TEKHART2021-04-20 07:39:40

我用一個典型例子來分析一下二者技術方向的不同：

我車在一條雙向對開兩車道的道路上行駛，一輛車迎面開過來，兩車車道有部分重疊，有相撞風險，這是老司機們每天碰到無數次的場景，是剎車減速還是打方向盤避讓？華為ADS會這樣處理：根據鐳射雷達和超聲多普勒雷達測出來的來車空間尺寸及在高畫質地圖上的精確移動軌跡，結合其速度、加速度、我車速度、加速度、兩車距離等等物理引數，依據預先設定的駕駛邏輯來決策是剎車減速還是避讓，或者是兩者的結合，這是一種從分析計算到判斷決策的方案，所以用越高畫質的地圖、精度越高的感測器、越快的演算法，越能做出越快越好的自動駕駛決策。這有點像西醫看病。

而Tesla FSD 是這樣駕駛的：特斯拉FSD是透過人工智慧的所謂“多層神經網路”系統，收集如今全球保有的一百萬輛Tesla車的駕駛資料，不停地學習訓練其自駕系統，還有其強大的“影子駕駛模式”加持，當我在駕駛時，“影子自駕”模式也在同步“駕駛”，並隨時對比我（老司機）的每次決策和FSD的決策，在實戰中學習提高系統能力。學習的過程就是不斷最佳化256層神經網路的幾千個變數，雖然這些變數沒有任何物理意義（不同於華為方案中的速度、加速度變數），卻能將幾個視覺高畫質攝像頭中對面來車的實時影象快速“收斂/計算”成可以驅動方向盤、剎車、電門運動的引數，所以說對於迎面來車的駕駛決策，是透過學習無數類似場景的成功駕駛例項來實現的。這是不是有點像中醫？

256層、數千引數的自動駕駛神經網路 （圖片截圖：3blue1brown。com）

從自動駕駛方案整體看，Tesla FSD是更先進的

，華為在缺少自駕實車保有量和自動駕駛資料的情況下，是可以透過增加硬體感測器來彌補追趕的。