特斯拉在中國憑什麼翻身？自研晶片還是自動駕駛？

資料智慧產業創新服務媒體——聚焦數智 · 改變商業

從特斯拉公佈的2021年Q2季度財報來看，無疑，特斯拉再次印證了自己的盈利能力。財報顯示，Q2季度非GAAP準則下淨利潤高達 16億美元（103。72億元），GAAP準則下也高達11。42億美元（74億元），和一季度相比，特斯拉的非GAAP利潤增長率高達45。5%

在耀眼的業績數字及盈利能力背後，我們看到的是另一個不爭的事實，特斯拉在中國市場遭遇了明顯的滑鐵盧。

根據乘聯會於近日公佈的國內新能源汽車銷量資料顯示，今年7月份，特斯拉在中國市場上的銷量大幅下降至8621輛，幾乎與蔚來、小鵬、理想處在了同一起跑線上。而中國本土新能源汽車龍頭比亞迪的銷量

高達45782輛，大約是特斯拉的5倍。

同時，目前特斯拉的股價徘徊在700美元以上，相較2021年開年的時候接近900美元的股價，特斯拉市值蒸發了1000多億美元。

即便業績亮眼，特斯拉的中國市場發展仍然不如預期。一方面，特斯拉在中國乃至全球市場事故頻繁，出現了前所未有的信任危機；另一方面，中國新能源車企的不斷崛起，大大沖擊了特斯拉原有的霸主地位，價格、能耗、配置、價效比等等；第三，晶片短缺也導致了減產。那麼，特斯拉到底該如何挽回中國市場如今的局面呢？

“眼見為實”，打造更加可靠的自動駕駛

即使是自動駕駛也要用眼睛開車。這應該是特斯拉的原始命題，從未改變。

雖然鐳射雷達、毫米波雷達和攝像頭是公認的自動駕駛的三大關鍵感測器技術，而且從技術上看，鐳射雷達與其他兩者相比具備強大的空間三維分辨能力，具有探測距離準、探測精度高等顯著優點，但是特斯拉則認為計算機視覺更勝一籌。因此當大多數智慧汽車廠商選用鐳射雷達作為感測器，特斯拉卻

始終把人眼作為著力點。

特斯拉是計算機視覺的堅定擁護者。所謂的計算機視覺主要是用於訓練計算機透過視覺去理解這個世界。特斯拉所應用在自動駕駛的原理就是按照人眼感知的方式去進行建模、分析、決策。

在前不久的AI day上，特斯拉釋出了自動駕駛輔助系統。事實證明，光看是不夠的，看到之後，還要去解析，去判斷，去決策，這才是一個完整的邏輯鏈。因此這一次，特斯拉透過8個攝像頭作為感測器，獲取原始影像資料，再將這些原始資料輸入到一個複雜的神經網路中，形成一個向量空間，並不斷的透過模擬訓練，最終完成自動駕駛。

同時結合特斯拉已有的10億英里駕駛資料、60億個物體標籤、超過1。5PB的資料量，不斷建模訓練，快速提升自動駕駛系統的適應性和實用性，以及糾錯能力，來提高自動駕駛能力。

比如鐳射雷達無法測量移動中的物體，攝像頭則可以明確判斷移動的物體到底是人還是狗。再比如，道路上車輛一旦停止行進，鐳射雷達便不知道要如何給出反饋，計算機視覺透過攝像頭收到車輛停止的資訊，就會迅

速做出下一步的判斷。

馬斯克對於計算機視覺以及神經網路的訓練學習有著足夠的

自信。於特斯拉或者馬斯克而言，真正的自動駕駛只是時間和模擬訓練學習的次數問題。

那這是不是意味著，特斯拉的自動駕駛技術就已經足夠達標，完全能為使用者提供自動駕駛這項超級服務了呢？答案並不肯定。

不肯定的原因有兩個：首先，特斯拉的自動駕駛技術遠沒有達到監管機構的規定。；第二，全球監管標準尚未落地，特斯拉的自動駕駛能否合格也是未知數。

2021年5月，加州機動車輛管理局表示，特斯拉目前處於L2級自動駕駛水平。L2級自動駕駛意味著該軟體仍然需要人工監督，尚未達到真正的無人駕駛且不需要人直接監督的級別。要想達到真正的無人駕駛，需要至少打到L4級，甚至是L5級。

據近日美國加州機動車輛管理局釋出的一份備忘錄顯示，特斯拉早前向加州監管機構表示，該公司可能無法在今年年底前實現L5級別的完全的自動駕駛技術。特斯拉說明道：依然會堅定發展目前的L2級別技術。特斯拉距離真正的L5無人駕駛，恐怕還有一段漫長的路要走。

