目前，自动驾驶赛道有两条发展路线：一派是纯视觉路线（以特斯拉为代表）；一派是激光雷达（以百度为代表）。
自动驾驶就是感知、决策和执行相结合的过程。因为在感知层面不同，衍生出了上面两条赛道。
一、特斯拉：纯视觉路线
纯视觉路线：是一种由相机主导的解决方案。因为相机精确度较低，所以对算法和计算能力的要求就很高，数据采集和算法迭代也很高。
为此，特斯拉上了三件利器！
第一个是AI芯片——D1芯片
近日，特斯拉发布了一款7纳米制造工艺D1芯片，目的是为人工智能网络提供数据中心的训练服务。
1颗D1芯片具有teraflops的处理能力，由25颗D1芯片组建成一个“训练块”，并在数个机柜中部署个这样的“训练块”，能实现百亿亿级（exaflop）的计算能力。
第二个是算力，全球第五大超级计算机群——Dojo
特斯拉推出超级计算机群Dojo，目的是训练自己自动驾驶AI。
超级计算机群Dojo，总算力达1.8EFLOPS（EFLOPS指每秒百亿亿次浮点运算），由个算力为TFLOPS（TFLOPS指每秒万亿次浮点运算）的A显卡组成个节点，有10PB的存储空间，读写速度为1.6TBps。
第三个是算法，Dojo采用无监督学习算法
Dojo采用无监督学习算法的作用，就是不需要人工对训练数据集进行标注，系统自行通过样本间的统计规律，对样本集进行分析。
减少数据标注时人工的工作量，又实现训练效率的指数级提升。即使全球特斯拉用户数据汇聚到Dojo也是没有压力。
目前，特斯拉已经积累了万个10秒左右的视频，并给60亿个物体贴上了深度、速度和加速度的标签。
D1芯片作为特斯拉Dojo超级计算机系统的一部分，可以帮助训练模型从特斯拉汽车内的摄像头收集视频，从而识别各种项目，提高自动驾驶平台对周围路况精确识别，对突发状况的预判和紧急处理。
特斯拉是目前全球唯一一家采用纯视觉的自动驾驶车企，这条路走的感觉如何？
马斯克曾经公开表示，“激光雷达技术又贵又没必要”。
①激光雷达，确实死贵死贵！
谷歌目前使用的激光传感器，单个定价成本在8万美元左右（1美元=6.人民币），也就是说一个激光雷达就要50-60万人民币。
为°探测周围环境，多配两个激光雷达，整车下来就要好几百万元，对普通消费者来说压力不小。造车成本太高，会影响汽车大规模量产和商业化发展。
②因为多传感器融合，会干扰系统判断，甚至造成误判。
一辆车如果安装了，激光雷达，摄像头，雷达……多个不同的传感器，在行驶过程中，各个传感器数据冲突的时候，会延长自动驾驶平台处理和判断的时间，甚至会出现误判，对于高速行驶的自动驾驶汽车来说，非常危险。
很快，马斯克就这么干了！
年5月开始，特斯拉生产的FSD（完全无人驾驶）采用8个摄像头代替毫米波雷达，来采集外部环境数据。
二、百度：激光雷达路线
激光雷达在自动驾驶汽车中有多重要？
激光雷达就是自动驾驶车辆的眼睛！
激光雷达感知环境的工作原理，利用激光束在发射和回缩过程中测量激光的时差和相位差，确定汽车与物体的相对距离，实现对环境的实时感知和避障功能。
激光雷达价格越高，探测的距离就越远，精度就越高。
自动驾驶汽车一般有多个激光雷达，外加毫米波雷达、超声波传感器和照相机等辅助设备，保证°无死角的观测到车身周围的情况。
今年5月，国内自动驾驶代表选手——百度联手禾赛科技定制全新架构激光雷达，用于第五代完全无人驾驶共享无人车（Robotaxi），性能上升10倍，成本下降一半。
随即6月，百度就发布了ApolloMoon共享L4级无人车，造价成本为48万元。
整车配置了13枚摄像头、5个毫米波雷达和2个激光雷达，用以路况识别。
其中，一个主激光雷达位于车顶的位置，由百度与禾赛共同定制而成。
另一个激光雷达安装在传统前向毫米波雷达的位置。
除了外部设备，ApolloMoon计算设备也有更新，算力达到TOPS。
以百度自动驾驶平台的为底座，ApolloMoon拥有46项安全保障能力：计算单元与传感器多重冗余、底盘安全冗余、传感器自清洁功能、5G云代驾、车路协同、后排乘客状态检测……
至此，百度已经以“激光雷达+高精地图”路线，发展的自动驾驶商业版图，形成三大业务模式：
为主机厂商提供Apollo自动驾驶技术解决方案。
成立集度，自己造车
发展共享无人车Robotaxi。
近两年，资本在自动驾驶市场尤其活跃，很多汽车制造商，自动驾驶技术厂商纷纷加入阵营，如百度Apollo，小鹏、蔚来、广汽、Momenta、Pony.ai、Waymo、Tesla……
毫无疑问，自动驾驶是未来大热方向。
是纯视觉更技胜一筹，还是激光雷达更安全可靠？
那么，这两条路线到底谁能胜出呢？
我们拭目以待吧！
三、AI已来
百度智能云将自主研发的人工智能全栈技术封装成的教育产品，助力国家人工智能人才培养。
百度创新中心重磅推出“百度智能云人工智能精英培训班”。