大家好，我是电动车公社的社长。

最近，小鹏汽车因为两件事火了。

第一件是股价，一天之内暴涨33.92%，让许多人尝到了支持新能源的甜头。何小鹏反应很快，发了一封全员邮件，希望小鹏汽车的小伙伴们放眼长线利益，不要只看短期股价的涨跌。

随后股价果然跌回了暴涨前的价格……

另一件事，就是何小鹏和马斯克互怼了。

事情的起因是一位海外友人看热闹不嫌事儿大，在推特上问马斯克：“如何看待小鹏汽车在自动驾驶领域采用激光雷达，没有采用和特斯拉相同的纯视觉路线？”

不仅如此，还添油加醋地补充了一句，“小鹏汽车是不是意识到他们抄袭特斯拉的方案行不通了。”

推特红人马斯克当然不会放过这个营销的机会，直接指责小鹏汽车抄袭——

“他们只有我们旧版的代码，但没有我们最新的神经网络系统。”

何小鹏也不甘示弱，对此进行强势回应：

两边的粉丝也抄起键盘，吵得不可开交。一方认为马斯克打击异己，是一种霸凌的行为；另一方则认为小鹏汽车有剽窃代码的嫌疑，应该调查。

那么，为什么马斯克会如此反对激光雷达？

小鹏汽车，到底有没有抄袭？

以特斯拉为首的视觉派，和大多数厂商都支持的激光雷达派，谁才是自动驾驶的出路？

01. 激光雷达有多重要？

以前社长就和大家简单聊过，ADAS高级驾驶辅助系统需要感知、判断、操控这三步，才能进行驾驶的操作。就像我们需要双眼去观察、需要大脑去判断、需要四肢去操控才能开车一样。

这里面，负责判断的算法、负责操控的车辆架构都是各花入各眼，厂家们自有办法。但在负责感知的硬件上，却产生了巨大的分歧。

我们知道，感知的方法主要分为估计型的摄像头，以及测量型的雷达。就好比走路用的拐杖和眼睛，一个负责判断周围有没有绊脚石，一个负责判断周围有没有路、有没有人。

对于大多数厂家来说，只用一种感知方式是不够可靠的，事关安全无小事。

因此，大家普遍采用测量型和估计型紧密结合的技术路线，用丰富的硬件最大程度地感知环境，减少发生问题的风险。摄像头、毫米波雷达、超声波雷达、激光雷达多多益善，要是能用上GPS定位、高精度地图甚至是V2X车路协同，那就再好不过了。

总之，走路用的拐杖越多就越放心，反正咱有钞能力。

如果说大家的区别，无非是这家钞能力弱一点，那家钞能力强一点而已。

弱一点的，就比如传统主机厂和造车新势力，用有限的传感器实现部分自动驾驶，实现的是ADAS Cars，辅助驾驶汽车，目前最多能够支持到L3。

强一点的，就比如Waymo、百度Apollo、Super Cruise，用大量传感器实现完全自动驾驶，理论上要实现L4，甚至是L5。

激光雷达，就成了实现自动驾驶必不可少的硬件设备。Waymo甚至“以贩养吸”，成为了激光雷达的供应商，直接对外销售激光雷达。

我们在一线城市的开放试验区见到的自动驾驶测试车，100%都顶着这样的一个“大脑袋”，里面装的就是16/64/128线的激光雷达。

由于激光雷达每秒能发射数百万个激光束并测量返回时间，从而得到周围物体确切的距离和形状。

这海量的感知信息，能够让自动驾驶汽车更精确、更稳定地感知到周围环境，比如能从2σ（97.73%）提升到3σ（99.87%）。

所以一些舍得下本的品牌，就会采用激光雷达来换取安全覆盖率的提升。

不过，“一分钱一分货”这句话，在激光雷达上再一次得到了应验。

已经获得百度、福特、现代、尼康等多家公司投资、也是全球最大的激光雷达公司Velodyne，其16线、32线、128线激光雷达的价格，高达4000、4万、8万美元！

就这4000美元的VLP-16，还是在2018年打了5折之后的价格。

想要用硬件实现L3，怎么也得装一个，就比如率先实现L3的奥迪A8，车头的位置就有激光雷达。要是想实现L4，全车的一套系统怎么也要5万美金以上，奢侈点的甚至会达到10万美金！别说特斯拉了，这笔钱买保时捷Taycan都绰绰有余。

为此，马斯克不惜在公开场合怒怼激光雷达，也包括用了激光雷达的其他自动驾驶公司。

“激光雷达就像人身上长了一堆阑尾，阑尾本身的存在基本是无意义的，如果长了一堆的话，那就太可笑了。任何依赖激光雷达的公司都可能无疾而终。”

