特斯拉人物生平_特斯拉人物深度解析

1.特斯拉淘汰的技术，中国车企为何不放过？解析BEV感知

2.特斯拉疑似刹车失灵？疑点重重 你站哪方？

3.特斯拉的智能驾驶需要芯片吗

摘要

1. 特斯拉即将发布的3D更新将增加AI辅助驾驶功能。

2. 未能意识到特斯拉在自动驾驶技术上的竞争优势的分析师和投资者，将会突然觉醒。

3.大多数金融模型仍将特斯拉视为传统的 汽车 制造商，但这在未来将不再适用。

分析师和投资者系统性地低估了特斯拉(Tesla)在自动驾驶领域的竞争地位。对竞争环境的评估过于依赖于对演示视频中自动驾驶 汽车 性能的定性判断，以及其他公关、营销和品牌塑造活动。从 历史 上看，被指派到特斯拉的卖方分析师大多是 汽车 分析师，这意味着他们没有时间或精力深度学习和研究机器人技术。这意味着特斯拉的自主优势正在被低估，或者根本无法在市场上定价。

在我撰写关于特斯拉的文章的三年中，我一直坚持认为数据规模比几乎所有其他事情都重要。我也一次又一次地指出，认为特斯拉在自动驾驶方面的进展将是平稳而持续的，而不是磕磕绊绊、断断续续的。我推测，深度学习研发有两个阶段。数据收集和标记阶段可能相对快速。速度取决于公司在野外拥有的机器人数量以及它雇佣的数据标签工人数量。

接下来是一个缓慢而不可预测的阶段，人工智能科学家和工程师致力于构建一个系统，以适当的时间、合适的力度摄取标签数据并输出有用的机器人行为，比如转向、加速和刹车。获取数据就像给油箱加油。AI科学家和工程师的工作就像制造引擎一样。从里程表的角度来看，进展可能是什么都没有，然后，在一瞬间，点火开关被打开， 汽车 就启动了。

AI非线性发展的一个显著例子就是OpenAI在经典视频 游戏 Montezuma's Revenge上的突破。这张图表说明了一切:

在这种情况下，数据是从 游戏 中收集并自动标记，因此数据集创建阶段要比科学和工程阶段快得多。此外，蒙特祖玛（Montezuma）的复仇在AI社区的整体进展也不是顺利和持续的。

特斯拉在路上有超过90万个机器人。在美国，其所有竞争对手的合计机器人数量不到2000辆，而且鉴于大多数测试都在美国进行，因此全球总数可能不会高很多。深度神经网络的性能可预测地随着数据的变化而变化，这样的数据优势可以产生2倍到30倍的性能优势。

一个重要的警告是，数据需要手动或自动地标记。正如我所写的那样，特斯拉有许多很有前途的选择来自动标记数据，并使用其庞大的车队来使手动数据标记更加高效。(也就是说，在同样的人力资源中获得更多的神经网络性能。)特斯拉的AI科学家和工程师面临的挑战是，寻求这些选择，并让它们在商业规模上像在概念的学术证明中那样发挥作用。换句话说，就是制造一个能使用充足的燃料运行的引擎。

走向3D

显然，特斯拉AI团队目前最重要的工作是将计算机视觉从2D范式转换为3D范式。埃隆·马斯克（Elon Musk）在特斯拉第三行播客中首次描述了这一概念:

马斯克最近详细阐述了这一转变所涉及的工作:

“Whole Mars

@WholeMarsBlog

回复@elonmusk @romanhistory1和@HardcoreHistory

自动驾驶仪的重写怎么样了?

你们叫它 PlaidNet么?

Elon Musk

@elonmusk

顺利。团队很出色，和他们一起工作是一种荣耀。几乎所有的东西都需要重写，包括我们的标签软件，所以从训练到推理的每一步都是“3D”的。

2020年7月2日凌晨4:54”

2020年7月2日

回复了@elonmusk @WholeMarsBlog和其他两个博客

反向召唤有什么更新吗?

