1. # 特斯拉

登顶全球最高车企市值背后,特斯拉的「道路自信」

特斯拉一直游离在整个行业之外。

|

本文转载自公众号「新车一讲」,作者微博:@不是郑小康

2020 年 6 月 10 日,特斯拉股价突破了 1000 美元大关,最高市值突破 1900 亿美元,超越丰田成为全球市值最高的汽车制造商。

这是汽车行业史上的里程碑时刻。特斯拉值得汽车行业的每一个人思考:汽车行业的未来,为什么是 Ta ?

Terafactory - 制造革命

2020 年 Q1 的特斯拉财报会议上,当 Elon Musk 和特斯拉 CFO 主动提到特斯拉 下一代超级工厂 Terafactory 时,几乎所有分析师和媒体的关注度都集中在特斯拉疫情阴霾下同比增长 40% 的销量上,忽视了这个可能影响特斯拉乃至整个可持续能源行业未来的「新品」。

Terafactory,特斯拉最新研发的「新品」。听起来可能有些突兀,自 2013 年美国内华达州的首座超级工厂选址公开以来,Elon 一直在各个场合反复强调把工厂当作世界上最大的产品(thinking ofthe factory like a product)的研发理念。

这种理念第一次将模块化、快速迭代、可扩展等产品开发思维带到了工厂建设中,工程师将建设过程中出现的所有问题被更多地当作工程或技术挑战去解决。

在这种理念的引导下,建设进度仅 30% 的特斯拉 Giga 1 超级工厂经历了数次迭代和优化,而 Terafactory,就是特斯拉下一代超级工厂。

那什么是 Terafactory 呢?

在维基百科上,有一个词条专门为特斯拉超级工厂建立的:Gigafactory。Gigafactory 中的 Giga 来自电功单位 GWh(GigaWatt-hours),指以 100 万 kWh 为产能单位的超级电池工厂。

Terafactory 中的 Tera,来自电工单位 TWh(Tera Watt-hour),指以 1 亿 kWh 为产能单位的超级电池工厂

更通俗的解释,产能 35 GWh/年的特斯拉 Giga 1 超级工厂是世界上最大的电池工厂,而 Tera 工厂的产能将达到 Giga 1 的 30 倍以上。

Elon Musk 对 Tera 工厂「蓄谋已久」,电池早已成为阻碍特斯拉快速发展的最大拦路虎

在特斯拉 2019 年股东大会上,Elon 解释了特斯拉有史以来想象力最大的产品 Semi Truck 纯电动半挂连续跳票的原因:

如果我们没有足够的电池,那么增加产品的复杂性就没有意义,那是没有收益的复杂性。
我们根据电池产能的规模来匹配产品的推出,这确实是主要的限制因素。

在这句话后,Elon 加了一句:我们将竭尽所能,确保我们以最快的速度扩张。

种种迹象表明特斯拉的「竭尽所能」所言非虚:

2018 年上半年,特斯拉有史以来产能地狱最严重,高管集体睡在工厂督战产能爬坡的时刻,特斯拉连续收购电化学企业 Maxwell 和制造自动化企业 Compass Automation

2018 年 6 月,前特斯拉 CTO JB Straubel 在年度股东大会上透露,特斯拉已经掌握了未来 2-3 年内将电池能量密度再度提升 30%-40% 的实现途径。

2019 年 1 月,特斯拉德国自动化工厂操刀设计的总装线 4(GA4)运抵加州,正式投产。 新的总装线提高了自动化程度,在提升效率的同时降低了成本。

2020 年 5 月,特斯拉敲定了尚未官宣的德州工厂建设规划,Elon Musk 去英国实地勘察了英国工厂的选址。

在整个公司上下最为困难、背水一战的同时,特斯拉管理层没有削弱,反而加大了对公司长期战略的持续投入。

拐点已至。

就在昨天,Elon 下发全员邮件表示,It’s time to go all out and bring the Tesla Semi to Volume production.(是时候全力以赴投产 Semi 纯电动半挂了)。

这封邮件的潜台词是:特斯拉看到了解决电池这个限制因素的基本路径。

特斯拉的一个现实挑战上文没有说明:在过去的 17 年里,特斯拉一步步进入了电池的设计、研发、供应链管理和下游的回收再利用,但 Ta 从未亲自下场介入电池制造。

这是整个行业期待已久的特斯拉 Battery Day(电池投资者日)的主题。

我们该如何看待电池日?如果你把它当作又一个自动驾驶投资者日--用以向投资人展示公司最新技术进展的沟通会,那未免太小瞧电池日了。

这是 Elon Musk 对电池日的看法:

在某种程度上,电池日就像特斯拉秘密计划 Part 3。介绍我们如何从几十 GWh 增长到几 TWh。这是非常巨大的增长,大约 100 倍的增长。

什么是特斯拉秘密计划 Part 3 ?

