埃隆·馬斯克（Elon Musk）——天才少年者、年輕創業成功者、Paypal公司前身X.com的創始者、31歲坐擁1.65億美元現金者、SpaceX公司創始者、Tesla公司掌門者

馬斯克擁有太多光環以至于令人懷疑，甚至一度卷入斯坦福大學學歷被質疑官司中，如此一位時刻站在聚光燈面前的人物，自然隨時都面臨著都被“頭條”。

“使用激動雷達（Lidar）的都是傻X”

2019年4月23日北京時間凌晨2點，特斯拉舉辦的“Autonomy Day”發布會通過網絡直播形式展示其最新進展。圍繞著新的自動駕駛（Auto Pilot）硬件軟件進行了相關技術和實現方法的介紹。

當第一部分介紹完FSD芯片研發過程后，Q&A環節時，一位提問者提出，為何不采用激光雷達（Lidar）作為傳感器或者作為補充數據傳感器。

馬斯克的回答引發了媒體圈或者專業人士的強烈反應，各種類似于“馬斯克說用激光雷達的都是傻子”的標題橫出，然后圍繞著這個“結論式”觀點各種混戰，一度從技術層面的爭論到市井謾罵。

馬斯克爆出驚人言論其實一點都不令人驚訝，一直被人稱為瘋子的他，從很早就一直擁有著“語不驚人死不休”的特點，但是此次馬斯克到底說了什么話觸動到這么多人的神經呢？

“Lidar is a fool’s errand,” Elon Musk said. “Anyone relying on lidar is doomed. Doomed! [They are] expensive sensors that are unnecessary. It’s like having a whole bunch of expensive appendixes. Like, one appendix is bad, well now you have a whole bunch of them, it’s ridiculous, you’ll see.”

第一句話先放在一邊，后半段很容易理解，“任何人做（自動駕駛）依賴于激光雷達是注定失敗的！激光雷達（對于自動駕駛）是必須的并且非常昂貴，就像是（人類）擁有一堆昂貴的闌尾，你知道的人有一個闌尾就足夠糟糕了，假設你擁有一堆闌尾，這太可笑了，你以后會明白的。”

稍微能有點理解能力的都能明白后半段話是為了補充說明第一句話，那么具有爭議的第一句話到底什么意思呢？

“Lidar is a fool’s errand”，大多數媒體意譯為“傻子才會選擇激光雷達”之類的意思，這里我摘取了英英詞典的解釋。

“A task that has little to no chance of being successful or beneficial”

一項幾乎沒什么機會成功或收益的任務。

翻譯成中文版本就是“竹籃子打水”，如果再結合上述后半段話的補充說明，意思顯而易見是馬斯克認為，對于自動駕駛領域的未來使用激光雷達是一個錯誤的選擇。而并非具有侮辱或者極強語氣的嘲諷，而且馬斯克在第三部分的Q&A中再次提到了對激光雷達的看法。

“They’re all gonna dump Lidar, that’s my prediction, mark my words. I should point out that I don’t actually super hate Lidar or as much as may sound, but at SpaceX the Dragon uses Lidar to navigate to the space station or dock. Not only SpaceX developed its own Lidar from scratch to do that and I spearhead that effort personally, because in that scenario Lidar makes sense. And in cars, it’s freaking stupid, it’s expensive and unnecessary and as Larry said once you solve vision it’s worthless.”