Elon Musk

@elonmusk

当我们转换到新的软件栈时，许多功能将同时发生。最有可能的是，它将在2到4个月内发布。接下来的问题是，什么样的功能被证明足够安全，可以让用户使用。

从2D到3D的转变意味着什么？就我所能猜测到的来说，这与传感器数据表示为神经网络有关。

LiDAR激光脉冲通过在光线撞击物体并返回传感器时创建一个点来创建周围物体的3D表示。世界的3D表示称为点云。

2018年，来自康奈尔大学的计算机视觉研究人员(包括王燕和赵卫麟)发表了一份预印本，显示可以使用相机来创建3D点云,更重要的是,使用这种形式的表示方式不是2D图像提高了神经网络使用相机预测深度的能力。相机可以通过立体视觉获得点，这也是人类和其他哺乳动物在一定距离下感知深度的方式。事实证明，使LiDAR(激光雷达)如此有效的不仅仅在于激光器，还有将LiDAR(激光雷达)输入解析为点云的常见做法。Wang等人将利用相机生成点云的方法称为“伪LiDAR(激光雷达)”。自2018年以来，其他研究人员也在此基础上开展了研究。

如今，至少在某些学术基准上，伪LiDAR及其相关方法（如伪LiDAR ++和ViDAR（代表可视LiDAR或视频LiDAR））在3D对象检测和深度估计上与匹配LiDAR非常接近。据我了解，伪LiDAR ++的准确度大约是流行的KITTI Vision基准上LiDAR的三分之一。

今年早些时候，特斯拉的AI高级总监安德烈·卡帕西(Andrej Karpathy)公开透露，特斯拉目前正在研究一种用于深度估算的伪LiDAR方法。回到2019年的自治日（Autonomy Day ），卡帕西演示了通过立体视觉获得的3D深度信息:

在他最近的演讲中，Karpathy分享了3D表示与2D表示中获得的准确性的一小部分。这些可视化显示了路缘检测，左侧是“ground truth”(可能来自LiDAR)，右侧是使用2D表示的基于摄像头的检测，中间是使用3D表示的基于摄像头的检测:

如果这一定性的结果真正代表了特斯拉的整体性能提升，那么3D更新必将给特斯拉的AI辅助驾驶软件带来巨大的改进。从外部来看，这种改善会出现突发性和断续性。

钱来了

谈到特斯拉和自治（autonomy）方面，大多数分析师和投资者采取的是“我看到就相信”的态度。当然，这是他们的权利，但在我看来，这意味着低估了特斯拉在2021年及以后的收益和现金流。在实现完全的自动驾驶之前，特斯拉将继续大力推进AI辅助驾驶。特斯拉已经可以在红绿灯和停车标志前自动停车:

AI辅助驾驶可以说是特斯拉使用者最喜欢的功能，也是特斯拉和其他 汽车 之间最明显的区别。与之竞争的 汽车 制造商在实施无线软件更新这样的基础技术方面进展缓慢，据我所知，还没有一家公司像特斯拉那样，公开宣布计划围绕其 汽车 生产建立一个深度学习渠道。我相信，2021年以后，差异化软件将为特斯拉 汽车 带来更多需求。

对于没有其他附加组件的Model 3 Standard Range Plus，售价8,000美元的“完全自动驾驶功能”选项为购买价格的17％。这是一笔高利润收入，因为下载软件的边际成本可以忽略不计。马斯克多次表示，随着功能的增加，价格将会上涨。此外，特斯拉计划以每月订购的形式销售该软件。这必将扩大客户基础。

AI辅助驾驶软件带来的收入不断增长，意味着分析师们应该考虑特斯拉的预期利润率，而不是仅与其业内同行进行比较。此外，特斯拉在软件方面的优势证明了乐观的增长假设。

摩根士丹利(Morgan Stanley)的亚当·乔纳斯(Adam Jonas)最近发布了特斯拉2030年 汽车 销量为600万辆的看涨预测，认为特斯拉的股价将上涨2070美元。在我看来，考虑到特斯拉正步入 汽车 公司与人工智能（AI)和机器人公司之间的灰色地带，这种2030年的销量水平是合理的。目前尚不清楚，竞争对手如何能将 汽车 制造能力、软件和人工智能能力迅速合并，以减缓特斯拉目前的高速增长轨迹。因此，即使股价在1400美元左右，我仍然认为该股仍有很大的上涨空间。

我们还可以考虑 汽车 销售以外的问题。我预计，在“3D更新”向客户推出后，会有更多的分析师和投资者开始认真考虑机器人（robotaxis）出租车。虽然鉴于这种不确定性，很难知道如何为机器人出租车（robotaxis）的机会定价。然而，私人市场投资者已经通过Waymo (GOOG, GOOGL)和Cruise (GM)成功做到了这一点。为什么特斯拉无法在公众市场上做到这一点呢?

