$TSLA 重上$488打氣區（44）

自動駕駛廠商最愛吹噓sensor fusion，說什麼「360度全方位感知」「比人眼更精準」。聽起來很厲害，但關鍵問題是：要融合這麼多感測器的資料，系統負擔有多重？
你知道嗎？一台自動駕駛車每小時產生5.17TB資料，相當於1000部高畫質電影的容量。汽車的匯流排頻寬有限，光是處理這些資料就夠嗆了，更別說要即時做出生死攸關的決定。
問題有多嚴重？
#時間同步災難：相機通常以30 FPS拍攝，主流汽車LiDAR如Velodyne VLP-16雖然可達5-20 Hz，但常見設定為10 Hz。研究顯示，只有86.6%的感測器訊息能在50毫秒內同步，最長不同步期間可達850-880毫秒。即使10 Hz的LiDAR，也就是每100毫秒才更新一次3D環境資訊。
#即時處理挑戰：自動駕駛需要每8毫秒處理120 FPS的資訊，從最後一個像素輸出到感知結果只能花費幾毫秒。端到端延遲必須控制在50-100毫秒內，即使100毫秒的延遲都可能是生死攸關的差異。
#運算挑戰現實：L4級自動駕駛需要320 TOPS運算能力，L5級更需要4000+ TOPS。NVIDIA Drive PX Pegasus達到320 TOPS但功耗高達500瓦，Tesla FSD晶片能提供72 TOPS但只需40瓦以下。問題是，要整合多感測器資料進行即時決策，現有系統要嘛功耗過高，要嘛運算能力不足。
#惡劣天氣崩潰：在下雨、起霧時，不同感測器給出的資訊天差地遠，雷達會誤判金屬物體如路標或護欄，甚至無法區分動物屍體和路面。而根據中國的許多自動駕駛系統路測，很多原本光達宣稱擅長的路況，比如說濃霧，表現得比純攝影頭系統差，多感測器方案所謂的安全備援也就成了笑話。
現實很骨感
特斯拉的純視覺方案實際路測表現更好也說明，多感測器融合雖立意良好，但絕對不是目前系統性能與頻寬受限狀況下的最佳解。