特斯拉，行走的美军间谍？

作者：一锅  来源：资本记事

网上有段挺火的视频，两老头对谈“特斯拉，行走的美军间谍”这一话题，还煞有介事地预测“出于国家安全考虑会禁止特斯拉”。

有道理吗?当然有道理。啥事都可以讲出个子丑寅卯来。问题在于，如果是两老头爱操心也就听听多份警惕，如果是反特斯拉的势力在鼓吹，就有故事性了。

目前，特斯拉在上海的超级工厂一期年产能25万辆，二期投产后，预计2021年底上海年产可达45万辆。按两老头的说法，上海正源源不断地每年为特斯拉制造几十万个间谍。

话说，如今采集数据的终端太多了，其中政府部门掌握最多，另外还有电信公司、电商平台、物流系统、各摄像头公司……

再说，如果要禁特斯拉，那首先要禁苹果，毕竟苹果的信息采集能力更强。(参见《 电动车替代燃油车，如智能机消灭传统机? 》)

所以，单就国家安全来说，特斯拉在中国的命运，可以参照苹果在中国的情况。

不过，这个话题倒是可以引申出一些技术性问题的讨论，由此可判断“特斯拉，行走的美军间谍”是否杞人忧天。

我们说，新能源车与传统汽车的最根本区别，不仅仅在于动力来源，更在于网联化与自动驾驶。而网联化是自动驾驶的必经之路。(参见《 周末阅读】以贾斯克为例：中国迎来史上最大科技泡沫 》)

网联化意味着车辆联网和实时的信息交互，通过V2V(汽车对汽车通信)、V2I(汽车对基础设施) 、V2N(汽车对互联网通信)和V2P(汽车对行人通信)来获取超视距或者非视距范围内的交通参与者状态和意图。

▆小知识

■L1-L2级，网联信息只起到交互辅助的作用，例如推送道路交通事件、天气条件等信息，车辆甚至不需要联网，在本地就可以进行实时环境感知与决策控制，实现自适应巡航、车道保持、换道辅助、自动紧急制动等辅助驾驶功能。

■L3级以上对网联协同感知的要求更高，例如通过路侧感知设备和动态高精度地图，弥补传感器对环境探测的局限性，提高车辆定位精度，动态数据高频率更新，实现有条件的自动驾驶。

■到了L4-L5级，网联化不仅意味着协同感知，也意味着协同决策和协同控制，随着决策芯片和人工智能算法逐步成熟，车侧和路侧的信息通过边缘计算设备(MEC，Multi-Access Edge Computing)进行数据融合，数字信息映射到云端，车端、路端和云端进行协同决策，再下发到车端做实时控制，实现高度自动驾驶和完全自动驾驶。

自动驾驶有两大方向：单车智能和车路协同。其本质是技术和成本在车侧和路侧的分配。

虽然L4-L5级的自动驾驶最理想模式是实现“车端-路端-云端”的高度协同，智能的车配合聪明的路，车端智能和路侧智能协同呼应。由于单车智能的成本高昂，若用路侧设备代替部分技术，让路“变聪明”，可降低不少车载成本，这样一来，就衍生出了自动驾驶的两大方向：单车智能和车路协同。

以车载传感器为例，激光雷达尤其是用于远距离、大范围探测的L4/L5级别自动驾驶主雷达价格昂贵。但如果在路侧安装摄像头、毫米波雷达和激光雷达等感知设备，例如路灯杆进化为多合一路灯杆，由于安装高度高，拥有“上帝视野”，那么车侧的部分激光雷达成本可以被节省下来，从而大幅降低车载成本。

同理，在路侧安装计算设备，通过边缘计算单元为车辆提供决策依据甚至指令，与车载计算平台协同处理数据，可以降低车载计算平台对算力的要求，对功耗和散热性能的要求也会随之下降，从而降低自动驾驶汽车对高性能车载芯片的依赖。

可见，路侧安装设备的方案拥有更低的单车成本和边际成本，路侧智能是车侧智能的有益补充。在5G基站和V2X设备尚未铺设的路段，单车智能仍是重要的自动驾驶实现方式。

车侧智能和路侧智能的分配和发展受到诸多因素的影响，例如政府对公路智能化改造的支持力度、不同区域的路况、交通参与者特征、地图与定位的精度、高性能激光雷达的价格变化、车队用户和个人消费者付费意愿与转换成本等因素。这些因素共同决定了不同方案初始投资的高低、投资回报期的长短，以及投资的经济性，从而影响了技术和成本在车侧和路侧的分配方案与演进路线。车侧智能和路侧智能最终的融合状态是怎样的?何时达到?如何演进?这些问题需要产业链上的玩家们协力解答。

