今日馬斯克又上熱搜了，然而與特斯拉無關(guān)，也與 Space X 無關(guān)。對于公眾而言，似乎更關(guān)心的是特斯拉的安全問題。
本月初，美國南加州一輛 Model 3 汽車與一輛翻倒的半掛車相撞，造成 Model 3 車主死亡，卡車司機和另一名摩托車司機受傷。
最近，這名車主的 Tiktok 賬戶曝光，35 歲的 Steven Hendrickson 生前曾發(fā)布過兩個關(guān)于特斯拉的視頻，視頻中他駕駛著自己的 Model 3，雙手沒有在方向盤上，還在稱贊 AutoPilot 很牛。
他在配文中表示，如果沒有自動駕駛該怎么辦?感謝上帝，自動駕駛!特斯拉是有史以來最好的車!
在此不久，4 月中旬，特斯拉在美國德州發(fā)生的嚴重車禍，直接造成兩人當(dāng)場死亡。到目前為止，美國國家公路交通安全管理局已經(jīng)有 29 宗針對特斯拉汽車的調(diào)查，25 起仍在進行。
接二連三的事故給特斯拉蒙上了陰影，Autopilot 已經(jīng)引起人們廣泛的爭論。那么一直被馬斯克引以為傲的“Autopilot”，到底真的安全嗎?
Autopilot：自動駕駛還是輔助駕駛?
“Autopilot 已經(jīng)足夠好，除非你真的想體驗開車的感覺，否則你大部分時間都不需要親自駕車。”馬斯克在參加一次播客節(jié)目中說道，在年初的電話會議上，他還表示“對在今年完成全自動駕駛充滿信心，并且其可靠性將超越人類駕駛員。”
但這一說法遭到公司內(nèi)部人員的否認。Autopilot 軟件主管 CJ Moore 對加州機動車輛管理局(DMV)表示，馬斯克顯然高估了自家公司的駕駛輔助系統(tǒng)，“他說的和工程上的實際情況根本不符，特斯拉目前處于 Level 2 級自動駕駛水平。”
根據(jù)美國機動車工程師學(xué)會 SAE 的分類標(biāo)準，自動駕駛一共分為 6 級，L0～L2 階段以駕駛員為主體，自動駕駛系統(tǒng)提供 ACC (自適應(yīng)巡航)、 AEB (緊急剎車)、LKA (車道保持輔助) 等功能;L3 級別及以上則由駕駛系統(tǒng)來控制汽車，駕駛員起輔助作用;L5 為最高級別，即完全自動駕駛。
在特斯拉官方介紹中，Autopilot 的功能主要包括自動輔助導(dǎo)航駕駛、自動輔助變道、召喚及泊車功能。按照功能劃分，Autopilot 的自動駕駛水平應(yīng)該在 L2~L3 之間，國內(nèi)汽車測試網(wǎng)站 Auto-Testing 將其評為 L2+，沒有到達 L3 的水平。
美國全國運輸安全委員會(NTSB)在 2 月份曾批評 Tesla 在公路上利用駕駛者測試最新發(fā)布、仍屬于測試版的 FSD 系統(tǒng)(完全自動駕駛系統(tǒng))，實際上只有 L2 等級的效能，不顧司機和其他道路使用者安全。
到目前為止，特斯拉主要車型 Model3/Y/X/S 仍然配備的是 Autopilot，這一系統(tǒng)完全不足以實現(xiàn)高水平的完全自動駕駛，應(yīng)該歸為“自動輔助駕駛”。
Autopilot 沒那么神
自動駕駛系統(tǒng)主要由硬件感知和軟件處理構(gòu)成，通常要經(jīng)歷“信息獲取”到“信息處理”到“信息決策”再到“控制”這個過程，即通過硬件來感知和識別道路信息以及前方物體，傳遞到處理器，通過算法來偵查路況和計算物體與車輛的距離，進而實現(xiàn)行人探測、車道偏離、變更車道等 ADAS 功能。
也就是說，Autopilot 要實現(xiàn)自動輔助駕駛功能，一靠攝像頭，二靠處理器(核心是算法)。目前市面上最新的特斯拉已經(jīng)配備了 Autopilot Hardware3.0 版本，處理器采用的是自研 FSD，配有 3 個前攝像頭，1 個后置攝像頭，2 個側(cè)前 / 后攝像頭，并配有 12 個超聲波傳感器和 1 個前置毫米波雷達。
與谷歌旗下的自動駕駛公司 Waymo 不同，特斯拉非常熱衷于通過給汽車配置視覺設(shè)備和運算系統(tǒng)來實現(xiàn)自動駕駛(即視覺感知)，最早版本的 Autopilot 的處理器就是 MobilEye Q3。為此，特斯拉不論從硬件還是軟件都引用了新技術(shù)。比如，特斯拉最新的攝像頭 CIS 濾光片，改變了以往采用的 RGGB 陣列，而選用 RCCB 陣列，從而提高弱光環(huán)境下的性能表現(xiàn)，成像更為清晰。
但是視覺感知存在的問題是，攝像頭會受到諸如天氣、陽光等因素的影響，在一些特殊場景下可能識別出錯。由于主要依靠視覺感知來進行決策控制，即便雷達在識別到潛在的物體，那么整個系統(tǒng)也傾向于主攝像頭傳感器的判斷，從而導(dǎo)致事故。
