autopilot的，与时间赛跑，特斯拉Autopilot进化史

本篇文章给大家谈谈autopilot的，以及与时间赛跑，特斯拉Autopilot进化史对应的知识点，文章可能有点长，但是希望大家可以阅读完，增长自己的知识，最重要的是希望对各位有所帮助，可以解决了您的问题，不要忘了收藏本站喔。

2018年10月，特斯拉推送NavigateonAutopilot的更新

特斯拉的Autopilot并不是业内最早量产的自动驾驶系统。

但在2014年发布以后，Autopilot凭借完善的功能定义、依靠众包数据不断学习的算法，以及通过OTA实现的软件升级，已经成为全球范围内部署规模最大、运行里程最长的（单一）自动驾驶系统。

在2014年10月以后，Autopilot的硬件就默认搭载在每一辆出厂的ModelS、ModelX和Model3上。

到2019年Q3结束，特斯拉在全球一共交付了近79万台车，其中74万台都搭载了Autopilot的硬件。

根据MITHumanCenteredAI项目的估算，到2019年Q3特斯拉所有售出车辆的累计行驶里程约168亿英里，其中通过Autopilot行驶的里程数达到18.8亿英里[1]。

Autopilot的意义也并不止于为用户提供一种更轻松的驾驶体验。

在ModelS和ModelX交付后，其提供的智能体验启发影响了一大批行业内外的从业者，并极大程度地推动了全世界范围内智能汽车和自动驾驶的发展。

Autopilot的故事，是量产自动驾驶领域，到2019年为止最经典的两个案例之一，另一个案例是Mobileye（见《Mobileye成长史上的5个关键时刻》）。

1、2013年，特斯拉与Google的核心分歧

特斯拉在内部提出Autopilot的规划最早是在2013年。

2013年10月，Autopilot招聘了第一名员工DrewGray。到2014年10月硬件发布，第一代Autopilot硬件的研发只有不到1年时间。

少为人知的是，在Autopilot项目规划的初期，ElonMusk曾经与Google探讨过联合开发一套高速公路自动驾驶系统的可能性[2]。

当时Google方面，内部的自动驾驶项目已经研发了几年，技术上有了一些初步的成果，公司也有意将技术进行商业化。

Google第一个商业化的想法是推出一套能够在高速公路上单车道内实现自动驾驶的系统。这套系统允许驾驶员双手离开方向盘，但要求用户在车辆行驶时时刻注意前方。

2013年上半年，项目组已经开始邀请内部员工参与这套系统的测试[3]。

巧合的是，Google将这套系统命名为「AutoPilot」，这和日后特斯拉的「Autopilot」只有一个字母大小写的差别。

但Google的技术最终没有在特斯拉上实现量产。

主要的原因是，2013年Google很快叫停了AutoPilot的测试。当时公司邀请了一批每天需要通过高速公路长途通勤的员工来参与系统测试。

几周后，一名员工在自动驾驶的车上睡着了。

2013年Google半自动驾驶测试，员工在车上化妆

现任WaymoCEOJohnKrafcik后来阐述过内部的想法，团队认为半自动驾驶系统是不可靠的。因为「当你把这个系统开发得越好，人们就越容易过度信赖它。」

在叫停半自动驾驶项目之后，Google与特斯拉走上了完全不同的两条道路。

前者转向全力研发L4-L5级完全无人的机器驾驶系统，特斯拉则很快选择了与Mobileye合作，开发第一代的Autopilot。

2、借助Mobileye，Autopilot1.0发布

Autopilot在设计之初就采用了硬件先行、软件更新的原则。

2014年10月，特斯拉宣布所有新出厂的车辆都会默认搭载Autopilot硬件，但实际上这套系统完整的软件功能，是通过特斯拉V7.0版本的更新为用户开启的。

V7.0版本开始推送的时间是一年后，也就是2015年10月。

这个时期出厂的每一辆特斯拉，都搭载了1个前向的毫米波雷达、1个前视摄像头、12个超声波雷达、1套高精度电子辅助制动系统（线控刹车）以及一块搭载MobileyeEyeQ3芯片的主板，这套硬件被称为AutopilotHardware1.0。

