原创: 全自动驾驶即将到来(20240416更新)

Cyberpunk

superdigua 发表于 2021-8-2 16:17
自动驾驶方面，全世界有两个方案：

1. 特斯拉（纯视觉）

视频看了第一个，从视频中看，驾驶人也还是需要不断干预的。

我觉得从投资角度，确实应该提前布局，也可以乐观一些，因为任何重大的突破在资本市场都会引发强烈的想象，但从实用程度来看，我还是没觉得它能如你预料的几年之内达到全场景全自动驾驶的程度。当然了，我们也不清楚特斯拉的AI到底智慧到什么程度，也没准它就真创造奇迹了呢，我也是乐于见到这样结果的。

superdigua

Cyberpunk 发表于 2021-8-2 16:37
视频看了第一个，从视频中看，驾驶人也还是需要不断干预的。

我觉得从投资角度，确实应该提前布局，也可 ...

多看几个。

事情涉及 7 位数甚至 8 位数资金，值得多花点时间。

我只能帮到这一步。

发财 = 远见 + 验证 + 行动

dadanding

今年肯定不行，什么时候特斯拉能把德国法院忽悠过去，什么时候才算成功

kenzofans

很想买特斯拉，澳洲什么时候有补贴？？

superdigua

kenzofans 发表于 2021-8-3 17:25
很想买特斯拉，澳洲什么时候有补贴？？

新州从 9 月 1 号开始。3000 澳元。

superdigua

下面这篇文章解释了为何激光雷达+高精地图是死路一条。
特斯拉的纯视觉解决方案遥遥领先。

Waymo Is 99% of the Way to Self-Driving Cars. The Last 1% Is the Hardest
https://www.bloomberg.com/news/a ... st-1-is-the-hardest

特斯拉自动驾驶视频
https://www.youtube.com/results?search_query=tesla+fsd

superdigua

整个华尔街，除了 ARK，都不理解特斯拉和 WAYMO 之间的技术差异。

即便是 GARY BLACK 这样的支持者。

这意味着，特斯拉即便获得让人惊叹的成果，股价也只会慢慢随着财报利润攀升。而财报利润，只会跟着产量以及 FSD 订阅数增长。

本周六特斯拉会发布 FSD BETA 10。期待！

https://twitter.com/garyblack00/status/1434874184560152583

vvv17007

咱们就说全自动驾驶明天就能完全普及， 敢问你敢把你一家子的命交给电脑不， 城市道路上的情况千变万化， 只要一种计算机没算到，那就要用命来赔。。。这是在赌谁的命硬

superdigua

vvv17007 发表于 2021-9-10 15:48
咱们就说全自动驾驶明天就能完全普及， 敢问你敢把你一家子的命交给电脑不， 城市道路上的情况千变万化，  ...

简单：那就不要多花一万美元买 FSD 软件。

友情提示：每天 3700 人死于交通事故。都是被人类司机杀死的。

superdigua

使用高精地图的自动驾驶，相当于一个记忆力超群的瞎子。它虽然看不见，但能够根据当前位置回忆出周围的情况。而激光雷达则相当于一个完美的盲人探路杖。两者结合，让盲人能够顺利出行。

特斯拉则让“盲人”获得了视力，从而顺利出行。

两者对比，高下立现。

skysadness

superdigua 发表于 2021-9-10 17:01
简单：那就不要多花一万美元买 FSD 软件。

友情提示：每天 3700 人死于交通事故。都是被人类司机杀死 ...

以后特斯拉自动驾驶害死人只会越来越多
一辆特斯拉Model Y汽车在美国底特律进行正常行驶的时候，突然撞上了一辆半挂卡车，这辆特斯拉当场钻进了半挂卡车的货柜之下，把整个车头都撞没了。

superdigua

特斯拉领先的人工智能技术有可能使公司成为世界上最大的公司
Tesla's Leading AI Technology Has The Potential To Make The Company The Largest In The World
https://www.linkedin.com/pulse/t ... -company-alex-voigt

特斯拉的人工智能日揭示了自动驾驶汽车和神经网络发展的一个转折点，这将对我们所有的未来产生深远影响。这种影响是大多数人还没有理解的，而且很多人在未来也不会理解。

尽管我对特斯拉机器人的亮相及其未来的能力感到兴奋，但更重要的是我们所了解到的将在不久的将来实现自动驾驶汽车的技术状况，特斯拉远远领先于其他所有人。

我们看到的演示不是一个教育公众的营销或公关活动，而是为了吸引人才加入特斯拉的人工智能团队，因为人才是稀缺的，但在解决世界上最棘手的问题时却能发挥所有作用。自动驾驶是这些最棘手的问题之一，因此，观众听到的大部分内容都是技术性的，只有当你自己是专家时才能理解，这并不奇怪。

自主驾驶和行走是需要学习的新术语，因为该技术既可用于汽车，也可用于仿人机器人，经过调整还可用于其他任何在介质中移动的东西。虽然这项技术非常复杂，很少有人了解其中的挑战，但表达特斯拉进展的最好方式是，他们采取的方法最接近今天人类驾驶汽车的方式。特斯拉拥有基于矢量的4D感知和定位、计划、预测、模拟、迭代、学习和行动，与人类大脑相似。这是很多对大多数人来说毫无意义的词，但对少数人来说却是最重要的。

