为什么被马斯克解雇了3次，特斯拉自动驾驶团队却越来越强？
很多人問我，作為一個汽車廠商，怎么樣才能夠抓住汽車智能化的時代機遇，建立自動駕駛自研能力，因為其中最讓人頭疼的就是建立人工智能（AI）自研能力。
車廠已經意識到自動駕駛自研能力非常重要
2021年6月30日，上汽集團董事長陳虹在股東大會回答股東提問時表示，與一家公司合作自動駕駛，它為上汽提供整體的解決方案，上汽是不能接受的。如此一來，它就成了靈魂，而上汽就成了軀體。上汽要把靈魂掌握在自己手中。
圖1 上汽要把靈魂（自動駕駛）掌握在自己手中
所以，規模較大的汽車廠商，都已經積極布局，如成立研究院、子公司和人工智能實驗室，要把自動駕駛的關鍵技術掌握在自己手里。
車廠自研算法難落地
傳統車廠自研的研發成果往往并不能夠進入到量產車型，車型部門更愿意從外部采購算法，理由是自研的算法的成熟度難以和外部供應商的算法的成熟度相媲美。
這是因為傳統車廠沒有招聘到優秀人才嗎？其實不是。
而是因為惡性循環：因為自研算法不成熟，所以量產車型不用，所以自研算法沒有成熟機會，循環往復。
圖2 車廠自研算法的惡性循環
對于新成立的電動汽車公司，也有類似的問題。創業公司更在乎自動駕駛的自研，因為他們都以特斯拉為榜樣，而特斯拉就是自研的自動駕駛和智能座艙。但是，對于新成立的造車公司，人員和經費都非常緊張，一窮二白，怎么樣才能夠高效的、省錢的建立起自研的自動駕駛團隊，這是他們非常苦惱和困惑的地方。
有的造車新勢力就走了彎路。一個典型的案例就是南京的拜騰，這家公司還沒有造出一輛車的時候就開始從蘋果挖高級自動駕駛算法工程師，2018年拜騰擁有300多人的北美辦公室僅購買零食就花費了700多萬美元（約人民幣5000萬元），人力成本高昂，但是到最后一輛車也沒造出來，自動駕駛算法自研也無從談起。
車廠自建自動駕駛能力的2大誤區
誤區一：首先招聘自動駕駛算法大牛。
有家車廠先從自動駕駛算法公司招聘了一個算法高管，但是這家公司的汽車的AI芯片是采用的Mobileye的芯片，車廠并不能在上面編程，自研算法并沒有辦法跑在已經量產的汽車上。
算法工程師的產出在短時間內并沒有能夠量產落地的希望，要留出優秀的算法團隊是很有挑戰的，在工資待遇上要做傾斜。
由于算法工程師是和互聯網公司競爭人才，所以優秀算法工程師的工資本來就相對較高，會對傳統車廠原有的工資體系形成更大挑戰。
而且，加上短期內算法工程師的成果不能落地，公司內會對算法大牛的價值有質疑，會對決策者產生挑戰。
誤區二：先招聘幾個算法工程師做預研。
既然自動駕駛重要不緊急？那先招聘一些資歷相對較淺的算法工程師，先做預研吧。這樣行嗎？
也不行。
有個案例，算法工程師和他的領導發生了沖突。因為算法工程師要求公司給他購買數據，但領導覺得算法工程師沒有證明自己的能力，并不愿意在這個時間點購買數據，最后以算法工程師離職收場。
?圖3 車廠的算法工程師的數據窘境
車廠建立自研能力的關鍵在建立“基本工作條件”
其實，汽車廠商自己掌握自動駕駛的自研能力是完全可行的，只要先集中精力建“基本工作條件”。
?圖4 想擁有頂尖的自動駕駛算法團隊，先要擁有“基本工作條件”
要建立頂尖的自動駕駛算法團隊，第一步不是招聘最牛的算法大拿，也不是急于擴大算法工程師團隊規模，而是建立算法工程師的“基本工作條件”，先筑巢，再引鳳。
算法工程師工作的“基本條件”包含硬件和軟件。
硬件包含：
軟件包含：
當你具備以上4個基本條件的時候，你會發現全球最頂尖的算法工程師追著你走。你再也不用擔心算法工程師的招聘、激勵和考核了。
為什么上面4點是建立自研能力的前提條件？
第一，自動駕駛AI芯片提供開發AI算法的軟件環境，這是一切的基礎。
以前很多汽車廠商買的是Mobileye的自動駕駛芯片，但是Mobileye的環境是一個封閉環境，客戶是不能夠在Mobileye的芯片上編寫自己的代碼的。
如果汽車廠商在自己的車上都用了封閉硬件，那么永遠也不能夠使用自研的算法和程序。也就是說，汽車廠商永遠也不能夠建立自己量產的算法能力。
