特斯拉3d1和3d6区别是油耗。
特斯拉3一公里0.39元。根据官方数据，以搭载三元锂电池的Model S?100D为例，该车工信部续航里程为579KM，由此可以计算得出该车每公里耗电量为100度（kwh）/579km=0.173度。
特斯拉（Tesla），是一家美国电动汽车及能源公司，产销电动汽车、太阳能板、及储能设备。总部位于帕洛阿托（Palo Alto），2003年7月1日，由马丁·艾伯哈德和马克·塔彭宁共同创立，创始人将公司命名为“特斯拉汽车”，以纪念物理学家尼古拉·特斯拉。
品牌发展：
2004年埃隆·马斯克进入公司并领导了A轮融资。特斯拉首席执行官埃隆·马斯克表示，特斯拉努力为每一个普通消费者提供其消费能力范围内的纯电动车辆；特斯拉的愿景，是『加速全球向可持续能源的转变』。
特斯拉第一款汽车产品Roadster发布于2008年，为一款两门运动型跑车。2012年，特斯拉发布了其第二款汽车产品——Model S，一款四门纯电动豪华轿跑车；第三款汽车产品为Model X，豪华纯电动SUV，于2015年9月开始交付。特斯拉的下一款汽车为Model 3，已于2017年末开始交付。
特斯拉自动驾驶仪3D技术将成为即将爆发的新引擎
作者?/?陈念航
编辑?/?王德芙
出品?/?汽车之心
在刚过去的?8?月，马斯克在推特上公布了关于?Autopilot?以及?FSD?的两条重要消息：
AP?团队正对软件的底层代码进行重写和深度神经网络重构；全新的训练计算机?Dojo?正在开发中。
「重写?AP」，是今年马斯克在推特上不断提及的一项重要行动。
在回应推友提问时，马斯克会时不时披露?AP?将有的新功能，比如：
对路面上的隆起和坑洞（bumps&patholes）的识别；对环岛路况（roundabouts）的处理等等。
特斯拉对?AP?的全面重写，包括了对数据标注、训练、推理全流程的重构。
而基于新架构的?FSD?将不再是渐进式的优化，而是一次「量子式跃升」（马斯克原文是?quantum?leap）。
马斯克在?7?月的世界人工智能大会上表示「有信心在今年完成开发?L5?级自动驾驶的基本功能」，马斯克能够实现他的承诺吗？
特斯拉为什么要在这个阶段对?AP?软件进行重写？重写?AP?到底要重写些什么呢？作为当下市面上量产最强的自动驾驶系统，AP?走向何方，FSD?何时到来？
1、特斯拉?AP?两大新进展
身兼特斯拉?AP?团队的最高负责人，马斯克经常充当着软件测试员的角色。
根据马斯克在推特上透露，他本人经常开着搭载?FSD?最新测试版本的特斯拉上下班，马斯克称在他使用系统的过程中，几乎不需要人工接管。
基于此，他乐观估计，最快在?6-10?周后（也就是10月-11月份），就可以向小规模地向用户推送?FSD?测试版本。
作为重写?AP?的一部分，马斯克还向外界介绍了其全新的用于神经网络（NN）训练的超级计算机?Dojo。
Dojo?在日语中意为「道场」，现在它成为了特斯拉训练数据的「道场」。
Dojo?将专门用于大规模的图像和***数据处理，其浮点运算能力达到了?exaflop?级别，也就是每秒运算百亿亿次。正因此，马斯克称?Dojo?如野兽一般。
需要注意的是，Dojo?计算机将配合无监督学习算法（unsupervised?learning），来减少特斯拉对于数据人工标注的工作量，这样来帮助其数据训练效率实现指数级提升。
马斯克还在推特上发布英雄帖，为自家的?AI?和芯片团队招人。
目前，Dojo?计算机仍在开发中，从?V1.0?开始，大约一年后才会有成果。
有了全新的?AP?软件架构以及强大的数据训练计算机?Dojo，难怪马斯克会对其?FSD?的落地进展如此自信。
但话说回来，特斯拉为什么要在这个阶段对?AP?软件进行重写？还是以这样一种推倒重来的方式。
2、为什么特斯拉要重写?AP?
