根據特斯拉2022年Q4的財務文件披露：FSD Beta已有將近 40萬用戶。 

這是目前全世界部署規模最大的城市NOA系統。 

而特斯拉實現這樣一套系統，在車端幾乎僅用了8個攝像頭和144 Tops算力的FSD計算平臺。這種性能壓榨和成本控制能力讓業界羨慕不已。 

理想汽車CEO李想就直言：特斯拉Autopilot的 硬件BOM成本在差不多1500美元，而（理想、小鵬等）使用雙OrinX的方案成本基本都在4000美金以上。 

特斯拉如何用大幅低于業界的成本實現了城市NOA。這篇文章，我們就來重點看看： 

• FSD的BOM成本；

• 特斯拉把基于視覺的單模態感知發揮到了極致；

• 車端算力有限，但云端算力無限；

• HW 4.0的動向和趨勢。

一、硬件成本：FSD < 業界主流方案的一半

目前新勢力主流支持到城市NOA的智駕方案，理想和小鵬采用雙OrinX作為計算單元，蔚來甚至豪橫地用了4個。 

我們以理想AD Max舉個例： 

• 1 x 激光雷達；

• 11 x 攝像頭，含6 x 800萬像素、4 x 200萬像素環視、1 x 200萬像素后視；

• 1 x 毫米波雷達；

• 12 x 超聲波；

• 2 x OrinX；

單OrinX的成本大概在400美元，單顆激光雷達的成本大概在500美元級。李想披露，理想帶雙OrinX的智駕方案成本約為4000美元，而特斯拉的僅為1500美元左右。 

原特斯拉Autopilot Machine Learning Lead，現大卓智能CEO谷俊麗在接受采 訪時也談到：「特斯拉造一臺Model 3的BOM成本是16萬，ADAS系統成本是7000塊。」7000/16萬，其占到 總BOM成本的約4.4%。 

綜合來看，特斯拉FSD的成本大致在 1萬元人民幣上下。 

作為對比，華為ADS方案的代表車型問界M5后驅智駕版，跟M5后驅標準版差價2萬元；小鵬G9的Pro和Max版，差價剛好也是2萬元（因為Pro版帶有一塊OrinX，所以這個差價是單OrinX和雙激光雷達的差價）。 

李想認為，特斯拉FSD雖然只有144 Tops，但計算效率大約是GPU的3倍，所以實際跟雙OrinX的性能是差不多的。 

在數百萬級的銷量規模下，特斯拉把自研FSD的效率、成本優勢發揮得淋漓盡致。 

二、自研芯片加純視覺方案，特斯拉低算力的秘密

特斯拉FSD一大明顯的技術差異是將純視覺路線走到極致， 去掉全部雷達。 

• 2021年5月開始不用毫米波雷達；

• 2022年10月開始，所有為北美、歐洲、中東制造的Model 3和Model Y都不再配備超聲波雷達；

• 2023年起交付的Model X及Model S也不再配備超聲波雷達。

在這點上，國內的理想也很大方地坦陳跟隨特斯拉的路線，其中一個變化就是理想L9上由原來理想ONE時期的3個毫米波雷達配置減少為1個毫米波雷達。 

回到FSD，其核心的感知能力是由Tesla Vision提供的，包括支持主動安全功能、Autopilot功能以及FSD Beta功能。 

需要注意的是，特斯拉采用的 攝像頭為120萬像素，而國內車企大多采用800萬像素的高清攝像頭。攝像頭分辨率較低，也會比激光雷達以及高清攝像頭的方案更節省算力，但對AI模型和算法精度會有更大的挑戰。 

去年10月的AI Day上，特斯拉稍稍對外展示了一下Vision是如何運作的： 

• 第一步是系統將8個攝像頭獲取到的圖像，生成一個類似于游戲引擎的實時3D畫面——占據網絡（Occupancy Network），對車輛周圍場景進行復原；

• 第二步是給每個物體標注語義信息。特斯拉本身大規模地搭載會產生的海量數據，特斯拉還研發了自動標注（Autolabeling）工具，最后生成標注過的空間信息，得到一個矢量地圖（Lanes Network），之后FSD就能使用這些信息來輔助導航。

毫末智行技術副總裁艾銳曾經分析表示，「特斯拉的自動駕駛感知采用的單模態，而不是多模態。核心原因它有數據自由和算力自由兩個能力，把單模態的天花板極大地提升了。針對L2的產品來說，單模態足以給大家提供比較好的自動駕駛體驗了，而且成本顯然會更低。」 

特斯拉Autopilot軟件總監Ashok Elluswamy在領英上描述了這個團隊的職責，其中大多數與海量數據的發掘利用有關： 

• 搭建大規模的真值生產線，利用海量、多元、高質量的數據，來訓練神經網絡；

• 利用車隊學習的方法，優化當前算法中脆弱、有缺陷的部分；

• 利用機器學習和工程方法，來建立系統對地理環境和場景語義，準確、詳實的理解；

在超大的數據規模下，對視覺算法的極限壓榨，是特斯拉FSD公開的秘密。 

三、特斯拉的云端算力

自動駕駛落地需要兩塊核心芯片，一塊是車端推理芯片，另一塊是云端訓練芯片。大多數時候，我們在談論算力時，一般只提到車端推理芯片的算力，而忽略了云端。 

上文毫末智行艾銳提到的「算力自由」，指的更多就是云端算力的自由（因為車端算力自由基本不太可能實現）。 

2021年6月，在當時的CVPR上，時任特斯拉AI高級總監的Andrej Karpathy披露，特斯拉正在搭建一個超大規模的訓練機群，將5760個英偉達A100以720個節點鏈接起來，總計算能力達到1.8 exaflops。 

就AI算力排序，這可能是當時世界第五大超級計算機。 

到當年底，英偉達汽車業務負責人Ali Kani披露，特斯拉已經采用了將近10000塊英偉達GPU來建設L2+的基礎設施。 

同一年，特斯拉發布了自研的云端訓練芯片D1以及超級計算機Dojo。3000個D1芯片，構成120塊訓練塊，再組成20個機柜，形成1個ExaPOD集群，這個集群的算力相當于1.09 EFLOPS。馬斯克在當年的財報會上表示：自研D1芯片主要是出于成本、效率的考量，因為對特斯拉來說，英偉達的通用GPU不是效率最高的。 

根據特斯拉的計劃，Dojo應該已經在2022年投入運營使用。 

純視覺、低分辨率傳感器，加上業界偏低的算力配置，通過自研芯片提高車端和云端的計算效率，通過超大規模的車隊和數據量提升算法性能，特斯拉跑通了城市NOA在北美大規模開放的路徑。 

新的消息是， 特斯拉很快將在國內開展FSD的路測。 

FSD的下一步是HW4.0的升級（目前是HW3.0），有部分北美用戶稱其已交付的Model X上搭載了HW4.0。 

特斯拉將在今年推出Model 3的改款車型，項目代號 Project Highland。目前已知Project Highland針對前臉、內飾、空間均有小幅的改良，HW4.0是否會在新款上搭載。 

Model 3改款、HW4.0更新、FSD入華，能否將特斯拉推上新的高地。

返回第一電動網首頁 >