注:我/我们是long TSLA。这篇文章是我自己写的，表达了我自己的观点。我没有因此得到补偿(除了寻求阿尔法)。我和本文中提到的任何公司都没有业务关系。

英文原文：

(未经同意，请勿转载)

特斯拉淘汰的技术，中国车企为何不放过？解析BEV感知

随着特斯拉在美国市场推出的FSD订阅服务，让 特斯拉 的自动驾驶功能推向了全新的 商 业模式，并在特斯拉FSD beta 9.0版本中，看到了纯视觉感知系统的强大，却忽视了特斯拉在传统制造工艺上的变革。其使用?一体压铸?的全新工艺，让传统车身的生产模式也会随着发生改变，不得不期待Cell to Chassis 底盘集成电芯的到来。

特斯拉的Autopilot自动辅助驾驶到底可不可靠？而特斯拉又凭借着这一本事，让搭载Autopilot自动辅助驾驶的车辆，其行车安全水平达到 全美平均水平的8.66倍 ，并正在向全美平均水平的10倍去努力。此外，特斯拉旗下的四款车型也全部获得了NHTSA碰撞测试的五 星 好评。

在最近的特斯拉?T-Talk?活动中，我们第一次看到了国产 Model Y （ 查成交价 | 车型详解 ）的白车身，其一体压铸的后底板带来了怎样的变革？在整车的设计中如何以安全为先？我们一起来看特斯拉的小心思。

在国产 Model Y 的白车身用料中，?1300MPA的超高强度钢（红色）零件数量55个，占比18.7%；550-1200MPA 高强度钢（**）零件 113个，占比38.3%；软钢（蓝色）零件37个，占比12.5%；铝材质（灰色）零件90个，占比30.5%。

特斯拉?一体铸造?工艺

分析特斯拉Model Y的车身结构，一定得从一体压铸后底板说起。特斯拉在其制造工艺上做出了革命性的变化，利用特斯拉工厂特有的6000吨级 大型压铸机 ，将高温铝水注入到设计好的模具中，实现其一体化的结构。

这一制造工艺，可实现后地板70个零部件的整合，并将传统的后底板焊接这一生产工序得以省略，使其生产的公时和成本大大降低。

此外，一体压铸后底板的质量也会更轻，与 Model 3 相比，相同部位的质量会轻至10-20公斤，续航 里程 也会略有增加。再加上其铸造的工艺，会大幅的减少耗材，所有材料都是物尽其用。

一体压铸后地板首先能够带来的就是车身尾部结构的整体性。在以往的车身制造工艺中，是每一个零部件之间通过焊点相连接，在汽车发生碰撞的过程中，焊点位置将会承受巨大的冲击载荷，并且每一个焊点所要承受的应力会不同，即使能够保证每一个焊点的质量，也无法避免其工艺上的软肋。

而一体压铸的后地板，其整体性将会更强，在受力的过程中，是整个部件都在受力，极大的提升了其屈服和抗拉的强度。据活动中的特斯拉工程师透露，未来这一压铸制造工艺也将会应用于车头部分，让整车的零部件更加减少，提高生产节拍的同时，也更加的安全。

电动车比燃油车更安全？

从Model Y的白车身中看出，在车辆的底盘位置放置 超高强度钢的横梁 ，避免其溃缩之后对乘员舱和电池包进行挤压，对车辆的侧向结构向车内的变形起到了重要的抵抗作用。这一设计在燃油车中是很难实现的，因为燃油车需要安装排气系统，以及传动轴的存在，没有多余的空间进行放置。

由于燃油车没有这一结构件的存在，在车辆受到侧面撞击时会可能会凹陷40公分，而拥有这一结构件的特斯拉Model Y，则只会向内凹陷20公分。

在特斯拉Model Y中，底盘上会安装有巨大的电池组，并且没有发动机和传统变速箱的存在，可以很好的降低车辆重心，抗侧翻能力增强。如果考虑到下一代的 Cell to Chassis?电池底盘结合的结构，其整体性会更加强，在车辆减重的同时，也会提升底盘的强度。

特斯拉Model Y的车前配备了前备箱，在车辆碰撞的过程中可以看作是一个吸能盒，车辆前方的入侵深度处于一个合理的状态。而燃油车中，从车辆安全性的角度来看，发动机并不会对车辆的安全起到促进作用，反而是一种累赘，这也是新能源汽车在安全方面的优势。

此外，在白车身中可以看出，车辆的前、后方安装了铝制类似于吸能盒的结构，并将其通过螺栓与车辆的结构件相连接。

在车辆发生正面碰撞时，可将大部分的冲击载荷进行释放，在剧烈的事故中的能量转移到座舱之外。只要确定结构件没有受到损伤的前提下，只需更换该结构即可，使维修的成本也会相应的下降。

