in

矽谷鋼鐵人 Tesla 的逆襲:Autopilot 對上兆元汽車產業

文/ 若水 Flow AI Blog 編輯團隊

Tesla 最近新聞很多,但再怎樣都比不上世人想對 Elon Musk 的終極一問 :

全自駕車到底何時問世?

「任何領域的新科技都要在變成大眾化市場前推出幾個版本以進行優化,但今天要說的是一個要和擁有 150 年歷史、幾兆美元產值汽車產業競爭的故事。 」Elon Musk – Tesla 執行長說道。

Tesla Motors Inc. 於2003年創立,是一家位於美國矽谷的一家新創公司。他們起初將自己定位為汽車製造商(從他們的公司名稱便可得知)。但對於新創事業來說,他們選選擇進入一個非常挑戰的產業 – 汽車產業。

神奇的是,Tesla 僅用 15 年的時間就達到 480 億美元市值,在眾多歷史悠久的汽車品牌如豐田、福斯、戴姆勒、BMW 等排名第七名 ,佔據所有電動車市場兩成市佔率。

究竟 Tesla 有什麼神力,僅用短短整個產業發展十分之一的時間,在全球前十大汽車公司中名列前茅,擠下福特、 Nissan 與飛雅特克萊斯勒汽車(表一)。

圖/2018年全球前十大汽車製造商市值。
(資料來源:U.S.News)

以小搏大:與兆元產業的「智慧」之戰

對汽車製造商來說,引擎的研發是首要之務,也因此大部份資源都會投注在引擎研發上。畢竟引擎是汽車的核心,更是車廠的競爭力所在。反觀 Tesla,除了在電池與發動技術( motors)的研發上,更投入大量資源在人工智慧的軟、硬體研發上,也就是近幾年來討論度最高的自動駕駛技術( autopilot)。

硬體方面,Tesla 的電動車上配有8個攝影鏡頭、12 個超音波感應器,和一個車前雷達進行資料收集(圖一),將駕駛在實際道路的駕駛行為,如行車速度、加速、煞車與電池使用狀況等進行分析。

為了開發全自動駕駛演算法,Tesla 選擇與先進駕駛輔助系統(ADAS)廠 Mobileye 合作,在 2014 年推出第一版自動駕駛系統,具備半自動駕駛與停車功能(Level 2)。但這項合作在 2016 年的一次死亡事故後終止。為了增加全自動駕駛演算法的開發與訓練, Tesla 選擇拿回這項核心技術開發的控制權。

圖/Tesla 配置的攝影機、超音波感應器與雷達位置和功能示意圖
(資料來源:electrek)

不僅如此,由於圖像識別( Image-Recognition)所需處理的圖片資料量非常龐大,在道路交通安全分秒必爭的環境裡,Tesla 選擇自行開發專屬於全自動駕駛演算法的圖形處理器(GPU),為自家的演算法提供更快的運算能力,以及更符合經濟效益的 GPU。

Tesla 更宣稱這個 GPU 的運算能力高於原先所使用的 Nvidia GPU 21倍,Nvidia 也為此而跳腳,認為 Tesla 所使用的比較基準並不合適。無論真相為何,Tesla 目前是明確地與 Nvidia 提出分手了。


由 Tesla 車主來訓練全自動駕駛的「陰影模式」

針對自動駕駛技術的演算法開發,不少車廠選擇從封閉道路又或是測試軌道開始,但這樣的起步要讓汽車能完全自動駕駛似乎還有很長一段路要走。畢竟,實際道路有太多變數與不可預測性。

但在全自動駕駛未曾上路的情況下,Tesla 卻不斷承諾全自動駕駛將在近期推出,難道是 Elon Musk 瘋了嗎?的確有媒體批評這位 CEO 自大狂妄,但 Tesla 全自動駕駛的推出也並非只是口號。

自2014年底開始,Tesla 就已經將自動駕駛技術導入 Model S 與 Model X 中。但 Tesla 並沒有完全啟用這個尚未準備好的技術,反而是以「陰影模式( Shadow Mode)」在未取得車輛控制的情況下,從車輛攝影機與雷達所收集資料傳輸至雲端,訓練自動駕駛演算法,並且在雲端不斷地進行演算法的修正與補強。

Musk 告訴媒體,他的終極目標是改善自動駕駛演算法直到它能開得比人類還好。但該如何達到?

