144 Tops，特斯拉如何低成本实现了城市NOA？
根据特斯拉2022年Q4的财务文件披露：FSD Beta已有将近 40万用户。
这是目前全世界部署规模最大的城市NOA系统。
而特斯拉实现这样一套系统，在车端几乎仅用了8个摄像头和144 Tops算力的FSD计算平台。这种性能压榨和成本控制能力让业界羡慕不已。
理想汽车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、小鹏等）使用双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业界的成本实现了城市NOA。这篇文章，我们就来重点看看：
FSD的BOM成本；
特斯拉把基于视觉的单模态感知发挥到了极致；
车端算力有限，但云端算力无限；
HW 4.0的动向和趋势。
一、硬件成本：FSD < 业界主流方案的一半
目前新势力主流支持到城市NOA的智驾方案，理想和小鹏采用双OrinX作为计算单元，蔚来甚至豪横地用了4个。
我们以理想AD Max举个例：
1 x 激光雷达；
11 x 摄像头，含6 x 800万像素、4 x 200万像素环视、1 x 200万像素后视；
1 x 毫米波雷达；
12 x 超声波；
2 x OrinX；
单OrinX的成本大概在400美元，单颗激光雷达的成本大概在500美元级。李想披露，理想带双OrinX的智驾方案成本约为4000美元，而特斯拉的仅为1500美元左右。
原特斯拉Autopilot Machine Learning Lead，现大卓智能CEO谷俊丽在接受采 访时也谈到：「特斯拉造一台Model 3的BOM成本是16万，ADAS系统成本是7000块。」7000/16万，其占到 总BOM成本的约4.4%。
综合来看，特斯拉FSD的成本大致在 1万元人民币上下。
作为对比，华为ADS方案的代表车型问界M5后驱智驾版，跟M5后驱标准版差价2万元；小鹏G9的Pro和Max版，差价刚好也是2万元（因为Pro版带有一块OrinX，所以这个差价是单OrinX和双激光雷达的差价）。
李想认为，特斯拉FSD虽然只有144 Tops，但计算效率大约是GPU的3倍，所以实际跟双OrinX的性能是差不多的。
在数百万级的销量规模下，特斯拉把自研FSD的效率、成本优势发挥得淋漓尽致。
二、自研芯片加纯视觉方案，特斯拉低算力的秘密
特斯拉FSD一大明显的技术差异是将纯视觉路线走到极致， 去掉全部雷达。
2021年5月开始不用毫米波雷达；
2022年10月开始，所有为北美、欧洲、中东制造的Model 3和Model Y都不再配备超声波雷达；
2023年起交付的Model X及Model S也不再配备超声波雷达。
在这点上，国内的理想也很大方地坦陈跟随特斯拉的路线，其中一个变化就是理想L9上由原来理想ONE时期的3个毫米波雷达配置减少为1个毫米波雷达。
回到FSD，其核心的感知能力是由Tesla Vision提供的，包括支持主动安全功能、Autopilot功能以及FSD Beta功能。
需要注意的是，特斯拉采用的 摄像头为120万像素，而国内车企大多采用800万像素的高清摄像头。摄像头分辨率较低，也会比激光雷达以及高清摄像头的方案更节省算力，但对AI模型和算法精度会有更大的挑战。
去年10月的AI Day上，特斯拉稍稍对外展示了一下Vision是如何运作的：
第一步是系统将8个摄像头获取到的图像，生成一个类似于游戏引擎的实时3D画面——占据网络（Occupancy Network），对车辆周围场景进行复原；
第二步是给每个物体标注语义信息。特斯拉本身大规模地搭载会产生的海量数据，特斯拉还研发了自动标注（Autolabeling）工具，最后生成标注过的空间信息，得到一个矢量地图（Lanes Network），之后FSD就能使用这些信息来辅助导航。
毫末智行技术副总裁艾锐曾经分析表示，「特斯拉的自动驾驶感知采用的单模态，而不是多模态。核心原因它有数据自由和算力自由两个能力，把单模态的天花板极大地提升了。针对L2的产品来说，单模态足以给大家提供比较好的自动驾驶体验了，而且成本显然会更低。」
特斯拉Autopilot软件总监Ashok Elluswamy在领英上描述了这个团队的职责，其中大多数与海量数据的发掘利用有关：
搭建大规模的真值生产线，利用海量、多元、高质量的数据，来训练神经网络；
利用车队学习的方法，优化当前算法中脆弱、有缺陷的部分；
利用机器学习和工程方法，来建立系统对地理环境和场景语义，准确、详实的理解；
在超大的数据规模下，对视觉算法的极限压榨，是特斯拉FSD公开的秘密。
三、特斯拉的云端算力
自动驾驶落地需要两块核心芯片，一块是车端推理芯片，另一块是云端训练芯片。大多数时候，我们在谈论算力时，一般只提到车端推理芯片的算力，而忽略了云端。
上文毫末智行艾锐提到的「算力自由」，指的更多就是云端算力的自由（因为车端算力自由基本不太可能实现）。
2021年6月，在当时的CVPR上，时任特斯拉AI高级总监的Andrej Karpathy披露，特斯拉正在搭建一个超大规模的训练机群，将5760个英伟达A100以720个节点链接起来，总计算能力达到1.8 exaflops。
就AI算力排序，这可能是当时世界第五大超级计算机。
到当年底，英伟达汽车业务负责人Ali Kani披露，特斯拉已经采用了将近10000块英伟达GPU来建设L2+的基础设施。
同一年，特斯拉发布了自研的云端训练芯片D1以及超级计算机Dojo。3000个D1芯片，构成120块训练块，再组成20个机柜，形成1个ExaPOD集群，这个集群的算力相当于1.09 EFLOPS。马斯克在当年的财报会上表示：自研D1芯片主要是出于成本、效率的考量，因为对特斯拉来说，英伟达的通用GPU不是效率最高的。
根据特斯拉的计划，Dojo应该已经在2022年投入运营使用。
纯视觉、低分辨率传感器，加上业界偏低的算力配置，通过自研芯片提高车端和云端的计算效率，通过超大规模的车队和数据量提升算法性能，特斯拉跑通了城市NOA在北美大规模开放的路径。
新的消息是， 特斯拉很快将在国内开展FSD的路测。
FSD的下一步是HW4.0的升级（目前是HW3.0），有部分北美用户称其已交付的Model X上搭载了HW4.0。
特斯拉将在今年推出Model 3的改款车型，项目代号 Project Highland。目前已知Project Highland针对前脸、内饰、空间均有小幅的改良，HW4.0是否会在新款上搭载。
Model 3改款、HW4.0更新、FSD入华，能否将特斯拉推上新的高地。
