文：懂车帝原创 彩丽美
[懂车帝原创 行业] 10月4日，懂车帝从特斯拉美国官网获悉，官方发布了关于新车硬件配置的更新说明：将采用纯视觉系统（Tesla Vision）取代超声波传感器（USS）。
本月起，特斯拉将移除超声波传感器
目前，特斯拉汽车在前保险杠和后保险杠上安装了12个超声波传感器，这些短程声音传感器主要用于停车应用和检测附近的物体。
特斯拉表示，将在未来几个月内在全球范围内取消Model 3和Model Y的超声波传感器，随后将于2023年从Model S和Model X中移除超声波传感器。同时，特斯拉指出，这一过渡将暂时限制车辆自动泊车功能，但不会影响汽车的安全评级。
图源：特斯拉美国官网
实际上，2021年5月，特斯拉就开始向纯视觉方案过渡，先是Model 3和Model Y移除了毫米波雷达；接着，2022年2月，移除了Model S和Model X的毫米波雷达。如今，特斯拉计划移除超声波雷达，可以说特斯拉的自动驾驶系统即将实现100%的纯视觉解决方案。
图源：特斯拉美国官网
特斯拉官网显示，在此短暂的过渡期内，未配备超声波传感器的车辆将有一些功能暂时受限或不可用，比如: 泊车辅助（当车速小于5英里/小时时提醒车主周围的物体）、自动泊车（自动进入平行或垂直停车位）、智能召唤（通过特斯拉App向前或向后移动车辆）。
据悉，首批不再配备超声波传感器的地区和时间是：10月上旬开始为北美、欧洲、中东和台湾制造的所有Model 3和ModeI Y不再使用超声波传感器，而是完全依靠视觉方案来提供FSD、EAP、AP和主动安全功能。2023年开始移除Model S和Model X车型的超声波传感器。
不过，对于这样的技术迭代，卡内基梅隆大学电气和计算机工程教授拉杰·拉吉库马（Raj Rajkumar）表示：此举究竟是前进还是倒退，还有待观察。
特斯拉CEO马斯克
众所周知，在自动驾驶的感知领域，行业内分成了立场鲜明的两派——视觉派和激光雷达派。在全世界都在搞多传感器融合的时候，特斯拉仍然坚持只靠视觉方案实现准L4级自动驾驶，而这也是特斯拉CEO马斯克长期以来一直决心要实现的目标。
特斯拉建立4D空间+时间，实时绘制3D地图
通常情况下，雷达传感器的成本相对昂贵，而且在车辆中处理来自雷达传感器的数据需要强大的算力支撑。作为纯视觉派最坚定的守护者，马斯克曾表示，激光雷达毫无意义，对于自动驾驶汽车来说没有必要。
特斯拉坚持视觉感知 用AI神经网络技术提升辅助驾驶能力
那么，特斯拉采用纯视觉方案的好处是什么？
实际上，特斯拉的底气，是采用了通用视觉系统和神经网络两种黑科技。
在2021年特斯拉AI日上，特斯拉首席AI总监Andrej Karpathy曾介绍称，每辆特斯拉汽车拥有8个环绕车身、覆盖周围360度的摄像头，来获取交通信号灯、信号牌、匝道、路缘等周边信息，为神经网络学习提供了绝佳条件。
Andrej表示，我们希望能够打造一个类似动物视觉皮层的神经网络连接，模拟大脑信息输入和输出的过程。就像光线进入到视网膜当中，我们希望通过摄像头来模拟这个过程。
多任务学习神经网络架构（HydraNets）
据了解，多任务学习神经网络架构（HydraNets），可以将8个摄像头获取的画面拼接起来，并平衡视频画面的延迟和精准度。通过人工或自动标注车道、车辆、信号灯、障碍物等环境和动静物体，系统会逐帧分析视频画面，了解物体的纵深、速度等信息，再将这些数据交给车队学习。通过8个摄像头输入的数据，实时绘制3D鸟瞰视图，形成4D的空间和时间标签的路网以呈现道路等信息，帮助车辆把握驾驶环境，进而更精准的寻找最优驾驶路径。
一年中，特斯拉FSD Beta测试版本的参与人数实现了80倍的增长
而在最近一次举办的特斯拉AI Day上，特斯拉方面介绍称，过去一年，在Dojo超级计算机的帮助下，特斯拉FSD取得了长足提升。
2021年，有2000辆车参与了FSD Beta版本软件的测试，而目前我们已经把这个数据扩大到了16万辆。特斯拉工程师介绍，2021年，特斯拉一共训练了7.5万个神经网络模型，相当于每8分钟就训练一个，并推送了35个版本更新。现在FSD Beta版本软件已经可以一定程度上实现完全自动驾驶，如从一个停车场导航到另一个停车场、制动等待交通灯、在十字路口和其他目标进行协调等。
2021年，特斯拉一共训练了7.5万个神经网络模型
而这些都得益于特斯拉应用Dojo超级计算机以来在神经网络训练上的进步。
特斯拉从一开始就意识到高效率的芯片可以更好地为自动驾驶服务，特斯拉工程师表示，算力是自动驾驶的根本：我们要让Dojo超级计算机成为在AI训练方面全球最强的超算系统。
特斯拉不对Dojo的设计设限，它可以提供非常庞大且高效的系统。Dojo超级计算机投入使用后，特斯拉在代码、设计方面已经实现了30%的训练速度提升，如通过自动标注技术，特斯拉将训练场景的标注速度提升了1000倍，在人工操作的情况下这些或许需要一两周甚至几个月时间。
通过自动标注技术，特斯拉将训练场景的标注速度提升了1000倍
在超高算力加持下，Dojo运行Stable Diffusion完成如下几张图片的渲染只用了几分钟。接下来，特斯拉还将把强大渲染能力与特斯拉设计相匹配。
Dojo运行Stable Diffusion完成如上几张图片的渲染只用了几分钟
而只使用一个由25个D1芯片组成的训练模块，就能实现6个GPU Boxes的性能，且成本低于一个GPU Box。只需要4个Dojo超级计算机机柜的算力，就能实现72个GPU机柜的自动标注性能。
在高效的神经网络训练下，特斯拉FSD软件在技术层面已经逐渐趋于成熟。马斯克表示：目前FSD软件已经可以适用于全球各个地区的路况，如果地方监管政策允许，我们可以在今年年底面向全球推出FSD Beta版本软件。
将今年年底面向全球推出FSD Beta版本软件
特斯拉表示将在2023年第一季度布置第一批10个Dojo超级计算机机柜，即算力超过1.1EFLOPS的ExaPOD（集群），将自动标注能力提升2.5倍；将来，特斯拉共将在帕罗奥图布置7个这样的集群，提供难以想象的庞大算力。
