借着华为新车发布，分享一波自动驾驶领域的干货知识（也吹一波特斯拉）～ 前几天，跟华为合作的阿维塔11亮相了（图1）。车上搭载了3颗激光雷达，6颗毫米波雷达，12颗超声波雷达，13颗摄像头，400Tops算力。 这是什么配置水平呢？ 不妨跟特斯拉做个横行对比： 特斯拉的车只有8个摄像头，没有激光雷达，也没有毫米波雷达，算力只有144Tops。 这么看，特斯拉在传感器的数量和芯片的绝对算力上，都弱爆了。 但硬件上的堆料，能让中国车企的表现优于特斯拉吗？ 我在“大小马聊科技”的节目里，跟自动驾驶从业者大卫聊过这个话题。 他认为：在自动驾驶领域，并不是拼雷达多少，而更应该看对软件的自研和更新迭代能力。 因为如果你堆料，放三四颗雷达，其实会给算法增加很多麻烦，因为这些雷达要同时参与到内参、外参、拼接、时空同步等等一系列事情….. 另外还要考虑上了这么多设备，是不是能长期不坏？ 可以说，增加的新玩意儿冗余度越多，对车日后的风险反而越高，之后翻修和召回的概率也越大。这也是为啥自动驾驶从业者，都非常理解特斯拉砍掉雷达的决定。 特斯拉的自动驾驶大牛Andrej Karpathy说过：之前他们把视觉和毫米波雷达融合后发现，在处理各种极端情况时，表现都不理想。所以特斯拉最终决定把雷达去掉，只在纯视觉的路上舍命狂奔。 也正因为特斯拉在纯视觉感知方向发力早，让它的所有车型都使用同一套感知硬件，特斯拉因此拥有了大量的量产车跑街数据。他们通过建立221条Triggers（见图2），让老韭菜持续高效给公司投喂数据。 这么一比，我们中国主机厂的软件自研能力和数据采集能力，都和特斯拉差距甚远。 所以我们用了另一套开发逻辑：在硬件发力，先把料堆上去，看能不能做出一个高鲁棒性（在异常和危险情况下的系统生存能力）、高冗余度的算法出来。 之前，Andrej Karparthy在Tesla AI Day公布了他们的自动驾驶方案，我还纳闷：这家伙不怕被抄吗，这么迷之自信？？ 现在我懂了。特斯拉源源不断的海量路跑数据，配合数据驱动的神经网络，让他们一早就实现了视觉到向量空间的完整映射和数据闭环。所以，即使友商知道特斯拉是怎么做到的，也难以复制….. #阿维塔11##特斯拉##自动驾驶#