新眸產業組作品
作者｜阮雪
編輯｜桑明強
一直以來，自動駕駛都是各大新能源車企釋出會上的常客。
和PPT上激動人心的說辭不同，自動駕駛最初的新鮮感，已經略顯聽覺疲勞，加上一些車企頻頻發生安全事故，理解自動駕駛技術原理後的消費者，開始迴歸冷靜。人們思考的問題也從最開始的自動駕駛是否安全，變成質疑自動駕駛的命題真偽。
箇中原因，並不是人們等不到新技術，而是等待的時間太過漫長。
“我一開始就知道Autopilot這道題不好解，但沒想到是這麼難解。”
2022年開年，當馬斯克做客Lex Fridman的播客聊到自動駕駛時，他也坦然承認這道題已經超過原本計劃的難度。
今年，是特斯拉研究自動駕駛的第8個年頭，但如果按照嚴格的自動駕駛分級來說，它的技術仍停留在L3級別上，FSD雖然透露著特斯拉對Full Self-Drive的期待，但也流露著發展上的無奈。
不過馬斯克似乎仍然是樂觀的，在他看來，特斯拉FSD在2022年就能實現 L4 級別自動駕駛，同樣預言：
FSD的事故率至少要比人類低2-3倍。
試圖再次拉高人們對自動駕駛的期待和想象。
但顯然，僅僅給予人們想象是不夠的，FSD帶給特斯拉的也不該只有想象。比起象徵性的完全自動駕駛，活在現實中的人們曾一再看低FSD的商業價值，彷彿這是從它誕生起就註定的命運。
01
薛定諤的自研
“重要性和價值潛力”
，這是馬斯克在特斯拉釋出2021年四季度財報後，召開業績說明電話會時強調FSD的用詞。再之後，特斯拉向其它車企開放”完全自動駕駛”功能（FSD）就出現在了他的推特上，同時他還宣稱，如果其他車企想要透過自行研發，來實現類似的功能至少需要5年的時間。
特斯拉用了多久呢？再談FSD前，我們先聊聊Autopilot。
同樣在推特上，從2013年馬斯克的一個設想出發，Autopilot被建立。在當時的業內人士看來，Autopilot僅僅是一款L2級自動駕駛系統，嚴格來說是一個輔助駕駛系統，而這意味著，它可以在特定條件下協助車主完成基本的駕駛任務，但絕非完全的自動駕駛。
在官方的功能設定裡，也沒有想過讓它承載全自動駕駛的使命，這背後有著特斯拉和第一位合作伙伴Google的核心分歧和被叫停的合作半自動駕駛專案。
轉而牽手Mobileye，成了特斯拉當時的無奈選擇，由此，2014年特斯拉AP HW1。0問世，搭載了1個前向的毫米波雷達、1個前視攝像頭、12個超聲波雷達、1套高精度電子輔助制動系統（線控剎車）以及1塊搭載 Mobileye EyeQ3 晶片的主機板，雖然完成了最初的功能設定，但又沒能完全符合馬斯克的預期。
直到2015年10月底，特斯拉的自動駕駛才算正式登上歷史舞臺，隨後，每一次的技術更新，完全自動駕駛的到來都會成為馬斯克新的Flag。同樣在這一年，特斯拉在中國正式釋出了V7。0版本的車載系統，增加了車輛自動駕駛方面的功能，包括自動車道保持、自動變道和自動泊車。
但是，兩家公司的合作並沒有持續多久，一方面不滿於Mobileye程序緩慢，另一方面不滿Mobileye利用特斯拉車主駕駛資料來改善晶片演算法。於是乎，2016年7月，特斯拉停止了與Mobileye的合作，宣佈所有車輛均採用英偉達自動駕駛晶片。
與此同時，特斯拉的自研專案也悄悄啟動。
和英偉達自動駕駛晶片解決方案主要依靠功效較大的GPU不同，特斯拉把重點放在了團隊自研設計的NPU（神經網路加速器）上，主要用於影象處理，在整合晶片中空間佔比最大，承擔最大的工作量。
據新眸粗略統計，FSD晶片從設計、到測試再到量產共歷經18個月。
2019 年 4 月份，特斯拉在 Autopilot HW 3。0 平臺上成功推出自研的FSD 主控晶片，實現了自動駕駛晶片+神經網路演算法的垂直整合。回顧特斯拉自動駕駛的升級之路，在Autopilot硬體先行、軟體更新的基礎策略上FSD的誕生，是將它智慧化的色彩塗抹得更深。
2014-2016年釋出的AP1已經初步實現了自動巡航、自動轉向、自動輔助變道、自動泊車、召喚等輔助駕駛功能；2018年的AP2升級了召喚功能，並新增自動輔助導航駕駛；直到2019年後，FSD的推出，特斯拉才進一步實現了智慧召喚以及新增紅綠燈、停車標誌識別控制等功能。
關於FSD的建立，除了合作廠商技術更新速度的不理想外，還有著特斯拉對於自動駕駛解法上的追求，就像Pete Bannon 在 FSD 量產後曾經說過的那樣，
“特斯拉開始研發FSD的原因是，我們發現市場上沒有一種晶片是從底層出發為自動駕駛和深度神經網路設計的。”
02
自動駕駛謎題
可以解放雙手，或許是現在對於自動駕駛最大的誤解。
事實上，仍然沒有任何一家自動駕駛的研發公司能夠實現完全自動駕駛，駕駛員的主動監控仍被放在首要位置上。
