自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
他們發現，目前市面上使用"微波雷達+攝像頭"自動駕駛輔助技術，如果僅將圖像處理成"正前方視角"並通過人工智能（AI）計算機判斷車距與障礙物，其誤差相當大。但是若將軟件中的視角處理成俯視圖，科學家們就能用雙目立體攝像機，達到與激光雷達相似的定位精度，
更重要的是，現在雙目攝像頭的成本僅為幾英磅。它們通常佈置在前擋風玻璃的頂端兩側，用略俯視的角度拍攝前方路況。而使用低成本硬件的背後博弈，正是一場對人工智能算法發展速度的賭博。
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
他們發現，目前市面上使用"微波雷達+攝像頭"自動駕駛輔助技術，如果僅將圖像處理成"正前方視角"並通過人工智能（AI）計算機判斷車距與障礙物，其誤差相當大。但是若將軟件中的視角處理成俯視圖，科學家們就能用雙目立體攝像機，達到與激光雷達相似的定位精度，
更重要的是，現在雙目攝像頭的成本僅為幾英磅。它們通常佈置在前擋風玻璃的頂端兩側，用略俯視的角度拍攝前方路況。而使用低成本硬件的背後博弈，正是一場對人工智能算法發展速度的賭博。
特斯拉認為，人類和其他動物進化出了眼睛來看東西，卻沒有進化出激光雷達，它的重點在於我們的大腦具有學習和自主判斷能力。
其中，人類神經系統的基礎"零件"是神經元，我們的身體中有數百萬個這樣的細胞，在中樞神經系統中形成神經網絡。而計算機工程師們正是模仿人類的大腦運算，構建"人工神經網絡"（ANN），提升電腦的運算能力。
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
他們發現，目前市面上使用"微波雷達+攝像頭"自動駕駛輔助技術，如果僅將圖像處理成"正前方視角"並通過人工智能（AI）計算機判斷車距與障礙物，其誤差相當大。但是若將軟件中的視角處理成俯視圖，科學家們就能用雙目立體攝像機，達到與激光雷達相似的定位精度，
更重要的是，現在雙目攝像頭的成本僅為幾英磅。它們通常佈置在前擋風玻璃的頂端兩側，用略俯視的角度拍攝前方路況。而使用低成本硬件的背後博弈，正是一場對人工智能算法發展速度的賭博。
特斯拉認為，人類和其他動物進化出了眼睛來看東西，卻沒有進化出激光雷達，它的重點在於我們的大腦具有學習和自主判斷能力。
其中，人類神經系統的基礎"零件"是神經元，我們的身體中有數百萬個這樣的細胞，在中樞神經系統中形成神經網絡。而計算機工程師們正是模仿人類的大腦運算，構建"人工神經網絡"（ANN），提升電腦的運算能力。
對於汽車來說，無論是雷達還是攝像頭圖像，它們繪製的都是一幅幅由像素和數字矩陣構成的點陣圖。如何把這樣的數字矩陣信息，變成有效的距離與方位圖，才是自動駕駛系統應該大力發展的方向。
未來的突破口在哪裡？
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
他們發現，目前市面上使用"微波雷達+攝像頭"自動駕駛輔助技術，如果僅將圖像處理成"正前方視角"並通過人工智能（AI）計算機判斷車距與障礙物，其誤差相當大。但是若將軟件中的視角處理成俯視圖，科學家們就能用雙目立體攝像機，達到與激光雷達相似的定位精度，
更重要的是，現在雙目攝像頭的成本僅為幾英磅。它們通常佈置在前擋風玻璃的頂端兩側，用略俯視的角度拍攝前方路況。而使用低成本硬件的背後博弈，正是一場對人工智能算法發展速度的賭博。
特斯拉認為，人類和其他動物進化出了眼睛來看東西，卻沒有進化出激光雷達，它的重點在於我們的大腦具有學習和自主判斷能力。
其中，人類神經系統的基礎"零件"是神經元，我們的身體中有數百萬個這樣的細胞，在中樞神經系統中形成神經網絡。而計算機工程師們正是模仿人類的大腦運算，構建"人工神經網絡"（ANN），提升電腦的運算能力。
對於汽車來說，無論是雷達還是攝像頭圖像，它們繪製的都是一幅幅由像素和數字矩陣構成的點陣圖。如何把這樣的數字矩陣信息，變成有效的距離與方位圖，才是自動駕駛系統應該大力發展的方向。
未來的突破口在哪裡？
既然解決方法重新迴歸到了計算上，那麼問題的答案就已經很明顯了：如何計算，與如何實現快速計算？