行业的风向标

国产Model Y和Model 3的车型设计，同时也是为全球的市场进行设计，在其驾驶舱前端板材中，左右各有一个圆形开孔，为了给方向盘、踏板预留位置，满足国内外左舵，也满足右舵市场的要求。 未来，特斯拉也会推出一个中国制造的、完全中国设计的车型。

不仅仅是被动安全系统，特斯拉在主动安全方面，依旧是行业的风向标，就像前几天 零跑 汽车发布的2.0战略，其智能驾驶技术 ?三年内超过特斯拉? 。

特斯拉Autopilot自动辅助驾驶以计算机视觉为基础，依靠车身的摄像头和雷达传感器，构建出进一步接近人类驾驶感知方式的辅助驾驶，在主动安全方面提升行驶的安全性。

特斯拉近期开始在美国推送了 FSD订阅功能 ，让大家看到了马斯克的野心，通过进一步的提高制造工艺，降低车身硬件成本，而通过软件的付费，构成一个可持续的收入，实在是高啊！

全文总结

当用户把目光放到特斯拉的自动辅助驾驶上时，殊不知特斯拉在传统的制造领域上依旧强势，对行业的发展进行颠覆性的创新。从花费大量的成本对Model?S和Model?Y进行研发，到技术的下放，造就出大规模量产的Model Y和Model 3，从而使特斯拉的供应链伴随着特斯拉共同成长。

特斯拉未来会依托其成熟先进的自动驾驶技术，作为其核心的竞争力，将进行更大比例的一体化铸造，以及 Cell to Chassis 底盘集成电芯，让新能源汽车的制造成本以及续航性能实现质的飞跃。就目前而言，特斯拉到底算不算一个豪华品牌？但特斯拉对?豪华?这两个字也并不感兴趣，其骨子里的目标，是成为下一个?苹果?。（文： 崖雍）

@2019

特斯拉疑似刹车失灵？疑点重重 你站哪方？

随着完全没有雷达硬件的特斯拉HW4.0硬件，在工信部申报之后，特斯拉新一代的纯视觉辅助驾驶软硬件也将加速在中国落地，从HW3.0的后期开始，特斯拉开始采用占用网络技术，让车辆自身置身于一个3D世界中，能够更好地化解一些辅助驾驶的边角案例情况。

特斯拉FSD Beta从2021年开始采用了BEV技术，从去年开始使用了由BEV发展而来的占用网络技术，而最近这一个月时间，国内的新势力造车和自动驾驶方案供应商们，开始齐刷刷地开始上马BEV技术。

蔚来在全新的NOP+将在2023年上半年完成向BEV感知路线的切换，最近发布的小鹏P7i的城市辅助驾驶功能中，也融合了最新的BEV技术，另外还有毫末智行、百度Apollo、理想等厂商也都发布了BEV相关的最近进展。

BEV这项已经被特斯拉淘汰了的视觉技术方案，在短时间内被国内厂商们捡了起来，这又是为什么？都说特斯拉纯视觉不安全、不保险，可是它的视觉技术真的很香？

为了压低硬件成本，特斯拉不得不淘汰BEV？

BEV的全称是Bird’s eye view，也就是鸟瞰图的意思，我们以特斯拉为例：特斯拉车型使用8个摄像头采集图像，并进行有效的融合，当然这不同于我们最常见的那种360°环车影像的图像缝合，系统直接通过将所有摄像头采集图像通过矫正后，统一输入到神经网络来提取特征，然后利用基于自注意力机制的transformer，将这些特征进行关联，之后再投影到一个向量空间之中，并且之前的还未去掉雷达的特斯拉还会加入一些雷达的数据，最终拿到一张反映周围环境的鸟瞰图。

这种鸟瞰图仿佛就是开了一个上帝视角，让车辆能够把近处的感知统一放到一个平面中，尽可能的增大了感知的范围和冗余度，不过这一技术有一个先天的BUG，也就是鸟瞰图依然是一个2D图像，就像你坐飞机时，尽可能地向下垂直俯瞰一样，你并不太能分辨得出高低起伏，建筑物或者山地与周围的平地一样，难以感知到深度或者说是落差。

所以特斯拉车型在使用BEV技术的前后，依然会出现遇到静态物体不识别，或是出现幽灵刹车的问题，因为虽然系统能够看得见物体，但是依然不一定能够识别得出这是个什么物体，还是非常依靠车企在研发过程中提前的标定和分类，能够认识地就能躲避，认不清的也来不及再反应，就直接撞了。