特斯拉秘密计划 Part 1:

  1. 造一辆跑车(Roadster)
  2. 造一辆豪华车型(ModelS/X)
  3. 造一辆更实惠的车型(Model3/Y)
  4. 提供零排放发电产品(Solarpanels & roof)

特斯拉秘密计划 Part 2:

  1. 提供太阳能发电+储能的无缝集成(Powerpack+Solarroof)
  2. 扩展产品线覆盖所有细分市场(皮卡 + 半挂 + …)
  3. 通过大规模的车队学习,提供比人类安全十倍的自动驾驶功能(FSD)
  4. 在您不使用汽车的时候让汽车为您盈利(Tesla Network)

所以,电池日会公布特斯拉下一个十年在整个电化学领域设计、研发、制造、回收整个产业垂直整合的发展规划

2019 年,全球动力电池行业总产能 166.7 GWh,100 倍的产能扩张规划会迎来可预见的铺天盖地的嘲讽和质疑。

但这不重要,2013 年,特斯拉公开了以 GWh 为产能单位的 Giga 超级工厂规划,当年全球动力电池行业总产能为0.48 GWh;7 年后的 2020 年,特斯拉 Giga 1 工厂产能达到 35 GWh/年。

看不见、看不起、看不懂、来不及,历史总是惊人的相似。

完全自动驾驶 - 智能革命

整个 2019 年,全球自动驾驶领域发生了许多微妙的大事件。比如:

  • 全球最大的两个豪华汽车制造商奔驰和宝马,宣布合作开发自动驾驶系统
  • 大众将自家自动驾驶公司 AID 注入福特旗下 Argo.ai,并追加大笔投资
  • 通用 Cruise 宣布自动驾驶车队商业化跳票,未公布新目标
  • Waymo 完成首轮融资,但估值遭投行大幅下调

融资还在继续,没人再谈论商业化。自动驾驶告诉这个行业的所有人:你们每一个人都低估了它的重资产属性和商业化的技术挑战

大众-福特、奔驰-宝马自动驾驶联盟震撼在哪里?

如果说「未来的自动驾驶新能源汽车由两大引擎驱动:电机是机械引擎,自动驾驶系统是数字引擎」的话,这样的联盟就像内燃机时代大家坐到一起,合作研发发动机和变速箱这种最核心的技术资产

在这样的背景下,单打独斗的特斯拉会成为最快实现自动驾驶汽车规模化商用的企业。

要阐述特斯拉的核心优势,这里必须引出 Autopilot 的灵魂人物:特斯拉人工智能高级总监 Andrej Karpathy。

2017 年 6 月,世界顶级的人工智能研发机构 Open AI 的研究科学家 Andrej Karpathy 加入特斯拉,统领特斯拉 Autopilot 的全栈式深度神经网络的研发。

5 个月后,他在 Medium 发表了一篇特斯拉人工智能「施政纲领」:人们通常将深度神经网络视为「机器学习工具箱中的又一个工具」,事实上,深度神经网络绝不仅仅是一个分类器,它代表了我们编写软件方式的变革,它是软件 2.0

在那之后,Karpathy 在包括特斯拉自动驾驶投资者日的各个公开场合反复提及软件 2.0,在最近一次的演讲中,他在 PPT 上写到:软件正在吞噬世界,软件 2.0 正在吞噬软件 1.0

什么是软件 2.0?让我们从自动驾驶的系统级软件工程说起。

在深度神经网络掀起浪潮之前,以 Waymo 为代表的自动驾驶软件系统,在技术路线上走的是基于规则(rule based)的解决方案

所谓基于规则,是指整个方案的主体需要由软件工程师进行拆分搭建,最终建立起一个自动驾驶汽车感知-决策-执行的系统。

上图是一个典型的基于规则的自动驾驶系统架构,这上面的每一部分都需要工程师去编写。需要指出的是,为了更加简化,上图是一个高度抽象的简单架构,有大量的子模块在没有在上图中体现。

事实上,一个基于规则的自动驾驶系统需要人工设计上千个子模块。 2012 年深度学习兴起后,大量的子模块又新增了独立的深度神经网络,让整个自动驾驶系统的工程复杂度和重技术门槛变得高不可攀。

除此之外,基于规则的方案在感知层严重依赖高精度地图输入的静态信息,结合传感器输入的感知信息共同输入到决策模块。这使得高精度地图成为自动驾驶汽车运行的基础条件,而高精度地图的更新和维护又是一个成本极为高昂的投入

这就是软件工程路线导致的大众福特、奔驰宝马联盟的原因之一:综合投入成本,无论是技术层面还是资本层面,都远远超过了单一公司可承受的上限,哪怕是行业巨头。

2016 年自动驾驶创业潮爆发后,一种新的方案登上舞台:端到端(end to end)的深度神经网络驱动自动驾驶汽车。

所谓端到端,就是大幅降低或完全去掉「人为设计」这个环节,直接将感知的传感器及车辆的原始数据输入深度神经网络,并通过神经神经网络直接输出结果到执行机构,如加速、转向和刹车机构等。系统输出的体验更接近于人的驾驶习惯。

