传统车企为什么造不出Autopilot，特斯拉L4战略存在什么风险？| 郭继舜带你读汽车科技
编者按：《郭继舜带你读汽车科技》旨在从第一性原理出发，尝试拨开迷雾，解读热点背后的汽车科技真相。
本栏目由智能驾驶专家郭继舜博士与汽车之心联合出品，每周一至周五更新，每日一期，内容独家授权汽车之心发布。
今天的新闻解读，我们聊聊特斯拉的完全自动驾驶。
2020 年 5 月 18 日，特斯拉 CEO 埃隆·马斯克（Elon Musk）在推特上宣布：
「特斯拉的完全自动驾驶能力（FSD）将在 7 月 1 日后的全球市场中再次涨价 1000 美元」。
此次涨价后，特斯拉 FSD 功能的价格将达到 8000 美元（约合人民币 5.6 万元）。
后续，马斯克在周一的一系列推文中又说道：
「随着软件在获得监管部门批准后接近完全自动驾驶功能，FSD 价格将继续上涨。到那个时候，FSD 的价值可能超过 10 万美元。」
上述新闻提到的 FSD 是特斯拉推出的完全自动驾驶选装功能，即 Full Self-Driving 的缩写，相比于特斯拉当前的 Autopilot 功能，FSD 的功能更加先进。
根据官网资料显示，FSD 能够实现自动泊车、高速公路自动辅助变道、自动辅助导航驾驶、停车场智能召唤、即将推出的识别停车信号灯和停车标志并作出反应以及在城市街道中自动辅助驾驶等功能。
今天，我们来讲讲 Elon Musk 的 L4 级别自动驾驶功能 FSD。
去年（2019 年），Elon Musk 在推特上宣布，即将通过 OTA 升级的方式，将 100 万辆量产的特斯拉车辆变成 RoboTaxi 自动驾驶出租车，并在今年（2020 年) 打造一个拥有 100 万辆车的 Robotaxi 网络。
具体方案就是：特斯拉将会打造一个类似 Uber、滴滴的智能手机应用，用户可以通过该应用呼叫 RoboTaxi 自动驾驶出租车服务，而这个网络中的车辆则来自于加入这个 RoboTaxi 网络的特斯拉 FSD 车辆的车主。
车主可以指定一天中他们希望自己的车辆加入服务网络的时间，使车辆可以在空闲时间提供 RoboTaxi 服务供其他用户使用，车主可以从中赚钱。
有机构预测，如果不考虑运营成本，自动驾驶汽车每年可以为车主带来 1 万美元的收入，能够帮车主很快还清购车成本，并且带来额外的持续收入。
另一方面，在技术落地应用方面，特斯拉又要把 L4 无人驾驶分成三步落地：
第一步，推出完整的自动驾驶功能软件，实现从 A 点到 B 点的全自动驾驶。
但是，这个过程还需要人类驾驶员监管，同时通过车内虚拟游戏让车主帮忙生产更多标注数据。
第二步，通过自动驾驶出租车网络即 Tesla Network，尝试取消人类驾驶员的监管。
通过自动驾驶实现车辆调度与共享，并通过保险与分成协议等等方式，重新划分特斯拉与车主之间的权责与收益分成。
根据国外咨询机构 ARK Invest 的测算，从 2022 年开始，到 2026 年，特斯拉可以实现 Robotaxi 网络车队规模达到 275 万辆，产生 920 亿美元的收入和 310 亿美元的利润，而车主总共可以获得 210 亿美元的收入。
这对车主无疑是非常具有吸引力的。当然前提是 FSD 的自动驾驶性能真的能够达到特斯拉所宣称的水平，并且解决了相关的法律法规等风险。
第三步，完全去除人类驾驶员。
通过完全自动驾驶功能提供完整的 RoboTaxi 服务。但是马斯克也强调：这个功能也只能够在小部分地区实现。
在现阶段看起来，这个目标更多的是马斯克动员消费者购买特斯拉的一个口号。
那么，对于特斯拉上述全自动驾驶功能以及应用规划，是否真的能够实现？
对此，我的观点是谨慎乐观。
首先，基于现阶段特斯拉的摄像头加毫米波雷达，不使用激光雷达的传感器组合方式开发 L4 全自动驾驶是非常困难的。
虽然特斯拉现在研发新的芯片和算法，但我们从传统汽车所强调的功能安全分析看，特斯拉的感知系统是不能达到 L4 全自动驾驶所需的 ASIL-D 级别功能安全要求的。
一个自动驾驶系统要达到 ASIL-D 安全等级，需要让传感器在任意时候都要有足够的异构冗余能力。
在自动驾驶车辆的前向和后向，尤其在前向的区域，需要至少有三个异构冗余传感器进行感知覆盖，以保证系统的数据来源具备互补性，同时设备的故障来源没有相关性，以及一定的失效容错能力。
而特斯拉使用同构的摄像头加上毫米波雷达，可能造成某种类型的传感器同时失效，或者失效后没有足够的容错处理能力。
因此需要增加另外一个维度的传感器（实现直接的空间位置测量）——激光雷达。
由于 L4 自动驾驶没有安全员，车辆完全自主控制，据我的分析，感知系统需要让车身周围的 360 度范围内都能够达到 ASIL-D 的安全级别（对比 L3 自动驾驶，只要求前向区域的感知安全等级达到 ASIL-D）。
为了达到这样的安全级别，我们更加看好近期推出的混合固态激光雷达，部署在车身四周，实现 360 度的三相冗余感知覆盖。
