特斯拉在中国凭什么翻身？自研芯片还是自动驾驶？

从特斯拉公布的2021年Q2季度财报来看，无疑，特斯拉再次印证了自己的盈利能力。财报显示，Q2季度非GAAP准则下净利润高达 16亿美元（103.72亿元），GAAP准则下也高达11.42亿美元（74亿元），和一季度相比，特斯拉的非GAAP利润增长率高达45.5%

在耀眼的业绩数字及盈利能力背后，我们看到的是另一个不争的事实，特斯拉在中国市场遭遇了明显的滑铁卢。

根据乘联会于近日公布的国内新能源汽车销量数据显示，今年7月份，特斯拉在中国市场上的销量大幅下降至8621辆，几乎与蔚来、小鹏、理想处在了同一起跑线上。而中国本土新能源汽车龙头比亚迪的销量高达45782辆，大约是特斯拉的5倍。

同时，目前特斯拉的股价徘徊在700美元以上，相较2021年开年的时候接近900美元的股价，特斯拉市值蒸发了1000多亿美元。

即便业绩亮眼，特斯拉的中国市场发展仍然不如预期。一方面，特斯拉在中国乃至全球市场事故频繁，出现了前所未有的信任危机；另一方面，中国新能源车企的不断崛起，大大冲击了特斯拉原有的霸主地位，价格、能耗、配置、性价比等等；第三，芯片短缺也导致了减产。那么，特斯拉到底该如何挽回中国市场如今的局面呢？

“眼见为实”，打造更加可靠的自动驾驶

即使是自动驾驶也要用眼睛开车。这应该是特斯拉的原始命题，从未改变。

虽然激光雷达、毫米波雷达和摄像头是公认的自动驾驶的三大关键传感器技术，而且从技术上看，激光雷达与其他两者相比具备强大的空间三维分辨能力，具有探测距离准、探测精度高等显著优点，但是特斯拉则认为计算机视觉更胜一筹。因此当大多数智能汽车厂商选用激光雷达作为传感器，特斯拉却始终把人眼作为着力点。

特斯拉是计算机视觉的坚定拥护者。所谓的计算机视觉主要是用于训练计算机通过视觉去理解这个世界。特斯拉所应用在自动驾驶的原理就是按照人眼感知的方式去进行建模、分析、决策。

在前不久的AI day上，特斯拉发布了自动驾驶辅助系统。事实证明，光看是不够的，看到之后，还要去解析，去判断，去决策，这才是一个完整的逻辑链。因此这一次，特斯拉通过8个摄像头作为传感器，获取原始影像数据，再将这些原始数据输入到一个复杂的神经网络中，形成一个矢量空间，并不断的通过模拟训练，最终完成自动驾驶。

同时结合特斯拉已有的10亿英里驾驶数据、60亿个物体标签、超过1.5PB的数据量，不断建模训练，快速提升自动驾驶系统的适应性和实用性，以及纠错能力，来提高自动驾驶能力。

比如激光雷达无法测量移动中的物体，摄像头则可以明确判断移动的物体到底是人还是狗。再比如，道路上车辆一旦停止行进，激光雷达便不知道要如何给出反馈，计算机视觉通过摄像头收到车辆停止的信息，就会迅速做出下一步的判断。

马斯克对于计算机视觉以及神经网络的训练学习有着足够的自信。于特斯拉或者马斯克而言，真正的自动驾驶只是时间和模拟训练学习的次数问题。

那这是不是意味着，特斯拉的自动驾驶技术就已经足够达标，完全能为用户提供自动驾驶这项超级服务了呢？答案并不肯定。

不肯定的原因有两个：首先，特斯拉的自动驾驶技术远没有达到监管机构的规定。；第二，全球监管标准尚未落地，特斯拉的自动驾驶能否合格也是未知数。

2021年5月，加州机动车辆管理局表示，特斯拉目前处于L2级自动驾驶水平。L2级自动驾驶意味着该软件仍然需要人工监督，尚未达到真正的无人驾驶且不需要人直接监督的级别。要想达到真正的无人驾驶，需要至少打到L4级，甚至是L5级。

据近日美国加州机动车辆管理局发布的一份备忘录显示，特斯拉早前向加州监管机构表示，该公司可能无法在今年年底前实现L5级别的完全的自动驾驶技术。特斯拉说明道：依然会坚定发展目前的L2级别技术。特斯拉距离真正的L5无人驾驶，恐怕还有一段漫长的路要走。

