特斯拉自动驾驶路径的存在与合理

「堵车是最让人难受的事情：你爱开车，你也的确在开车，但你就是没有真正在开车。」

在自动驾驶发展的早期阶段，「没有真正在开车」正是我们可以通过单车智能来改善的问题。

与很多朋友在聊天时总是发现，大家下意识地把「自动驾驶」和「无人驾驶」混作一谈。因为无人车的场景过于科幻，而忽略了眼下自动驾驶在我们生活中的发展。

 

这恰恰也是谷歌 Waymo、百度 Apollo、苹果这些科技公司，与汽车企业在发展自动驾驶时的根本区别。科技公司不计成本地制造无人车路测，但依然不具备大型的车队规模，即没有足够的数据来训练算法，难以扩展它的使用场景。

无人车的大规模商用了了无期，特斯拉的 Autopilot 倒是卖得风生水起，开启汽车软件收费的先例，并获取了高额利润。

让人不由想起 Elon Musk 在 2019 年自动驾驶日上的口出狂言：

「任何使用激光雷达的自动驾驶公司注定会失败。」

Elon Musk 否定的不一定是激光雷达产品本身，但他的对立面一定是想要用激光雷达直接达到无人驾驶的科技巨头们。

数据是特斯拉的核心，也是这条自动驾驶路径的合理之处。借助百万车主的力量，特斯拉今年 4 月的公布自动驾驶里程数据已达 30 亿英里（48 亿公里），预计明年一季度就可达 50 亿英里（80 亿公里）。而无人车的头部公司谷歌 Waymo，实际路测里程还仅是千万英里的数量级。

特斯拉的自动驾驶探索之路，同样为各路车企厘清了发展路径，从硬件看来是三个阶段：

1. Autopilot 1.0：2014 年 10 月量产，与 Mobileye 深度合作，可实现的功能相当于现今的 L2.5；
2. Autopilot 2.0：2016 年 10 月量产，明确了周身 8 个摄像头的低成本视觉感知系统，采用英伟达 Drive PX2 芯片；
3. Autopilot 3.0：2019 年 4 月发布，特斯拉自研自动驾驶 AI 芯片，算力可以支撑 8 个摄像头的视觉信息运算及冗余。

从功能实现的角度来看，特斯拉并没有遵循国际惯用的 L0 - L5 的自动驾驶标准。而选择在驾驶员的监管下，不断拓宽用户自动辅助驾驶的使用场景连续性并提升用户体验（连续性）：

1. Autopilot（自动辅助驾驶）：高速以及城市环路等封闭道路；
2. Navigation on Autopilot（自动辅助导航驾驶）：根据导航判断行驶路径；
3. 智能召唤：封闭场景的无人驾驶；
4. 识别交通信号灯与判断行人轨迹：拓展城市场景。

实现了以上功能后，我们没法依照工程标准来定义当下的特斯拉是在 L2/L3/L4 哪个级别的自动驾驶。从用户视角出发，驾驶员依然需要对车辆负责，而车辆可以自动驾驶的场景越来越多，用户则越发相信系统。

如今，不少车企在自动驾驶分级的宣传上遵循的是「长板定律」，只要有 1 项功能达标 L3 标准，即达到了 L3 级自动驾驶，实则使用场景并非是消费者所需要的。

真正的用户使用场景遵循的却是「短板定律」：只要有一项功能做得不好，用户就会不信任，整个功能的打开率都会降低。

开头的这段话来自韩寒2019年3月在「ONE」APP 的刊发，后半句是这样的：

「其实我们做很多事情都是这样：你爱这件事，你也的确在做这件事，但你就是没有真正在做这件事。」

我们应要做的是用户爱用的自动驾驶。