FSD本質上仍然是自動輔助駕駛系統的進化版，它在駕駛員主動監控的情況下實現的車道內自動輔助轉向、加速和制動，最終的作用被定義為：減少枯燥的駕駛操作，提升駕駛樂趣。
這和人們想象中的自動駕駛有著明顯區隔，但現實應用和實現技術突破本身就存在邏輯上的倒置。
自動駕駛的核心技術被分為三個部分：
感知、規劃和控制。
放置到具體的行車場景中，感知就相當於人開車時看路、獲得路面資訊，規劃相當於在腦子裡處理路面資訊並且輸出駕駛決策，控制就相當於人操控手腳進行駕駛。
比起操控執行，感知和規劃才是自動駕駛的最大難題。
關於感知的解決方案，在智慧汽車領域分成了兩大派系，一類是鐳射雷達等高精密元件進行路況識別，提升汽車的感知能力，國內廠商逐漸開始採用攝像頭+高精地圖+鐳射雷達的綜合方案；另一類是以特斯拉為代表的攝像頭派，堅信視覺的力量，認為人之所以能夠有效辨別路況是因為可以依靠眼睛捕獲資訊，同時成本較低，可以透過演算法升級迭代實現各項功能。
比起感知元件的高成本和高識別錯誤率，馬斯克認為，
“如果人類依賴自身視覺來識別周圍環境，那麼攝像頭也同樣能實現人眼功能。”
攝像頭攝取的環境資料在經過視覺演算法處理後，系統將透過深度學習模型進行自我培訓，從而達到全範圍認知路況，增進系統控制精度的目的。
FSD承襲了這樣的視覺解決方案，依靠攝取資料增進ADAS系統性能，可以說特斯拉海量的行車資料都成為了它的養料。特斯拉FSD系統的優勢也在高速影象處理、NPU、SRAM三個方面得到體現。
就目前來看，在高速影象的處理效能上，特斯拉的影象處理器SIP已達到了最快的消費級影片傳輸DP1。4標準； 而用來存放NPU的計算結果，具有快取功能的SRAM容量已達到2TB/秒，理論上滿足了自動駕駛L5級別的需求。
在汽車廠商紛紛拼算力的時代，Hardware3。0版本集成了2顆FSD晶片，總算力達144TOPS，將於2022年推出的自研Hardware4。0版本，預計效能將是HW3。0的3倍，能達到432TOPS，顯然特斯拉仍然開在一眾友商前面。
與之對應的，特斯拉的商業模式也跑在了最前面。
03
軟體定義汽車
汽車越來越像是行走的計算機，並不僅僅體現在駕駛體驗和技術升級上，圍繞著自動駕駛商業化的展開探討，FSD是無法迴避的話題。
特斯拉採取“自研系統及晶片 + 造車”的商業模式，既可降低長期成本，也同時可從車輛銷售中獲取收益。
舉個簡單的例子，僅2021年，特斯拉就已經獲得了105%的毛利增長率。
隨著自動駕駛功能的不斷升級，FSD的價格也在不斷的上漲，彷彿在引證著馬斯克關於FSD商業潛力的預測，而軟體定義汽車的傾向也變得更加明顯。
自特斯拉2015年開通AP系統，價格為2500美元/套，後上調至 5000 美元/套。而在2019年三月前，使用者可以在5000美元的EAP（Enhanced Autopilot）包之外，額外支付 3000 美元獲得 FSD（此時並不包含任何功能）。
就在同年4月，特斯拉取消了EAP，將EAP功能移到FSD中，FSD 漲價到 6000 美元/套，使用者可免費獲得 Basic Autopilot（BAP）功能。20年10月，FSD Beta 版本推出配備城市道路完全自動駕駛測試功能，價格上調至10000 美元/套，一月特斯拉 FSD 再次漲價至 1。2 萬美元。
每逢更新必漲價，成了FSD的常態。
圖：特斯拉FSD收費提升表（來源：特斯拉，國信證券經濟研究所）
去年7月，特斯拉推出FSD訂閱包加深了汽車軟體化的印象，一次性付費和訂閱式付費的雙軌執行，一定程度上打開了汽車廠商們關於商業化的新想象。
比如大眾營銷主管曾經傳遞了另外一種付費模式資訊：大眾汽車未來可以以每小時7歐元（約合人民幣55元）的價格向客戶銷售完全自動駕駛的汽車，即按使用時間付費模式。自動駕駛服務付費模式多樣也成為車企在成本、利潤與使用者消費水平之間尋找到平衡點的方式。
比起硬體發展自帶的天花板效應，軟體和服務體系的升級提供了新的盈利模式，由此帶來的盈利空間，已經跳脫出傳統汽車的經營邏輯。
僅以FSD的一次性付費模式為例：收入預計將從2020年的9。50億美元快速增長至2025年的141。76億美元，CAGR達72%。以FSD淨利率為55%測算，2025年FSD盈利空間已經近78億美元，價格背後的技術更新，也成了利潤增長的硬道理。
在這種邏輯下，與其說人們低估了FSD，不如說是對自動駕駛太高的期待和誤解讓人們對技術升級造成了忽視，而馬斯克一次次Flag的倒塌，也讓人們對自動駕駛產生了失望感。
但不能否認的事實是，除了FSD之外，特斯拉在汽車生態系統的搭建也正在將汽車從“行走的計算機”轉變為“行走的第三空間”，那些出現在PPT上的正在逐步被實現，不過有一點需要認清：
沒有人能夠給出最終的截至日期，即便那個人是馬斯克。
但正如奔跑在馬路上的特斯拉一樣，FSD也始終在路上，甚至永遠不會有終點。
