特斯拉Model 3推出已有3年了。然而，通过软件更新和硬件更换（从HW2.5到HW3.0），特斯拉承诺将保持Model 3持续更新，并为完全自动驾驶的未来做好准备。
至少，这是他们的承诺。
硅谷一群精通技术的消费者颇有文化底蕴，迅速迷上了特斯拉。最重要的是，他们欣赏特斯拉全新设计的整洁、优雅的车辆架构。特斯拉可以通过OTA软件更新来添加新功能，甚至可以神奇地提升车辆性能。其他OEM（他们的车辆都与旧平台绑定在一起）还没有一个可以完全做得到。
特斯拉的粉丝往往不太担心特斯拉备受争议的”自动驾驶”功能。他们既不关注它能做什么，也不关注它不能做什么。他们更愿意专注于Autopilot将来会变成什么样，就像特斯拉承诺的那样。除了一系列的软件升级，特斯拉还在去年推出了硬件交换，从HW2.5升级到HW3.0。
发布HW3.0时，Musk在一条推文中宣称：”所有正在生产的汽车都具备进行完全自动驾驶所需的所有硬件、计算和其他硬件。”我们将看到Musk所谓的”完全自动驾驶”到底意味着什么。
特斯拉吹捧的向HW3.0的过渡令我们着迷。那么，Model 3的底层是什么？它将如何转变？
Model 3是一款更小、更经济的电动车，于2017年中期开始生产。由于去年推出了自己的SoC，特斯拉向Model 3买家承诺，如果购买FSD软件包，他们将通过一个简单的服务进行从HW 2.5到HW 3.0升级更换。
不过，需要明确的是，当今的FSD软件包尚未使特斯拉能够在没有人为干预的情况下驾驶。目前，这是一系列的Auotopilot的增量升级。此外，根据Musk上个月的推特，目前7,000美元FSD套餐计划在7月1日上涨约1,000美元。
在System Plus Consulting（法国南特）最新发布的”Under the Hood”系列中，我们对Tesla Model 3进行了更深入的研究，重点关注在Model 3中部署的汽车传感器和Autopilot ECU。
成本至上
汽车的计算能力日益重要。为了实现最佳的驾驶员辅助和自动驾驶并激活安全功能，需要大量的计算能力。
为了优化自动驾驶，许多OEM和Tier 1都采用了各种传感器，例如摄像头、雷达、激光雷达和超声波传感器，以便车辆可以在周围环境中进行检测。从传感器获取的所有数据必须组合在一起，这就是控制单元起作用的地方。
鉴于特斯拉保持着”最先进”的形象，如果公众相信Model 3内的所有硬件在技术上也是行业最先进的，那也情有可原。
不过，一窥幕后的秘密发现，System Plus的CEO Romain Fraux解释说，特斯拉Model 3的主要设计目标是降低ADAS的成本，以便让这款车更加经济。
Model 3的传感器组合由8个摄像头、1个雷达和12个超声波雷达构成。Model 3不使用激光雷达，这与Musk著名的激光雷达是”傻冒”的说法是一致的。
在接下来的内容中，System Plus分享了Model 3的传感器和计算单元的亮点部分。
ADAS传感器
特斯拉Model 3设计的传感器套件包括：8个摄像头，可在250米半径内在汽车周围提供360度可视性；完善此视觉系统的还有12个超声波传感器。它们一起使远距离检测软硬物体成为可能，其精度几乎是以前系统的两倍。该套件还集成了具有改进处理能力的前向雷达系统。它以冗余波长提供有关周围环境的其他数据，可以穿透大雨、大雾、灰尘甚至超越以前的车辆。
有四个前向的摄像头，它们支持着雷达并具有不同的特性。最主要的一个覆盖了250米，但是视角非常狭窄，其它则覆盖了较短的距离（150、80和60米），但可以看到汽车周围的环境，是用来识别路标等工作的。其他4个摄像头面向汽车的侧面和后部，可以覆盖100米以上的距离。
另一方面，超声波传感器探测汽车周围8米半径范围内的障碍物。它可以在任何速度下工作，也可以控制盲点。超声波收集的数据也被Autopilot用来管理超车时的自动变道功能。最后，GPS用于检测汽车在道路上的位置。
前视摄像头
特斯拉的前视采用的是基于三个安森美图像传感器的三目摄像头模块。Model 3还使用了两个前视侧摄像头，两个后视侧摄像头和一个后视摄像头。
Model 3的8个摄像头都是基于安森美在2015年发布的120万像素的图像传感器。Fraux表示，它们的成本很低，既不是最新的，也不是高分辨率的。
可见从同一个供应商采购所有8个图像传感器，意味着”特斯拉肯定在设法获得更理想的采购价格。”
三目摄像头比较
Model 3的三目摄像头有三个ON Semi AR0136A的CMOS图像传感器，像素尺寸为3.75um、分辨率为1280×960 1.2Mp。它提供一个250米的前端图像捕获系统，供Model 3的Autopilot模块单元使用。
为了更详细解释特斯拉的三目，System Plus将其与采埃孚的三目进行了比较。采埃孚的S-Cam4提供了两种解决方案，一种解决方案是使用单目，另一种采用三目。