自動駕駛領域終將放棄掉（依靠）激光雷達，這是我的預測，記住我這句話。不過我應該指出我其實并非像你們理解的那樣討厭或憎恨激光雷達，相反SpaceX龍火箭是使用激光雷達，才能順利導航到空間站。而且不僅是SpaceX開發了自己的激光雷達，并且是我辛苦帶領團隊決定此方向。因為在這個領域使用激光雷達是合情合理的。而對于汽車（自動駕駛），那是極其愚蠢的，沒有必要且非常昂貴，正如Larry剛才所講，一旦實現了我們的神經網絡視覺識別，激光雷達將會（對于自動駕駛）毫無價值。

讀到這兒，大家起碼對于馬斯克的“驚人言論”有了自己的理解，而并非被各種“誤解”的言論所“操縱”。這里，就不得不認真了解一下此次“Autonomy Day”究竟公布了些什么消息，引起如此大規模的爭論。

Part I .特斯拉FSD芯片

一、為何特斯拉要自行研發FSD芯片

特斯拉之前的AP系統使用的芯片，是英偉達（Nvidia）公司的Xavier自動駕駛平臺，主要由CPU和GPU和其它部件組成。

英偉達公司，恐怕每一個電腦用戶都知道是個偉大的公司，按理說在2018年公布的Xavier Drive平臺應該足夠強勁支持自動駕駛，那為何Tesla要自己設計神經網絡芯片？

（Nvdia Xavier Drive 平臺）

熟悉的處理器例如CPU、GPU都可以拿來執行AI算法，但是速度慢，性能低，無法實際商用。

汽車行駛下，傳感器輸入的數據相對龐大，如果是使用CPU去處理，那么估計車翻到河里了還沒發現前方是河。如果用GPU，的確速度會快很多，但是功耗大，如果續航數因此大幅度降低就失去了商業意義。

芯片都有針對的環境擁有的指令算法特征，簡而言之，有自己的特長。

AI芯片，在圖像識別等領域有這獨特優勢，其計算是矩陣或vector的乘法、加法，然后配合一些除法、指數等算法；而CPU則適合于不同領域的復雜算法，比如計算機服務器領域；GPU雖然也是針對圖像渲染的算法，但特性不符合神經網絡，倒是挺適合挖礦。

所以CPU與GPU不是AI專用芯片，為了實現其所屬領域的功能，內部有大量無用（針對神經網絡）的邏輯，而這些邏輯對于目前的AI算法來說是完全用不上的，所以造成CPU與GPU并不能達到最優的性價比。

舉個簡單數據對比，IBM的POWER8，最先進的服務器用超標量CPU之一，4GHz，SIMD，128bit，假設是處理16bit的數據，那就是8個數，那么一個周期，最多執行8個乘加計算。一次最多執行16個操作。這還是理論上，實際使用中是不大可能做到的。

那么，CPU一秒鐘的巔峰計算次數=16X4Gops=64Gops。

再來看AI芯片。比如大名鼎鼎的谷歌的TPU1，大約700M Hz，有256X256尺寸的脈動陣列，如下圖所示。一共256X256=64K個乘加單元，每個單元一次可執行一個乘法和一個加法。那就是128K個操作。（乘法算一個，加法再算一個）

所以，TU1一秒鐘的巔峰計算次數至少是=128K X 700MHz=89600Gops=大約90Tops。

對比一下CPU與TPU1，會發現計算能力有幾個數量級的差距，這就是為啥說CPU慢。

特斯拉苦于在市場上找不到適用于其自動駕駛使用的芯片，所以自己著手研發。

此外如果技術核心模塊被其它公司（英偉達）所制約，也不符合公司利益，其實如果有關注特斯拉消息，早在2015年就透露出要研發自己芯片的消息。

二、特斯拉研發FSD芯片歷程

于是團隊從2016年2月開始，從FSD芯片的設計到測試再到量產共歷經18個月。

2017年8月，FSD芯片設計完成

2017年12月，第一次試驗芯片并成功

2018年4月，測試并改進芯片

2018年7月，獲得量產合格

2018年12月，設備裝車并測試成功

2019年3月，Model S和Model X生產線安裝FSD芯片

2019年4月，Model 3生產線安裝FSD芯片

僅僅3年多一點的時間，特斯拉研發出自己的AI芯片。

三、誰負責研發特斯拉FSD芯片

或許有人會驚訝，一個從未從事芯片開發的公司如何做到的，這就不得不提到兩個人——Pete Bannon（現任自動駕駛團隊負責人）以及Jim Keller（前負責人）。