现在的?AP?已经碰到了性能瓶颈，必须要进行升维革命，否则难有大的突破。
马斯克用了一个术语来表述这个问题，他认为过去?AP?被困在一个局部最大值（Local?Maximum）里面，要向上突破已经非常困难了。
其中一个很关键的问题在于，原有?AP?软件架构下，其处理的数据都是不含有时间坐标的?2D?图像数据。
再想往上去处理?3D?甚至?4D（加上时间维度）?的数据，实现从图像级处理到***级处理的跃迁，?AP?固有的软件和训练网络难以胜任。
关于引入?4D?数据带来的影响，一位来自国内自动驾驶公司的工程师向汽车之心分析：
「因为有了时间维度，系统就能知道目标物的运动，对其行为进行预测，而且，系统处理目标物识别、分类以及场景的重构这类任务会更加轻松。
总之，加入时间维度，很大程度上是提高系统对整体场景的理解。」
AP?要再往前走，必须进行革命，所以特斯拉这才决定重写?AP。
另一方面，因为数据转变成?4D，信息量更丰富，整个数据的容量也会变大，这也给特斯拉?AP?现有的用于深度神经网络训练的基础设施带来了挑战，所以就有了?Dojo。
所以，?AP?为了实现性能和功能上更大的突破，倒逼其对?AP?基础代码以及训练深度神经网络的基础设施进行重构。
这样工作量庞大的复杂工程也成为?FSD?迟迟推出不了落地版本的重要原因。
除了在车载软件和训练服务器端变革，特斯拉在车载硬件端也做好了准备，就是其自研的?FSD?芯片。
FSD?已经在去年?4?月份开始量产并搭载在特斯拉的车端。
一位对熟悉特斯拉的业内人士表示：
「在?FSD?发布后的一段时间里，特斯拉?AP?团队仍是基于?HW?2.x?的硬件（英伟达?Drive?PX?平台）进行功能开发，直到今年年初，特斯拉才开始全面转向基于?FSD?芯片的软件开发。」
相较于英伟达?Drive?PX?平台，特斯拉?FSD?芯片在基础算力和深度神经网络推理效率方面都有革命性提升，而且在视觉处理性能上，FSD?相较于英伟达的芯片有更大的优势。
所以趁着这一次特斯拉重写?AP，整个系统需要处理的数据升维到了?4D，对计算硬件的要求指数级提高，FSD?的强大性能便终于有了广阔的用武之地。
引入?FSD?芯片的?AP?在性能上会有多大提升？
马斯克此前在接受?Youtube?***博主***访时透露过：
「如果特斯拉全车的?8?颗摄像头以?36?帧/秒的速度运行（性能拉满），软件则会基于?FSD?芯片的算力同步进行?3D?标注（2D?图像+深度信息），这会使标注效率提升?3?倍，准确性也会大幅提升。」
特斯拉重写?AP，除了马斯克口中所说的要突破「Local?Maximun」以及挖掘?FSD?芯片的极限性能这两方面的原因之外，还有一种可能性存在。
硅谷一位资深自动驾驶工程师告诉汽车之心：
「特斯拉现有的?AP?系统和后续要推出的?FSD?是两套独立开发的系统。
前者的架构是针对于?L2/L3?级自动驾驶，而?FSD?的目标从一开始就是?L4/L5?级自动驾驶。因此，两套系统在架构上有本质的差异，两者差着一个代际。」
后续，随着技术不断进步，FSD?也走向成熟，特斯拉决心把?FSD?和?AP?的框架进行整合。
但问题是，两个系统中有些模块可以融合，但是有些模块是融合不了的，毕竟一个为?L2?开发的系统很难直接演变成?L4?系统。
所以特斯拉?AP?团队要改写?AP?软件的框架和代码，以实现两个系统间的完美兼容，这样的话，后续才能以统一的版本推送给购买了全自动驾驶选装包的特斯拉车主。
实际上，我们也能从?AP?这些年的功能更新中发现一些蛛丝马迹。
2017?年?3?月，推送自动泊车和自动***变道功能；2018?年?10?月，推送自动***导航驾驶（NoA）功能；2019?年?9?月，推送智能召唤（Smart?Summon）；2020?年?4?月，推送识别交通信号灯和停车标志并作出反应（海外先行）。
AP?还在最新的迭代过程中更新了一些令人惊喜的小功能：
比如在城市工况施工区域，没有车道线的情况下，车身两侧皆为锥形桶，AP?能做到以锥形桶为依据实时绘制车道线。
AP?系统还能检测到小动物并及时进行避让，不过特斯拉是把小动物一律识别成人后才做出相应的操作。