雖然，智慧汽車已經興起已久，自動駕駛技術也已經被炒的

熱火朝天。但是很嚴峻的一個問題是，國內乃至國際上，至今都還沒有出臺針對帶有自動駕駛功能的智慧汽車檢測的標準規範，而國內同樣也沒有關於自動駕駛相關的測試標準和法規。

不止特斯拉，所有汽車廠商的自動駕駛能力是否達標都是一個未知數。所以，單單僅憑最佳化升級後的自動駕駛輔助系統就想重新俘獲中國市場的消費者們，恐怕還沒有那麼容易。

加入晶片自研白熱戰的特斯拉，會交出怎樣的答卷？

很顯然，特斯拉布局晶片的目的就是為了解決困擾已久的自動駕駛問題。從這一次AI day亮相的DI晶片來看，特斯拉的晶片自研能力可謂已經登峰造極。

基於臺積電7奈米工藝打造，D1晶片核心面積645平方毫米，內建了500億個電晶體。一塊D1晶片由354個訓練節點組成，64位4路集相的多執行緒 CPU；1。25MB SRAM 快取；低延遲資料交換結構；SIMD 單指令多數

據流的浮點/整數單元。

可謂算力能力首屈一指。D1的每一個訓練節點都擁有1024GFLOPS 的 BF16/CF8精度計算能力，或者32GFLOPS 的 FP32 精度計算能力。354 個訓練節點構成的D1晶片，則可以實現高達362TFLOPS的BF16/CF8 精度算力（FP32 精度 22。6T）。同時25個D1晶片可以組成的一個訓練模組，頻寬達到36 TB/s，BF16/CFP8的峰值算力達到9 PFLOPS。

與此前特斯拉唯一一款自研晶片FSD，單芯算力72TOPS，雙芯組成的 Autopilot 硬體 3。0 算力144TOPS相比，D1顯然已經超越太多。

把不可能變成可能。D1 的晶片內部頻寬高達10TB 每秒，晶片外頻寬也高達 4TB 每秒。而大名鼎鼎的英偉達A100，儲存頻寬只有1。6TB/s。

最後再看封裝。簡單的把兩塊晶片放在一個基板上，顯然不符合特斯拉精益求精的個性，但臺積電的 InFO-SoW整合晶圓扇形系統為D1提供了最佳方案。SoW正裝冷盤，散熱效率大大提升，同時物理距離的縮短也使整

個系統的效能與功耗也能因而獲得明顯改善。

當然特斯拉的晶片之路，依然充滿著太多未知和不確定性，然而值得慶幸的是，待到真在部署的那一天，D1必然未來可期。

技術組合拳的威力是否能拯救“流失殆盡”的口碑？

百年前，著名發明家尼古拉·特斯拉表示，發明家需要具備製造幻象的能力，只有成功吸引別人的目光，才能得到更多人的支援。百年後，擁有同樣名字的特斯拉依然傳承著這種發明家思想，但卻更加的務實落地。縱觀特斯拉的發展歷程，不難看出，馬斯克特斯拉絕非只是“電動車”的代名詞，而更多的則是技術控。

從炫技尬舞的智慧機器人，到火箭衛星，再到電力系統、太陽能佈局，馬斯克打造的“特斯拉大帝國”從未把自己定義成一個簡單意義上的公司。今年5月，特斯拉還宣佈已在中國建設資料中心的訊息，也就是說，不管

從軟體硬體方面，特斯拉都在齊齊發力，以品牌塑造力量。

近日，一份《2021中國使用者新能源車消費決策和態度調研報告》對中國消費者購買新能源汽車的決策動因等進行了詳細調查，從中似乎能給我們帶來一定的啟發。

從這份報告來看，中國消費者購買新能源汽車的主要動因是用車成本更低，同時動力好、更智慧也是他們考慮的因素。其次，使用者購買新能源汽車的預算主要集中在10-15萬元區間。最後，也是最關鍵的，根據報告顯示有54。87%（全國範圍）的使用者認為新能源汽車補能不方便。

特斯拉在使用者眼中一直都是技術、安全的代名詞，更是

電動汽車的行業領軍。結合中國2021碳中和發展的大背景，未來電動車的銷量必然會持續增長。特斯拉本身想要在中國市場保持第一梯隊以及持續增長並不難，難的是如何用多組合手段繼續強勢霸佔使用者市場。想要在中國市場有長足穩健的發展，更要滿足中國市場中國使用者的切實需求，解決消費者最最關心的實際問題，提升安全感和使用體驗，而遠非僅靠炫科技奪回口碑。