说了这么多，与特斯拉有什么关系呢?别急，下面是答案。

未来自动驾驶的发展演化出三条技术路线，分别是以激光雷达和高精地图为代表的“谷歌派”单车智能路线，以视觉感知和影子模式为代表的“特斯拉派”单车智能路线，以及在网联化方面率先发力与突破的车路协同路线。

单车智能“特斯拉派”以视觉识别为核心，典型代表为依靠Mobileye视觉自动驾驶技术起家的特斯拉，此技术路线认为视觉是最有效的信息获取方法，在量产汽车上没有配备成本高昂的激光雷达，而是选择了更为便宜也更容易量产的计算机视觉的方案，并通过神经网络的模型训练Autopilot算法。

除此之外，特斯拉利用影子模式(Shadow-Mode)训练与迭代其自动驾驶算法，将已售车辆变为“测试车辆”，不断收集现有活跃车辆的真实场景数据，上报捕捉到的视觉信息与“稀有案例”，并基于模型对外界进行预判，例如前方车辆的换道并线，如果预判正确无需上报数据，反之则标识为Negative Sample送到云端，对特定模块进行修正性训练，再将修正后的模型下发到车端，完成训练的闭环。截至2020年3 月，特斯拉已完成100万辆车的量产下线，庞大的特斯拉车队活跃在北美、欧洲和东亚，为特斯拉建立了庞大的数据库，修正和完善了自动驾驶算法。

目前特斯拉尚未部署高精地图，以低精度地图和低精度定位为主，依赖视觉感知进行周边环境的高准确率识别，但视觉感知仍存在遮挡物和盲区的问题，存在一定的局限性。特斯拉也在考虑未来适当引入高精地图，以解决道路坑洼的识别等相关问题。

特斯拉的技术路线，在美国有优势，但在中国没有绝对优势。这是德勤的研究结论。

对于美国而言，人工智能领域全球领先，但在通信行业和5G领域落后于中国的发展，且基础设施的投资一般由市场主导而非政府主导，导致美国车路协同基础设施投资不足，所以，单车智能较可能是美国的互联网巨头和互联网造车新贵普遍采取的方案，通过提高车辆自身的感知、决策和控制能力，使其达到甚至超越人类司机的驾驶水平。不论是单车智能“谷歌派”还是“特斯拉派”，背后的核心能力都是人工智能算法和决策芯片，而这正是美国的战略优势所在。

对于中国而言，以华为为代表的通信企业在5G技术方面世界领先，且4G和5G基站数量多，覆盖广，工信部预计2020年底中国5G基站数将超过60万个。中国政府大力推行5G网络、物联网、卫星互联网、数据中心、智能交通基础设施等新型基础设施建设，在道路的改造方面坚决推行 5G LTE-V2X技术标准，支持LTE-V2X向5G-V2X 平滑演进。2019年9月《智能网联道路系统分级定义与解读报告》的发布标志中国有了清晰的道路智能分级标准，对智慧道路建设形成明确指引。2020年2月《智能汽车创新发展战略》预计到2025年，智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络(LTE-V2X 等)实现区域覆盖，新一代车用无线通信网络(5G-V2X)在部分城市、高速公路逐步开展应用，高精度时空基准服务网络实现全覆盖，意味着中国有望率先在网联化维度取得突破。

从中国的道路情况来看，中国高速公路总里程世界第一，公路总里程和公路网密度快速增加，且收费公路里程远高于美国，可见中国路侧设备RSU(Road Side Unit)的数量和分布范围大于美国，这些基础设施建设方面的特殊性将有力推动车路协同的发展。

德勤认为，未来中国有望通过车路协同实现自动驾驶领域的“弯道超车”。在新基建的推动下，车路协同有望进入快速发展阶段，降低自动驾驶的复杂度和车载成本，弥补中国在单车智能发展方面的不足，成为中国特色的发展道路，甚至超越美国率先实现L4-L5级高等级自动驾驶技术的大规模商业化落地。

换言之，美国是单体强，中国是系统强。

由于中国与美国的自动驾驶技术路线有所不同，以车路协同为主，在未来几年，路侧智能的发展速度甚至可能超越车侧智能的发展速度。如果特斯拉采集信息成了耸人听闻的“美军间谍”，那BAT(都有地图公司)、华为、电信运营商掌握的信息量要多得多。而且，大量信息都属于没有多大价值的信息，真正涉及核心秘密的信息，岂能轻易采集到?

来源时间：2021/2/14   发布时间：2021/2/10

旧文章ID：24263