将自动驾驶比作一颗树，算法算力就是它的种子，决定了它成长潜质；数据就是它的土壤养分，决定了它成长速度。
全球在搞自动驾驶的公司有很多，但是真正意义上拥有实际数据的就只有两三家，特斯拉算一个，Waymo 算另一个。
从实现自动驾驶方向来看，特斯拉与 Waymo 选择了两种不同的技术路线。特斯拉选择从 L2 级自动驾驶慢慢向 L4/L5 级过渡。Waymo 则准备一步到位，直接开始 L4 级自动驾驶的研发。
究竟哪一种才是正确的方式，我们不得而知。因为特斯拉和 Waymo 均取得了不错的进展。
2018 年 3 月更新后的 Autopilot 好评如潮，驾驶体验有很大的提升，同时根据网友表示更新后的 2.0 车身四周的 8 个摄像头全部启用，也就意味着特斯拉要开始在自动驾驶发力了。
Waymo 也取得了不错的成效：日前，Waymo 已经向加利福尼亚州机动车辆管理局提交申请测试全自动驾驶汽车 (去掉方向盘, 踏板, 并且不配备随车人员)，实现真正意义上的无人驾驶。
配置对比
谷歌偏向于激光雷达方案，特斯拉偏向于视觉优先方案。
谷歌目前使用三种不同类型的激光雷达，外加 5 个雷达和 8 个摄像头；特斯拉采用「毫米波雷达+摄像头」的传感器方案，全车配备 8 个摄像头，12 个超声波雷达，一个毫米波雷达。
马斯克宣称使用这套装备将能实现 L4 级的自动驾驶。但是最后是否如他所言，还有待考证。
与谷歌自动驾驶不同的是，特斯拉的这套方案已经实际量产，并从出厂开始就已经装配至车上（你见，或者不见我，我就在那里不悲不喜），换言之特斯拉卖给你的是软件服务。量产就会有成本方面的考量，首先这套装置都是标配，总有人不会启用这项服务，意味着这部分就成了沉没成本；其次，一个 64 线的 Velodyne 激光雷达（Waymo 用的这种）要价七八万美元，这成本，马老板还赚不赚钱了？马斯克也不是没有考量过激光雷达，之前有网友拍到特斯拉使用激光雷达进行自动驾驶测试的照片，还是价格太过美丽，如果价格能够降下来，估计马老板还是很愿意使用的，当然这都是后话了。
特斯拉第一代 Autopilot 使用的是 Mobileye 的辅助驾驶芯片 EyeQ3，计算性能达到 300Gflops，到了第二代，特斯拉使用的是英伟达的 Drive PX 2，理论计算性能最高达到 10Tflops，即使算力得到极大提升，依然没能满足特斯拉 Autopilot 的运算需求，之后马斯克宣布自研 AI 芯片，应该有运算上的考量，于是马斯克直接拉来「Chip God」Jim Keller 负责项目的研究。值得一提的是，特斯拉自研芯片并不是在马斯克宣布后才开展的，早在 2015 年 9 月 Jim Keller 加入特斯拉之后就开始了，根据 CNBC 报道，Jim Keller 目前领导着一个约 50 人左右的团队从事芯片开发，可见马斯克在自动驾驶的野心有多大。马斯克也夸下海口说特斯拉打造的 AI 芯片可能是全世界最好的 AI 芯片。
其实也不难理解，电池作为电动车的心脏，马斯克从一开始就牢牢掌控，试想，辅助驾驶芯片作为自动驾驶的大脑，作为控制狂魔的马斯克怎么可能会让与他们。将软硬结合做到这种程度，特斯拉的自动驾驶会进化成什么样子，非常值得期待。
从另一个角度讲，从算力 300Gflops 到 10Tflops，算力增长三十倍之多依然无法满足运算，说明现在特斯拉 Autopilot 的毫米波雷达+摄像头自动驾驶性能还没有到达天花板，未来还是有一定提升空间。
各自优势
从目前来看，特斯拉在实际数据上更具优势。
特斯拉目前有一只庞大的自动驾驶测试队伍（包括已经售卖的和特斯拉自由的自动驾驶测试车队）。根据特斯拉的说法，无论是否开启自动驾驶模式，特斯拉都会以影子模式进行数据采集测试自动驾驶技术。2016 年，特斯拉 Autopilot 负责人表示已经收集了 7.8 亿英里的数据，其中 1 亿英里数据来自 Autopilot。同年马斯克表示 Autopilot 每天收集到的数据超过 300 万英里，2017 年收集数据增加到 50 亿英里，随着特斯拉售出车辆的增加，该数据正以指数级增加。而影子模式下收集的数据也有数十亿之巨。