2014年也是EyeQ3投产的第一年，Autopilot是全球最早搭载EyeQ3的系统。

有意思的是，再过4年后，当EyeQ4投产时，其全球首发车型将会是蔚来的ES8。这时EyeQ4上跑的是蔚来的NIOPilot。蔚来在很长一段时间内都被视作特斯拉最有力的竞争对手之一。

Autopilot组建初期的成员，主要来自包括加州伯克利、卡耐基梅隆、康奈尔、麻省理工在内的几所高校，以及大众汽车位于加州的ElectronicResearchLab。

在与Mobileye的合作中，Autopilot的这支初期团队直接承担了Tier1的角色[4]。

特斯拉没有再选择一家成熟的Tier1与Mobileye联合开发，这样的做法可能和Autopilot激进的时间表有关。

在特斯拉身上，与Tier2二级供应商直接合作开发子系统的案例非常常见。如果Tier1提供的子系统在成本、性能或者时间表上无法满足需求，特斯拉就有可能亲自下场。

例如早期特斯拉在ModelS上曾经采用台湾的富田电机，之后内部改为自研电机，并将原有供应商降为供应电机定子和转子。

从这个角度来讲，要进入并且留在特斯拉的供应链体系，对供应商的要求是在某个垂直领域有很深的积累，长板非常长。

特斯拉同时还要求供应商技术演进的节奏要非常快，这在一定程度上也让相当数量的Tier1难以适应。

今天我们能看到的Autopilot中最终保留下来的供应商，多数是深耕多年的传感器供应商和芯片IP提供商。

尽管特斯拉是智能电动车领域的先驱者，但在2014年，高性能的三电系统已经不再是特斯拉独有的优势。

由于多重历史原因（见《十年前，戴姆勒救了特斯拉》），戴姆勒和丰田在ModelS上市前就已经是特斯拉的投资人和客户。

2014年，特斯拉是戴姆勒旗下Smartfortwo、A-Class、B-Class车型的电动动力总成供应商，同时它也将三电系统供应给丰田的RAV4EV[5]。

Autopilot发布后，智能驾驶成为拉动特斯拉销量的重要卖点。

一个极端的案例是，理想汽车的创办人李想就拥有4辆特斯拉，包括1辆没有Autopilot的ModelS、1辆搭载Autopilot1.0的ModelX、1辆搭载Autopilot2.0的ModeX和1辆Model3。他本人曾讲过买2辆ModelX，很大程度上就是为了体验Autopilot。

小鹏汽车的创办人何小鹏，则有3辆特斯拉。

3、2016年，JoshuaBrown之死

伴随着一辆辆新车下线，特斯拉在官方文本中这样介绍Autopilot：

全新的硬件并不是为了无人驾驶设计的，真正的无人驾驶还要数年才能到来。而Autopilot希望把驾驶员们从最无聊和危险的路况中解放出来。

最重要的是，特斯拉的文本明确地告诉车主：（尽管有Autopilot存在）驾驶员依然是车辆行驶过程中最终的控制方和责任方。

2015年10月，特斯拉开始向全球车主陆续推送V7.0版本的软件更新，Autopilot的主要功能得以解锁。7个月后，Google曾经最担心的事情发生了。

2016年5月，在佛罗里达一段没有完全封闭的高速公路上，JoshuaBrown驾驶的一辆ModelS，撞上了一辆拐弯中的货车。

当时的高速路段上是蓝天白云，ModelS上的Autopilot处于开启状态。

货车正在拐弯，但Autopilot没有识别出货车白色的挂车车厢，因此挡风玻璃首先撞上了车厢底部。黑色的ModelS从车厢底部穿出，最后在高速公路边的草地中停了下来。

这起事故被认为是全球范围内第一起自动驾驶致死事故，引起了非常广泛的关注和报道（后来人们发现2016年1月在河北邯郸还发生过一起特斯拉追尾清扫车的致命事故，因此JoshuaBrown的事故为第二起）。

作为事故中主要的关联方，特斯拉和Mobileye先后发表了几份声明。

特斯拉首先在事故声明中指出，JoshuaBrown遭遇的是非常罕见的驾驶场景。

「当时天气晴朗，司机和Autopilot在蓝天的映衬下都没有注意到卡车白色的挂车车厢，因此司机和Autopilot系统都没有及时刹车。卡车横向穿过马路时，挂车车厢的高度以及从ModelS上观察到的视角，构成了一种非常罕见的驾驶场景，最终导致ModelS与卡车挂车车厢的碰撞。」[6]

