热点：百度和特斯拉走上同一条路 也或许是最大的对手

除了精确到小数点后两位的自动驾驶世代数，目前国内最有趣的自动驾驶技术是昨天第二届百度apollo生态大会上百度apollo的l4级纯粹视觉感知处理方案apollo lite。

首先按l数，对客户来说显示不出非常直观的自动驾驶指标。 整个事件中最有趣的是百度处理自动驾驶处理方案的核心方法——纯粹的视觉。 如果是百度自己的话，通过并行解决10路摄像头、200帧/秒的数据量，可以将单视频链接的最高帧速率控制在5&permil。 以下，各方面360°； 在实时的环境感知中，前方障碍物的稳定检测视距达到了240米。

根据该探测系统，百度无人车在城市道路上实现不依赖高线数旋转式激光雷达的端到端闭环自动驾驶的同时，还可以在北京稻香湖等多个路段进行着陆测试。

我觉得很棒，对吧？ 毕竟光从常识来看，10台照相机的价格再高也比不上那个屋顶上的旋转式激光雷达。 但是有问题。 为什么在主流的自动驾驶技术公司中，只有特斯拉选择了纯粹的视觉处理方法呢？ 为什么口罩被骂过用激光雷达自动驾驶是傻瓜x，得罪了大部分同行吗？

伟大航线的特别道路

但是，不一定能实现同归

自打年，sae international (国际汽车工程师协会)制定了自动驾驶车的等级标准，自动化的记述分为5个等级开始。 就像海贼王罗杰在处刑台上喊着把他的财宝都埋在伟大航线的尽头一样，引起了大海盗时代。 很多杂志实现自动驾驶的公司举起旗帜，以最先到达one piece的人为目标。

结果，年，长期作为自动驾驶领袖的公司waymo ceo john krafcik在技术大会上承认，l5级自动驾驶真的不简单，人类在任何天气下自动驾驶都可能需要几十年。 另外，使所有对自动驾驶抱有期待的人陷入了万古之夜般的黑暗。

其中拖后腿非常重要的原因是算法。

毕生学习图像算法的无数专家们悲哀地发现，改变图像的一些像素后算法输出的结果将大不相同。 另外，网络越深，我们就越能看到这些失败的泛化。

年，特斯拉的型号s车追尾了白色拖车，司机死亡。 当时特斯拉官方表示，拖车的侧面是白色的，在太阳强光的照射下驾驶员和自动驾驶系统都没有观察到这辆拖车。

两年后，uber的自动驾驶车撞上了过马路的女性。 根据后期的调查报告，自动驾驶软件首先将女性误认为未知物体，其次是车，最后是自行车，最终女性被撞倒。

自动驾驶不普及的另一个理由是苹果的共同创始人steve wozniak指出:道路是由人建造的，人是不完整的，汽车现在无法解释这个要素。

理由很奇怪，对吧？ 但是，事实可能是这样的。 一百年来我们建立的现代道路计划和基础设施，完全是根据我们人类的录用习性设置的。

机器需要的是更纯粹、更正确、更符合机器采用习性的环境。 我认为这是为什么罗永浩基于划时代的语音输入系统制作的tnt应该让我们的输入方法更简单，但我依然用鼠标键盘写这个副本。 罗老师正在上演真人。 (真的到处都可以拉罗老师出来敲)

那么，既然我们不能改变道路的现状这个事实成立了，另一条路不通向自动驾驶的one piece吗？ 激光雷达就是这样的选择。

在此简单总结激光雷达的优点。 激光雷达的探测距离和准确性大于相机，去年通用汽车自动驾驶技术企业cruise automation的cto kyle vogt认为激光雷达传感器带来了冗馀性和重复功能，即使车辆面临最具挑战性的环境也能应对

