重要免責聲明
本站資源皆取自網路，純做個人研究心得分享，喜愛指標請支持開發者正版。
本站交易工具評論，皆為個人使用心得，不包含推薦投資之意圖，投資人須自負投資盈虧。
本站提及之外匯交易平台，皆為個人親身投資使用體驗，不具推薦意圖，投資須謹慎選擇交易平台。
最近，美國科技股彷彿進入了一個迷離的震盪時期，這就需要不停製造題材，有題材股價才可以創新高，觀察到最近特斯拉TSLA的股價鶴立雞群，不論是消息面，還是其他總是能帶來一些新的突破。最近全球在風口浪尖上討論最多的是什麼呢？中國內的百度的蘿蔔快跑、特斯拉的Robotaxi，這些都繞不開──自動駕駛。這篇文章幫大家一次整理特斯拉與自動駕駛之間的關係、過去的事蹟、以及可能的未來展望，另外問大家一個問題，自動駕駛將會是下一個題材嗎？
特斯拉與自動駕駛技術的關係可以追溯到2013 年，當時特斯拉開始佈局自動駕駛技術，並逐步發展其全自動駕駛（FSD）系統。特斯拉的自動駕駛技術經歷了多個階段的迭代和創新，包括硬體預埋、軟體先行的方式，使得特斯拉能夠透過OTA（Over-The-Air）技術持續升級已交付車型。
特斯拉在自動駕駛領域的獨特之處在於其採用「純視覺」策略，拋棄了雷射雷達等傳統感測器，僅依靠攝影機實現高級自動駕駛功能。這項策略不僅簡化了系統的複雜性，也提高了系統的可靠性和成本效益。此外，特斯拉也利用大型模型技術進行端到端的自動駕駛，透過真實駕駛者的數據進行機器學習，從而優化其演算法。
馬斯克表示，特斯拉的技術已經非常接近完全自動駕駛的目標，並計劃在未來幾年內實現L4或L5級的完全自動駕駛能力。大家知道L4這是什麼概念嗎？就是你的車在路上隨便跑，你只需要在車裡吃著火鍋唱著歌就可以到達目的地，不需要做任何人為干預。
特斯拉的自動駕駛技術不僅在硬體和軟體上進行了大量的創新和優化，還在不斷推進其全自動駕駛系統的商業化應用。例如，特斯拉的FSD系統已在美國部分用戶中推送至V12版本，其搭載FSD系統的車輛累計行駛里程已突破10億英里。此外，特斯拉也希望將這一類技術分享給更多企業使用，以推動整個產業的進步（就像上一次的開源一樣，讓電動車風靡全球）。
那特斯拉自動駕駛技術中的「純視覺」策略是如何實現的，與傳統雷射雷達感測器相比有哪些優勢？
特斯拉的自動駕駛技術中的「純視覺」策略主要透過進階攝影機捕捉路面狀況，並利用視覺神經網路將這些影像轉化為3D 場景，進而由自動駕駛電腦分析並做出駕駛決策。這種方案的核心在於模擬人類的感知過程，透過大量資料訓練深度神經網路來實現對環境的智慧識別和理解。
與傳統的光學感測器相比，特斯拉的純視覺策略有以下幾個優點：
1.成本較低：純視覺方案依賴攝影機和強大的演算法，而不是昂貴的雷射雷達。這使得整體硬體成本大大降低。
2.靈活性高：純視覺系統可以透過不斷累積和更新行駛資料來優化其演算法，從而在不同的道路和環境條件下保持較高的適應性和準確性。
3.易於擴展：由於純視覺系統不需要複雜的硬體設備，因此在車輛設計和製造過程中可以更加靈活和簡單。
然而，純視覺系統也存在一些不足之處，例如在某些複雜環境下可能無法像雷射雷達那樣提供高精度的三維資訊。
特斯拉如何利用大模型技術進行自動駕駛的端對端優化，具體包含哪些機器學習演算法？
BEV+Transformer架構：特斯拉採用了基於Transformer 的大模型BEV+佔用網路感知演算法，這種架構能夠有效解決影像尺度問題與遮蔽問題，提升環境建模的效率。
端對端神經網路：特斯拉的FSD（全自動駕駛）系統透過一個大的神經網路將感知、定位、決策和規劃、控制和執行等模組合在一起，實現了端到端的自動駕駛。這種方法消除了各模組之間的斷面，使得整個系統更有效率和統一。
強化學習：特斯拉也使用了強化學習演算法來訓練其自動駕駛系統。這些演算法透過大量的數據和計算來學習如何駕駛車輛，從而實現對車輛的精確控制。
神經網路訓練平台Dojo：特斯拉自研的超級電腦平台Dojo 專為大型機器學習模型的客製化訓練而生，提供了強大的運算能力和可程式性，支援大規模運行客製化的機器學習訓練演算法。
神經網路主導的決策系統：在最新的FSD V12 版本中，特斯拉首次完全依賴神經網路進行車輛控制，包括轉向、加速和煞車等操作，不再需要先前超過30 萬行的程式碼。
特斯拉FSD系統的最新版本V12版本有哪些改進與新功能？
特斯拉FSD（完全自動駕駛系統）的最新版本V12帶來了多項改進和新特性，如下：
自動速度偏移調整：這是V12版本新增的重要功能。透過AI視覺技術，車輛能夠根據不同的環境和場景自主調整速度，從而提高駕駛的安全性和舒適性。