相反，如果是汽車廠商在自己的汽車產品上選擇開放的AI芯片，即使在初期的時候，算法是外部供應商提供的，汽車廠商的研發團隊也可以通過OTA（Over-the-Air Technology，空中下載技術），逐步的把算法替換成自研的算法。
第二，不能只買幾塊AI芯片開發板試試，而是要有量產車型。
首先，量產車型讓算法工程師看到希望。能夠看到自己的算法是能夠用到真實量產的產品上的，這對于算法工程師非常重要。如果看不到量產落地的希望，是很難留住優秀的算法工程師的。
優秀的算法工程師不怕挑戰，但是害怕沒有希望。
?圖5 互聯網公司的算法團隊苦于沒有落地量產車型
比如，有些互聯網公司投入重金做自動駕駛，但是由于沒有量產車型落地，優秀的自動駕駛人才紛紛離職，成為了自動駕駛算法人才的“黃埔軍校”。
這也是互聯網公司都自己下場親自造車的原因。
其次，量產車型是構建軟件“基本工作條件”的基礎。因為數據采集的能力、產品級的自動駕駛測試能力都是基于量產車型的。
對于短期沒有裝載開放AI芯片的量產車型的汽車廠商，怎么辦？可以先有量產車型的明確規劃，加上改裝車，彌補短期的不足。建議配備10臺以上的改裝車。
第三，建立采集數據、處理數據的能力。這是整個AI軟件的源頭。
這不是指從數據公司買一些存量的數據。而是指你必須建立一個源源不斷地產生數據、處理數據（標注數據是關鍵一環）的能力。因為，只有這種能力的建設，才是解決源頭的問題。
你從數據公司買的數據，并不一定匹配你的量產車型，而且，當算法工程師有針對性的提出增加某種場景的數據的時候，如果沒有數據的采集能力，就沒辦法滿足算法工程師的需求，算法工程師也沒法繼續工作了。
為了使用最先進的算法，數據標注的方法也需要不斷改進。這都需要建立自主的、完整的數據處理能力。
圖6 沒有數據能力，算法工程師巧婦難為無米之炊
第四，產品級的自動駕駛測評能力，是對算法團隊進行激勵和管理的關鍵。
產品級的自動駕駛測評能力是指有能力對車輛在不同條件（含天氣、路況、時間、光線）下的自動駕駛表現（含剎車、加速、轉彎、感知結果和顯示效果）進行測試。
算法是有自己標準的測評指標的，比如說圖像處理算法的精度指標是準確率、召回率、mAP（平均精度均值，Mean Average Precision），性能的判斷指標就是fps（幀率，Frames Per Second）。算法工程師首先會采用這些指標。
?圖7 算法指標并不能直接體現實際產品的體驗
但是，這些指標和實際產品的體驗有什么關系？
答案是關系非常模糊。
對一個算法工程師來說，在相同數據集下，精度提升0.5%，就是一個非常大的成績。簡直是可以興奮得夜不能寐，很可能爭取一個國際學術會議的最佳論文獎。但是，這個提升對于真實產品的體驗可能沒有幫助，甚至是可能產生負面影響。
如果車廠不能建立起產品級的自動駕駛測評能力，那么產品團隊和管理團隊會難以建立和算法團隊的溝通渠道。
說簡單一點，產品團隊和管理團隊，沒法對對算法團隊的工作進行評價。這會產生很多問題，很難產生信任，也沒辦法對算法團隊設定目標，對算法團隊進行激勵和獎勵。
?圖8 算法工程師陷入網絡結構的嘗試（構排列組合）陷阱后，會耗時耗力
如果沒有產品級的自動駕駛測評結果作為“目標指揮棒”，那算法團隊，很可能就會把自己的目標變成不斷的去嘗試各種不同的網絡結構，或者是變成去學術期刊上發表論文。這通常并不能很好的幫助自動駕駛算法的量產落地，也會讓算法工程師產生挫敗感。
再次，產品級的自動駕駛測評能力，是打破車廠自研算法不能上車的惡性循環（圖2）的關鍵。只有有了客觀的測評標準，自研算法才有了量產上車的準入標準，也才有了上車的可能性，否則，車廠會一直樂于采用外部供應商的算法。
為什么被馬斯克解雇了3次，特斯拉自動駕駛卻團隊越來越強？
我們可以看到，建立自動駕駛自研的4項“基本工作條件”，特斯拉正好都具備了。
| 基本工作條件 | 特斯拉 | 小鵬汽車 | 理想汽車 | 蔚來汽車 |