陰影模式提供假設性數據給演算法進行訓練,也就即便 Tesla 駕駛在沒有使用全自動駕駛模式的情況下,這個演算法會「假設」駕駛使用全自動駕駛模式,並比較人類與電腦駕駛的不同反應進而向人類學習。

在確認雲端上的演算法優於實際車輛所安裝的系統後,原先安裝的系統就會被更「聰明」的系統給取代,也難怪網路論壇上不乏有 Tesla 車主分享自己的Tesla 變聰明的事蹟。

贏在起跑點的十三億英里長征

然而,變聰明的自動駕駛遠遠不夠,Tesla 的目標是將人類從車輛駕駛的要素中移除。雖然這幾年來意外事故頻傳,又被各大車廠潑了好幾桶冷水,但 Tesla 絕對有資格在全自動駕駛的競爭中參與競賽。

讓駕駛來訓練自動駕駛演算法的想法很理想,但要透過陰影模式來訓練機器有一個很關鍵的要素,就是需要大量的實際道路駕駛資料。

當許多車廠正努力開發全自動駕駛技術時,卻受限於少量的測試車輛進而影響數據收集的數量。相對於大部份的車廠而言,Tesla 早就贏在了起跑點。

 圖/Tesla 在全球所累積的自動駕駛里程數
(資料來源:MIT Human-Centered AI )

Tesla 自 2014 年開始導入全自動駕駛軟體時,便已開始每分每秒地在世界各地默默收集實際道路駕駛的數據 。來自全球四面八方的駕駛資料大量且快速的幫助訓練Tesla 全自動駕駛演算法。

到目前為止,Tesla 在全球已有超過55萬輛電動車配有全自動駕駛系統,所累積的里程數已達13億英里(圖二),遠遠大於任何一家車廠。

即便是不斷被拿來與 Tesla 自動駕駛技術比較的 Waymo (由 Google 主導設計),也只有頂多1500英里的里程。未來除非 Google 能與車廠合作,不然對於 Waymo 來說,實難趕上 Tesla 的全自動駕駛演算法。

「有時,我沒那麼準時,」

Elon Musk – Tesla 執行長在今年四月在股東會( Tesla Autonomy Investor Day)上說道。

是的,Tesla 從2016年開始一直在喊的全自動駕駛 (Level 5)看來又要遲到了(現階段為 Level 2)。或許這樣的遲到對投資人來說,代表著技術發展不如預期。

但對企業決策者而言,企業要考慮的不只是技術本身,更是預測錯誤所須背負的慘痛代價。畢竟全自動駕駛的錯誤容忍度極低,一個不小心可是會出人命,而 Tesla 也的確在近年來的幾場事故中受到重擊,無論是股價、投資人信心,又或是公司形象。

即便如此,Tesla 已在這場全自動駕駛的「智慧」之戰中,掌握該技術開發所需的核心競爭力,無論是硬體、軟體,又或是讓整個全自動駕駛得以持續升級的「石油」– 也就是全球成千上萬不斷累積的實際道路駕駛數據。


【推薦閱讀】

1. 如何處理數據、優化模型,讓團隊可以快速的產出AI? 或許你需要看
➡️➡️ AI 數據處理原來可以這麼省事!

2. 讓台灣人工智慧學校執行長陳昇瑋告訴你:台灣企業走向AI的4大挑戰。
➡️➡️ 【落地經驗談】陳昇瑋:從深度學習到深度協作

圖片來源:TeslaelectrekU.S.News

在若水 AI,看見未來工作的新樣貌

Walmart 推無車人送貨服務、用 AI 預測森林大火、2020雲端運算預測