趣头条全面重写Autopilot，特斯拉自动驾驶的升维革命( 二 )

「因为有了时间维度，系统就能知道目标物的运动，对其行为进行预测，而且，系统处理目标物识别、分类以及场景的重构这类任务会更加轻松。
总之，加入时间维度，很大程度上是提高系统对整体场景的理解。」
AP 要再往前走，必须进行革命，所以特斯拉这才决定重写 AP 。

本文插图
另一方面，因为数据转变成 4D ，信息量更丰富，整个数据的容量也会变大，这也给特斯拉 AP 现有的用于深度神经网络训练的基础设施带来了挑战，所以就有了 Dojo 。
所以，AP 为了实现性能和功能上更大的突破，倒逼其对 AP 基础代码以及训练深度神经网络的基础设施进行重构。
这样工作量庞大的复杂工程也成为 FSD 迟迟推出不了落地版本的重要原因。
除了在车载软件和训练服务器端变革，特斯拉在车载硬件端也做好了准备，就是其自研的 FSD 芯片。
FSD 已经在去年 4 月份开始量产并搭载在特斯拉的车端。
一位对熟悉特斯拉的业内人士表示：
「在 FSD 发布后的一段时间里，特斯拉 AP 团队仍是基于 HW 2.x 的硬件（英伟达 Drive PX 平台）进行功能开发，直到今年年初，特斯拉才开始全面转向基于 FSD 芯片的软件开发。」
相较于英伟达 Drive PX 平台，特斯拉 FSD 芯片在基础算力和深度神经网络推理效率方面都有革命性提升，而且在视觉处理性能上， FSD 相较于英伟达的芯片有更大的优势。

本文插图
所以趁着这一次特斯拉重写 AP ，整个系统需要处理的数据升维到了 4D ，对计算硬件的要求指数级提高， FSD 的强大性能便终于有了广阔的用武之地。
引入 FSD 芯片的 AP 在性能上会有多大提升？
马斯克此前在接受 Youtube 视频博主采访时透露过：
「如果特斯拉全车的 8 颗摄像头以 36 帧/秒的速度运行（性能拉满），软件则会基于 FSD 芯片的算力同步进行 3D 标注（2D 图像+深度信息），这会使标注效率提升 3 倍，准确性也会大幅提升。」
特斯拉重写 AP ，除了马斯克口中所说的要突破「Local Maximun」以及挖掘 FSD 芯片的极限性能这两方面的原因之外，还有一种可能性存在。
硅谷一位资深自动驾驶工程师告诉汽车之心：
「特斯拉现有的 AP 系统和后续要推出的 FSD 是两套独立开发的系统。
前者的架构是针对于 L2/L3 级自动驾驶，而 FSD 的目标从一开始就是 L4/L5 级自动驾驶。因此，两套系统在架构上有本质的差异，两者差着一个代际。」
后续，随着技术不断进步， FSD 也走向成熟，特斯拉决心把 FSD 和 AP 的框架进行整合。
但问题是，两个系统中有些模块可以融合，但是有些模块是融合不了的，毕竟一个为 L2 开发的系统很难直接演变成 L4 系统。
所以特斯拉 AP 团队要改写 AP 软件的框架和代码，以实现两个系统间的完美兼容，这样的话，后续才能以统一的版本推送给购买了全自动驾驶选装包的特斯拉车主。
实际上，我们也能从 AP 这些年的功能更新中发现一些蛛丝马迹。
2017 年 3 月，推送自动泊车和自动辅助变道功能；2018 年 10 月，推送自动辅助导航驾驶（NoA）功能；2019 年 9 月，推送智能召唤（Smart Summon）；2020 年 4 月，推送识别交通信号灯和停车标志并作出反应（海外先行）。
AP 还在最新的迭代过程中更新了一些令人惊喜的小功能：
比如在城市工况施工区域，没有车道线的情况下，车身两侧皆为锥形桶， AP 能做到以锥形桶为依据实时绘制车道线。
AP 系统还能检测到小动物并及时进行避让，不过特斯拉是把小动物一律识别成人后才做出相应的操作。