2016 年，特斯拉在美國弗羅里達發(fā)生一起事故，就是因為攝像頭沒有識別到處于車輛前方的卡車車廂，雷達已經(jīng)感應(yīng)到，但系統(tǒng)基于攝像頭誤判為一塊路牌，進而引發(fā)車禍。
業(yè)內(nèi)通常認為，視覺感知和雷達能夠適用比較普通的行車環(huán)境，但是最優(yōu)的解決方案，是使用激光雷達。激光雷達具備高精度、高分辨率的特點，能建立起 3D 感知圖，與攝像頭和超聲波傳感器互為補充，識別更為精確的行車環(huán)境。
不過特斯拉完全沒有配備激光雷達的意思，作為視覺感知派的擁躉，馬斯克不止一次公開調(diào)侃激光雷達：“車輛上的雷達方案是極其愚蠢的，任何使用激光雷達方案的人或者企業(yè)最后都將失敗，他們大費周章的使用這些昂貴的傳感器本身就是一個麻煩。”
這是因為激光雷達成本太高，Waymo 使用的 Velodyne 64 線的激光雷達，單個售價高達 7.5 萬美元，而且有價無市。如果特斯拉采用激光雷達，那么成本無疑會大幅提升，消費者很難會承受如此高昂的價格，所以特斯拉堅持搞視覺算法。
除了在硬件感知上的問題，Autopilot 的軟件也存在一些問題。特斯拉在設(shè)計 Autopilot 的時候，理念是“先硬件，后軟件”，硬件會隨著車型的更替而迭代，但軟件會基于原有的 OTA 平臺更新固件，實現(xiàn)升級。
特斯拉之所以能夠?qū)崿F(xiàn)更新升級，關(guān)鍵在于 Autopilot 的傳感器會實時將數(shù)據(jù)傳遞給特斯拉的中央服務(wù)器，通過大量真實的數(shù)據(jù)來對算法進行優(yōu)化，從而完善 Autopilot 在特殊場景下的信息處理和控制。
換句話說，每一次新場景，或是行車事故，數(shù)據(jù)都會被傳到特斯拉的服務(wù)器，成為分析數(shù)據(jù)，以不斷優(yōu)化 Autopilot。Autopilot 的不斷迭代，已經(jīng)說明，不論是從硬件感知，還是軟件算法上，這都不是一個全自動駕駛系統(tǒng)。
Autopilot：可用但不完全可靠
從 Autopilo Hardware2.0 開始，馬斯克一直在鼓吹 Autopilot 的自動駕駛水平。在最初的特斯拉中國網(wǎng)站上，Autopilot 的翻譯顯示為“自動駕駛”，不過在 2016 年的一場特斯拉車禍之后，悄悄改成了“自動輔助駕駛”。
除此之外，馬斯克也在多個場合，包括在去年的世界人工智能展上，暗示搭載 FSD 系統(tǒng)的 Tesla 車輛“已經(jīng)相當(dāng)接近 Level 5”。作為 Autopilot 的升級版，F(xiàn)SD Beta 在硬件和算法上都進行了優(yōu)化，但造價成本更高，并未完全投入使用，且 FSD Beta 也并沒有達到 L5 的水平。
事實上，目前并沒有任何一家汽車廠商宣布實現(xiàn)全自動駕駛。不論是新能源汽車廠商還是傳統(tǒng)車企，許多都已能達到 L2 的自動駕駛水平，比如特斯拉的 Autopilot，蔚來的 NIOpilot，長城的 i-Pilot。
據(jù)報道，自宣達到 L3 水平的車企有兩家：奧迪(A8)和豐田(Highway Teammate)。值得一提的是，這兩家車企宣布?達到 L3 水平的車型，均配備了前置激光雷達。
一直以來，特斯拉把電動車配置的輔助駕駛功能稱之為“Autopilot”(英文意思是自動駕駛)和“完全自動駕駛”。一些專家認為這會給消費者造成誤導(dǎo)，以為電動車能夠自己完成操控，而聽信馬斯克“謊言”導(dǎo)致的事故也不在少數(shù)。在特斯拉的老家 —— 加州，政府對于特斯拉的自動駕駛水平也持警惕態(tài)度。
5 月 12 日，美國加州一名特斯拉車主因魯莽駕駛和違抗治安官命令被逮捕。
該車主在高速公路上行駛時不在駕駛位上，而是坐在汽車后排。加州高速公路巡邏隊在大橋收費站發(fā)現(xiàn)了這輛“無人駕駛”的特斯拉，并當(dāng)場逮捕車主，將其收監(jiān)，同時將車輛作為證物一并拖走。
在將這輛“無人駕駛”特斯拉拖走之后，巡邏隊發(fā)言人約翰?弗蘭森表示，無人狀態(tài)下駕駛汽車在加州是違法的。他說：“我們希望人們認識到，駕駛行為責(zé)任重大，這不能分心，也不能是玩弄技術(shù)。”巡邏隊甚至要求人們?nèi)绻吹?ldquo;類似這樣的不尋常事件”，立即撥打 911 報警電話。
所以說，特斯拉車主在啟用 Autopilot 時，不能小心大意。
你憑什么去相信一個整天炒幣，鼓吹 Autopilot 自動駕駛水平的馬斯克，而不相信參與開發(fā)這個系統(tǒng)的技術(shù)人員和當(dāng)?shù)鼐值母嬲]呢?
對于馬斯克表示挖礦不環(huán)保，究竟是“胸懷天下”還是“割完韭菜拆棚”，要交給時間來判斷了。
