Waymo还是特斯拉的路线？

两大自动驾驶领域的竞争对手，Waymo 和特斯拉，正铆足了劲儿想证明自己那套方法靠谱。

Waymo 呢，正在优化它的模块化架构，这玩意儿因为透明度和可信度高，得到了监管机构的点赞。可与此同时，特斯拉可是拼了老命在用它工程师觉得能更快、更好出结果的端到端方法，哪怕这得牺牲点透明度。

要是系统出岔子，Waymo 的系统能进行详细验证和错误追踪。不过，这架构是基于模块的，调整一个模块，其他模块都得跟着重新校准，确保一致性和兼容性，这过程可就麻烦多了，而且在自动驾驶长远发展里，还可能拖慢最新 AI 技术整合的速度。

但特斯拉的端到端方法就厉害了，它靠一个集成的神经网络，能更快地推动自动驾驶进步。在大量特定场景驾驶数据上训练后，对罕见或不规则事件（像给闯红灯的救护车让路）能有更好的反应。

两种模型都有优点，还不少地方重叠。不过，端到端模型因为本身灵活，看着更有前景。而且特斯拉有个厉害的规模优势，它有好几百万辆自家车，能部署自动驾驶功能收集实时数据。只要能跨过计算和数据的坎儿，这就能让特斯拉在自动驾驶领域大步往前走。

就说特斯拉的最新软件更新吧。靠着端到端方法，它的全自动驾驶 12.3 版本比之前版本能力上提升不少，进一步证明了端到端方法在推动自动驾驶前沿方面的潜力。

这事儿行业竞争对手，尤其是中国的参与者，都瞧在眼里。像理想汽车、蔚来、小米和华为这些公司，都赶紧重组自动驾驶部门，纷纷用上端到端模型。就连 Waymo 也开始搞对冲策略，发布新研究，探索更早整合端到端方法。

虽说 Waymo 有先发优势和稳稳当当的运营记录，但特斯拉的最新进展表明，它可能成为自动驾驶领域进展的主要风向标。可就算明天就实现完全自动驾驶，它的可扩展性和商业化还得看成本。要是每辆车成本高达 10 万美元，那无人驾驶出租车车队这最明显的自动驾驶用例就没戏了。所以，自动驾驶技术栈（硬件组件和软件复杂集成）在性能和成本之间找到平衡至关重要。

自动驾驶（AD）公司正争先恐后地塑造商业化机会，这得靠开发有成本效益和可扩展性的自动驾驶技术栈。这些技术栈分三个关键部分：传感器、车载处理器和数据中心。在每个部分里，公司都会激烈竞争抢市场份额。结果呢，会形成一个蓬勃发展的新汽车工业供应商生态系统，有些是调整后的传统供应商，有些是新入局的。

到目前为止，世界上最成熟的自动驾驶供应商生态系统就在美国和中国。说到商业可行性，自动驾驶可不只是 Waymo 和特斯拉的竞争，中国的百度和华为也得算上。你看，百度就推出了售价 3 万美元的 RT6 无人驾驶出租车，这很大程度上得益于中国有成本效益的供应链。而且，中国和美国一样，有不少汽车公司想部署自动驾驶。

事实上，无人驾驶出租车车队是最明显的自动驾驶商业模式，已经在奥斯汀和武汉等城市地区部署。这就意味着，竞赛正在进行，得确保最佳的自动驾驶技术栈，这可是成功大规模商业化的先决条件。

自动驾驶：激光雷达的去留之争

接下来聊聊自动驾驶汽车的感知系统，这玩意儿就像是汽车的“眼睛”和“耳朵”，主要靠三种传感器硬件来“看”和“听”：摄像头、激光雷达和毫米波雷达。举个例子，Waymo 的第六代无人驾驶出租车，那配置简直就像“堆料狂魔”，装了 13 个摄像头、4 个激光雷达、6 个毫米波雷达，还有一组外部音频接收器。这种“堆料”式的传感器配置，在其他自动驾驶公司里也挺常见的，尤其在中国市场的竞争对手们，好像传感器越多就越厉害似的。

但特斯拉这家伙就是个“异类”，它坚持采用以摄像头为中心的方案。2023 年，中国研究人员发表的一篇论文还给特斯拉这做法“站台”了。论文说，一种叫 BEVFormer（鸟瞰图 + Transformer）的自动驾驶模型，光靠摄像头就能生成用于路线规划的鸟瞰图，厉害吧！

虽说自 2019 年以来，激光雷达的价格已经降了不少，但特斯拉还是死磕以摄像头为核心的端到端自动驾驶系统。在其全自动驾驶（FSD）硬件里，根本就没激光雷达的影子。埃隆·马斯克这人好像觉得，激光雷达对自动驾驶来说，就是个“累赘”而不是“帮手”。因为它没提供足够大的性能提升，来证明自己存在的价值，反而还增加了 FSD 数据引擎的复杂性，简直就是个“麻烦精”。