特斯拉的声明发出后，Mobileye的发言人很快进行了补充，表明事故责任并不在Mobileye。

「当前的防碰撞技术或者自动紧急制动系统AEB的设计，是为了防止与前车车尾的碰撞。在这起事故中，涉及到对横向行驶车辆的处理，不属于这一代AEB的设计目标。Mobileye的系统将在2018年开始支持对横穿车辆的检测识别。」

把Mobileye的话翻译一下就是：Mobileye在Autopilot中提供了AEB功能，这个AEB本身不支持这样的场景，但特斯拉允许用户在这样的场景下开启了Autopilot，因此责任不在Mobileye。

在Brown的事故中，Autopilot要识别出可能碰撞的横向车辆，关键在于系统的算法以及车载计算平台需要提供充足的算力支撑算法运行。

在2018年以后，Mobileye将会投产下一代芯片EyeQ4，也就有更多的算力支撑更复杂的车辆识别算法。

这也是为什么声明里说「Mobileye将在2018年支持横穿车辆识别」的原因。

4、Autopilot1.0的缺陷是什么？

显然，特斯拉没法一直等着Mobileye。

在与Mobileye的合作中，特斯拉同时也意识到：前者依赖特斯拉在内的各家车辆获取大数据改进自身算法。但其对Autopilot进行改进的积极性和进度都没有达到令特斯拉满意的节奏。这让特斯拉内部决定「自动驾驶这个核心要抓在自己手里」。

2016年，特斯拉请来了来自AMD的芯片大师JimKeller，开始组建硬件工程团队。

同年，特斯拉在内部启动计算平台FSD（FullSelf-DrivingComputer）的研发，并选择了英伟达DRIVEPX2作为AutopilotHardware2.0阶段性的计算平台。

与FSD这样的长期准备同步，特斯拉在JoshuaBrown事故发生4个月后，也就是2016年9月推送的V8.0软件更新中，提出暂时利用毫米波雷达来解决此前事故中暴露的系统缺陷。

毫米波雷达的特点是，擅长横向信息的测量，比如前方物体的距离和速度，但不擅长纵向信息的测量，比如物体的大小和高度。

它的检测效果还与物体的材质有关，金属物体反射的毫米波信号强，但塑料材质的物体反射很弱。

在实际应用时，毫米波雷达容易检测到前方有无（金属）物体，但不容易判断物体的大小和高度。

在Brown的事故中，毫米波雷达已经检测到前方卡车车厢存在，但它无法判断车厢的高度，结合视觉感知把卡车白色的「车厢」当成了天上的「白云」，最终系统倾向认为车厢是一块悬在道路上方的路牌。

如果将毫米波雷达调整为主要的传感器，当再次遇到类似情况，毫米波雷达就可以触发车辆制动。这样确实解决了类似Brown事故中的问题。

但由于毫米波雷达不善于判断物体大小和高度，道路上出现易拉罐或者路牌这样的障碍物时，也容易触发Autopilot误刹车。

以毫米波雷达为主要传感器的策略，只持续了几个月的时间，特斯拉之后会重新切换回以视觉感知为主的策略。

5、2016年，Autopilot1.0的启示

Autopilot的推出与事故，在那个时间，在整个大的汽车行业产生了深远的影响。

特斯拉到2016年，大约卖掉了十几万台搭载AutopilotHardware1.0的ModelS和ModelX。

Autopilot是行业里第一次，在短短2年之内，让全球数十万规模的先富起来的人群体验到了自动驾驶系统的可用性。

以JoshuaBrown的遭遇为代表，事故也暴露出Autopilot还远非完美的自动驾驶系统。

人们意识到，开发比Autopilot更好的自动驾驶系统，来提供给特斯拉以外的主机厂们，将是一门巨大的生意。

在世界范围内，这年大量的自动驾驶公司纷纷创立，相当数量的公司很容易地说服了投资者，头部公司更是拿到了巨额的资金。

这与Autopilot先期对市场的教育一定程度是分不开的。

在解决Brown事故中类似的感知问题上，以后的几年，激光雷达、高分辨率的毫米波雷达、高精度地图都得到了非常大的关注和资本投入。

自动驾驶领域昔日的明星创业公司Roadstar.ai曾经力主深度融合技术DeepFusion，就是通过多传感器数据的前融合来弥补单一传感器各自存在的缺陷。

2019年，特斯拉还收购了技术公司DeepScale（见《特斯拉的第一笔自动驾驶投资》），一部分原因也是为多传感器融合补课。

6、Autopilot2.0，全面替换Mobileye

在Autopilot1.0的合作中，Mobileye认为特斯拉开放给用户的功能太激进，ElonMusk则认为Mobileye同时要支持大量的传统车企，一定程度上拖慢了技术推进的节奏。

