自動駕駛之爭的縮影：谷歌 Waymo 和特斯拉 Autopilot

將自動駕駛比作一顆樹，演算法算力就是它的種子，決定了它成長潛質；數據就是它的土壤養分，決定了它成長速度。

全球在搞自動駕駛的公司有很多，但是真正意義上擁有實際數據的就只有兩三家，特斯拉算一個，Waymo 算另一個。

從實現自動駕駛方向來看，特斯拉與 Waymo 選擇了兩種不同的技術路線。特斯拉選擇從 L2 級自動駕駛慢慢向 L4/L5 級過渡。Waymo 則準備一步到位，直接開始 L4 級自動駕駛的研發。

究竟哪一種才是正確的方式，我們不得而知。因為特斯拉和 Waymo 均取得了不錯的進展。

2018 年 3 月更新後的 Autopilot 好評如潮，駕駛體驗有很大的提升，同時根據網友表示更新後的 2.0 車身四周的 8 個攝像頭全部啟用，也就意味著特斯拉要開始在自動駕駛發力了。

Waymo 也取得了不錯的成效：日前，Waymo 已經向加利福尼亞州機動車輛管理局提交申請測試全自動駕駛汽車 (去掉方向盤, 踏板, 並且不配備隨車人員)，實現真正意義上的無人駕駛。

「

配置

對比

」

谷歌偏向於激光雷達方案，特斯拉偏向於視覺優先方案。

谷歌目前使用三種不同類型的激光雷達，外加 5 個雷達和 8 個攝像頭；特斯拉採用「毫米波雷達+攝像頭」的感測器方案，全車配備 8 個攝像頭，12 個超聲波雷達，一個毫米波雷達。

GIF

馬斯克宣稱使用這套裝備將能實現 L4 級的自動駕駛。但是最後是否如他所言，還有待考證。

與谷歌自動駕駛不同的是，特斯拉的這套方案已經實際量產，並從出廠開始就已經裝配至車上（你見，或者不見我，我就在那裡不悲不喜），換言之特斯拉賣給你的是軟體服務。量產就會有成本方面的考量，首先這套裝置都是標配，總有人不會啟用這項服務，意味著這部分就成了沉沒成本；其次，一個 64 線的 Velodyne 激光雷達（Waymo 用的這種）要價七八萬美元，這成本，馬老闆還賺不賺錢了？馬斯克也不是沒有考量過激光雷達，之前有網友拍到特斯拉使用激光雷達進行自動駕駛測試的照片，還是價格太過美麗，如果價格能夠降下來，估計馬老闆還是很願意使用的，當然這都是後話了。

特斯拉第一代 Autopilot 使用的是 Mobileye 的輔助駕駛晶元 EyeQ3，計算性能達到 300Gflops，到了第二代，特斯拉使用的是英偉達的 Drive PX 2，理論計算性能最高達到 10Tflops，即使算力得到極大提升，依然沒能滿足特斯拉 Autopilot 的運算需求，之後馬斯克宣布自研 AI 晶元，應該有運算上的考量，於是馬斯克直接拉來「Chip God」Jim Keller 負責項目的研究。值得一提的是，特斯拉自研晶元並不是在馬斯克宣布後才開展的，早在 2015 年 9 月 Jim Keller 加入特斯拉之後就開始了，根據 CNBC 報道，Jim Keller 目前領導著一個約 50 人左右的團隊從事晶元開發，可見馬斯克在自動駕駛的野心有多大。馬斯克也誇下海口說特斯拉打造的 AI 晶元可能是全世界最好的 AI 晶元。

其實也不難理解，電池作為電動車的心臟，馬斯克從一開始就牢牢掌控，試想，輔助駕駛晶元作為自動駕駛的大腦，作為控制狂魔的馬斯克怎麼可能會讓與他們。將軟硬結合做到這種程度，特斯拉的自動駕駛會進化成什麼樣子，非常值得期待。

從另一個角度講，從算力 300Gflops 到 10Tflops，算力增長三倍之多依然無法滿足運算，說明現在特斯拉 Autopilot 的毫米波雷達+攝像頭自動駕駛性能還沒有到達天花板，未來還是有一定提升空間。

「

各自

優勢

」

從目前來看，特斯拉在實際數據上更具優勢。

特斯拉目前有一隻龐大的自動駕駛測試隊伍（包括已經售賣的和特斯拉自由的自動駕駛測試車隊）。根據特斯拉的說法，無論是否開啟自動駕駛模式，特斯拉都會以影子模式進行數據採集測試自動駕駛技術。2016 年，特斯拉 Autopilot 負責人表示已經收集了 7.8 億英里的數據，其中 1 億英里數據來自 Autopilot。同年馬斯克表示 Autopilot 每天收集到的數據超過 300 萬英里，2017 年收集數據增加到 50 億英里，隨著特斯拉售出車輛的增加，該數據正以指數級增加。而影子模式下收集的數據也有數十億之巨。

