共计 1484 个字符，预计需要花费 4 分钟才能阅读完成。
近期，特斯拉首席执行官埃隆·马斯克“闪电式”访华，迅速引发了关于特斯拉全自动驾驶系统（Full-Self Driving，简称“FSD”）进入中国市场的讨论与猜测。
据多方信源报道，特斯拉计划在中国推出无人驾驶出租车，并希望在国内进行测试和示范。然而，中国政府尚未完全批准 FSD 在华全面落地，但或将先支持其在国内某些城市进行定点测试。 中国政府支持特斯拉的无人驾驶出租车在国内进行测试的举措，体现出一种“鲶鱼效应”，即希望通过引入特斯拉来刺激国内无人驾驶技术的发展。这种效应也有望激励中国的无人驾驶产业进一步创新。
实际上，无人驾驶出租车在中国已经有一定发展，武汉是其中的佼佼者。 截至 2023 年底，武汉开放的自动驾驶道路里程已超过 3378.73 公里（单向），成为全球最大的自动驾驶运营服务区。 目前，武汉的街道上经常出现成群结队的“苕萝卜”——“萝卜快跑”无人驾驶出租车。它们游走于城市的大街小巷，为市民提供安全高效的自动驾驶出行服务。
尽管特斯拉的 FSD 系统以其仅使用摄像头的视觉方案在成本上具有优势，但其在特定路况上的适应性不如多传感器融合的无人驾驶系统。 在之前的特斯拉 AI 日活动中，特斯拉展示了 FSD 在雨雾等复杂光线环境下的仿真测试成果，并声称其摄像头与算法可以应对多种复杂路况。然而，仅靠摄像头进行环境感知仍存在风险。 摄像头方案受光线影响较大，尤其是在弱光或恶劣天气条件下。对于静态物体，摄像头通过获取图像帧来预处理颜色、形状和边缘信息，并使用阈值抑制背景。然而，弱光环境下的图像质量较差，难以保证能够准确识别出物体，尤其是静态的 3D 目标。在动态 3D 物体的检测中，视觉方案也必须结合 2D 图像与深度信息。
相比之下，毫米波雷达、激光雷达和超声波雷达都有各自的优缺点。 例如，毫米波雷达不受天气和雾气的影响，在光线恶劣的条件下也能正常工作。而激光雷达具有更高的精度和分辨率，能够在远距离精确识别目标。多传感器的融合方案能够提供多重感知冗余，增强对外界环境的检测能力，确保行驶的安全性。（感兴趣的朋友可以参考我们前期写过的硬核剖析文章【硬核 - 毫米波与超声波雷达 -part 1 简介】从特斯拉干掉毫米波与超声波雷达说起）
例如，毫米波雷达在受到外界干扰时，激光雷达或摄像头可以弥补不足；激光雷达在复杂环境中遇到问题，其他传感器也能提供额外的支持。通过多种传感器的协同工作，可以最大限度减少单一传感器带来的安全隐患。 另一方面，特斯拉选择纯视觉路线主要是出于成本考量。摄像头与相应的计算芯片成本较低，且开发软件相对简单，不需要复杂的多传感器融合。然而，视觉方案在某些极端环境中的安全性仍需进一步验证。 纯视觉路线发展到一定程度后也能具备较高的安全性，毕竟人类驾驶车辆主要依靠视觉。同时，特斯拉的 FSD 系统在视觉算法方面明显领先，能够在大多数日常路况下提供可靠的自动驾驶体验。 特斯拉的 FSD 若能够在中国市场落地，无疑将对国内的智能驾驶产业产生激励作用，推动行业进一步发展。国内厂商在感知硬件、软件算法、计算芯片和数据处理等方面仍需不断努力，方能在这一新兴领域中占据领先地位。
通过吸收和借鉴特斯拉的技术优势，国内企业可以在算法与硬件融合等关键技术上有所突破，实现与国际巨头的同台竞技。 对于“特斯拉考虑在中国布局无人驾驶出租车”这个话题，你们有何看法和期待？你们觉得，特斯拉的加入，能给我国的“无人驾驶出租车”行业，带来怎样的变局与机会？