但是只靠提前的学习和标定，让系统永远在拄着拐杖，面对路面上的突发情况，比如临时的施工以及遗撒的物体，都不能做到万无一失，当然如果要是在辅助驾驶的范畴内，适中有驾驶员这个最后的保障，那还算好说一些，但是这种技术依然难以运用到自动驾驶中。

所以，大家会看到特斯拉从BEV，进化到了占用网络，虽然占用网络也是BEV技术的延伸，但是它们最大的区别就在于系统的感知从2D变为了3D。

特斯拉车型把自己放在了3D的空间内，让一切障碍物都能在3D空间内用块状物体展现出来，系统能够在10毫秒内向计算单元输出车辆周围每个3D位置的占用概率，并能够预测被瞬时遮挡的障碍物。特斯拉无需再去纠结物体是什么，也不用再去识别分类，只要知道了物体的大概形态，它就知道要不要躲了。当然，我们是以特斯拉为例，Mobileye最新的Super Vision也是利用了类似的2D变3D的技术模式，因为目前主流自动驾驶厂商中，依然在坚持搞视觉方案的，也就只有它们两家了。

蔚小理靠堆硬件去弥补技术短板，可到头来还是特斯拉对了？

那么为什么蔚小理都在目前这个阶段，开始转向特斯拉淘汰的BEV了呢？特斯拉淘汰的原因，正是因为它不具备蔚小理的一些优势，而蔚小理敢于使用这项技术，正是因为在硬件方面的堆得足够高。

无论是BEV还是占用网络，抑或是HW4.0可能带来的更先进的技术，驱使着特斯拉不断在视觉算法方面卷上天的，就是因为它缺少雷达传感器，特别是激光雷达这类能够扫描出3D空间的传感器。特斯拉的占用网络简单理解的话，就可以看作是为了不用激光雷达，逼着自己走出来的一条新路线，因为视觉的平面感知没法有3D的效果，又没法给车辆带个3D眼镜，所以就只能在算法架构上卷。

而蔚小理它们，还有国内绝大多数自动驾驶方案供应商们，大家都选择了激光雷达路线，而且激光雷达确实是能够让大家抄近道，不管你有没有先发优势，用上激光雷达，自动驾驶的研发落地进度就是会加快，虽然BEV技术只能给出2D的鸟瞰图，但是激光雷达可以给出3D的感知效果，而且不少厂家的激光雷达都布置在了比较高的位置，这样它们可以拥有更好的视场角，也就是大家宣传的那个FOV值。而且不少车型都用了不止一颗激光雷达，各个方向其实都能有3D感知。

激光雷达发出的激光束，可以通过点云来绘制出一个物体的大概图像，一些等效线束比较高的激光雷达，几乎能够一定的成像能力，而且是一个3D的效果图，BEV技术的视觉优点可以被吸取，同时感知准确性方面的不足，能够被激光雷达或者4D成像毫米波雷达给补齐。

而虽然BEV看上去过时了，但是当智能驾驶开始进城之后，BEV技术变得越来越重要，一张鸟瞰图把周遭实物都清晰地体现出来，但是它的成本目前依旧很高。李想在前段时间的沟通会上表示，想要做BEV的城市辅助驾驶，可能需要投入超过100亿元，所以不要以为自动驾驶已经卷到头了，钱已经没得可烧了，这么多钱的投入，想要让新势力们短期内实现盈利，几乎还是没可能。

总结

虽然用着特斯拉淘汰了的技术，但是国内厂商们应该是会把BEV技术继续做大做强，因为特斯拉为了降成本而去卷软件，而国内厂商们堆足了硬件和算力，把特斯拉的弱点都给补齐了，所以有能力去克服BEV技术面临的一些瓶颈。

当然还有一个绕不开的问题，就是多传感器融合方案的感知优先级判断，特斯拉是纯视觉了，不用再去琢磨雷达与视觉的感知冲突了，而其他车企和供应商们还要面临这个问题，而且如果2D的BEV鸟瞰图的感知，与3D的激光雷达感知或者4D成像毫米波雷达的感知存在着冲突，那么该听谁的呢？

如果要想解决上面这种问题，还是要在视觉感知方面下功夫，激光雷达这根拐杖很有可能成为未来自动驾驶发展的桎梏。

本文来自易车号作者路咖汽车，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关

特斯拉的智能驾驶需要芯片吗

[汽车之家?新能源]?超级播报，每周都有料。本周的料真不少，我们今天主要围绕三个话题展开，首先是特斯拉疑似失控事件有了最新进展，网上曝光了官方的调查报告，与车主的说法大相径庭；其次是腾讯投资蔚来成其第二大股东，自己不造车却又大手笔投资车企目的为何；还有本周出现了两起世界知名造车企业与科技公司战略合作的消息，分别是奔驰与英伟达以及沃尔沃与Waymo，二者不约而同的将合作聚焦于高阶自动驾驶技术上，那么究竟是什么原因让传统车企与科技企业频频联姻呢？本期超级播报，为您解析。