从2015年开始，特斯拉已经在内部组建算法和硬件的团队，为将来替换Mobileye做准备。

当年上半年，特斯拉组建了基于视觉感知的软件算法小组AutopilotVision，这个小组最初由Autopilot1号员工DrewGray带领。

同年，特斯拉招来了原来在微软负责BingVision和HoloLens的研究总监DavidNistér，DavidNistér接替DrewGray，并担任AutopilotVision副总裁。

次年初，Autopilot开始内部筹备全自动驾驶芯片FSD的研发，FSD招的第一个团队成员是PeteBannon，Bannon现在是负责Autopilot弱电与芯片工程的副总裁。FSD项目汇报给JimKeller。

2016年7月，Mobileye与特斯拉合作关系最终破裂了，JoshuaBrown的事故成为「压死骆驼的最后一根稻草」。

MobileyeCEOAmnonShashua在当月的财报会上公开表示，「与特斯拉的合作将止步（Autopilot1.0上的）EyeQ3」。

特斯拉随后在2016年9月V8.0的软件更新中，将Autopilot调整为以毫米波雷达为主的感知方案。

2016年10月，特斯拉推出AutopilotHardware2.0，包含8个摄像头，1个毫米波雷达，12个超声波雷达，以及一块搭载英伟达DRIVEPX2AutoCruise定制版的计算主板。

Hardware2.0虽然上车了，但Autopilot软件端的TeslaVision并没有开发就绪。

外部恐怕很难想象，特斯拉Hardware2.0的车辆，从2016年9月到2017年1月，经历了4个月几乎裸机的状态。

Autopilot的一部分功能在这个阶段缺失，包括AEB、防碰撞预警、车道保持、自适应巡航等。

到2017年上半年，由于TeslaVision算法的改进，特斯拉在V8.1版本的软件更新时，Autopilot的功能重新追上了Hardware1.0时期。

7、TeslaVision追赶Mobileye

TeslaVision来自于Autopilot内部在2015年成立的Vision小组，Vision的目标就是要取代Mobileye。

尽管Vision小组是属于Auotopilot软件团队下的一个分支，但其领导人DavidNistér的职位是AutopilotVision副总裁，足见特斯拉对这个小组寄予厚望。

Nistér在1998年从爱立信开始投身图像压缩与3D重建领域。在来特斯拉之前，他在微软待了8年，其开发的技术被用在BingVision和HoloLens上。

DavidNistér过去的研究偏传统视觉领域，因此TeslaVision从一开始走的是传统视觉的路线。

从2016年开始，特斯拉内部还有一支团队在做与TeslaVision相关的工作，这支团队是隶属于Autopilot硬件工程副总裁JimKeller麾下的机器学习小组（MachineLearningteam）。

特斯拉从AMD挖来传奇芯片架构师JimKeller时，还从AMD挖来了一大批具有多年芯片开发经验的大牛。

2016年2月开始，PeteBannon带领着来自AMD的大牛们开始了完全无人驾驶芯片FSD的研发。

同时期，同样来自AMD的谷俊丽，在Autopilot硬件工程团队下开始组建机器学习小组，这个小组有两个任务：一个是搭建Hardware2.0上的AI算法和机器学习软件，另一个是参与设计FSD芯片的架构和上面的软件。

Vision小组和机器学习小组在组织架构上是相对独立的，2个小组分别汇报给2位不同的副总裁，Nistér和Keller。

2016年，Vision和机器学习小组都成立不久，规模都不大。

特斯拉的原计划是与Mobileye协商一段过渡期：在过渡期内，Autopilot可以同时运行TeslaVision以及Mobileye两套软件，但Mobileye拒绝了这个提议。