谷歌在实际数据量的积累上也是很可观的：从 2009 年开始，Waymo 在现实道路实际自动驾驶里程已经超过 500 万英里，主要集中在城市街道上，仅仅在 2017 年一年，Waymo 在实验室已经模拟了 27 亿英里的自动驾驶行驶里程（就问你怕不怕），但是和特斯拉相比还是稍逊一筹。模拟数据毕竟只是模拟数据，还是无法与真实路况进行对比，因此，真实路测的价值就尤为重要。
Waymo 在算法上更优于特斯拉。
从这些时间点不难发现，Waymo 自动驾驶技术在明显提升，早在 2015 年，Waymo 宣布就开始真正意义上的无人驾驶；从 2017 年的 600 辆克莱斯特到 2018 年直接拿下 20000 辆 I-PACE，从侧面也印证着 Waymo 应该是对自家自动驾驶很有信心了，已经不满足于这样小打小闹，它需要获得更多的实际运作经验以及更加庞大的数据量。Waymo 曾表示今年年底将自动驾驶技术投入商用，Waymo 的野心可见一斑。
共通之处
说了这么多，其实不难发现，特斯拉和谷歌还是有共同点的： 软硬结合 。特斯拉自然不用过多解释，作为一个控制狂魔，马斯克开始之初就将电动车的生产制造牢牢掌握在自己手上，同样在与松下在电芯上合作之后，马斯克决定自建电池工厂，事实证明马斯克是正确的；在自动驾驶上，马斯克同样决定自研芯片。
Waymo 亦是如此，将自动驾驶把握在自己手上。自动驾驶不同于其他技术，它需要做到的是软硬件之间的相互协调，只有做到软硬皆通才能发挥更大的优势，理解硬件与软件开发过程中需要磨合的地方，这是一个很大的学问。Waymo 从一开始的目标就不是打算自己造车，更多的是出于通过造车深入了解并解决自家自动驾驶在实际运用中可能会碰到的问题。因此 Waymo 对于自动驾驶方案同硬件以及车身载体相结合的理解也更加深刻。这也是其他互联网企业无法比拟的。
国内独特的数据优势
从国内来看，主要还是以百度为首的一众自动驾驶公司。
4 月 19 日, 百度 Apollo 刚刚过完自己一岁生日。从 2.0 升级到了 2.5, 并开放了视觉感知、实时相对地图、高速规划和控制三大能力，同时公布了阿波罗计划的第一百个合作伙伴—比亚迪。百度打造这个平台更多的考量还是数据量，毕竟目前数据流量入口大都掌握在车企手上，百度要做的就是拉起自动驾驶的大旗，集合国内各大车企，做自己的自动驾驶生态。
不得不承认的是，国内自动驾驶技术和国外还是有一定的差距。
在加州车辆管理局自动驾驶年度报告中，谷歌 Waymo 和通用 Cruise 遥遥领先。Waymo 在 2017 年跑了 35.25 万英里，测试车辆 75 辆，人工干预 63 次，Cruise 路测里程 13.16 万英里，先后有 90 多台车参与路测，共发生了 105 次脱离。
百度在加州的测试车辆有 4 辆，均为林肯 MKZ 车型，总测试里程达到了 1971 英里，脱离次数为 48 次，总体来说还是有很大的提升空间。
李彦宏曾说，AI 中美竞赛优势在数据 。自动驾驶同样如此，国内相对复杂的道路以及交通情况可以在数据上获取不同的场景进而进行优化处理，换句话说在美国可以实现的自动驾驶在中国不一定适用，但是在中国实现的自动驾驶一定可以在美国运作。这就是数据差异造成的。
根据英特尔预测，在 2030 年自动驾驶市场将达到 8000 亿美元，到 2050 年规模可达 7 万亿美元。自动驾驶目前来说还是一片蓝海。自动驾驶的竞争也会越来越激烈。如果将自动驾驶比作一颗树，算法算力就是它的种子，决定了它成长潜质；数据就是它的土壤养分，决定了它成长速度。特斯拉和 Waymo 在数据量以及算法算力的竞争就是未来整个自动驾驶行业的缩影。
在这样一个大背景下，国内外各大自动驾驶公司各有优势，未来自动驾驶技术如何演变？自动驾驶场景应用如何实现？在不久的将来，都会给出答案。
原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！
欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