S-Cam4是采埃孚模块的三目版本，具有Omnivision CMOS图像传感器和Mobileye的EyeQ4视觉处理器。
如上图所示，特斯拉使用的PCB安装技术与宝马的有所不同。宝马更喜欢三种不同的PCB上的传感器的独立组合。相比之下，特斯拉的三目模块将所有CMOS传感器嵌入到一个PCB中，没有处理SoC。
采埃孚的S-Cam4具有Mobileye的视觉处理功能。
Systum Plus表示，通过从安森美选择成熟的图像传感器，且不添加任何后处理，特斯拉使摄像头模块”不是为了拥有最新的图像传感器，而是全部与成本相关”。该公司估计，采埃孚三目摄像头的成本为165美元，而特斯拉的成本为65美元。
雷达
特斯拉选择了大陆的成熟的雷达模块。大陆的ARS4-B内置了恩智浦的77GHz雷达芯片组和32位MCU。System Plus的Fraux指出，尽管包括联发科和德州仪器在内的数家芯片公司声称已进入了汽车雷达市场，但恩智浦和英飞凌是无可争议的两大巨头。大陆是雷达模块供应商中的关键玩家。Fraux解释说：”它的ARS4-B至少还可以在其它15款车辆中找到，包括奥迪Q3、大众途观、日产Rogue等。”
大陆ARS4-A雷达系统用于前向碰撞警告、紧急制动辅助、碰撞缓解或ACC。一个重要的功能是同时测量两个物体之间的远距（最大250m，精度为+/- 0.2m）和近距（最大70m）、相对速度和角度。
该系统由两个电子板组成，其中包括恩智浦的微控制器和博通的以太网收发器。RF板采用了不对称结构，带有PTFE/FR4混合基板，并配有平面天线。
恩智浦的77GHz多通道雷达收发器芯片组由四个接收器、两个发射器以及一个相关的压控振荡器（VCO）组成。
计算单元
特斯拉开发了一个定制的”液冷双计算平台（liquid-cooled dual computing platform）”，包括其Autopilot和infotainment计算单元。Fraux解释说，它们被构建在同一模块的两个不同板上。
一面是信息娱乐系统的ECU或MCU。另一边是自动驾驶ECU。最初安装在Model 3中的HW2.5中，特斯拉的Autopilot仍由英伟达的SoC和GPU实现。
特斯拉集成了多家制造商的完整模块，这些模块与英伟达用于GPU的高性能集成电路、英特尔的处理器、恩智浦与英飞凌的MCU、Micron、三星和SK Hynix的存储器，以及ST的音频放大器集成在一起。
ECU的演进
System Plus指出，特斯拉的Autopilot ECU一直在演进。通过HW2.5，特斯拉集成了两个Nvidia Parker SoC、一个Nvidia Pascal GPU和一个Infineon TriCore CPU。通过升级到HW3.0，特斯拉集成了两个特斯拉自研的SoC、两个GPU、两个神经网络处理器和一个锁步CPU。
Fraux观察到，zFAS Audi A8的中央驾驶员辅助控制器”没有冗余，而且确实很昂贵”。但使用两个SoC的特斯拉版本提供了冗余。
HW2.5 vs HW3.0
Fraux表示，与HW2.5（4,681个组件）相比，特斯拉在相同尺寸的HW3.0上填充了更多的组件（4,746个组件）。
对于HW3.0，处理器数量从四个（英伟达、英飞凌）减少到了两个Tesla SoC。
Tesla SoC在HW3中使用了14nm的工艺技术，而英伟达的HW2.5为16nm。在HW3推出时，Fraux观察到：”这是首次在汽车中使用14nm FinFET工艺。”
自研SoC的ROI？
汽车行业很少见有任何OEM为其车辆自研ASIC。Fraux表示，这是”巨大的风险，除非你内部具有出色的硬件设计团队。”他补充说，考虑到目前的汽车市场，这并非易事。
然而，特斯拉并不孤单。有许多OEM渴望效仿特斯拉，开发自己的自动驾驶处理器。
但是，花费大量的研发成本自研ASIC真的值得吗？
Fraux观察到：”如果您想保持良好的利润率并进行批量生产，那么就是合理的。”在过去的几年中，随着越来越多的电子组件进入车辆，许多OEM了解到像英伟达和英特尔这样的领先芯片供应商长期在其SoC、CPU和GPU等产品中保持着高利润率感到震惊。如果OEM不希望在未来五年内继续与芯片供应商进行价格谈判，他们可能会发现开发自己的SoC来控制自己的命运更加容易。
System Plus估计，由三颗英伟达芯片和英飞凌MCU组成的特斯拉HW2.5售价为280美元。相比之下，基于两块特斯拉SoC的HW3.0售价为190美元。
Fraux指出，假设一家OEM在自己的处理器上花费了1.5亿美元作为设计成本，而组件价格没有变化，并且年产量可以达到40万辆，”我们的快速估算表明，可以在四年内收回投资。”
[参考文章]
A tesla Model 3 tear-down after hardware retrofit – Junko Yoshida
from A to B