| AI芯片開發軟件環境 | Yes，自研FSD芯片 | Yes，英偉達Xavier芯片 | Yes，地平線征程3芯片 | No，Mobieye EQ4 |
| 量產車型 | Yes | Yes | Yes | Yes |
| 數據采集和處理能力 | Yes，Software 2.0 | Yes, 全閉環體系 | Yes，影子模式 | 未知（沒有搜索到相關信息） |
| 產品級自動駕駛測試能力 | Yes | Yes | Yes | Yes |
表1 具備“基本工作條件”的車廠，必然能建立自動駕駛自研能力
在2020年特斯拉CEO馬斯克的采訪中，他也指出，整個 Autopilot 團隊有大約 300 名工程師，“其中軟件端不到 200 人，芯片設計部門則有 100 多人”，但是，“光是打標簽這項工作，我們都投入了 500 多名熟練工呢”，并且，“我們準備將打標簽的團隊擴充到 1000 人，而且人人都是行內高手。”
注意：前文中，拜騰汽車2018年北美辦公室的人數是300多人，比特斯拉自動駕駛軟件團隊多100人。
可以看出，特斯拉是多么重視“基本工作條件”的建設，標注人員和軟件工程師的比例是5:1。正是因為特斯拉抓住了重點（“基本工作條件”），才讓它的自動駕駛傲視全球。
也正是因為特斯拉的客觀的“基本工作條件”很強，馬斯克解雇了3次特斯拉的自動駕駛團隊，自動駕駛團隊卻變得越來越強。
別的企業的自動駕駛團隊經歷人事更替，可能早已灰飛煙滅了。
“基本工作條件”如何建立
對于車廠，肯定是不缺量產車型，這是相比互聯網企業的優勢，所以，只要把開放的AI芯片規劃到自己的量產車型當中（在車型量產前，制作十輛以上的改裝車），硬件的“基本工作條件”就具備了。
全球開放的自動駕駛AI芯片不多，現在已經量產上車的有英偉達和地平線。此外，多家客戶反饋英偉達和地平線的工具鏈開放度和成熟度較好，所以可編程性沒有問題。
還沒有量產上車的AI芯片還有高通和黑芝麻。由于還處于早期，工具鏈的開放性和成熟度還有待觀察。
接下來是軟件的“基本工作條件”。
有的云服務供應商提供通用的數據處理、數據管理、模型管理平臺，比如亞馬遜、華為云，這些是通用解決方案，如果要用于自動駕駛，還需要開發工作。
圖9 “華為八爪魚”自動駕駛開放平臺
?圖10 地平線艾迪AI開發工具平臺
也有提供針對自動駕駛的數據采集和處理解決方案，比如“華為八爪魚”、地平線的“艾迪平臺”，可以讓車廠自己更快建立數據采集、數據處理（含標注）的能力。國內部分車廠已經在使用地平線的“艾迪平臺”。
對于產品級的自動駕駛測試方案，主要是要和有量產經驗的合作伙伴進行合作。因為有量產經驗的伙伴都已經積累了產品級的測試方案。產品級的測試方案包括算法測試、回灌測試、仿真測試和實車測試。更關鍵的能力是測試數據、和測試場景的積累。
圖11 產品級的測試方案，是有量產經驗的廠商的優勢
不管是數據采集和標注能力，還是產品級自動駕駛測試能力，都是軟件工程能力，傳統車廠現在的人力資源，是完全能夠掌握的、有能力評估、有能力使用的。甚至，在適當的時間點，自己開發在理論上也是完全可行的。
總結
綜上所述，汽車廠商建立自動駕駛自研能力是完全有可以的，甚至比互聯網企業、自動駕駛技術公司更有優勢。關鍵在于順序別弄錯了，別進誤區，先將重點放在建立自動駕駛的“基本工作條件”：
當你具備以上4項“基本工作條件”的時候，你會發現全球最頂尖的算法工程師追著你走，你就不愁建立自動駕駛自研能力了。
（同理，智能座艙的AI自研能力建設也是要先建立“基本工作條件”。）
參考文獻
注：本文僅代表個人觀點，與任何組織和單位都無關。
總結
以上是生活随笔為你收集整理的为什么被马斯克解雇了3次，特斯拉自动驾驶团队却越来越强？的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 大白菜、老毛桃win10装机分区错误，重
- 下一篇： 程序员看看笑话幽默有主减压，整理了一些不