所以就有了前面，先有AmnonShashua宣布双方合作破裂，再有当年10月份Autopilot硬件更新但软件却跟不上的情况。

2016年10月以前，TeslaVision基于传统视觉的版本在性能和功能上达不到与Mobileye对标，10月以后，TeslaVision融合了机器学习团队基于AI的算法。

为了解决车载部署的实时计算问题，Autopilot机器学习小组当时还设计一套推理（Inference）软件，来解决了英伟达的配套软件在实时计算上的速度局限问题。

在2016年年底那个时间，特斯拉应该是全球第一家把AI算法集成到量产自动驾驶系统中的公司。

Mobileye当时还在使用传统视觉的算法，而英伟达当时「对解决自动驾驶问题的算法结构理解还不够到位」。

2017年上半年，特斯拉推送V8.1的软件更新，Autopilot终于重新追平Mobileye时期的功能。

8、软硬结合，特斯拉走向「汽车界的苹果」

在特斯拉2.0版本的Autopilot硬件中，包含8个摄像头，1个毫米波雷达，12个超声波雷达，以及一块搭载英伟达DRIVEPX2AutoCruise定制版的计算主板。

过去Mobileye的EyeQ3能提供的算力大约是0.25TOPS，它的下一代产品EyeQ4的算力是2.5TOPS。而英伟达为特斯拉定制这块DRIVEPX2算力是EyeQ3的40倍以上，也就是超过10TOPS。

同时，Autopilot从这一代硬件开始，支持计算平台的改造升级。AutopilotHardware2.0以后的特斯拉车型，只要拆开车上的手套箱，车主就可以用更高算力的FSD替换已有的主板。

Autopilot1.0与2.0的感知能力对比

与AutopilotHardware1.0相比，Hardware2.0大幅提升了系统的感知能力。

Hardware1.0的车上只有1个前视摄像头和1个后视摄像头（不参与自动驾驶）。

而2.0的车上配置了3个前向的摄像头和4个侧向的摄像头，前向的摄像头可以检测60米、150米和250米内的范围，侧前向的摄像头可以检测80米内的范围，侧后向的摄像头可以检测100米内的范围，配合前向的毫米波雷达和车身一周的超声波雷达，AutopilotHardware2.0形成了围绕车身一周最远能到250米的多重无缝的覆盖。

AutopilotHardware2.0在系统感知能力与计算能力上的巨大提升，让ElonMusk的确有理由相信，这代Autopilot会比上一代好得多。

实际上，在AutopilotHardware2.0推出后，特斯拉已经对外宣称这版本的硬件足以支撑完全无人驾驶。

Autopilot从1.0依靠Mobileye提供芯片和算法，转型到2.0以后，在核心技术上基本能够做到自主可控。这个变化背后，有一位灵魂人物就是芯片大师JimKeller。

Autopilot软硬件工程副总裁JimKeller，现已加盟Intel

JimKeller在2000年以前参与了AMDAthlonK7的设计，之后又是K8架构的主要设计者，然后创业，公司又被苹果收购。

Keller加入苹果之后，带领团队设计了A4和A5芯片，这两款芯片被广泛用于iPhone4、4S和最初两代的iPad上。之后他又回到老东家帮助AMD推出Zen架构芯片。

在JimKeller加入特斯拉1个月后，公司又从苹果招到了研发总监PeteBannon，Bannon是A5芯片核心的设计工程师，在那之前他是PASemi的架构与验证副总裁。

