特斯拉在位于北京南四環中路的特斯拉體驗中心舉辦了 T-talk 線下交流會，著重介紹了特斯拉選定純視覺路線的原因。
特斯拉方面表示，有些時候毫米波雷達收集到的信息對自動駕駛系統來說可能反而是種干擾，與其強行把毫米波雷達收集到的反射波信息與攝像頭收集到的視覺信息融合，還不如把純視覺方案做到極致。
然而，要推行純視覺方案的話，之前的硬件就不再能滿足系統對于圖像處理的要求了。于是特斯拉便自研自產了以 FSD 芯片為核心的硬件系統。
那么，特斯拉是如何打造純視覺方案的呢? 新的硬件系統又有那些特點呢?
一、純視覺測距法已成熟 移除雷達是遲早的事
隨著人們對于自動駕駛系統性能上的要求越來越高，車企或許要給車輛加裝更多傳感器，讓車輛能更準確、詳盡地感知外界環境。
不過特斯拉認為，收集環境信息是一回事，利用環境信息又是另一回事。
傳感器的種類和數量越多，互相之間的協調與整合就越難做，最終效果恐怕只是 1+1<2，得不償失。
馬斯克表示，如果雷達與攝像頭傳來的信息相互矛盾，系統反而會更加難以抉擇。與其讓二者互相扯后腿，不如只選一個并把它做到極致。
特斯拉選擇了將攝像頭的作用發揮到極致，因為攝像頭的信息傳輸速率比雷達快出幾個量級，比特流噪音也更小，有利于系統整合，整套系統未來的發展空間更大。
誠然毫米波雷達更擅長探測距離，但它實在是不擅長描述物體。很多時候毫米波雷達只是告訴系統那里有東西，卻無法告知系統那個東西是什么。
攝像頭就不一樣了，它擅長的就是描述物體。對于自動駕駛系統來說，攝像頭就像人眼一樣，而人工智能系統可以直接通過觀察圖像信息來學習辨認外界物體，就像人類如何學習辨認物體一樣。
有人會說攝像頭捕捉到的圖像是二維的，缺乏立體感，不利于自動駕駛系統對距離的探測。這種說法并非毫無道理，不過特斯拉早就想到這一點了，他們的辦法是研發一套純視覺測距法。
在純視覺測距法的指導下，人工智能系統僅僅根據二維圖像就能探測出外界物體與車輛間的距離，隨后研發團隊會拿著這個距離數據與毫米波雷達探測出的距離數據互相對比，再對純視覺測距算法進行修正。
也就是說，毫米波雷達不擅長描述物體的缺陷是幾乎不可能彌補的，而攝像頭不擅長探測距離的缺陷卻是可以彌補的。既然經過特殊調校過的攝像頭是可以在一定程度上同時行駛攝像頭和毫米波雷達的功能，那么移除有可能拖后腿的毫米波雷達是遲早的事。
雖然之前幾代的特斯拉自動駕駛系統都是搭載毫米波雷達的，但毫米波雷達只不過是名“過客”。在教會人工智能系統如何測距后，這位“老師”也將功成身退。
不過，軟件層面的問題解決了，硬件上的問題便凸顯了出來。
特斯拉深刻地意識到，原來的硬件不能很好地滿足純視覺方案的需要。于是，特斯拉推出了新一代的硬件系統 HW3.0。
二、自研芯片專精圖像處理 雙芯片系統才真有冗余
特斯拉之前采用的 HW1.0、HW2.0 和 HW2.5 硬件系統往往采用來自不同供應商的兩顆不同類型的芯片作為“大腦”，分別處理并利用視覺信息和反射波信息做出決斷。
而 HW3.0 搭載的是兩顆由特斯拉自研自產的 FSD 芯片。說是芯片好像還不夠深入，畢竟它還包括負責圖形處理的 GPU、負責通用數據處理的 CPU 和負責深度學習的 NPU 這三個處理單元。
其中最引人矚目的硬件就是 NPU 神經網絡處理單元了，它倆能夠合力提供 72TOPS 的算力，讓整個 FSD 芯片的圖像處理能力達到 2100FPS。對比之下，浮點運算能力為 600 GFLOPS 的 GPU 僅能做到 17FPS。
現在，正是因為有了能夠幾乎媲美毫米波雷達的純視覺測距算法，又有了圖像處理能力超高的 FSD 芯片，特斯拉才敢放心移除毫米波雷達的。
從另一個角度來說，正是因為其他供應商給出的芯片沒能讓特斯拉滿意，特斯拉才要自研的。
至于“毫米波雷達能夠提供冗余”這種說法，特斯拉方面表示確實聽說過這種說法，但不敢茍同。他們認為，HW3.0 這樣的系統配備兩個自動駕駛芯片，一個芯片徹底失效時另一個芯片能完全頂替前者，像這樣的系統才叫真正的有冗余的系統。
某些自動駕駛系統雖然搭載毫米波雷達和攝像頭，聽上去能夠收集反射波和圖像兩類數據，但當雷達系統徹底失效后，系統不能僅依靠圖像信息實現自動駕駛，這種系統才叫沒有冗余的系統。
結語：純視覺方案還有待時間檢驗
不久前特斯拉在北美地區發行了 FSD 的最新版本 FSD Beta V9.0，不少車主都在體驗過最新版本 FSD 之后，都表示自己車輛的自動駕駛系統表現更好了。其中一些車主還發布了實測視頻，在視頻中搭載最新版的特斯拉車輛確實表現不錯，能夠輕松地應付環島、大霧等場景，對于外界車輛行人的避讓做得也不錯。
不過，有專業人士表示車主們所謂的“實測”與專業測試相比太小兒科了，他們發布的視頻也并不足以證明 FSD 有他們口中所說那么優秀。
至于 FSD 的性能表現到底如何，恐怕還需要時間檢驗了。