6月16日下午2点钟，在南昌赣江南大道发生一起特斯拉Model?3高速撞向路边土堆并引发起火的事故（事件报道传送门）。在这起事故中，车辆焚毁，车主受伤但并未危及生命。此事件之所以引起广泛关注是因为发生的原因非常蹊跷。据车主透露，在事故发生前，这辆Model?3出现失控，先是突然加速，然后又是踩下制动踏板无反应，在连续躲避了几十辆车之后，车辆最终撞向了路边土堆。

从该视频我们了解到，事故车辆在撞击发生前的确是以较高的速度在行驶，并做出了闪避道路上车辆的动作。据车主介绍，自己拥有20多年驾龄，事故发生前车辆突然无故加速到127km/h。当感觉到车辆异常，车主连忙踩下制动踏板，但他表示当时“踩刹车和没踩刹车是一样的，车辆没有任何反应”，因此车主只好通过控制方向盘躲避道路车辆，并最终撞向土堆，导致车辆起火。

这起事故离奇的地方就是在于，根据车主的描述，车辆在没有开启辅助驾驶的情况下先是自行加速，说明加速踏板出现异常。随后制动踏板又出现失灵情况，踩踏无反应。要知道，在汽车的设计中，加速踏板与制动踏板是由两个独立的系统控制，二者同时出现故障的可能性极低。

特斯拉官方回应中简述了加速踏板和制动踏板的安全设计，表示旗下车型的加速踏板和制动踏板有两个独立的位置传感器，一旦出现任何错误（例如文中这种加速踏板位置和实际车辆的加速状态不匹配），系统就会默认切断电机扭矩；此外，如果传感器感应到加速踏板和制动踏板同时踩下，系统也会认为制动踏板的优先级更高，从而判定加速指令无效，而是执行制动指令。

根据网曝的特斯拉调查结果，发现以下四点情况：

1：在事故发生前的几分钟里，有踩下加速踏板的信号，但没有踩下制动踏板的信号；

2：经现场勘查，事故路段未见刹车痕迹；

3：系统检测到碰撞时的车速为112km/h；

4：系统检测到碰撞发生时，有踩下加速踏板的信号，无踩下制动踏板的信号。

通过特斯拉的这份“调查报告”，能够看出官方的证据显示车主在事故的前几分钟，似乎没有踩踏制动踏板（无踩下制动踏板信号且道路上未见刹车痕迹），而是踩踏了加速踏板（有踩下加速踏板信号，碰撞时车速达到112km/h）。这份报告不免让人以为，事故的原因是由于车主误将加速踏板当成制动踏板导致的。

一位拥有20多年驾龄的老司机会把加速踏板误当制动踏板，且几分钟时间都未发现吗？针对该问题，目前网上呈现两种论调，一种是认为特斯拉存在质量问题或设计缺陷，导致车辆失控。尽管特斯拉声称事故前几分钟没有制动踏板信号，但这并不能代表车主没有踩踏制动踏板；而另一种论调则是认为问题出在车主身上，因为车辆同时出现加速系统和制动系统都故障的可能性实在是太小了。

针对这起事故，我们也专门询问了车辆工程领域的业内人士。对方表示：特斯拉采用的博世iBooster线控制动系统，这种设计几乎不存在完全刹车失灵的情况，即便iBooster失灵了，依然还可以通过机械助力完成制动，还有ESP系统的HBC（Hydric?Brake?Compensation）可以辅助完成液压助力实现制动。

超级播报点评：

看了这起事故，相信有很多网友会联想2019年“西安比亚迪唐DM失控"事件，这起事故最终以车辆控制系统正常作为结论，将矛头指向了驾驶者的驾驶行为。至于本次特斯拉失控的调查究竟是什么结果，我们现在先不妄加猜测，但是这种事故屡次出现且经常被大众所关注也要引起车企的重视，怎么能避免驾驶员情急之下误踩加速踏板、怎样避免车辆在城市道路突然急加速，并高速撞向障碍物，这些我认为都是车企可以通过技术手段来解决的。

