想了解特斯拉的无人驾驶梦有多华丽？读这一篇就够了

为所有人提供比人类驾驶更高的行车安全；

为车主提供更低的交通成本；

为无车之人提供低价、按需的出行服务。

表1  Tesla所配硬件及其功能

图1  Tesla所配硬件的安装位置

在Tesla创始人Elon Musk的看来，“每年交通事故造成全球死亡人数高达120万，其中美国人有3万多人。汽车实现全自动驾驶的基础已经具备，且其安全性至少是人类驾驶员的2倍以上，既然如此为什么不加速这个进程呢？”从理论上讲，这是有道理的，因为汽车上安装的传感器能够不知疲倦地实时捕捉汽车周围人类无法察觉到的大量信息，由车载计算设备及时处理后以人类无法触及的速度做出反应。但事实上，由于今年5月美国佛罗里达州的一位Tesla车主在使用Autopilot时发生车祸不幸生亡，普通民众对Tesla Autopilot系统并不十分信任。

一路既往地，Tesla全自动驾驶的这条新闻一经发布，便在全世界范围内引起热议。在Tesla的拥趸看来，Elon Musk是精明而有远见的企业家，而在批评家及竞争对手(主要是传统车企)眼中，Musk的部分决策过于冒险甚至有些胆大妄为(reckless)：Elon Musk给自己设置的研制能够从洛杉矶自动行驶到纽约的无人驾驶汽车的最终期限是2017年年底之前，而福特、通用与Google都是2021年，百度则为2019年，由此可见Musk的雄心和激进。

如今该新闻已经过去近10多天，喧嚣已经过去大半。如果再仔细分析一下Tesla官方发布的文件及权威媒体的报道，我们就会发现其实Elon Musk所做出的每一个决策，其背后都是有科学依据和理性思考作为支撑的，而且正好都体现了硅谷IT企业所具有的典型思维方式和硅谷企业家改变世界的情怀。

Tesla硬件配置中为什么没有采用激光雷达？

在硅谷有一个明确的做事原则，即要最大限度地采用便宜的资源，尽可能节省宝贵的资源，该做法最初是受由香农第一定律引出的霍夫曼编码(即)的启发得来的，在经济学上被称为“吉尔德定律”(Gilder’s Law)。例如，由于摩尔定律的作用，集成电路芯片上所集成的晶体管的数目每隔18个月翻一倍(如图2所示)，反过来看便是相同性能微处理器的成本每隔18个月降一半，这是一种较便宜的资源。因此，类似于Google和Facebook这样的IT巨头必然将越来越多原本由工程师这种较昂贵的资源来完成的工作交给计算机来完成，以降低总的办公成本。

图2 微处理器中晶体管数量变化与摩尔定律

具体到Tesla全自动驾驶系统采用“摄像头+40倍计算能力”的方案而不是像Google、Uber那样使用激光雷达(Light Detection And Ranging，LiDAR)而言，亦可用“吉尔德定律”来解释。如图3所示，在摩尔定律的作用下，计算能力的成本随时间以较陡的曲线下降，而机械旋转式激光雷达和机械制造部件的成本对时间并不敏感，几乎只能由于大规模生产所产生的规模效应而降低。

图3 无人驾驶汽车各部件的成本随时间的变化(取自驭势科技)

由于Tesla的汽车已经量产，成本的控制对销量的提升便是至关重要的。相对应地，Google与Uber的无人驾驶汽车目前还只是处于测试阶段，几百辆的规模即便全部配置8万美元的激光雷达也花不了多少钱。所以，Tesla “低成本感知+高性能计算”的选择是对于Tesla短期控制整车成本是十分合理的。

虽然Elon Musk在多个场合表示：“I'm not a big fan of LiDAR, and I don't think it makes sense in this context。(我不是激光雷达的支持者，我并不认为它对于无人驾驶汽车是绝对必要的)”，但考虑到当年比尔-盖茨在微软的DOS系统与苹果公司的“视窗+鼠标”系统竞争时也表达过类似的态度却在背地里偷偷地研发Windows 3.0系统的行为，我们可以将Musk的话理解为对媒体和用户的洗脑，用自己的个人威信给Tesla解决方案的安全性背书，目的是为激光雷达价格地下降争取时间，因为包括Velodyne和Quanergy等公司成熟的固态激光雷达产品正在研制中，据这两家公司的公开信息，其成本可降低到250美元以下。