導航和路線規劃演算法的重大改進：新版本的導航系統可以更聰明地規劃行駛路線，同時考慮多種因素，例如交通狀況、路況變化以及駕駛員的偏好。此外，新版本還具備更強的即時路況分析能力，能夠根據實際情況調整路線，確保駕駛更加安全和有效率。
基於視覺的注意力監測功能：在FSD v12.4.2中，這項功能得到了顯著改進，使得車輛能夠更好地識別行人，並根據行人與道路的距離進行加速或減速，從而避免潛在的危險。
端到端AI自動駕駛系統：V12版本是特斯拉推出的端到端AI自動駕駛系統，這意味著從感知到決策再到執行的整個過程都由AI完成，進一步提升了系統的智能化水平。
其他新功能：包括自動車道變更、自動停車、車輛呼叫、信號燈及停止標誌識別等，這些功能使得FSD v12在高速公路及市區道路上的半自動駕駛能力得到了顯著提升。
特斯拉在推動自動駕駛技術商業化應用方面採取了哪些措施，對產業產生了哪些影響？
首先，特斯拉透過其FSD（全自動駕駛）技術的不斷迭代和升級，加速了自動駕駛技術的商業化進程。例如，FSD V12版本在北美的推出標誌著特斯拉自動駕駛技術進入了規模商業化的階段。此外，特斯拉還引進了「端對端神經網路」 技術，透過對超過一百萬輛車輛的行車數據進行分析，進一步提升了自動駕駛系統的性能。
其次，特斯拉在硬體和軟體層面都進行了自研和創新。在軟體層面，特斯拉從最初採用Mobileye的方案逐步轉向自研Transformer+BEV（鳥瞰圖）感知方案，這使得其自動駕駛系統能夠更準確地理解周圍環境。在硬體層面，特斯拉也從與Mobileye、英偉達等公司合作轉向自研FSD晶片方案，實現了軟硬體的同步優化。
另外，特斯拉也推出了Robotaxi 服務，這項措施不僅增強了FSD 的商業變現能力，也為大規模路測提供了數據支持，形成了一個正向循環。這種模式可能會對中國市場產生重大影響，尤其是在L4 級自動駕駛領域。
最後，特斯拉的高階自動駕駛技術在全球的滲透率顯著提升，特別是在北美市場的滲透率達到了22%，這為整個產業的商業化突破奠定了基礎。同時，特斯拉的技術路線和創新也對其他企業產生了巨大的影響，推動了整個自動駕駛產業的發展。
特斯拉計畫實現L4或L5級完全自動駕駛的能力進展如何，目前面臨的最大挑戰是什麼？
從技術角度來看，特斯拉CEO 伊隆馬斯克對L5等級的自動駕駛非常有信心，並表示特斯拉已經接近L5級自動駕駛，計劃在當年完成開發基本功能。此外，特斯拉已經在美國道路上開始測試，其輔助駕駛系統能夠識別交通號誌、道路方向標誌等更多物體，這是邁向完全自動駕駛的重要一步。
儘管技術上取得了一些進展，特斯拉在實現L4 或L5 級完全自動駕駛的過程中仍面臨多重挑戰。首先，儘管馬斯克多次預測將在今年內實現這一目標，但先前的預測並未完全實現，這表明實際落地可能比預期更複雜和困難。其次，特斯拉需要進一步改進軟體以確保系統的穩定性和可靠性，特別是在複雜的城市環境中。此外，特斯拉還需要應對全球市場的競爭壓力，尤其是在中國市場，價格戰和中國國產新能源車的競爭對其業務產生了影響。
從這一點上來看，百度的蘿蔔快跑在自動駕駛上的表現，還是比較領先的，這就是為什麼之前傳出特斯拉要和百度合作，希望這次百度能抓住風口。以下是一些兩者在自動駕駛上的對比圖，可以看到百度已經率先實現了L4，中國內的交通相對複雜，在幾個城市的技術積累不是友商一時半刻可以趕上的，這一點你們可以自豪一下給開發人員鼓個掌。
| 項目 | 特斯拉 | 百度 |
|---|---|---|
| 技術實現 | 深度學習算法和大量傳感器數據 | 深度學習算法、大模型技術（如 Apollo ADFM）、多模態融合感知等 |
| 自動駕駛級別 | 商業化應用主要集中在 L2-L3 級別，積極研發 L4-L5 級別技術 | 已推出支持L4等級自動駕駛的解決方案，並在特定場景下實現商業化應用 |
| 應用場景 | 全球範圍內商業化應用，積累大量駕駛數據 | 與車企合作，將自動駕駛技術應用於計程車等實際場景中 |
| 技術特點 | 強調端到端技術、減少預設規則，依賴機器學習 | 採用規則預設與端到端技術相結合，強調安全性和穩定性 |
| 傳感器方案 | 偏向純視覺方案，主要依賴鏡頭 | 使用雷射雷達+鏡頭的多傳感器融合方案 |
| 發展方向 | 追求完全自動駕駛技術的不斷突破 | 注重在特定場景下的商業化應用，並逐步推進完全自動駕駛技術的研發 |
風險提示：投資建議僅供參考，無任何收益暗示。如果您選擇按照投資建議交易操作，即代表您在經過深思熟慮後，認可我的投資建議，並同意對自己的每次交易行為負責。
