HW3.0? HW4.0? 要選哪一個? - 特斯拉自動駕駛硬體版本的演進
特斯拉 Model Y 的 HW4.0 硬體版本已於本季度抵達台灣。對於在 9 月 30 日前購買 HW3.0 現貨車的消費者，台灣特斯拉提供五萬元的折扣。此前，許多人期待 HW4.0 的到來，但隨著新款煥新版 Juniper Model Y 的傳聞，消費者又可能會轉而等待這一新版本。預計在 2025 年下半年，HW5.0 也將問世，馬斯克稱作 AI 5，這將與現行的 End to End (Vision In Control Out) 神經網路模型結合，以更完美地解決自動駕駛問題。不知道消費者看到後會不會又想繼續等待更先進的版本。許多剛接觸特斯拉的消費者可能不太了解這些版本之間的差異，所以寫了這一篇文章讓大家參考。
硬體與軟體的協同發展
特斯拉在解決自動駕駛問題時，不僅依賴大量實體行車數據訓練大模型、資料中心的龐大算力、優異人才研究實作的軟體演算法，當然也需要車輛硬體的配合。HW版本代表了與自動駕駛相關的硬體升級，這些升級主要分為在感知外部世界的鏡頭以及內部處理這些影像運算的FSD電腦，自 2022 年特斯拉確認全視覺解決方案後，感知方面主要依賴鏡頭。不同硬體版本之間的差異在於 FSD（全自動駕駛）電腦晶片的升級，處理器更快和更大的記憶體，更高的相機畫素。隨著自動駕駛所需處理的資料量增加，處理器的算力也在不斷提升，以應對大模型參數量的提升與越來越大的數據處理需求。
目前 FSDv12 版的模型是基於 HW3 的硬體進行訓練，而 HW4 則是通過模擬方式運行 FSD。由於目前路上行駛的特斯拉多數仍為 HW3，因此 HW4 的實際運行模型預計要到明年才會實現。然而，對於台灣消費者而言，自動駕駛功能尚未開放，目前僅在北美地區可以使用。不過，台灣是北美以外首個開放自動停車功能的地區。此外，馬斯克今年 4 月 28 日訪中後，已獲得中國的批准，符合中國汽車數據安全合規要求，特斯拉也在隨後幾天在中國開賣 FSD，售價為 6 萬 4 千元人民幣。因此，台灣或許在明年也有可能開放使用 FSD。煥新版 Highland Model 3 和 Juniper Model Y 的變更主要集中在外觀和內裝上，例如前後尾燈、通風椅、方向盤、氣氛燈、飾條、降噪工程和後螢幕等方面。而 HW3、HW4 則是自動駕駛相關硬體的更新，如鏡頭更新、雷達取消、自駕電腦晶片升級等。
特斯拉 FSD 自動駕駛處理器硬體版本
TOPS 是 Trillions of Operations Per Second，用來衡量處理器運算能力的度量單位，1 TOPS 代表處理器每秒可進行1兆次運算。
從上表可以看出特斯拉自動駕駛晶片經歷了多次硬體版本的演進，從最初的無自動駕駛能力到即將問世的 AI5，技術進步顯著。2012 年的 HW0 版本不具備任何自動駕駛功能。隨後，2014 年的 HW1 版本採用了 Mobileye EyeQ3 晶片，僅提供 0.256 TOPS的算力。
2016 年推出的 HW2.0 採用了 Nvidia 的 Parker SoC 和 Pascal GPU 組合，具備 24 DL TOPS 的算力。隨著技術進步，2017 年的 HW2.5 在 HW2.0 基礎上進行了改進，但核心組件保持不變。
2019 年的 HW3 是一個重要的里程碑，採用了特斯拉自主設計的兩顆晶片，每顆晶片具備 72 TOPS 的算力，包含 12 個 Exynos 64 位元 ARM 核心、2 個 GPU、2 個神經網路處理器和 1 個 lockstep CPU。這大幅提升了自動駕駛的運算能力。
2023 年，HW4 推出，每顆晶片的算力提升至 245 TOPS，包含 20 個 Exynos 64 位元 ARM 核心、2 個 GPU、3 個神經網路處理器和 1 個 lockstep CPU，使自動駕駛功能更加先進。
展望未來，預計 2025 年推出的 AI5 計算機將擁有 HW4 大約 10 倍的運算能力，進一步鞏固特斯拉在自動駕駛領域的領先地位。從車上硬體的演進也能看出特斯拉在這十年之中自動駕駛技術上的持續創新和突破。
特斯拉 Media Control Unit 車載資訊娛樂系統
順帶一提，大家在特斯拉車內看到的平板螢幕，是用來控制車輛功能、導航、觀看影片和聽音樂的車載資訊娛樂系統。這個媒體控制單元（MCU）的版本如下：
- 2012年：MCU-1 採用 Nvidia Tegra 3（ARM）處理器
- 2018年：MCU-2 採用 Intel Atom E8000 系列 CPU（x86_64）
- 2022年：MCU-Z 採用 AMD Ryzen 處理器和 AMD Navi 23 GPU
總結
不知道這篇文章是否會讓人對特斯拉的自動駕駛有多一點了解，如果未來對於自動駕駛功能的需求有期待，可以選擇最新的硬體版本。雖然本篇主要講述了車端的硬體演進，但要實現成功的自動駕駛，不僅僅需要車輛配置的FSD推論晶片與八顆鏡頭，還需要訓練資料，特斯拉擁有超過 1000 萬個高質量駕駛影片片段，這些數據對於訓練和改進自動駕駛系統至關重要，自動駕駛算法和機器學習訓練算法的持續改進，使得車輛能夠更準確地理解和應對各種駕駛情況，還有強大的資料中心算力，包括特斯拉的 Dojo 超級電腦，還有第一季財報會議中提到今年底前會部署到至少 85,000 顆 Nvidia H100 晶片，這些強大的計算資源確保了模型能夠快速有效地進行訓練，這些要素都是其他廠商難以在短期內達到的。總之，特斯拉在自動駕駛技術上的持續創新和突破，對人類未來社會帶來無限可能，若能在台灣普及，一定能大幅降低交通事故傷亡人數。