如果特斯拉这一策略最后真成了，甚至硬生生地拉着整个行业不情愿地跟着走，那本来就已经挺惨的激光雷达行业，估计得更难受了。全球市场老大禾赛科技，还有美国的 Ouster 和 Luminar 等公司，它们的股价跟 2023 年初比，都跌了 50% 以上，简直就像坐了“过山车”。只有禾赛科技还保持着正的运营现金流，但这也顶不住啊，因为国内的中国玩家，比如华为，越来越多地学特斯拉的做法。就像华为2024年推出的 ADS 3.0 软件，直接就把激光雷达给“砍”了，还把六个毫米波雷达也给“开除”了。

再看看韩国的巨头三星和 LG，它们作为特斯拉的高清摄像头供应商，现在混得挺不错。这得益于它们之前为智能手机供应链精心打造的成熟摄像头技术，就像 LG 给苹果的 iPhone 供应摄像头模块。虽然中国公司在摄像头图像传感器组件的国产化方面有点进展，但还没从韩国供应商手里抢走多少市场份额。同时，它们还得面对来自美国和欧洲一级供应商，比如采埃孚、博世和大陆集团的激烈竞争，压力山大啊。

在雷达领域，这是三种自动驾驶传感器类型里最大的市场，毫米波（mmWave）因为更耐用的性能和更远的探测范围（能达到好几百米），把超声波给“比下去”了。Waymo 和特斯拉在它们最新的自动驾驶架构里，都只用毫米波雷达，这可让中国供应商看到了机会，想借这机会缩小差距，跟国外巨头掰掰手腕。

随着自动驾驶技术不停地发展，最佳传感器套件也会不停地变，就是为了在性能和成本之间找到那个“平衡点”。这些传感器还生成了海量数据，这也引发了自动驾驶技术栈里另一个关键组件的竞争：车载芯片，大家都想在这块“蛋糕”上分一块。

自动驾驶芯片：买现成的还是自己造？

传感器就像是汽车的“眼睛”，负责接收外部环境的视觉信息，但光有“眼睛”可不够，还得有车载芯片这个“大脑”来处理每小时数 TB 的海量数据。这些多功能系统级芯片（SoCs），那可厉害了，把核心 GPU、AI 加速器和 CPU 内核都集成在一块儿，全部实现实时处理，就跟咱们人看到东西立刻就能反应过来似的。

现在竞争的芯片供应商都在盯着两个关键标准：效率和延迟。对于自动驾驶汽车来说，能效那可是比数据中心的 GPU 还重要。为啥呢？因为自动驾驶汽车未来大概率是全电动的，自动驾驶系统全靠电池供电。你想啊，如果自动驾驶系统每小时就把电池电量消耗掉 15% 到 20%，那整个汽车都得重新设计，得装更大的电池组，这多麻烦啊！延迟也很关键，为了打造安全的自动驾驶系统，从视觉输入到处理成响应的时间，得跟人类反应时间一样快，甚至还得更快，不然遇到紧急情况可就危险了。

所以说，搞出一个在性能和能效方面都超棒的自动驾驶 SoC，那就是自动驾驶硬件和软件集成挑战的核心。自动驾驶芯片一般都是为特定软件架构量身定制的。所以啊，那些既有芯片设计能力又有相关人才的公司就占优势了，因为它们从硬件到驾驶体验都能掌控得更全面。

这正是 Waymo 和特斯拉走的路子，这样能让它们在系统级别更好地控制创新，优化软件和芯片之间的互动。而且它们还能更好地把芯片设计时间表跟自动驾驶产品周期的其他部分对上，这就是它们相对于现成芯片供应商的关键优势之一。

但自己搞 SoC 开发成本可高了，技术上也超出了大多数自动驾驶公司（包括汽车制造商和自动驾驶卡车初创公司）的能力范围，所以它们只能依赖第三方 SoC 供应商。而且客户的自动驾驶软件架构还在不断变化，第三方供应商就得赶紧跟上，不能还想着用那种“一刀切”的解决方案。

对于这些供应商来说，敏捷性太重要了。它们能不能迅速迭代、跟上客户快速变化和特定需求，这比它们芯片现在的能力还更能说明问题。

按这个标准来看，中国的地平线公司和美国的高通公司好像走在前面了。这俩都是自动驾驶 SoC 领域的后来者，但高通自 2022 年以来在给宝马和梅赛德斯 - 奔驰等公司供应芯片方面可是取得了大胜利，还吹嘘它的汽车芯片 pipeline 值得超过 300 亿美元呢。

英伟达在 SoC 市场的强势地位，很大程度上得归功于它的先发优势（它首个自动驾驶解决方案可是 2015 年就在 CES 上发布了）。但它属于自动驾驶芯片的现成供应商类别，因为它的 GPU 并不是天然针对车载处理优化的。英伟达在自动驾驶领域可能有点挣扎，这从它 2022 年取消了 Atlan 自动驾驶芯片，而且到现在已经两次推迟下一代 Thor 芯片就能看出来。另外，英伟达从 2023 年下半年开始在中国市场份额输给地平线公司了，它为了应对，还开始在中国针对自动驾驶工程师搞招聘狂欢。

虽然美国和中国都有成功的自动驾驶芯片供应商冒出来，但在自动驾驶供应链的下一层 —— 超级计算的竞争中，天平可能要倾向于某一方了。