从车主一方来讲，我们可以看到当遇到这起事故时，其实车主是处于弱势地位，由于几乎没有证据，且专业知识欠缺，需要被动的等待官方的调研结果。因此我们在这里也建议大家在遇到类似的遭遇时，尽可能的做好事件记录，保留好一切证据，以免事后说不清道不明。

这次的“Model?3疑似失控事件”只是今年特斯拉在国内发展比较波折的一个缩影，此前还经历了“减配门”以及降价维权等风波。相比之下，另一家曾经被戏称活不过2020的新造车势力——蔚来，却在今年活的顺风顺水，经历了股价大涨、销量走高，还获得了合肥政府的高额投资以及国家在新能源补贴方面的“优待”。近日，蔚来又获得了国内互联网巨头腾讯的又一轮投资。

其实腾讯进入汽车领域的决心早已尽人皆知，不过CEO马化腾曾明确表示，该公司并不打算自己制造整车。腾讯或许是希望通过对整车企业的投资，来为布局汽车领域铺路。2014年，腾讯和其它投资者联合创立蔚来汽车，并在接下来的时间里多次参与蔚来的融资。在2017年，腾讯还收购了特斯拉5%的股权，成为第五大股东。

一直以来，蔚来也在车机系统中采用腾讯的音乐以及视频服务。可以看出，腾讯通过投资整车企业，希望自己的服务能在汽车领域拓展，抢夺新的“流量入口”。但腾讯“上车”的方式仅限于此吗？当然不是，这只是腾讯迈入汽车行业的其中一步，它还有更大的野心。

前些天，腾讯智慧出行举行一场线上新品发布会，发布了两款车载App：腾讯随行、腾讯爱趣听。腾讯希望在车机系统内，也能够复制自己在智能手机和PC电脑中的软件生态。据了解，截止目前，腾讯已经与29家主流汽车品牌开展合作，落地超110款量产车型，并仍在不断扩张。

在汽车2C业务干的风水水起之时，腾讯也没有落下2B业务。其新一代自动驾驶虚拟仿真平台TAD?Sim?2.0在2020腾讯智慧出行新品发布会上正式亮相。该平台配合腾讯推出的云平台以及高精地图产品，能够帮助车企使其自动驾驶技术快速发展迭代。

超级播报点评：

在BAT中，百度最先于2013年启动无人驾驶汽车项目，就此在无人汽车领域大力投入，并于2015年推出百度CarLife车联网系统以及百度地图，以此着力构建汽车生态；阿里巴巴入局汽车领域相对保守，在2015年选择与上汽合作开发斑马智行车机系统，并以此涉入汽车领域，构建生态，后来发展不算顺利。腾讯在汽车领域的布局虽然相比BAT中的另外两家不算早，但打法明确且思路清晰。在2C领域通过培育整车企业以及和车企合作来拓展软件生态的入口，等达到一定规模后再想办法变现；而在2B领域则通过自己软件方面的技术优势给予车企在智能网联以及自动驾驶等弱势科目的支持。

智能化与网联化正在变革着汽车产业，不仅让向腾讯这样的科技企业有了入局的机会，也让很多传统车企倾向于与科技企业展开合作，甚至共同开发汽车。就在本周，有两家传统车企与科技企业达成战略合作，分别是英伟达与奔驰以及沃尔沃与Waymo。

值得一提的是，就在6月19日，奔驰的母公司戴姆勒宣布停止在自动驾驶领域同宝马的合作。这似乎也从某种程度上证明两家车企共同研发自动驾驶技术非常困难，因为彼此对于功能的诉求会有所差异。相比之下，奔驰与英伟达的合作，则更像是甲方与乙方的合作，甲方提出功能诉求，而乙方负责满足，这样就和谐多了。

其实在奔驰之前，英伟达也曾与小鹏汽车、特斯拉等车企有过密切的合作，这使得英伟达在汽车自动驾驶领域已经培育出非常丰富的经验。而凭借这种经验，英伟达能够在与奔驰的合作中获得不错的筹码，再加上奔驰每年超百万的销量，不仅能够帮助英伟达获得丰厚的利润，而且还能通过大规模的车队帮助英伟达搜集车辆行驶数据，从而反哺自动驾驶技术的成长。

在前不久该公司发布的DRIVE?AGX?Orin计算平台在功耗以及运算性能方面都拥有不错的表现，其中官方宣称能够具备“L2+级别辅助驾驶”功能的计算平台将拥有200TOPS的算力，它的功耗仅为45W；而具备“L5级别自动驾驶”功能的计算平台将拥有2000TOPS的算力，它的功耗为800W。相比之下那个拥有144TOPS算力的特斯拉3.0硬件平台，却拥有着将近200W的功耗。