谷歌在實際數據量的積累上也是很可觀的：從 2009 年開始，Waymo 在現實道路實際自動駕駛里程已經超過 500 萬英里，主要集中在城市街道上，僅僅在 2017 年一年，Waymo 在實驗室已經模擬了 27 億英里的自動駕駛行駛里程（就問你怕不怕），但是和特斯拉相比還是稍遜一籌。模擬數據畢竟只是模擬數據，還是無法與真實路況進行對比，因此，真實路測的價值就尤為重要。

Waymo 在演算法上更優於特斯拉。

從這些時間點不難發現，Waymo 自動駕駛技術在明顯提升，早在 2015 年，Waymo 宣布就開始真正意義上的無人駕駛；從 2017 年的 600 輛克萊斯特到 2018 年直接拿下 20000 輛 I-PACE，從側面也印證著 Waymo 應該是對自家自動駕駛很有信心了，已經不滿足於這樣小打小鬧，它需要獲得更多的實際運作經驗以及更加龐大的數據量。Waymo 曾表示今年年底將自動駕駛技術投入商用，Waymo 的野心可見一斑。

「

共通

之處

」

說了這麼多，其實不難發現，特斯拉和谷歌還是有共同點的： 軟硬結合 。特斯拉自然不用過多解釋，作為一個控制狂魔，馬斯克開始之初就將電動車的生產製造牢牢掌握在自己手上，同樣在與松下在電芯上合作之後，馬斯克決定自建電池工廠，事實證明馬斯克是正確的；在自動駕駛上，馬斯克同樣決定自研晶元。

Waymo 亦是如此，將自動駕駛把握在自己手上。自動駕駛不同於其他技術，它需要做到的是軟硬體之間的相互協調，只有做到軟硬皆通才能發揮更大的優勢，理解硬體與軟體開發過程中需要磨合的地方，這是一個很大的學問。Waymo 從一開始的目標就不是打算自己造車，更多的是出於通過造車深入了解並解決自家自動駕駛在實際運用中可能會碰到的問題。因此 Waymo 對於自動駕駛方案同硬體以及車身載體相結合的理解也更加深刻。這也是其他互聯網企業無法比擬的。

「

國內獨特的

數據優勢

」

從國內來看，主要還是以百度為首的一眾自動駕駛公司。

4 月 19 日, 百度 Apollo 剛剛過完自己一歲生日。從 2.0 升級到了 2.5, 並開放了視覺感知、實時相對地圖、高速規劃和控制三大能力，同時公布了阿波羅計劃的第一百個合作夥伴—比亞迪。百度打造這個平台更多的考量還是數據量，畢竟目前數據流量入口大都掌握在車企手上，百度要做的就是拉起自動駕駛的大旗，集合國內各大車企，做自己的自動駕駛生態。

不得不承認的是，國內自動駕駛技術和國外還是有一定的差距。

在加州車輛管理局自動駕駛年度報告中，谷歌 Waymo 和通用 Cruise 遙遙領先。Waymo 在 2017 年跑了 35.25 萬英里，測試車輛 75 輛，人工干預 63 次，Cruise 路測里程 13.16 萬英里，先後有 90 多台車參與路測，共發生了 105 次脫離。

百度在加州的測試車輛有 4 輛，均為林肯 MKZ 車型，總測試里程達到了 1971 英里，脫離次數為 48 次，總體來說還是有很大的提升空間。

李彥宏曾說，AI 中美競賽優勢在數據 。自動駕駛同樣如此，國內相對複雜的道路以及交通情況可以在數據上獲取不同的場景進而進行優化處理，換句話說在美國可以實現的自動駕駛在中國不一定適用，但是在中國實現的自動駕駛一定可以在美國運作。這就是數據差異造成的。

根據英特爾預測，在 2030 年自動駕駛市場將達到 8000 億美元，到 2050 年規模可達 7 萬億美元。自動駕駛目前來說還是一片藍海。自動駕駛的競爭也會越來越激烈。如果將自動駕駛比作一顆樹，演算法算力就是它的種子，決定了它成長潛質；數據就是它的土壤養分，決定了它成長速度。特斯拉和 Waymo 在數據量以及演算法算力的競爭就是未來整個自動駕駛行業的縮影。

在這樣一個大背景下，國內外各大自動駕駛公司各有優勢，未來自動駕駛技術如何演變？自動駕駛場景應用如何實現？在不久的將來，都會給出答案。

推廣關注

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！