虽然，智能汽车已经兴起已久，自动驾驶技术也已经被炒的热火朝天。但是很严峻的一个问题是，国内乃至国际上，至今都还没有出台针对带有自动驾驶功能的智能汽车检测的标准规范，而国内同样也没有关于自动驾驶相关的测试标准和法规。

不止特斯拉，所有汽车厂商的自动驾驶能力是否达标都是一个未知数。所以，单单仅凭优化升级后的自动驾驶辅助系统就想重新俘获中国市场的消费者们，恐怕还没有那么容易。

加入芯片自研白热战的特斯拉，会交出怎样的答卷？

很显然，特斯拉布局芯片的目的就是为了解决困扰已久的自动驾驶问题。从这一次AI day亮相的DI芯片来看，特斯拉的芯片自研能力可谓已经登峰造极。

基于台积电7纳米工艺打造，D1芯片核心面积645平方毫米，内置了500亿个晶体管。一块D1芯片由354个训练节点组成，64位4路集相的多线程 CPU；1.25MB SRAM 缓存；低延迟数据交换结构；SIMD 单指令多数据流的浮点/整数单元。

可谓算力能力首屈一指。D1的每一个训练节点都拥有1024GFLOPS 的 BF16/CF8精度计算能力，或者32GFLOPS 的 FP32 精度计算能力。354 个训练节点构成的D1芯片，则可以实现高达362TFLOPS的BF16/CF8 精度算力（FP32 精度 22.6T）。同时25个D1芯片可以组成的一个训练模块，带宽达到36 TB/s，BF16/CFP8的峰值算力达到9 PFLOPS。

与此前特斯拉唯一一款自研芯片FSD，单芯算力72TOPS，双芯组成的 Autopilot 硬件 3.0 算力144TOPS相比，D1显然已经超越太多。

把不可能变成可能。D1 的芯片内部带宽高达10TB 每秒，芯片外带宽也高达 4TB 每秒。而大名鼎鼎的英伟达A100，存储带宽只有1.6TB/s。

最后再看封装。简单的把两块芯片放在一个基板上，显然不符合特斯拉精益求精的个性，但台积电的 InFO-SoW集成晶圆扇形系统为D1提供了最佳方案。SoW正装冷盘，散热效率大大提升，同时物理距离的缩短也使整个系统的效能与功耗也能因而获得明显改善。

当然特斯拉的芯片之路，依然充满着太多未知和不确定性，然而值得庆幸的是，待到真在部署的那一天，D1必然未来可期。

技术组合拳的威力是否能拯救“流失殆尽”的口碑？

百年前，著名发明家尼古拉·特斯拉表示，发明家需要具备制造幻象的能力，只有成功吸引别人的目光，才能得到更多人的支持。百年后，拥有同样名字的特斯拉依然传承着这种发明家思想，但却更加的务实落地。纵观特斯拉的发展历程，不难看出，马斯克特斯拉绝非只是“电动车”的代名词，而更多的则是技术控。

从炫技尬舞的智能机器人，到火箭卫星，再到电力系统、太阳能布局，马斯克打造的“特斯拉大帝国”从未把自己定义成一个简单意义上的公司。今年5月，特斯拉还宣布已在中国建设数据中心的消息，也就是说，不管从软件硬件方面，特斯拉都在齐齐发力，以品牌塑造力量。

近日，一份《2021中国用户新能源车消费决策和态度调研报告》对中国消费者购买新能源汽车的决策动因等进行了详细调查，从中似乎能给我们带来一定的启发。

从这份报告来看，中国消费者购买新能源汽车的主要动因是用车成本更低，同时动力好、更智能也是他们考虑的因素。其次，用户购买新能源汽车的预算主要集中在10-15万元区间。最后，也是最关键的，根据报告显示有54.87%（全国范围）的用户认为新能源汽车补能不方便。

特斯拉在用户眼中一直都是技术、安全的代名词，更是电动汽车的行业领军。结合中国2021碳中和发展的大背景，未来电动车的销量必然会持续增长。特斯拉本身想要在中国市场保持第一梯队以及持续增长并不难，难的是如何用多组合手段继续强势霸占用户市场。想要在中国市场有长足稳健的发展，更要满足中国市场中国用户的切实需求，解决消费者最最关心的实际问题，提升安全感和使用体验，而远非仅靠炫科技夺回口碑。

文：晴天 / 数据猿