英伟达、Wayve、Udacity、Drive.ai,有非常多的自动驾驶企业投入到这一阵营中去,但最终都在最初取得不错的效果之后无疾而终。

这是因为端到端的深度神经网络存在一些致命的缺陷:端到端的深度神经网络依赖海量的数据进行训练;逻辑可解释性极差

对于全球各地的监管部门而言,自动驾驶汽车的逻辑可解释性是至关重要的一点,这将作为意外发生时重要的判断依据。

这几乎堵死了基于端到端的深度神经网络开发自动驾驶汽车并实现商业化的可能性。

「几乎」不等于「完全」,Andrej Karpathy 的解决方案是:软件 2.0。

特斯拉首先基于规则人工写入了 C++ 为主体的安全层代码,被称为软件 1.0。在此基础上,Karpathy 领导的特斯拉 AI 团队开发了端到端的深度神经网络和与之匹配的基础开发工具,成为软件2.0。

相比基于规则的路线,端到端路线在几个方面有革命性的提升。

比如,在整个系统的工程复杂度上,端到端的深度神经网络实现了整个架构的极大简化。 以特斯拉为例,一个主深度神经网络 HydraNet 上有 48 层子深度神经网络,可同时输出 1000 个不同的预测张量,即感知检测大约 1000 个障碍物。

即使是「简单」至此(相比基于规则的那种巨无霸)的深度神经网络,也不完全是人工开发的。

HydraNet 的基础算法代码是共享的,每当发起一个新功能(例如检测锥形桶),Autopilot 会尽可能以半自动化的形式(大量应用自监督学习)向全球各地的特斯拉车队索取特定场景上传到云端,通过特斯拉的数据引擎完成算法的训练。

这也是为什么,特斯拉 30 人左右的人工智能团队,可以维护全球近 90 万辆 Autopilot 2.0/3.0 车型的迭代与优化

这体现的好处不仅是研发投入的下降,在提升整个系统运行效率、降低系统故障率、降低能耗方面也有着显著改进。

其次,Karpathy 曾经公开表示,特斯拉确实在更新自有的地图,但 Autopilot 不需要高精度地图

这是因为高精度地图中的静态信息很难融入非人工设计的端到端的深度神经网络中去,而后者也完全不依赖高精度定位和准确的地图信息进行定位

相比基于规则路线,端到端极大地提升了感知信息的输入效率,这在客观上体现为以更低成本、同构传感器的感知架构实现了与基于激光雷达全副武装的异构冗余传感器架构接近一致的自动驾驶能力。特斯拉和知名视觉感知霸主 Mobileye 都展示了类似的视频。

让我们回归主题:对面放眼望去都是联盟玩家,坚持单打独斗的特斯拉手里握着那些牌?

  • 90 万辆级的全球车队和超 30 亿英里的路测数据
  • 强大的计算平台和领先业内的能耗(FSD 单芯片算力72 Tops,能耗36W
  • 动态演进的软件 1.0 和 2.0(安全层+ 全栈式深度神经网络)

Karpathy 对软件 2.0 有着极强的信心。
按照他的预测,随着机器编译能力的提高和收集的数据更加丰富,软件 2.0 将逐渐覆盖软件 1.0 版本,最终所有代码将由机器编译,而这样的自动驾驶策略将更加准确,系统也将更加强大。
这就是「软件正在吞噬世界,软件 2.0 正在吞噬软件 1.0」。

特斯拉的「道路自信」

2016 年 2 月,特斯拉硬件工程副总裁、FSD 芯片设计负责人 Pete bannon 入职特斯拉,问了 Elon Musk 一个问题:自主研发芯片意味着巨大的投入(这意味着至少 100 万辆/年销量的成本摊销),你准备好了吗?

Elon 的回答是:Sure,Let’s do it. 而 2016 年一整年,特斯拉卖出了7.6 万辆车

芯片的自主研发是一个缩影:无论是 Giga 工厂、Tera 工厂,还是 NO 激光雷达、NO 高精地图、Autopilot 软件 2.0,特斯拉一直游离在整个行业之外,基于自洽的逻辑垂直整合的推进着所有业务和战略的前进

1000 美元是一个转折点,但这个转折很快就会翻篇。未来十年,特斯拉的「道路自信」会不断输出它绵延不绝的影响和威力。

观点 · 0
仅看车主: 0
按赞同排序

推荐内容
最具设计感的电动车之一——极星 2

- 极星 2 的可玩性体现在什么地方? - 欧林斯的避震居然是手调的? - 设计师给你在车上留下了哪些惊喜? - 极星 2 去跑山又是什么感受?

|
特斯拉将在中国进行 Autopilot 原创性工程开发,基于当前硬件可实现 L5 自动驾驶

世界人工智能大会 Elon Musk 演讲全程(带中文字幕)

|
7 电机、1400 匹马力,福特发布 Mustang Mach-E 1400 原型车

去年来自德国的大众用 ID.R. 跑了个纽北最快电动车圈速记录,现在轮到美国的福特在 NASCAR 上秀秀肌肉了~

|