我覺得加上可測距的光達，會比單純使用攝像頭的影像辨識，較為精確也較為安全，所以我不知道為何Tesla要堅持只用攝像頭。
【科普看車用晶片】從自駕車的角度來觀察
過去的汽車基本上是燃油車居多，也沒有自動駕駛功能，因此，所需的晶片都很單純。而這幾年電動車/自駕車發展迅速， 也因此晶片的需求比過去提高很多。目前自駕車的發展仍然是現在進行式，因此，今天我們就從自駕車的角度來分享車用晶片的發展。
▌自駕程度解說(5 Autonomous Levels):
我們先從自動駕駛的Level出發，從每一個自動駕駛Level的差異，我們能看得出來在晶片需求上會有怎麼樣的差異。
➤ level 1跟level 0之間的差別：安全輔助
level 0屬於目前大部分的車，現在在路上跑的車就是level 0，他們有警示系統; 比如：現在偏離車道，快要撞到前方的車子的時候，車內會聽到警示聲音。
level 0與1是差在系統會不會介入，現在level 0車警告偏離車道，警告快要撞到前/後的車子，如倒車雷達，但是系統不會借用警告做出回應，系統不會去轉方向盤，不會去動剎車，就還是屬於level 0。但是在level 1，系統會幫忙踩剎車當系統偵測到車子快要撞到東西。偵測到車道偏移，系統幫忙轉動方向盤。level 1的車子偵測到危險的時候，會主動由系統去轉方向盤，主動踩剎車。
➤ level 2跟level 1之間的差別：系統輔助駕駛
駕駛車子的到底是誰? 是主要的差別。在level 2，駕駛者是汽車，駕駛座上的人只在車上監督系統。這意思是說駕駛人還是需要監控環境，以避免車子在發生電腦無法判斷的狀況時候，駕駛人可以踩下剎車或者轉方向盤。改成手動駕駛。
➤ level 3跟level 2之間的差別：監測系統升級
二級跟三級的差異，其實並不是這麼的大，二級跟三級都是系統在開車，在危險的時候也會需要人介入。level 3監測的各種Sensor，如：image processing，distant detector，雷達或光達的數量會比level 2來的多許多。level two跟level three之間最大的差別是當發生車禍的時候，level 2車禍的責任在於人，但在level 3車禍的責任在於車子的製造商。因此，大部分的車廠並不太喜歡level 3，他們會走直接從level 2直攻到level 4。
➤ level 4跟level 3之間的差別：系統自動駕駛
level 3與4 的差別就很大了，並不像2跟3之間的差別只是肇事的責任的歸屬而已，level 4就是真正可以做到：車子自己開車，完整的自動駕駛境界。人可以在車上睡個覺或者可以在車上看影片，在level 4大部分的情況車子都可以處理，比如說換車道，燈號的辨識…等。
level 4還需要人的地方在電腦還沒辦法處理的狀況，如在沒有燈號的十字路口，橫向車子一直不斷的走，等到有一個缺口，直向車的才有辦法往前走，但如果電腦判斷的話，電腦會等橫向的車子全部走完之後，才會判定安全往前面走，馬路是個叢林，人並不會這樣開車，等到橫向完全沒有車了，可能會在那個路口等20分鐘，還未加入人工智慧的level 4電腦不夠完美的地方。
➤ level 5跟level 4之間的差別：完全無人駕駛
level 5是真正的自動無人駕駛，完全不需要駕駛者，也就拿掉了方向盤，人最少的介入都不需要，電腦已經完全有AI智慧了，也可以處理level 4 不夠完美的部分。現在一般的車廠是從level 2直攻level 4。Google直接往level 5的方向來研發。但是目前因為美國立法關係，level 5的車子還只能在一些獨特的區域裡面測試，來累計資料。
▌晶片和自駕車：自駕程度越高, Sensor數量需求大增
Level 2的Sensor晶片至少要配備相機模組與毫米波雷達; Level3以及以上的Sensor晶片需要增加光達(lidar)、4D成像雷達、高精圖資、還有5G車聯網通訊模組以及AI快速運算電腦。Level 1 與2需要大約10-20顆感應器, 但是到Level 4與5的時候，除了這些Sensor外，還會再增加像CIS影像Sensor晶片、雷達Sensor晶片… 等等。因此，Level 1 與2需要的東西當然4與5也會有，但是差距會變成會有兩倍或者3倍以上的Sensor數量。
當然，光是簡單的講Level 1~Level 5的差別，大家可能還沒辦法很好的想像實際的系統會長什麼樣子，因此最後我們就用Tesla最新發表的自駕系統Tesla Dojo來簡單說明一下～
▌Tesla Dojo 解決方案:
➤ Tesla的視覺演演算法
Tesla透過晶片, 來進行電動車垂直營運的掌控, 從數位進階到複雜的AI演算法的龐大轉變, 需要相匹配的晶片來配合, 很難由外部供應商使用通用的晶片來進行優化。
自動駕駛的四個關鍵模組裡面: 感知預測, 規劃以及控制都會透過Tesla Dojo的晶片來完成。而這4個模組也就是感知/預測/規劃跟控制中: 感知模組(Sensor)是一個關鍵，Tesla使用全視覺演算法，多達8顆相機，直接來截取目前車外的影像，而不是使用光達或是雷達這種方式來測量前後左右的物體、跟車子彼此之間的距離。這些是和其他車廠最大的不同，Tesla希望採取的技術路線是使用相機，接著使用視覺演演算法。
➤ 使用雷達或光達跟相機有什麼不同呢?