PASemi也就是JimKeller创业被苹果收购的那家公司，JimKeller和Bannon是老同事。

当月，特斯拉FSD的研发正式启动了。后续，特斯拉在2016年的上半年密集地招募了一大批原本在AMD进行芯片设计和深度学习研究的人才。

到2019年3月，FSD在ModelS和ModelX上实现量产；4月，FSD在Model3上量产。

搭载FSD的这版硬件，也就是大家通常所认知的AutopilotHardware3.0。

2019年8月，当特斯拉在高性能处理器顶会HotChips上公布FSD研发成果时，我们发现FSD的主创绝大部分都是来自AMD。

（下面这张PPT上，除了PeteBannon，其他的主创人员在AMD平均有15年的开发经验，BillMcGee甚至在AMD待了18年。）

PeteBannon带领的FSD项目与前面提到的谷俊丽带领的机器学习小组，都汇报给Autopilot硬件工程副总裁JimKeller。

这样，从2015-2017年，Autopilot团队逐步建立了自身在计算机视觉+AI+芯片的能力，特斯拉的自动驾驶系统也越发变成一个软硬件紧密耦合的系统。

这样做的好处是什么呢？就是高效。

PeteBannon在FSD量产后曾经说过，

「特斯拉开始研发FSD的原因是，我们发现市场上没有一种芯片是从底层出发为自动驾驶和深度神经网络设计的。

FSD是我参与过的所有项目中最快地从设计到量产的。因为我们只聚焦于服务1个客户的需求。」

9、Autopilot团队管理架构的演进

Autopilot最早期的管理层是资深工程经理DrewGray，Gray在2013年10月入职，是Autopilot招聘的第一个员工。

Gray在2015年9月，也就是特斯拉V7.0发布的前夕，去了当时还在做后装自动驾驶解决方案的CruiseAutomation，却又在Cruise被通用收购的前夕去了Otto，最后所幸赶上了Otto被Uber收购。Gray在Uber时期担任工程总监，现在则是创业公司Voyage的CTO。

与DrewGray接近的时期，特斯拉还有一位工程总监DarrenLiccardo，Liccardo和Gray在特斯拉负责的主要是Autopilot1.0系统的集成。Liccardo后来去了大疆，据说与大疆布局自动驾驶有关。

2015年上半年，因为要自研软件逐步替代Mobileye，Autopilot开始组建视觉算法团队Vision。

Vision团队最初也由DrewGray负责。一段时间后，Autopilot从微软招募了此前负责BingVision和HoloLens的研发总监DavidNistér，Nistér担任的是AutopilotVision副总裁。

2015年12月，在Gray和Liccardo离开后，特斯拉把原来ModelX的首席产品经理SterlingAnderson调入，担任Autopilot总监，Anderson的角色更接近产品总监/项目总监。

2016年1月，特斯拉又引入JimKeller，公司对Keller的任命是Autopilot硬件工程副总裁。Keller的团队一面着手设计完全无人驾驶芯片FSD，一面于2016年10月推出搭载英伟达芯片的第二代自动驾驶硬件系统。

此外，Keller麾下还成立了利用AI提升软件算法的机器学习小组。

2015年-2016年，硬件工程副总裁JimKeller与Vision副总裁DavidNister以及Autopilot总监SterlingAnderson的搭班，是Autopilot第一版相对稳定的管理架构。

在这个架构下，芯片、计算机视觉、AI这几个日后关键的要素都已经萌芽。

在2016年10月以后，为了推动TeslaVision尽快追赶上Mobileye软件所提供的功能和性能，Vision小组与机器学习小组在技术和产品上进行融合。

同时在软件工程上，特斯拉借调了当时SpaceX的软件工程副总裁JinnahHosein，来兼任Autopilot临时的软件工程副总裁。

Aurora创始人：ChrisUrmson（左）与SterlingAnderson（右）

2016年底，SterlingAnderson离开特斯拉，与前Google自动驾驶的CTOChrisUrmson创办Aurora.ai。

2017年1月，特斯拉又从苹果挖来了编程语言Swift的主要开发者ChrisLattner，Lattner的角色是Autopilot软件工程副总裁。

随着Lattner的到来，JinnahHosein重回SpaceX，而原来DavidNistér的Vision团队被来自苹果的ChrisLattner接管。机器学习小组与Vision小组随后合并，成为现在的AutopilotAI团队。

从2016年下半年-2017年上半年，在DavidNistér、JinnahHosein、ChrisLattner和JimKeller4位副总裁的领导下，特斯拉V8.1的更新基本上恢复了此前全部的自动驾驶功能。

一个颇具戏剧性的结果是，前面的3位软件副总裁，到2018年已经悉数离开了特斯拉。

SpaceX的JinnahHosein加盟了Anderson创办的Aurora.ai。DavidNistér去了英伟达负责自动驾驶高精地图业务。而ChrisLattner很快去了Google，现在在开发TensorFlow。