基本上，在特斯拉***上标明的?FSD?完全自动驾驶功能，还剩下一项最难的、也最能代表?L4?级自动驾驶能力的更新：在城市街道中进行自动***驾驶。
为了实现这一难度最大的更新，特斯拉给出的最优解就是重写?AP。
基于以上分析，特斯拉重写?AP?的原因便包括突破「Local?Maximun」、挖掘?FSD?芯片的极限性能以及将系统能力从?L2?进化至?L4。
4、特斯拉重写?AP，是重写什么？
先来看看特斯拉?AP?现在最新的?AI?软件堆栈是怎么样的：
最底层的是数据、GPU?集群以及?Dojo?计算集群，这一层主要进行数据***集、标注和训练，生成算法模型；往上走就是***用深度神经网络对模型进行分布式训练；再往上走就是用损失函数对模型进行评估；在评估层之上，是云端推理层和车端?FSD?芯片推理层，到这一层，意味着算法模型走完了大部分流程，然后就是部署到车端；在车端，特斯拉通过影子模式（Shadow?Mode）将这些算法模型与人类驾驶行为进行比对，检测是否存在异常。
这样的从数据***集到算法部署的闭环，目的就是让系统性能不断迭代，更加优秀。
在这个闭环当中，涉及到数据集、模型训练神经网络、云端和车端推理算法等等要素。
所以，当数据形式从二维的图像数据（2D）转换成四维的***级数据（4D）后，相应的神经网络和推理算法都需要进行重写。
据马斯克透露，特斯拉?AP?新版本的深度神经网络会将包括感知、路径规划、目标识别等所有子神经网络综合于一体。
特斯拉?AI?高级总监?Andrej?Karpathy?在此前的一次演讲中表示：
「我们无法让每一个任务都享有单独的神经网络运算，因为同时处理的任务数实在太多，我们只能把一些运算分摊到共享骨干网络上」。
Andrej?Karpathy?将这一骨干网络称为?HydraNets（Hydra?意为九头蛇），意思就是有一个主干网络（Backbone），在这个网络上有多个不同的出口（Head）来做应用，然后输出各自的结果。
在特斯拉?AP?最新的?AI?软件堆栈中，有一个最值得关注的部分就是?Dojo?训练集群，这个集群可以处理海量的图像、***数据。
引入这一训练计算机，一方面是为了满足特斯拉?AP?系统此后的?4D?***数据处理需求。
另一方面，特斯拉在全球有超过?82?万辆搭载?HW?2.0/3.0?硬件的车辆每天在道路上行驶，可以***集海量的数据用于?AP?的训练，而如此海量的数据，必然需要具备强大计算性能计算机来进行处理。
Dojo?还有一个特别之处在于，它可以与无监督学习进行配合。
所谓无监督学习，就是无需人工对训练数据集进行标注，系统可以自行根据样本间的统计规律对样本集进行分析，常见任务如聚类等。
例如无监督学习在不给任何额外提示的情况下，仅依据一定数量的「狗」的特征，将「狗」的从大量的各种各样的中将区分出来。
有了无监督学习技术加持的?Dojo?计算机，便能以极低的成本对数据进行自动标注和训练，实现算法性能的指数级提高。
不过，用上了无监督学习技术的特斯拉，依然有一支大约?500?人规模的数据标注团队。
因为在一些初始神经网络模型的搭建过程中，***用人工标注的方式置信度更高。而且，特斯拉并未大规模***用无监督学习技术，现在都还处在尝鲜阶段。
那么，Dojo?计算机上搭载的会是谁家的芯片呢？
目前特斯拉自研的?FSD?芯片属于推理芯片，用于?Dojo?计算机的芯片属于训练芯片。
有业内人士向我们分析表示，Dojo?所***用的芯片应该是?FSD?芯片的扩展版本。
这也是为什么马斯克在为自家?AI?和芯片团队招人时，特意公布了其在研发的?Dojo?计算机的情况，大概率要招的人就是为了研发用于?Dojo?计算机的芯片。
5、特斯拉?FSD?走向何方
无论是大力投入***重写?AP?基础代码和深度神经网络，还是广纳贤才开发性能强大的数据训练计算机?Dojo，都体现了特斯拉要先人一步搞定完全自动驾驶的决心。
特斯拉拥有庞大规模的数据***集车队，也聚集了?300?多位全球顶尖的自动驾驶和深度学习方面的软硬件研发人才，从数据到算法到商业化，特斯拉在自动驾驶领域有着其他厂商无法比拟的优势。