以上所有这些都是用软件完成的，但你也有专门为任务而设计的、可扩展的硬件，就像一个可以进化、学习和改变的大脑和神经系统，通常称为可塑性。硬件和软件一起使我们人类能够安全地控制一辆车，我相信特斯拉的FSD有一天也会如此。即使是斗室计算机，在一个单独的单元中训练神经网络以改进算法，也是人脑在睡眠时至少部分完成的任务。人类的学习并不是完全在清醒时进行的，而是在睡眠时进行的。

我不称自己为自主技术的专家，尽管其他人违背我的意愿这样做。有些人邀请我接受采访，我不情愿地接受了采访，希望能对神秘的软件和计算机学习世界做出我的小小贡献，有些人称之为人工智能或AI。智能是一个我们仍无法正确定义的术语，但却敢于将其用于我们也不了解的技术。虽然我尽力去了解所有的方面，作为软件和硬件行业的工程师，20年的经验很有帮助，但我的经验在特斯拉的完全自动驾驶软件的加速创新中毫无意义。

虽然特斯拉组建的令人印象深刻的团队在人工智能日上非常详细地介绍了发展情况，但所有其他试图开发一个工作系统的汽车制造商和软件公司都保持沉默，将他们的大部分发展保持在保密状态。如果他们克服了特斯拉几次发现自己所处的局部最大限度，他们可以自豪地介绍他们的成就，但由于他们保持沉默，我们可以认为他们甚至没有深入了解他们试图解决的任务。如果你认为自动驾驶技术在某些规定的道路上可行，就说明别人已经解决了这个问题，那你就是在自欺欺人。特斯拉今天可以在没有司机或监督的情况下将车辆从东海岸开到西海岸，但仍然不能声称已经完全解决了FSD问题。

我敢说，今天所有其他系统都在努力实现他们的局部最大限度，甚至不明白他们所采取的方法将无法在所有道路上实现完全自主的系统，在那里司机可以放弃所有的责任和义务给系统。使用激光雷达作为传感器是不了解手头真正任务的反映，但是一旦他们的系统不能改进到超过一定的水平，不足以实现FSD，他们将不得不重新从头开始，或者选择从特斯拉获得更便宜的、在那个时候已经成熟的系统的许可。我预测，那些声称拥有有效系统的人中的大多数将在未来几年内消失，而且没有一个将拥有接近特斯拉FSD的能力。

对于一个不称自己为专家的人来说，这是个很大的说法和预测，不是吗？请允许我更深入地了解特斯拉的一些硬件和软件组件，以显示它们与其他所有的组件的不同之处。

矢量空间

矢量空间是指物体在3维空间的定义。图像描述的是一个二维空间，而所有其他系统都是在二维空间工作，特斯拉则是在三维空间加上时间元素，这就是为什么它也被称为四维空间或4D。相对来说，让车辆根据摄像头生成的2维图像进行感知是很容易的，但在3维空间中定位你的车辆是一个数量级的挑战和精确。这种精度对于避免碰撞或其他不必要的事件是必要的。使用三维空间使系统能够识别二维系统无法识别的物体，而时间因素使它有能力模拟和计划接下来会发生什么，我们称之为预测。通过模拟进行预测，可以在危险情况发生之前避免。当特斯拉在四维空间工作时，其他所有人都在二维空间工作。

空间递归神经网络

位置编码与多摄像头功能和车辆的运动学允许围绕车辆建立递归单元，为感知增加一个时间维度。虽然这听起来很复杂，像一个奇怪的词汇组合，但它只不过是对车辆在其位置的反复识别，允许基于时间的变化和必要的调整被检测到，通常被称为避免碰撞。虽然神经网络可以创建一个经常性的、不断变化的地图，但它也能够规划出一条在该空间行驶的路径，并在迭代中修正该路径，以更接近于一个优化的结果，包括记忆能力。当其他供应商使用高密度地图时，这些地图在上传时已经过时了，而特斯拉车辆却能实时了解其周围的情况，这一点无人能及。

融合

特斯拉汽车在车辆周围有8个摄像头。与其单独使用每个摄像头，不如创建一个所有8个摄像头的融合视图，提供一个整体感知，帮助更好地了解一个摄像头会误解的物体。这种环境感知是认识车辆周围世界所必需的，否则，解释将总是有缺陷的。特斯拉习惯称其为鸟瞰，并比以前更早地创建这种融合，以便能够更早地使用结果。其他系统开发者使用的摄像头甚至超过8个，但由于他们单独处理每个二维图像，他们对环境的感知总是达不到特斯拉汽车所能感知的程度。这是理解时间维度的一个基本方法，它被用作融合的逻辑延伸。