但是，激光雷达对于保证无人驾驶汽车99.9999%+的行车安全依然是十分必要的，按照普林斯顿大学肖建雄博士的说法：“我非常怀疑，Tesla有一种不使用激光雷达的安全解决方案，激光雷达是唯一一种能实现100%安全的解决方案。”所以，我们有理由相信，等到固态激光雷达的成本降低到100~200美元，Elon Musk的态度会来一个180度大转变，在Tesla的无人驾驶汽车上配置激光雷达。据网友在Twitter上曝光的、在加州道路上拍摄到的车顶装有激光雷达Tesla正在道路上测试的照片，由此可以一窥Musk的真实想法。

另外，值得一提的时，在PC时代有所谓的基于“安迪-比尔定律”构成的Win-Tel体系，用以概括PC时代“比尔-盖茨的Windows操作系统与各软件厂商一起升级软件，致使Intel CEO安迪-格鲁夫生产的上一代处理器性能不够用，逼迫用户购买配置了新一代Intel处理器的计算机”的现象。类似地，智能手机时代有类似的“谷歌安卓系统-高通手机芯片”构成的Android-Qualcomm体系。汽车工业目前并没有类似的规律作支撑，但考虑到汽车的平均使用寿命一般为10年左右，是PC与智能手机的5倍，所以，Tesla选择比上一代性能强大40倍(2^5=32)的车载计算设备，似乎在预示着Elon Musk有意缔造无人驾驶汽车时代的Tesla-NVIDIA体系？

Tesla为什么采用OTA的方法升级软件？

在不久前举行2016中国汽车工程学会年会(SAECCE 2016)的分会讨论中，地平线机器人科技创始人余凯博士提到，“Tesla先把硬件系统装上去，然后逐步升级软件的做法，已经在上一代Autopilot中实践过了【注：如图4所示，特斯拉定期通过无线网络更新其汽车软件，以提高性能和修复安全漏洞。多年来，它一直在使用这些所谓的无线软件更新(Over-The-Air Software Update，OTA)。之前这种巧妙的设计能使特斯拉即使在汽车出厂之后依然能够依据反馈到云端的数据，即时做出反应，不断提升性能和用户体验】。但是，这种做法对于传统车企来说，依然是不可想象的。”与余凯博士持类似观点，Fortune杂志也评论道：“Loading cars with hardware that might not be used for years—and requires a software download to unlock the features—is unprecedented in the industry。(在汽车上预先搭载可能多年都不会使用的硬件，并且需要通过更新软件来解锁新功能，这在汽车行业是前所未有的)。”

图4 Tesla OTA升级历史(取自汽车之家)

正如上汽集团总工程师程惊雷在SAECCE 2016评价车企与IT企业的不同之处时说到的，“汽车企业都是牛顿的学生，而IT企业都是香农的学生”，传统车企的做法的科学基础是由起始于17世纪的牛顿力学经过300多年演化而来的“机械思维”。基于机械思维的一切决策都是以确定性或还原论为前提的，具体的做法是要做到算无遗策，所有可能的情形都要提前预料到并做好应对措施，争取一次做成功，如果一个环节没有想到，后果就是灾难性的。最典型的例子便是基于泰勒科学管理的流水线生产模式，20世纪初，亨利-福特便是用此大批量制造生产汽车的：

首先将复杂的产品分解成简单的部分，分别加以设计与制造，即2=1+1；

一个过程的结果是可预测的，在生产线的起点放入相应的零件，经过这个流水线的组装，一定可以得到所想要的产品，即1+1=2；

上述过程，类似于将初始参数带入牛顿力学方程后，一定可以计算出物体的运动轨迹，一切都是确定的、可还原分解的。