这也揭开了特斯拉和其他厂商之间斗争的序幕。

02. 进击的马斯克

马斯克拿出来的解决办法，是作为估计型感知的纯视觉方案。这种三目摄像头的环视解决方案，成本不过300多美金而已，比激光雷达便宜了不知多少倍。

其实想法也很简单：一个健康的人不可能用拐杖走路。人的眼睛能做到，凭什么摄像头的纯视觉就做不到？

如果你说人类能做到是因为有大脑，那就让神经网络系统模拟大脑不就完事儿了！

在纯视觉路线的引导下，特斯拉招募了一大批在常青藤名校做视觉的硕士生或者博士生，这群人也是在全球玩视觉玩得最6的。在最新的测试Demo里，特斯拉甚至已经在部分路段完成了L4级别的自动驾驶，并且能识别出绝大多数的交通参与者。

特斯拉是怎么做到的？其实就是这张图：

简单来说，我们的大脑是怎么学习的，它就是怎么学习的。

它会先通过特斯拉上的摄像头，给周围的交通参与者建立模型，同时把相片数据添加到神经网络的训练集里，让人工告诉它这是什么。

形成一定规模之后，它就会有自己判断的能力，比如这是一台小轿车，那是一台货车，那边是一个骑自行车的行人。

在特斯拉眼中，世界其实是这样的。

我在哪，我周围有没有车道线，周围有没有交通标志，我周围有几个交通参与者，分别离我有多远，他们运动的方向和速度都是什么……等等。

但神经网络终究是个AI，它存在误判的可能。有的是误判了物体类别，有的是误报，还有的是漏报。就比如前面有个龟速“老头乐”，早期的特斯拉不会做出反应，会直直地撞翻过去。

但这时，特斯拉的测试车，以及几十万的特斯拉车主就会介入驾驶过程，要么刹车，要么变道。

人工干预会触发一次快照，就是一段由多个摄像头、毫米波雷达、GPS等多个传感器组合得到的视频剪辑，和相关的后台数据。特斯拉的人员会进行复核，看看特斯拉的做法和人类的做法有什么区别，找出差距，然后让系统自动改进，也就是标注的工作。

在标注中学习，就是特斯拉的“影子模式”。

当然靠人工提供的精确标注帮助机器学习，速度太慢了——招一堆人标注员花掉大量的人员工资，可不是特斯拉的风格。

特斯拉要做的，是让机器自主学习！

既然特斯拉有几十万台车在路上跑，那这些从路上得来的，就都是标注数据。

需要训练防加塞功能？只要预测cut-in（加塞）的运动轨迹，再和真实数据进行比对就好了。需要训练行人碰撞预警？只要预测行人的运动轨迹，再和真实数据进行比对就好了。

而且机器的判断，错得越离谱越好——只有在不断的错误中，机器才能知道什么是正确的，才能在下次做出正确的判断和反应。

在去年的自动驾驶发布会上，马斯克宣称特斯拉是没有建设数据中心的，而是用每一台特斯拉组成了一个巨大的服务器集群。所以特斯拉才需要在HW3.0硬件上堆算力极高的芯片，只有算力够高，才能处理得了这么多的数据，才能进行大量的判断和计算。

通过算法和海量的数据，让特斯拉的驾驶能力高于人类，就是特斯拉真正的王牌。

这也成了马斯克怼何小鹏的信心来源——我们有神经网络系统，能做成纯视觉；你没有，所以你只能去采购高成本的激光雷达。

一言以蔽之：弟弟啊！奔跑吧！追赶吧！

03. 小鹏到底抄没抄袭？

但特斯拉的纯视觉路线，有一个致命的缺点。

因为摄像头是二维而不是三维的，现实却是三维的——这中间，会存在信息失真。

就比如对于这台MPV的识别，同样的感知位置，但纯视觉方案的结论更长、更窄，和物理上的事实有出入。人可以通过经验判断出车大概有多大，但摄像头不行。

而且，人都有可能被自己的眼睛欺骗，更不用说摄像头了。

此前，特斯拉就因为采用了不成熟的纯视觉方案出过不少事情。把大货车识别成一朵云直直撞了上去、在武汉直接撞翻一片中央护栏、识别出广告中一闪而过的STOP标志从而刹车等等不胜枚举，还遭遇了公关危机。

最近还有博士生用投影仪把二维的人体影像投射到路面上，测试用的特斯拉Model X却并没有识别出来是假人，依然进行了主动刹车操作，也证明了这一点。

这种缺陷，只能通过大量的学习和算法的演进，让机器学会和人类一样识别和修正。

所以包括小鹏在内，希望做L4自动驾驶的厂商都没有采用纯视觉的方案，而是用视觉+雷达进行双重感知，用大量的安全冗余来确保车辆和乘员的安全。眼睛没看见障碍物不要紧，再用毫米波雷达甚至是激光雷达去摸一摸，及时刹车或者躲避就好了。

这也是一开始何小鹏有实力回怼马斯克，说要把马斯克打得找不着东的原因。

那小鹏汽车到底抄没抄袭？

我们先来说说硬件。

这是特斯拉的，12个