自动贴标

今天，给静态和动态物体贴标签是由所有公司手动完成的，但特斯拉将使用其Dojo计算机自动完成，再次使该公司领先于其他公司。这是因为系统对图像和视频中物体的正确标注是自动驾驶车辆正确决策的基础。今天，特斯拉使用了1000个标签器，但鉴于我们世界的复杂性和多样性，人工方法是不够的。自动标签是其他任何系统供应商都没有做到的，是加速流程和改进的圣杯。更令人兴奋的是，每辆车都向Dojo计算机提供输入，以正确地标注地图，完成并确认所有特斯拉车辆长期行驶的世界地图。其准确性超过了其他供应商定期上传至车辆的任何高密度地图的数量级。

数据和模拟

虽然特斯拉以前所未有的规模使用真实世界的数据，通过输入现在道路上的150多万辆车，并配有8个摄像头，但世界是多样化的，出现了以前没有人见过的边缘情况。其他公司试图用模拟来弥补缺失的数据，但任何模拟总是比现实和世界的多样性差，是想象力的表现。可以说，模拟永远无法弥补真实数据的不足，但它们可以丰富现有的真实数据，创造出以前从未见过的不寻常的边缘案例。这些边缘案例对于训练算法是至关重要的，这样他们就可以在第一次面对这种不寻常的情况之前做好准备。模拟也非常有用，可以创造出许多物体的标签不是由人工标注完成的，而是由模拟数据作为准备的情况。这方面的一个例子是，在一条路上有100个移动的、贴有标签的物体。

传感器

传感器为你的自主驾驶系统提供了输入，但使其驱动的是基于中间计算的输出。如果你有来自很多传感器的大量输入，只有当计算机能够利用它产生更好的输出时，你才能得到更好的输出。在某些时候，系统必须将不同的神经网络计算的输入合并成一个单一的输出，但如果来自激光雷达、雷达和摄像机的输出相互矛盾，如何决定哪一个是正确的？这个问题无法解决，因为它们中的每一个都可能是正确的或错误的。出于这个原因，大自然决定人类在驾驶时必须使用眼睛作为计算和输出的主要输入。为了解决自主驾驶，使用摄像头是正确的方法，因为冲突被消除了，可以快速可靠地做出决定。所有其他使用雷达、激光雷达和其他传感器的系统开发者都会产生他们无法解决的冲突，并因此被困在一个局部最大值中。当他们意识到这一点时，时间和资本投资将是巨大的，而同样昂贵的新方法将可能导致公司的终结。

Dojo D1芯片

在硬件方面，特斯拉已经开发了自己的内部开发的芯片和计算机，这是世界上最大和最快的。重要的是要明白，所有其他公司都在使用为不同用例设计的芯片和计算机，而不仅仅是自动驾驶和神经网络。一个多用途的系统总是做出妥协，以便向广大客户群销售，无论是发热、计算能力、尺寸还是价格。有一个专门为一个或多个目的开发的系统是一个关键的区别。 它允许Dojo的神经网络训练周期以世界上其他计算机无法比拟的速度加速。对于特斯拉来说，这意味着与其他人相比，改进的速度会更快，仅仅是因为他们可以更快地训练神经网络。即使其他人采取同样的方法来开发神经网络，如果没有Dojo，他们也会在改进中落后，除非他们有一个更快的系统。根据需要扩展计算机的可扩展性和灵活性，使其可以根据需要轻松升级，避免漫长的开发、设计和制造周期。Dojo计划在2022年推出，将使特斯拉有一个巨大的飞跃。

凭借上述所有类别，特斯拉从所有其他自动驾驶方法中脱颖而出，并继续扩大其领先地位。最重要的是，所有描述的元素都以这样或那样的方式帮助加快系统的迭代过程，从而加快改进速度。无论人工智能的竞争者走哪条路，如果他们的系统中没有加速迭代的元素，他们就会在改进中落后。

"护城河是蹩脚的，"埃隆-马斯克正确地说道，因为创新和改进的速度决定了谁领先，而不是谁保护知识产权。考虑到这一点，试图通过计算某人拥有多少专利来确定一个创新的领导者是很愚蠢的。虽然许多人争论特斯拉的方法是否正确，但没有人质疑，没有一家公司在创新和迭代改进方面更快。

随着赢家要求获得大部分蛋糕，在向FSD过渡的最后，将有一个主要供应商，其他公司将从其处获得许可，因为它能以更低的成本提供更好的系统。因此，全球FSD的大部分利润将流向一家公司。

由于特斯拉为解决自动驾驶汽车问题所开发的一切都可以用于未来任何自动驾驶汽车的神经网络开发，包括特斯拉机器人，该系统本身就是一种服务，可以作为一种神经网络即服务的解决方案进行货币化。有了这个杠杆，特斯拉开辟了一个前所未有的机会，以高利润率创造收入，类似于软件公司。因此，未来各行业的神经网络的大部分利润也可能落到特斯拉身上。此外，特斯拉机器人本身就是一个令人难以置信的巨大商机，以我的愚见，它将比特斯拉今天在汽车和能源方面所做的一切都要大。

仍有许多挑战需要克服，也有许多东西需要学习，但从我们在人工智能日看到的情况来看，我们可以得出结论，特斯拉的领先优势越来越大，其护城河也越来越宽。