先說如何計算：目前人工神經網絡ANN需要數千個圖像來學習識別目標身份，而且系統需要在所有情況下識別出圖像中的目標物。這就相當於一場特殊的"培訓"，讓電腦牢記每個角度的汽車、行人、自行車、道路標識和信號燈都長什麼樣。
再說算力要求：特斯拉研究人員表示，自動駕駛汽車需要一臺至少每秒執行50萬億次操作（50 TOPS）的神經網絡計算機。相比之下，人類大腦的運算能力約為10 TOPS。
至於為什麼人腦算力沒那麼高卻依然能駕駛汽車呢？因為人類在成長過程中積累的預判斷和邏輯能力遠超電腦，且人類並不會時刻關注所有的路面信息。
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
他們發現，目前市面上使用"微波雷達+攝像頭"自動駕駛輔助技術，如果僅將圖像處理成"正前方視角"並通過人工智能（AI）計算機判斷車距與障礙物，其誤差相當大。但是若將軟件中的視角處理成俯視圖，科學家們就能用雙目立體攝像機，達到與激光雷達相似的定位精度，
更重要的是，現在雙目攝像頭的成本僅為幾英磅。它們通常佈置在前擋風玻璃的頂端兩側，用略俯視的角度拍攝前方路況。而使用低成本硬件的背後博弈，正是一場對人工智能算法發展速度的賭博。
特斯拉認為，人類和其他動物進化出了眼睛來看東西，卻沒有進化出激光雷達，它的重點在於我們的大腦具有學習和自主判斷能力。
其中，人類神經系統的基礎"零件"是神經元，我們的身體中有數百萬個這樣的細胞，在中樞神經系統中形成神經網絡。而計算機工程師們正是模仿人類的大腦運算，構建"人工神經網絡"（ANN），提升電腦的運算能力。
對於汽車來說，無論是雷達還是攝像頭圖像，它們繪製的都是一幅幅由像素和數字矩陣構成的點陣圖。如何把這樣的數字矩陣信息，變成有效的距離與方位圖，才是自動駕駛系統應該大力發展的方向。
未來的突破口在哪裡？
既然解決方法重新迴歸到了計算上，那麼問題的答案就已經很明顯了：如何計算，與如何實現快速計算？
先說如何計算：目前人工神經網絡ANN需要數千個圖像來學習識別目標身份，而且系統需要在所有情況下識別出圖像中的目標物。這就相當於一場特殊的"培訓"，讓電腦牢記每個角度的汽車、行人、自行車、道路標識和信號燈都長什麼樣。
再說算力要求：特斯拉研究人員表示，自動駕駛汽車需要一臺至少每秒執行50萬億次操作（50 TOPS）的神經網絡計算機。相比之下，人類大腦的運算能力約為10 TOPS。
至於為什麼人腦算力沒那麼高卻依然能駕駛汽車呢？因為人類在成長過程中積累的預判斷和邏輯能力遠超電腦，且人類並不會時刻關注所有的路面信息。
特斯拉表示，目前世界上尚未有專門針對神經網絡和自動駕駛而開發的電腦芯片，因此過去三年一直在設計自己的芯片，方便應用在車載計算機上。此外，他們也一直在市售車輛上不斷收集路面信息，目前已經收集了數十萬個圖像，未來將服務於自己的神經元網絡。
無獨有偶，隨著自動駕駛在汽車領域的關注度逐漸升高，博世和NVIDIA也聯手加入戰局。他們目前正在為自動駕駛汽車開發類似的"大腦"，並預計於2020年正式發佈。
此外，馬一龍預計在今年內，為特斯拉汽車推送並升級成一套完整的自動駕駛軟件，並於2020年在美國的特斯拉自動駕駛出租車上首次應用該功能。
大事君總結
自動駕駛汽車何時才能真正到來？
像人類一樣駕駛的全自動駕駛汽車，必須具有人類的認知能力：首先能"看"到，然後能"想"到，最後才能"做"到。
用什麼來"看"，正是目前汽車行業中的大家意見分裂的地方。傳統觀點認為，常規的攝像頭、雷達和超聲波傳感器以外，激光雷達也是必不可少的。但近兩年來逐漸出現了新的反對聲音，他們認為自動駕駛並不依賴後者，而是主要靠"大腦"。
"只見過豬跑"的激光雷達
"只有傻瓜才會用激光雷達。"——特斯拉CEO埃隆·馬斯克
大家先記住這句話，然後再聽我細說。
實際上，激光雷達可以說是車載雷達系統中的最優解。目前幾乎所有自動駕駛技術公司和汽車廠商都在研究基於該設備的自動駕駛科技，甚至還能在國內道路看到它們：比如在車頂上長著巨大"腫塊"、車內盤踞著各種電線和電腦屏幕的林肯轎車。
根據網上的收集到的資料，激光雷達跟普通雷達的工作模式相似：發射器發射出激光，光束遇到物體後會反射至激光接收器，雷達模塊根據發送和接收信號的時間間隔，計算出兩者之間的距離。