据官方透露，Waymo将成为沃尔沃、极星和领克品牌的L4级自动驾驶技术全球独家合作伙伴。此次合作的核心是Waymo的自动驾驶平台“Waymo?Driver”。合作的核心目标是将“Waymo?Driver”搭载到一个专属的全新纯电动车平台上，从而创造包括网约车服务在内的应用场景和商业模式。

该公司专注于L4级别自动驾驶汽车的开发，并且在自动驾驶硬件方面也有深度布局。此前，该公司也已经与多家车企有深入的合作经验，包括菲亚特·克莱斯勒、捷豹路虎等。此次与沃尔沃的合作将能够帮助Waymo实现新的商业模式落地，并通过沃尔沃丰富的汽车产品线帮助Waymo迅速扩展在商用以及个人领域的自动驾驶车辆规模。

超级播报点评：

我们发现近期车企与科技企业的互动变得愈加活跃，这在以前并不常见。而究其原因，可能是因为从十多年前开始，智能化与网联化就率先在科技企业的产品中快速发展迭代。如今科技企业无论是在智能网联相关的软件还是硬件上，都有深厚的技术积累。而汽车产业在近几年才明确了智能化和网联化的发展方向，因此车企通过与科技企业的技术合作，将能够快速应用科技企业的技术经验，快速应对这场汽车行业的变革。

这次奔驰和沃尔沃与科技公司的合作有一个共同点，就是最终要通过合作实现L4级别以上的自动驾驶。当强大的科技公司与强大的车企巨头相结合，或许可以激发出强烈的化学反应，催化自动驾驶技术的快速发展迭代。不过话又说回来，通过与科技企业深度绑定，虽然可以快速布局新的领域，但从长远发展来看，还是会让企业的发展处于被动，不利于产品的差异化以及创新。从这个角度讲，如果能够像特斯拉那样在核心技术上高度自给自足，对于车企的发展来说，才会更为主动，您觉得呢？（图/文?汽车之家?胡永彬）

太平洋汽车网特斯拉的智能驾驶需要芯片，特斯拉的这颗芯片，是一种特殊类型的AI处理器，可以支持人工神经网络（ANN），也就是常听到的机器学习（ML）或深度学习（DL）。需要指出的是，特斯拉定制开发的这颗AI芯片并不意味着特斯拉在AI领域取得了反转一切的能力。至于全自动驾驶在现实世界的解决方案，特斯拉也只是刚刚入门。

AI芯片的背景传统的计算机需要CPU（中央处理器）来执行系统工作，比如加载应用程序。除此之外，大部分现代计算机还要有GPU（图形芯片）来支撑，它的工作是协助核心处理器完成图形和动画的渲染，让用户能在屏幕上获取有效信息。

在机器学习或深度学习上，除了CPU，GPU的角色也突然重要了起来。总得来说，GPU从配角变主角，主要还是因为ANN（人工神经网络）是个庞大的数值和线性代数问题，而它就是为这样的数字混合而生的。

对开发者来说，GPU简直是上天的恩赐，谁也没想到它能在ML/DL领域发挥如此巨大的功效。GPU的隐藏属性「暴露」后，芯片开发者们开始为潜在的市场扩军备战，就连GPU的设计都开始为ML/DL任务倾斜。

在FSD芯片诞生前，特斯拉一直是拿来主义者，它最早与Mobileye合作，后又转向英伟达。现在，特斯拉则希望将命运攥在手中，用自研的这颗芯片为Autopilot撑起一片天地。

在今年4月份的AutonomyDay大会上，特斯拉祭出了大杀器——FSD芯片。这背后传达的信息很清晰：就是要用自行研发的技术替代现有的英伟达芯片。

四个多月后，特斯拉工程师们又在HotChips大会（IEEE主办，专注于高性能处理器）上对芯片的一些关键组件提供了更多的解析。这次深度解析也让外界对特斯拉的FSD芯片重燃兴趣。

需要注意的是，在大多数人眼里，这种处理器可统称为AI芯片。这样叫也不为过，但也别对它有太高的期待——AI芯片目前还无法在预期领域实现全知全能的人工智能。

简单来理解的话，这些芯片根本没有任何类人的推理或常识能力，它只是能力暴增的数值计算设备罢了。

3.0硬件的秘密特斯拉官方表示，图像数据处理的流程首先从摄像头的高速数据传输开始——高速指的是25亿像素/秒，大概是往21块1080P的全高清屏幕塞60帧画面的程度。

（图/文/摄：太平洋汽车网问答叫兽）