特斯拉專治各種不服，特斯拉蘿蔔快跑哪家強，筷子夾住特斯拉星艦

羅姆快跑和特斯拉FSD之間到底是什麼區別 到底誰是遙遙領先 今天我作爲凱奈爾建美羅大學電子計算機博士 我從技術角度給大家做一個深入的對比 看看大家能不能聽得懂 羅姆快跑是百度Apple旗下的自動駕駛出行服務平臺 它的基礎原理是通過高精度的地圖 激光雷達 攝像頭等多種傳感器的融合感知 利用模塊整合的方式進行設計 那模塊整合是什麼意思呢 它其實就是程序員通過寫程序來設定 比如感知 判斷 決策以及規則 這些模塊之間的互動協議 再通過窮舉法去計算出最佳的決策輸出 那這種設計大家想一想是具有一定的侷限性的 也就是說對於沒有提前設定過的場景 它可能會出現失靈 這也就導致了我們之前在新聞裏面看到的 羅姆快跑它經常會出現一些很搞笑的場面 比如它會被一個袋子嚇到了不敢動 還有有的時候它會因爲一些情況 停在馬路中間導致堵車等等 其次就是因爲這些情況它不在原程序的設定之內 其次就是羅姆快跑它強調的是一個叫車路協同 也就是說它嚴重依賴於高經地圖的支持 它需要我們提前去爲車輛提供準確的道路信息 因此它非常適用於分避區域和提前規劃好的路線 比如之前在北京和武漢等地的自動駕駛開放測試區 它可以很好的工作 但是它有一定的侷限性 就是每一次我們擴展到新的區域 這個過程都非常的複雜和繁瑣 比如該區域的高經地圖要提前去做好 還要不斷的靠人工標註 來應對道路上隨時出現的新的變化 它的成本也非常的高 而路況的變化又是很難去窮盡的 所以也容易出錯 好 那麼現在我們講完了羅姆快跑 那麼我們現在來講特斯拉的FSD 特斯拉的FSD它是自動化輔助駕駛系統的簡稱 它強調的是單車智能 也就是說它不依靠高經地圖 也不需要提前規劃好路線 這種單車智能在技術領域我們叫端到端技術 端到端它是一種直接從原始數據到車輛控制指令的 它擺脫了程序員寫程序的控制 它像人的眼睛一樣 用攝像頭去獲取圖像數據輸入 然後直接用AI算法輸出指令 那這種簡單的視覺輸入 決策輸出的方式 這就是我們人的駕駛方式了 另外這個AI模型它是提前訓練好的 只要訓練的數據量足夠大 那麼這個自駕系統就相當於可以去變成一個 擁有了幾百年幾千年車齡的老司機一樣 也就是說這個自駕系統變成了一個訓練好的 超級人類的大腦 馬斯克和特斯拉從2016年開始 就走上了這一條FSD的完全自研之路 他們不依賴高清地圖 用純視覺方案 在AI的算法算力和數據等領域深耕投入 這麼多年才足夠塑造了FSD 端到端的技術路線的核心優勢 那反觀我們國內自動駕駛行業 確實也是分歧雲湧羣雄爭霸 近幾年各大小的智能設計廠商 也都在加速佈局這個端到端的技術路線 在拼命的追趕 但是端到端的這個模式 它的基礎壁壘很深 除了算法 還需要有海量的數據 不斷的去投位訓練 同時這個模型也依賴超級計算機的超級算力 那這些都是特斯拉這麼多年佈局和積累的優勢 但是也是我們的劣勢 大家想一想 特斯拉每天有好幾百萬輛的各類電動車 在全世界的各種路上跑 這些車每天能夠產生海量的 有價值的數據來訓練他們的模型 同時他們的合作伙伴 比如英偉達等芯片公司 又在不斷的提升芯片的算力 讓特斯拉的DOJO超級計算機 處理數據的能力 每年都在以10倍以上的速度在提升 而反觀我們的很多研發自動駕駛的車企廠商 是沒有自己量產的電動車的數據的 同時由於衆所周知的卡脖子等原因 我們能夠使用的算力芯片 和世界上最先進的差了不止一代 再加上我們在端到端這個模式上的起步 就比人家晚了三年以上 所以這個壓力不可謂不大 其實我們是知道這個差距的 這也是爲什麼今年的早些時候 馬斯克會被允許到訪北京 這也是爲什麼我們會對特斯拉的入駐 格外的放行 因爲我們和他們有各自需要的東西 他們需要我們的市場和數據 我們需要他們的技術 我這麼說大家聽明白了嗎 馬斯克實際上在這個運載火線上 是偷雞取巧的 爲什麼說這麼一個偷雞取巧的 就是他根本沒有采用一個常規的 或者大家正常的一個技術物件 就是你要搞一個大的運載火線 要把一個更大的宇宙飛船送出地球 然後送向太空的話 你是不是發動機得個頭更大一點 所以最後不得已搞了這麼一個 偷雞取巧的方式 然後美其名曰 這是一個技術創新 那麼本質上來說 這麼一個技術創新裏面的技術風險 是非常大的 很多批評觀點都有評論都有 這個33臺猛禽發動機 再加上上面宇宙飛船還有6臺發動機 但凡有一臺發動機沒有點火成功 都會造成推力的不均勻 都會造成現在這樣的情況 這一次上面是沒有人 那萬一有人這個事故可就大了