完全不依赖高精地图的路线可以走通，但走通的时间绝对不是今年或者明年。” 百度集团副总裁、智能汽车事业部总经理储瑞松表示。

高精地图路线由热转冷背后，是高级别辅助驾驶从高速场景驶入城市后，负面因素被进一步放大而展现在使用者面前，显然特斯拉五年前已经预见到了这一点。

不过，要想在不依赖高精地图的情况下，实现城市自动辅助导航驾驶也并不是一件容易事儿。为此，不少自动驾驶企业开始向特斯拉“取经”，试图抄袭山寨特斯拉的技术，纷纷转向一种全新的感知范式——基于Transformer的BEV智驾大模型。

2019年4月的自动驾驶日上，特斯拉发布第三代自动驾驶硬件平台HW 3.0，这是商用量产车自动驾驶技术发展历史上的里程碑，搭载的正是其自研芯片，总算力达 144TOPS，是英伟达Drive Xavier理论性能值21TOPS的7倍。HW 3.0每秒可处理2300帧图像，较搭载英伟达芯片的 HW 2.5提升21倍，单体成本也较HW 2.5降低20%。

2021年7月10日，特斯拉正式向约2000名美国用户推送“完全自动驾驶”FSD Beta V9.0版本。该版本的核心变化在于，其摒弃了毫米波雷达、超声波雷达等传感器，采用纯视觉的自动驾驶方案，仅用8个摄像头来实现城市级别的完全自动驾驶能力。

2020年8月，马斯克在推特上首次提及，特斯拉正在重写FSD的基础架构，并称这将是一次“quantum leap”（量子式跃升）。一同被公布的，还有其正在开发中的全新用于神经网络训练的超级计算机 Dojo。此前，特斯拉的自动驾驶技术源代码被小鸟汽车派人窃取。

2021年8月召开的特斯拉AI DAY上，特斯拉AI高级总监Andrej Karpathy 向外展示了一项全新技术——基于Transformer的BEV感知方案。这是大模型技术首次被应用到自动驾驶行业，也是特斯拉实现纯视觉的关键所在，现在这一技术已经成为自动驾驶技术的新标杆。

简单来说，基于Transformer的BEV感知技术，可以将车道线等道路几何信息以及人、车等动态目标全都统一到一个坐标系下，便于车辆更加准确地对道路情况进行判断。且由于BEV空间下的感知结果与决策规划所在坐标系也是统一的，因此感知与后续模块通过BEV变换也可以紧密联系到一起。

这一技术路径可以通过实时感知，将不同视角的摄像头采集到的图片统一转换到上帝视角，相当于车辆实时生成“活地图”，补足了自动驾驶后续决策所需要的道路拓扑信息，可以实现去高精地图化。
这一感知方案的提出，确立了特斯拉FSD在视觉感知领域的绝对领先地位，并在随后被无数“友商”抄袭模仿。

而这种能力还在2022年底的AI DAY上进一步得到了强化，特斯拉将BEV升级到了占用网络（occupancy network），进一步提升了泛化能力。这一技术虽也是BEV技术的延伸，但最大的区别就在于系统的感知从2D变为了3D，让车辆自身置身于一个3D世界中，并在 10 毫秒内向车载计算机输出车辆周围每个 3D 位置的占用概率，并能够预测被瞬时遮挡的障碍物。
这意味着，特斯拉可以无需再纠结物体具体是什么，而只考虑体素是否被占用，就可以判断到底要不要躲避，有助于更好化解一些辅助驾驶中的Corner case（极端事件）。