10万的L2自动驾驶和100万的特斯拉Autopilot有啥区别？

关于如何看待特斯拉 Autopilot？其实我很早就在酝酿这个选题。前两天一位网友评论问，10万和100万的车都有 L2，各家 L2的区别是什么？我们下面就谈谈这个问题。

在我看来，全行业的高级辅助驾驶系统的代表有三个：博世 L2解决方案、蔚来 NIO Pilot、特斯拉 Autopilot。首先是久经考验的博世 L2级自动驾驶解决方案，博世在这里作为供应商方案代表出现。博世的 L2级解决方案有大量的 OEM客户，国内的吉利、长城、荣威、长安、宝骏的主力车型上都能看到博世 L2的身影。

博世的厉害之处在于，它自主定义了整套系统的软硬件配置和解决方案。即便在这套方案背后，还有给博世供应软件或零部件的 Tier2，但博世作为顶级的 Tier1，对这套系统拥有绝对的主导权。博世投入了大量人力财力对这套系统做了充分的需求分析、功能开发和验证测试，确保这套系统具备足够的竞争力，同时要达到车规级的安全性和可靠性。

那博世 L2的问题在哪儿呢？

由于从底层到上层所有的研发工作完全由博世主导，车企对于系统的 Know-how一无所知。这套系统对车企来说接近于一个黑盒子，这就意味着博世在测试过程中疏漏的任何一种 Bug场景（100%的全场景测试是不存在的，如果存在，自动驾驶早就实现了。），一旦用户后续使用过程中出现 Bug，车企是完全束手无策的。唯一能做的，就是把 Bug提交给博世，等待博世提供的后续技术支持和维护。

在基于用户需求的功能新增和开发迭代上，车企同样要仰仗博世的开发进度，难以保证时效性，同时也很难做出差异化竞争力。

那么问题来了，车企不能自主研发吗？

实际上，博世 L2的高素质保证了它在车企那里的走俏，而车企大量采购导致的规模效应又反过来促进成本的下降，凸显了它的「物美价廉」。对于利润率普遍不乐观的中国车企来说，投入博世级的人力财力开发，却没有博世的规模效应摊销投入成本，自主研发还是采购，不是一个需要纠结的问题。

需要指出的是，博世也并不是一套系统打天下，针对不同定位的车型，会给出配置、功能和价格都有差异的系统来保证差异化。另外，即便博世主导了开发，车企要把这套系统适配上车、路试验证也需要投入精力完成一定的工程工作。

第二是蔚来 NIO Pilot，跟上面的博世一样，蔚来是一个代表，这一阵营还有车和家、小鹏等等。这三家公司的创始人都是互联网出身，对特斯拉 Autopilot看得很清楚。在 AP引发的争议之外，他们都亲眼看到了特斯拉 AP相对供应商解决方案的强大生命力。

但问题在于，Autopilot可成长的背后有大量的工程挑战要完成。

首先，车辆本身要具备整车 OTA能力；其次，车企必须自主至少半自主研发整套系统，掌控对系统的技术细节的理解。问题出在这里，自动辅助驾驶系统的研发涉及感知、路径规划、决策、控制、仿真、云、高级地图和硬件等多个技术范畴，研发门槛非常之高，是不折不扣的资金、人才黑洞。这也是为什么，早期蔚来考虑博世 L2的方案其实是很好理解的。

但不管怎么说，蔚来 NIO Pilot的路线比采购「供应商解决方案」还是更有追求一点。在自动辅助驾驶感知、规划、执行三大块中，蔚来在感知部分采用了供应商 Mobileye的 EyeQ4芯片和视觉感知算法，除此之外，剩下的大部分工作都由 NIO Pilot团队主导研发。

前面提到了自动辅助驾驶系统的研发门槛非常高，蔚来真金白银砸钱在硅谷挖人做自动辅助驾驶系统的研发，但直到今天，蔚来 NIO Pilot距离 L2仍然有明显的功能缺失。按照官方的说法，蔚来会在今年6-7月推送一次大更新，实现基础的 L2级自动驾驶功能。我们拭目以待。

最后就是独领风骚的特斯拉 Autopilot了。

AP也是一个代表，但与前面两个阵营的区别在于，在全球范围内，AP阵营只有 AP一家。先简单给出结论：AP2.0真正体现了特斯拉面对技术能力强大的 Tier1，把技术话语权全面收回手中，同时站在顶级 Tier1的肩膀上完成超越的野心和魄力。

