By Paul McLellan, Cadence

在自動駕駛領域，一直存在著關於光學雷達的爭議。幾年前，當特斯拉公佈其自動駕駛電腦 (SDC) 時，表示並不會使用基於 chiplet 的設計或光學雷達 (Lidar)。

這引發了爭議，因為其他所有的自動駕駛汽車技術公司都在使用光學雷達。當然，正如特斯拉所指出的那樣，人類開車只靠視覺的事實在某種程度上證明並不需要光學雷達。據我所知，其他相關公司都在使用雷達，所有的特斯拉汽車也均配備了雷達。

特斯拉的 Andrej Karpathy 在今年國際電腦視覺與圖形識別會議 (CVPR) 上的演講，具體來說是在 CVPR 自動駕駛研討會上的演講。他是特斯拉人工智慧高級總監，負責領導公司所有的神經網路開發工作。CVPR 是「電腦視覺與圖形識別」的縮寫，是電腦視覺領域的重要會議。

特斯拉的最新版軟體完全依賴於視覺。Andrej 將整合了雷達的軟體版本稱為「遺留堆疊 (legacy stack)」。他堅持認為，更合理的做法是「找對方向」，並且避免雷達堆疊和感測器融合堆疊的額外複雜性和投資。演講中的一些例子顯示帶有雷達的遺留堆疊沒有搞清楚路況 (橋臺、停著的卡車)，而只有視覺的版本卻表現完美。當然，他不會展示相反的例子，所以這可能只是一面之詞。對於只有視覺 (沒有雷達或光學雷達) 的軟體版本而言，最大的挑戰在於深度感知。他在這方面進行了詳細探討。此外，他還展示了在雨雪中駕駛的例子。而對於這樣的天氣條件，其他人會認為雷達必不可少。

要實現基於視覺的自動駕駛，需要：

	一支能夠生成資料的車隊 (否則無法涵蓋足夠多的罕見條件)
	大量的存儲空間 (以 PB 計)
	強大的電腦能力 (超級電腦，見下文)

特斯拉相對於競爭對手的一大優勢在於，它部署了大量的車輛，從而不斷收集資料。即使車輛未處於任何自動駕駛模式之中，也會並行運行、「思考」處理方式，並留意不同之處，比如「人類刹車了，而我們不會這樣做」。因此，這產生了大量資料，遠遠超過擁有幾百輛汽車的 Waymo。

神經網路的訓練是離線完成的。這意味著它不受即時約束，因此只需少量的人工干預，對許多圖像的標注便可以自動完成；因為系統可以花時間自己解決。

訓練視覺神經網路不僅需要大量資料，還需要大量的計算能力。因此，特斯拉為自己打造了一台超級電腦；Andrej 認為它是世界上性能排名第五的超級電腦。同時，特斯拉正在打造一台更強大的名為 Dojo 的超級電腦，但 Andrej 表示，他暫時不準備提供任何詳細資訊。

一旦在超級電腦上開發出模型，便會對其進行優化，然後部署到車輛上。在過去的幾個月裡，特斯拉一直在部署完全無人駕駛系統 (Full self-driving ，即 FSD) 軟體的僅視覺版本。FSD 有兩個晶片；但由於實際上只需要一個晶片，因此這增加了一定程度的冗餘。每個晶片內部是 2 個神經處理單元 (NPU)。

更多無人駕駛 / 汽車相關內容：

	產業觀察 ｜ 一文瞭解車載乙太網及其設計
	產業觀察 ｜ 詳解無人駕駛感測器：攝像頭、光達、雷達、溫度傳感器
	產業觀察 ｜ 自動駕駛與汽車半導體的未來之路
	產業觀察 ｜ 歡迎來到光學雷達的未來世界

原文出處

	Tesla Goes All-In on Vision...and Supercomputers