至于固态激光雷达是否能够通过车规级别认证，这可以交给时间去解决。
总而言之，对自动驾驶传感器的布置，在现阶段——其实不是摄像头多少的问题，而是一个传感器的信息结构是否是足够完备与合理。
其次，通过 OTA 升级的方式来进行 RoboTaxi 功能升级，这个事情还是存在一定的风险。
必须得承认，特斯拉这种先建硬件基础，后建行业生态，最后升级软件的方式，是目前实现自动驾驶最具想象力与可行性的一种方式。
但其中最大薄弱环节，也是最大的风险——是特斯拉的车辆平台与硬件基础是否能够承载后续的功能需求，以及如何保证升级功能的正确性与可靠性。
我们先说 OTA 本身可能存在的风险。
汽车不同于手机，是一个全面而复杂的系统，由于其中电子部分需要升级的节点比较多，升级的数据量比较大，在升级过程中可能出现的数据错误是可能存在的，即使有一定的校验机制也不能够完全排除这种可能性。这是第一个风险。
另外一个风险是，当车辆终端的数量大到一定的数量级的时候：
针对车辆的差异性的调教与适配需要投入更多的工作量，而且这也是一个非常需要经验的工作；
是否可以通过一个通用化的 OTA 版本，推送升级实现全车型的适配，也将是一个非常具有挑战性的工作。
针对车辆平台与硬件平台功能的承载能力上，前面已经分析感知系统可能存在失效风险以及可能导致的严重后果，这已经被现实的事故验证过了。
事实证明，不解决数据来源异构与冗余的问题，上述系统的漏洞与风险是无法避免的。
除了感知系统以外，对于特斯拉车辆的其他系统方面是否具有类似的风险呢？
根据我的分析，这的确是存在的。
据我所知，特斯拉是没有做系统冗余的。它的电源部分，车辆转向和制动系统是没有冗余的。
当然我们又回到了功能安全分析。
以这样的系统去做 RoboTaxi 可能会出现失效的情况。尤其是取消安全员以后，乘客坐在后排，在短时间是没有办法去接管车辆的，存在较大的风险。
当然我们相信特斯拉有足够优秀的营销团队与法务团队将这些风险可能造成的后果很好地解决掉，这也是在过去的事实中被证明的。
前面我们讨论的是特斯拉的 L4 RoboTaxi 战略，但是不可否认特斯拉现阶段的自动驾驶系统 AutoPilot 是做得非常非常好的，有很好的用户体验性，以及可延展的能力（通过 OTA 实现）。
那么我们需要反思的一点是什么呢？特斯拉这套自动驾驶系统，戴姆勒、宝马每年投入那么多的经费，真的做不出来吗？
我觉得，还是因为在软件定义汽车的环境下，大家的思路与出发点不一样。
首先，传统 OEM，尤其是老牌的欧系车厂，还是以功能安全分析作为主要的思考方向来设计汽车。
这个过程就存在一个问题：如果所有的设计都是基于功能安全分析来探讨，没有功能安全冗余的时候，我们就不能够让车具有更好的自主性。
这也由此造成的一系列的限制，包括他们整体打破现有的 EEA 架构去做域控制器，而更多去做 ECU 的叠加。
这样就会造成一个困境：很难会有一个思想的解放或者是一个功能的长远规划，结果就是，只能够被特斯拉这样的新造车势力远远甩在身后，直到在高级自动驾驶阶段，大家再次站在功能安全这一个终极考核面前。
其次，传统的汽车工业都是成本导向、盈利导向的，一切都要做到刚刚好，不考虑后续的预留空间，就如同诺基亚之于手机。
但是在面临苹果、特斯拉这样的新兴挑战者的竞争时，往往就会后继乏力。这就是思路的不一样。
另外一方面，我们要思考一个问题：到底我们是否要真的基于 ISO 26262 或者 21448 这样的功能安全分析作为我们完成车辆设计最主要的红线？
现在看起来，用户们更加期望的是，或者说用户体验更好的就是通过 OTA 这样的方式来升级，在系统性能不稳定的时候，我们可以先去测试，先去收集大量的数据，然后再不断升级，持续迭代，交付中间的成果与产品，往往能够在竞争中抢占先机。
但是这与我们传统意义上 OEM 做的那种：足够完美的最终系统产品的方式是相悖的。
那么，我们在未来是不是需要去转变？这是我们要思考的一个战略性问题。
我们能够看到的是，至少像大众，组建了一个软件团队来去研发平台化的软件系统。他们现在就处在从传统化 OEM 开发方式向新一代 OEM 开发方式转变。
这样一个路径是值得我们思考和学习的。
往期回顾：
为什么实现车路协同比造一辆特斯拉还难？| 郭继舜带你读汽车科技
同时，因为我在专栏的工作，会直接影响到我所在单位的声誉和评价，所以这个专栏后续我会尝试仅以我个人名义更新，不以任何企业身份出现，内容里不涉及任何企业机密，也不代表任何企业的观点，仅就技术问题做讨论。如果后续过程中仍然出现相关风险，我们会慎重地重新评估栏目长期更新的方式并考虑包括停播在内的可能性。
本期制作
主讲：郭继舜 监制：王德芙
编辑：叶方 后期：陆非
设计：陈溪阳 运营：林芝芝
音频平台
喜马拉雅 | 蜻蜓 FM | 听伴
Podcasts | 小鹅通
在以上平台搜索关注汽车之心
即可收听全部节目
「汽车之心·行家说」预告