换句话说，现在很多自动驾驶公司选择激光雷达和计算机视觉结合的方案，为了留下安全冗余。

如果不过激就不是特斯拉，从面具上看，加大自动驾驶车，需要数万美元的激光雷达，这是形成虚假繁荣。 如果不抛弃激光雷达这一拐杖，自动驾驶车就不能实现真正意义上的自动驾驶。

因此，以现在特斯拉为首，百度步调一致的纯视觉派和其他很多自动驾驶制造商选择的激光雷达派，与最初达到自动驾驶的最终目标形成鲜明对比，陷入了不同的困境。 纯粹视觉派就像等待着不成熟的技术成熟，激光雷达派等待着好技术变得更便宜。 几乎可以肯定的是，谁先走自己的路，到达自动驾驶这一伟大航线的尽头，就可以认为在这个零和游戏中会让对方完全下船。

中特斯拉和百度

你到底是怎么想的？

首先说一下答案，特斯拉和百度考虑问题的终极目的是自动驾驶的商业化。

特斯拉去年在更新autopilot 2.0硬件时，增加了前置三目照相机(分别为长距离窄视场角、中视场角、短距离鱼眼)、在车辆左右两侧分别朝向2台侧面前和侧面后的照相机、1台后置照相机，8台照相机 纯粹视觉感觉的无死角的盖子。

但是，其中非常有趣的是，与该系统匹配的核心芯片被变更为可插入的设计，后期高性能芯片反复后的搭载车变得容易了。 特斯拉的这支伏笔在去年4月特斯拉fsd的高计算能力芯片量产之前，不久就有机会看到北美fsd自动运行测试版的推送。

由此可见，特斯拉和百度等待的是计算能力和算法的提高。 百度apollo技术委员会主席王亮也表示，照相机的图像新闻密度高，包含的环境新闻最丰富。 但是，对人才、算法、数据、规模化机器学习的能力提出了很高的要求，需要强大的算法、大量的数据积累和长时间的研发投入。

这里需要插入来自新华社的报道:仅北京一个城市就有100多名专家从事数据显示，全国有1000多万人从事数据显示的自动驾驶领域的数字福克斯计算机实锤。

训练算法时的人工标记

而且更有趣的是，百度apollo在此之前并不是纯粹视觉路线的忠实粉丝。 相反，百度总是坚持以激光雷达为中心的多传感器融合路线，为什么要切换轨道和特斯拉成为战友呢？

用王亮自己的话来说明，在以激光雷达为主、视觉为辅助的以前的传输策略中，视觉感知自身的问题和缺陷没有暴露在雷达感知的面具下。 因此，视觉感知问题需要独立才能更好地处理。

也许是因为百度曾经在深入理解激光雷达的优点和短板后，作出了选择不同技术路线的决定。 然后计算力的反复也和百度和特斯拉一样，触摸了处理问题的关键。 在昨天的发布会上，百度宣布，apollo lite所需的计算能力不足30 tops，可以用单卡gpu驱动。

邓小平曾经说中国式现代化要从中国的优势出发。 这句话也适用于百度，毕竟作为自动驾驶的技术提供者，最终实现技术落地的不是百度自己，而是百度服务的各车企业。 现在国内对自动驾驶技术嗷嗷喂奶的新能源公司，是最通用、价格相对合理的处理方案，必然最符合国情。 而且，由于实现最终装车价格和规范化的技术难度，纯粹的视觉路径似乎不是最佳的。

这个非常有趣。 在实现自动驾驶的路线上，百度成为特斯拉数量少的队友，但毕竟在中国市场上，特斯拉的队友会帮助特斯拉在中国市场的对手阻止自己。 结果，特斯拉的技术只能为自己使用，而百度apollo的方向是开源的，为参加自己技术体系的所有公司做技术备份。

但是，在现在激光雷达技术价格越来越便宜的时代，纯粹的视觉路径不是人类最终实现自动驾驶的唯一选择，依然是问号。 到底谁是迁移技术，谁能在零和游戏中卸载所有其他对手，至今还是个未知数。