光達跟雷達非常接近，但是光達跟相機進行不同的是：他們是測距，同時光達因為精確的測距，可以做3D mapping。但是，他就不是直接把外面的圖像抓進來，這是Tesla Dojo的路線。與其他電動車的不同之處是：他們認為相機便宜而且不需要特殊獨特的技術。因此Tesla完全否定了光達跟雷達這個路線，他們使用RAW的格式作為輸入，因此並不是ISP處理完以後的影像，所以他們強調的是他們視覺演算法。
➤ Tesla Dojo 解決方案
Dojo超級電腦會訓練人工智慧軟體，收集到的大數據輸入Tesla D1晶片來訓練Autopilot神經網路，訓練好的軟體會無線傳輸到特斯拉汽車裡的FSD晶片。
儲存空間需求與大量計算產生的功耗，長久以來Tesla使用NVIDIA的GPUs。但設備需要更多的內存，計算能力使得他面臨許多的限制在擴展與連接方面，於是Tesla決定使用Dojo解決瓶頸。
在AI Day中Tesla透漏，在現實世界中，Tesla Dojo的性能高於Nvidia A100 3-4倍。AI訓練時間也由1個月降到不到1個禮拜。而因為Dojo這樣的超級電腦會需要很多的晶片一起組成，在系統整合方面，Tesla也採用了全新的封裝設計，甚至因為將這麼多的晶片封裝在一起會有電源和散熱的問題，Tesla也將這部分的系統也都一起重新設計了。
關於更多Tesla Dojo的細節，有興趣的人也可以參考最近的Tesla AI Day～
- Chihan Juan因為便宜，光達在怎麼強，他還是要靠影像去結合判斷條件，那一開始就用影像判斷，就可以少一個零組件~~且含街景資料來看的話，光達系統沒法賣資料，但使用者同意使用驗證中的影像系統，就可以蒐集資料，把賣資料的生意加進去，不得了~~~~
- Chihan Juan揚昇法律．專利事務所 沒啊，價格差很多，雖然已經不做行車記錄器一段時間了，鏡頭加顯示模組，單就單顆樣品模組成本，大概20~50鎂，但lightware 單顆樣品模組起碼300鎂起跳，兩個鏡頭40鎂就可以組成測距影像（可參考一戰用的水管望遠鏡）
- Chihan Juan揚昇法律．專利事務所 不能期望一個愛迪生會去重視這些，除非賠到錢，就跟福特的油箱設計一樣
- 揚昇法律．專利事務所
作者這給我不買Tesla的另一理由。傳統車廠因為被告怕了，也賠得夠多，現在都比較重視產品的安全設計，如果成本會因此而增加，那就把這個光達測距功能當作行銷重點，好把車子賣貴一點就是了。 - Chihan Juan揚昇法律．專利事務所 所以還是要靠消費者阿，這不得不說馬斯克的行銷能力確實很強，即便個人不是很喜歡他的為人，但就行銷能力是真的強
- 揚昇法律．專利事務所作者Chihan Juan 舉例來說，上坡路段的路口出現一輛要右轉的貨櫃車，一輛開啟自動駕駛的Tesla，因為背光與陰雨天氣而不能辨識已經橫跨兩個車道、車頭也已轉向而不見的貨櫃車，毫無減速直接高速撞上這個貨櫃，造成駕駛死亡。我想如果Tesla有能測距的光達，就不會沒發現前方有這麼大的一個障礙物而會自動煞車避免發生這麼嚴重的事故的。
- Chihan Juan揚昇法律．專利事務所 對啊，所以合約才會跟消費者說：“輔助使用”
- Chang-feng Wei當大量安裝光達的自駕車聚集時，車輛的雷射束可能會形成干擾
光達可能失靈！自動駕駛時代，人們該如何定義「安全」？TECHNEWS.TW光達可能失靈！自動駕駛時代，人們該如何定義「安全」？- Chang-feng Wei如果未來自動駕駛系統普及，道路上都是自動駕駛車輛，那不同車輛互相發射的光達雷射可能會對彼此造成干擾，甚至可能造成危險
特斯拉棄用雷達，自駕技術掀二次革命！打臉 Google 獨尊光達，設計走向純視覺化TECHNEWS.TW特斯拉棄用雷達，自駕技術掀二次革命！打臉 Google 獨尊光達，設計走向純視覺化