Jim Keller，處理器界傳奇人物，曾效力于DEC、PA semi（蘋果收購以后才得以由能力研發自家處理器A系列）、AMD、蘋果等公司，曾參與設計速龍（Athlon）K7處理器和蘋果A4/A5/A6處理器，是速龍K8處理器的總架構師，還是制定X86-64指令集者之一。

稍微了解一些電腦發展史的應該已經知道這些意味著什么，然而并沒有講完。AMD公司的K12處理器以及現在ZEN架構處理器（Ryzen）的架構主導者也是他。

離開AMD之后加入了Tesla團隊，致力于特斯拉自動駕駛系統相關研發。雖然在2018年年中離開了Tesla團隊，但隨后Keller為特斯拉自動駕駛做出了巨大貢獻（馬斯克曾公開講過）。

如果仔細查閱Keller的資料會發現，Keller大佬每次在一家公司都會把最重要的架構和布局完成后，就選擇離開尋找下一個項目，或許這就是大佬吧。

而后接手特斯拉自動駕駛團隊的就是Pete Bannon，是Keller在PA semi的同事，被收購后也隨之加入了蘋果并參與研發了從A5到A9處理器的研發。

四、特斯拉FSD芯片強在哪兒

了解過了兩位負責人的經歷背景后，先不要驚訝，讓我們來具體了解一下特斯拉研制FSD芯片究竟如何。

需要補充的一點，芯片的范疇較大，常見的CPU、GPU處理是集成度很高速度較快的芯片，也就是說是屬于芯片范疇。

特斯拉研發的FSD芯片，是由兩套完全一樣的的獨立系統組成，每個系統的處理器囊括12個A72內核，一個神經網絡處理器（NNA——Neural Network Acceleration）和一個GPU組成。畢竟即便是特斯拉要實現的自動駕駛需要AI芯片（NNA）性能處理圖像，仍然需要其它處理器配合來處理其余的計算。

特斯拉展示了FSD芯片的構架和數據參數，涉及到較為專業的范疇，甚至某位發布會現場的聽眾笑稱聽懂了10%，所以就不贅述其技術細節數據，感興趣自己去了解一下。

技術如何實現暫且不理，把重點放在結果上。做一個橫向對比，更容易去理解特斯拉的芯片強在哪里。

（FSD芯片）

1.性能

由速度為35GOPS（Giga Operation Per Second）的CPU處理圖像才只能達到1.5幀每秒，對于高速行駛的汽車來說，遠遠不夠。而使用600GOPS的GPU能夠處理17幀每秒，雖然有所提高，但仍舊不足以支撐自動駕駛所需要的算力。

而特斯拉以速度為72TOPS的神經網絡處理器（NNA）處理能夠達到2100幀每秒。（1000GOPS=1TOPS）

（CPU與GPU以神經網絡運算數據時對比）

（GPU與NNA以神經網絡運算數據時對比）

2.功率

相較于之前特斯拉HW2.5系統，僅僅升高了25%，所以不會因為耗能過大而削減續航里程太多。

Bannon給出的FSD所消耗的電能帶來的影響，換算成Model 3車型75kwh版本，如果全程使用自動駕駛，續航會從原來370miles削減為300miles。

（功率對比，一個FSD芯片由4個NNA和其它硬件組成）

3.成本

相較于HW2.5系統，成本下降20%，作為特斯拉致力于將電動車普及的角度，成本下降對于消費者和公司來講，都是好事。

而之前使用的英偉達Xavier Drive解決方案則是FSD的7倍價格而且耗能較高。

（成本對比）

其實數據對比過后，結果已經顯而易見了。

特斯拉研發的FSD芯片對比前代產品以及市面上現有的方案，有著運算速度快、功耗控制不錯和成本較低等優點。

FSD芯片總算力達144TOPS，耗能低算力高、冗余結構、成本低