在这些优势的加持之下，特斯拉仍然迟迟无法量产真正意义上的完全自动驾驶功能，那些买了?FSD?选装包的特斯拉用户着急，马斯克则更急。
所有人都在期待着重写完成后的?AP?系统能真正进化至?FSD?版本，而这一切都要等到今年年底见真章。
在重写?AP?的同时，特斯拉也没有停止在硬件层面的持续研发。
据媒体报道，特斯拉正与博通合作研发新款?HW?4.0?自动驾驶芯片，其性能比?FSD?还要强大?3?倍，***明年第四季度进行大规模量产，由台积电负责生产。
特斯拉在?AP?层面，是一个接一个的大动作，而这一切动作都有一个统一的目标：更优秀的?AP、更强大的?FSD。
即使现在其表现还不尽如人意，但未来值得期待。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
摘要
1. 特斯拉即将发布的3D更新将增加AI***驾驶功能。
2. 未能意识到特斯拉在自动驾驶技术上的竞争优势的分析师和投资者，将会突然觉醒。
3.大多数金融模型仍将特斯拉视为传统的 汽车 制造商，但这在未来将不再适用。
分析师和投资者系统性地低估了特斯拉(Tesla)在自动驾驶领域的竞争地位。对竞争环境的评估过于依赖于对演示***中自动驾驶 汽车 性能的定性判断，以及其他公关、营销和品牌塑造活动。从 历史 上看，被指派到特斯拉的卖方分析师大多是 汽车 分析师，这意味着他们没有时间或精力深度学习和研究机器人技术。这意味着特斯拉的自主优势正在被低估，或者根本无法在市场上定价。
在我撰写关于特斯拉的文章的三年中，我一直坚持认为数据规模比几乎所有其他事情都重要。我也一次又一次地指出，认为特斯拉在自动驾驶方面的进展将是平稳而持续的，而不是磕磕绊绊、断断续续的。我推测，深度学习研发有两个阶段。数据收集和标记阶段可能相对快速。速度取决于公司在野外拥有的机器人数量以及它雇佣的数据标签工人数量。
接下来是一个缓慢而不可预测的阶段，人工智能科学家和工程师致力于构建一个系统，以适当的时间、合适的力度摄取标签数据并输出有用的机器人行为，比如转向、加速和刹车。获取数据就像给油箱加油。AI科学家和工程师的工作就像制造引擎一样。从里程表的角度来看，进展可能是什么都没有，然后，在一瞬间，点火开关被打开， 汽车 就启动了。
AI非线性发展的一个显著例子就是OpenAI在经典*** 游戏 Montezuma's Revenge上的突破。这张图表说明了一切:
在这种情况下，数据是从 游戏 中收集并自动标记，因此数据集创建阶段要比科学和工程阶段快得多。此外，蒙特祖玛（Montezuma）的复仇在AI社区的整体进展也不是顺利和持续的。
特斯拉在路上有超过90万个机器人。在美国，其所有竞争对手的合计机器人数量不到2000辆，而且鉴于大多数测试都在美国进行，因此全球总数可能不会高很多。深度神经网络的性能可预测地随着数据的变化而变化，这样的数据优势可以产生2倍到30倍的性能优势。
一个重要的警告是，数据需要手动或自动地标记。正如我所写的那样，特斯拉有许多很有前途的选择来自动标记数据，并使用其庞大的车队来使手动数据标记更加高效。(也就是说，在同样的人力***中获得更多的神经网络性能。)特斯拉的AI科学家和工程师面临的挑战是，寻求这些选择，并让它们在商业规模上像在概念的学术证明中那样发挥作用。换句话说，就是制造一个能使用充足的燃料运行的引擎。
走向3D
显然，特斯拉AI团队目前最重要的工作是将计算机视觉从2D范式转换为3D范式。埃隆·马斯克（Elon Musk）在特斯拉第三行播客中首次描述了这一概念:
马斯克最近详细阐述了这一转变所涉及的工作:
“Whole Mars
@WholeMarsBlog
回复@elonmusk @romanhistory1和@HardcoreHistory
自动驾驶仪的重写怎么样了?
你们叫它 PlaidNet么?
Elon Musk
@elonmusk
顺利。团队很出色，和他们一起工作是一种荣耀。几乎所有的东西都需要重写，包括我们的标签软件，所以从训练到推理的每一步都是“3D”的。
2020年7月2日凌晨4:54”
2020年7月2日
回复了@elonmusk @WholeMarsBlog和其他两个博客
反向召唤有什么更新吗?