在2017年6月，ChrisLattner离开之后，特斯拉进一步提拔了JimKeller为总负责Autopilot硬件和软件工程的副总裁。

同时，团队内部当时机器学习小组的负责人谷俊丽向ElonMusk推荐了OpenAI科学家AndrejKarpathy，Andrej在2017年6月加入，担任AutopilotAI总监，负责的就是此前Vision小组与机器学习小组合并的团队。

这样，在JimKeller治下，PeteBannon主要带领FSD的研发，AndrejKarpathy主要负责Vision和AI的开发。这个局面是Autopilot第二版相对稳定的治理架构。

在2017-2018年，JimKeller带领下的Autopilot团队发展到300-400人。

除了PeteBannon带领的FSD开发，以及Andrej带领的AI团队外，Autopilot还包含了规划控制、地图、仿真和测试等模块。

到2018年4月，JimKeller离开特斯拉转投Intel，原来Snap的工程VPStuartBowers接了Keller的班，Autopilot今天大致保持了JimKeller时期的架构。

在JimKeller的团队之外，Autopilot还有一支关联团队很少被人提及，就是Firmware团队，有时也被称为嵌入式团队。

这支团队有将近百人，负责包括车内大屏、数据采集、软件Build&Release以及OTA等工作的开发。

这支团队由特斯拉软件工程副总裁DavidLau带领，Lau是特斯拉元老级的成员。Firmware团队深居幕后，却对Autopilot也至关重要。

从Autopilot1.0到2.0，特斯拉在自动驾驶上建立了自主可控、快速迭代的能力。尽管这个过程看起来极尽折腾，内部的团队常常濒临「无人驾驶」的状态，但Autopilot最终拿出了领先行业的量产功能。

Autopilot短周期高强度迭代开发的过程，也培养了一大批自动驾驶领域的实战人才。

除了先后投奔各家的高管，在中国公司的自动驾驶业务一线，小鹏汽车自动驾驶副总裁谷俊丽就是前面提到的在Autopilot2.0开发时期发挥关键作用的机器学习小组负责人。

此外，蔚来汽车负责NIOPilot的副总裁JamieCarlson、纽劢科技CEO徐雷、原Roadstar联合创始人衡亮以及AutoBrain的联合创始人YolandaDu也悉数出自Autopilot团队。

10、特斯拉实现自动驾驶的路径

2019年3月，特斯拉已经开始量产FSD，FSD能够以不到100瓦的功耗输出144TOPS的算力。根据ElonMusk最近的一次承诺，特斯拉将在明年底在一部分市场推出完全无人驾驶的功能。

ElonMusk第一次公开谈论解决完全无人驾驶的问题，是在2015年3月。

在当年GTC上，Musk与黄仁勋这样讲道：「在我看来，无人驾驶的问题已经解决了。我们知道准确的技术实现路径，未来几年就能把它做出来。我们不仅要做无人车开发的领头羊，而且要让你真能买得到。」

次月，AutopilotVision团队在特斯拉内部成立。同年特斯拉在V7.0更新中推送Autosteer功能。

到2016年Q3，搭载Autopilot1.0的特斯拉已经卖出11.4万辆。

特斯拉可能是人类历史上，第一次用联网的汽车，以如此大的规模，配置完全相同的传感器，采集相同格式的真实驾驶数据。

这些众包采集的数据，在经过筛选清洗标注后，被用于训练深度学习的算法，算法再被进一步封装，以OTA的方式装载到用户车载计算机的芯片上。

数据-算法-更多数据-更优算法，是特斯拉实现完全自动驾驶的路径。而其自研的FSD，为Autopilot奠定了算力基础，也让这个路径的实现成为可能。

回到2014年的秋天，当大部分人都认为广泛的无人驾驶不会那么快到来时，ElonMusk已经不想再等。

P.S.本文部分内容首发于知识星球「汽车之心」：

[1]https://lexfridman.com/tesla-autopilot-miles-and-vehicles/

[2]https://www.bloomberg.com/news/articles/2013-05-07/tesla-ceo-talking-with-google-about-autopilot-systems

[4]https://www.youtube.com/watch?v=kp3ik5f3-2c

[6]https://www.tesla.com/blog/tragic-loss

[7]https://www.tesla.com/blog/all-tesla-cars-being-produced-now-have-full-self-driving-hardware?redirect=no

autopilot的的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于与时间赛跑，特斯拉Autopilot进化史、autopilot的的信息别忘了在本站进行查找哦。