2016年10月，特斯拉搭载 AP2.0硬件的车型量产，特斯拉从零建立了视觉处理工具 Tesla Vision、全新的底层软件技术架构和云端大数据基础设施，并重新定义了 Autopilot功能路线图。

软件可以完全自主研发，硬件传感器总要采购，但即便是硬件，特斯拉也与其他车企有着显著不同。比如说摄像头、毫米波雷达和超声波，特斯拉会抛开供应商提供的算法，拿到传感器输出的原始数据；比如说计算平台，特斯拉采购了英伟达的 Drive PX2计算平台，但会跑在特斯拉自研的深度神经网络上。最终的结果是，所有走硬件 +算法模式的供应商在特斯拉这里都沦为了纯粹的硬件供应商，而特斯拉具备了「完全自主开发功能」的技术可行性。

AP2.0首次实现了硬件抽象化（HAL）。

在供应商解决方案时代，许多传感器都是专用的。比如前视摄像头只能被 AEB/ACC系统独占，4颗环视只能被360全景倒车影像独占，但特斯拉完全自主开发 AP2.0的功能意味着任何功能都可以调用任何传感器，或是几颗传感器配合完成感知。

以360全车影像为例，AP2.0的8颗摄像头却不仅可以通过软件算法合成360影像，还可以深度参与行车感知，实现变道辅助、侧面防撞等不同功能。但蔚来阵营的车型，标配的4颗环视摄像头受限于探测距离和角度，很难在行车感知中发挥作用，全部沦为360全景倒车影像专用摄像头。传感器成为一种独立的公共资源满足系统级功能开发的需求。这是 AP2.0不仅区别于博世 L2，也区别于蔚来阵营的最显著特征。

前面我一直在说完全自主研发自动辅助驾驶系统门槛高，现在详细说说高在哪里。

从硬件角度，特斯拉独立克服了自行设计车规级产品的挑战。AP团队需要克服车规所要求温度、湿度、辐射、传导、延迟、以及电源信号的浪涌、反接、高压等数十个苛刻指标。光温度一项，就要满足零下40°C-85°C的区间内所有元器件稳定运行。在软件层面，特斯拉 AP2.0转向了前置三目 +8颗摄像头覆盖车身四周的视觉感知路线。这跟 AP1.0时代的单目视觉有着技术原理上的显著不同。

AP2.0是全行业首个采用三目视觉感知方案的车型，其中探测距离达250米的长焦摄像头负责高速行驶场景下的远距离感知；探测距离150米的主摄像头负责主流场景的大部分感知；而探测距离只有60米、但探测宽度达到120度的鱼眼摄像头负责检测交通灯、道路障碍物和大多数近距离的目标。

三目视觉最大程度的模拟了人类双眼快速变焦，覆盖长短距范围的特性，但与此同时，也给软件和工程部门带来了巨大的挑战。

三目视觉脱离了单目视觉与数据库匹配的老路线，转向实时计算视差距离的路线，这就要求车辆具备更高的计算能力。考虑到特斯拉「轻雷达重摄像头」的路线，摄像头需要实时计算识别包括机动车、非机动车、摩托/自行车、行人、动物、道路标识、道路本身、交通灯、车道线等超过90%的环境信息，三路图像识别和融合的算法复杂度、要求的算力都翻倍增长。

三目视觉在工程层面的挑战远远大过了软件挑战。三目视觉摄像头是全行业都未曾在量产车上应用过的方案，要在捉襟见肘的前挡风玻璃处集成三个摄像头、同时要考虑热胀冷缩带来的测距误差问题，在车规级制造工艺、成本、可靠性、精确性方面带来的挑战都是前所未有的。

考虑到 AP2.0从设计之初就考虑了中央计算芯片可插拔，在算力不够的情况下替换特斯拉自主研发的 AI芯片满足算力需求。可以这么说，全行业所有 L2级辅助驾驶系统都是按照 L2去做产品定义的，只有 AP2.0把 L2当作基础。从软件到硬件、从底层到上层，AP2.0全盘考虑了 L3乃至更高层级的技术向上迭代和后续商业落地的可行性。

你可能会说，感觉 AP和博世 L2没区别啊。别忘了，2016年10月刚量产的时候，AP2.0的8颗摄像头一颗都没启用，那是一个根本不可用的系统。所以，莫欺少年穷。最后，以李想对 AP2.0的核心功能 Navigate on Autopilot的评价结尾。