使用激光雷達可免去流程複雜且不可靠的攝像頭圖像分析程序，也可彌補一般毫米波雷達的致命缺陷——對金屬物體過於敏感，是目前來說三者中最為可靠且具有發展潛力的技術路線。
此外，單線激光雷達只能檢測二維空間上的距離（單一平面測距）。因此多線雷達，比如目前放置在車頂的頂級64線雷達，可以實現平面數據的空間立體堆疊，最大化檢測車輛周圍障礙物的距離，甚至連馬路牙子都不放過。
然而激光雷達傳感器的成本非常高，除了市場需求少以外，它本身的光學元件造價不菲，研發和調試能力也只被少數公司掌握。據悉，兩年前一個64線激光雷達售價高達6萬英鎊，目前單線至四線的低端激光雷達產品最低也需要4000英鎊左右。
相比之下，目前消費者在大部分品牌車型上，選裝一整套使用"微波雷達+攝像頭"的成品自動駕駛輔助系統，所花的錢也僅僅是激光雷達成本的四分之一，甚至更少。
因此馬一龍的言論雖然顯得狂妄，不過它也代表著目前自動駕駛技術第一梯隊的汽車品牌，對於激光雷達更多的現實思考——它太昂貴了，也並非是必需品。
成本重壓下，神經元網絡成新熱點
跟馬一龍得出相似結論的，不僅是汽車廠商，還有美國康奈爾大學的研究人員。
他們發現，目前市面上使用"微波雷達+攝像頭"自動駕駛輔助技術，如果僅將圖像處理成"正前方視角"並通過人工智能（AI）計算機判斷車距與障礙物，其誤差相當大。但是若將軟件中的視角處理成俯視圖，科學家們就能用雙目立體攝像機，達到與激光雷達相似的定位精度，
更重要的是，現在雙目攝像頭的成本僅為幾英磅。它們通常佈置在前擋風玻璃的頂端兩側，用略俯視的角度拍攝前方路況。而使用低成本硬件的背後博弈，正是一場對人工智能算法發展速度的賭博。
特斯拉認為，人類和其他動物進化出了眼睛來看東西，卻沒有進化出激光雷達，它的重點在於我們的大腦具有學習和自主判斷能力。
其中，人類神經系統的基礎"零件"是神經元，我們的身體中有數百萬個這樣的細胞，在中樞神經系統中形成神經網絡。而計算機工程師們正是模仿人類的大腦運算，構建"人工神經網絡"（ANN），提升電腦的運算能力。
對於汽車來說，無論是雷達還是攝像頭圖像，它們繪製的都是一幅幅由像素和數字矩陣構成的點陣圖。如何把這樣的數字矩陣信息，變成有效的距離與方位圖，才是自動駕駛系統應該大力發展的方向。
未來的突破口在哪裡？
既然解決方法重新迴歸到了計算上，那麼問題的答案就已經很明顯了：如何計算，與如何實現快速計算？
先說如何計算：目前人工神經網絡ANN需要數千個圖像來學習識別目標身份，而且系統需要在所有情況下識別出圖像中的目標物。這就相當於一場特殊的"培訓"，讓電腦牢記每個角度的汽車、行人、自行車、道路標識和信號燈都長什麼樣。
再說算力要求：特斯拉研究人員表示，自動駕駛汽車需要一臺至少每秒執行50萬億次操作（50 TOPS）的神經網絡計算機。相比之下，人類大腦的運算能力約為10 TOPS。
至於為什麼人腦算力沒那麼高卻依然能駕駛汽車呢？因為人類在成長過程中積累的預判斷和邏輯能力遠超電腦，且人類並不會時刻關注所有的路面信息。
特斯拉表示，目前世界上尚未有專門針對神經網絡和自動駕駛而開發的電腦芯片，因此過去三年一直在設計自己的芯片，方便應用在車載計算機上。此外，他們也一直在市售車輛上不斷收集路面信息，目前已經收集了數十萬個圖像，未來將服務於自己的神經元網絡。
無獨有偶，隨著自動駕駛在汽車領域的關注度逐漸升高，博世和NVIDIA也聯手加入戰局。他們目前正在為自動駕駛汽車開發類似的"大腦"，並預計於2020年正式發佈。
此外，馬一龍預計在今年內，為特斯拉汽車推送並升級成一套完整的自動駕駛軟件，並於2020年在美國的特斯拉自動駕駛出租車上首次應用該功能。
大事君總結
我們常說的"自動駕駛"實際上指的是一個牽涉到法律法規、道路規劃、網絡通信、人身安全與自由等多重方面的綜合出行解決方案，與"公共交通"、"自駕車"等出行選擇並列。單就車輛的自動駕駛技術本身，則是綜合了智能化與自動化的一項先進功能。
目前無論是基礎的工業自動化，還是自動駕駛技術，AI人工智能的發展依然是一大瓶頸。它將引領機器人或車輛，擁有命令執行的自主性，並與周圍不斷變化的環境交互，而不是簡單地重複執行相同的進程。
所以我們看上去只是簡單地讓電腦去"駕駛汽車"，實際上這項工作及其複雜。或許到了最後，電腦會找到屬於它們的"駕駛樂趣"，又或者我們總有一天會把方向盤搶回來。