Elon Musk
@elonmusk
当我们转换到新的软件栈时，许多功能将同时发生。最有可能的是，它将在2到4个月内发布。接下来的问题是，什么样的功能被证明足够安全，可以让用户使用。
从2D到3D的转变意味着什么？就我所能猜测到的来说，这与传感器数据表示为神经网络有关。
LiDAR激光脉冲通过在光线撞击物体并返回传感器时创建一个点来创建周围物体的3D表示。世界的3D表示称为点云。
2018年，来自康奈尔大学的计算机视觉研究人员(包括王燕和赵卫麟)发表了一份预印本，显示可以使用相机来创建3D点云,更重要的是,使用这种形式的表示方式不是2D图像提高了神经网络使用相机预测深度的能力。相机可以通过立体视觉获得点，这也是人类和其他哺乳动物在一定距离下感知深度的方式。事实证明，使LiDAR(激光雷达)如此有效的不仅仅在于激光器，还有将LiDAR(激光雷达)输入解析为点云的常见做法。Wang等人将利用相机生成点云的方法称为“伪LiDAR(激光雷达)”。自2018年以来，其他研究人员也在此基础上开展了研究。
如今，至少在某些学术基准上，伪LiDAR及其相关方法（如伪LiDAR ++和ViDAR（代表可视LiDAR或***LiDAR））在3D对象检测和深度估计上与匹配LiDAR非常接近。据我了解，伪LiDAR ++的准确度大约是流行的KITTI Vision基准上LiDAR的三分之一。
今年早些时候，特斯拉的AI高级总监安德烈·卡帕西(Andrej Karpathy)公开透露，特斯拉目前正在研究一种用于深度估算的伪LiDAR方法。回到2019年的自治日（Autonomy Day ），卡帕西演示了通过立体视觉获得的3D深度信息:
在他最近的演讲中，Karpathy分享了3D表示与2D表示中获得的准确性的一小部分。这些可视化显示了路缘检测，左侧是“ground truth”(可能来自LiDAR)，右侧是使用2D表示的基于摄像头的检测，中间是使用3D表示的基于摄像头的检测:
如果这一定性的结果真正代表了特斯拉的整体性能提升，那么3D更新必将给特斯拉的AI***驾驶软件带来巨大的改进。从外部来看，这种改善会出现突发性和断续性。
钱来了
谈到特斯拉和自治（autonomy）方面，大多数分析师和投资者***取的是“我看到就相信”的态度。当然，这是他们的权利，但在我看来，这意味着低估了特斯拉在2021年及以后的收益和现金流。在实现完全的自动驾驶之前，特斯拉将继续大力推进AI***驾驶。特斯拉已经可以在红绿灯和停车标志前自动停车:
AI***驾驶可以说是特斯拉使用者最喜欢的功能，也是特斯拉和其他 汽车 之间最明显的区别。与之竞争的 汽车 制造商在实施无线软件更新这样的基础技术方面进展缓慢，据我所知，还没有一家公司像特斯拉那样，公开宣布***围绕其 汽车 生产建立一个深度学习渠道。我相信，2021年以后，差异化软件将为特斯拉 汽车 带来更多需求。
对于没有其他附加组件的Model 3 Standard Range Plus，售价8,000美元的“完全自动驾驶功能”选项为购买价格的17％。这是一笔高利润收入，因为下载软件的边际成本可以忽略不计。马斯克多次表示，随着功能的增加，价格将会上涨。此外，特斯拉***以每月订购的形式销售该软件。这必将扩大客户基础。
AI***驾驶软件带来的收入不断增长，意味着分析师们应该考虑特斯拉的预期利润率，而不是仅与其业内同行进行比较。此外，特斯拉在软件方面的优势证明了乐观的增长***设。
摩根士丹利(Morgan Stanley)的亚当·乔纳斯(Adam Jonas)最近发布了特斯拉2030年 汽车 销量为600万辆的看涨预测，认为特斯拉的股价将上涨2070美元。在我看来，考虑到特斯拉正步入 汽车 公司与人工智能（AI)和机器人公司之间的灰色地带，这种2030年的销量水平是合理的。目前尚不清楚，竞争对手如何能将 汽车 制造能力、软件和人工智能能力迅速合并，以减缓特斯拉目前的高速增长轨迹。因此，即使股价在1400美元左右，我仍然认为该股仍有很大的上涨空间。
我们还可以考虑 汽车 销售以外的问题。我预计，在“3D更新”向客户推出后，会有更多的分析师和投资者开始认真考虑机器人（robotaxis）出租车。虽然鉴于这种不确定性，很难知道如何为机器人出租车（robotaxis）的机会定价。然而，私人市场投资者已经通过Waymo (GOOG, GOOGL)和Cruise (GM)成功做到了这一点。为什么特斯拉无法在公众市场上做到这一点呢?
注:我/我们是long TSLA。这篇文章是我自己写的，表达了我自己的观点。我没有因此得到补偿(除了寻求阿尔法)。我和本文中提到的任何公司都没有业务关系。
英文原文：
(未经同意，请勿转载)
标签： #特斯拉
