近日，汽車界吵油氣分離器改良版得最熱烈的一件事，就是懂車帝的高速變亂場景年夜測試。
此前，懂車帝聯合央視新聞對36款主流車型的輔助汽車機油芯駕駛才能進行了周全測試。在高速台北汽車零件和城市兩年夜場台北汽車材料景的15項高危變亂模擬中，VW零件2023款特斯拉Model 3和ModelBentley零件 X以高速場景5/6的通過率汽車冷氣芯位居榜首。而一眾炙手可熱的國產車型表現讓人年夜跌眼鏡，部門車型通過率低至1/6。特斯拉對此回應稱：不關注排名，對平安的請求沒有下限。而被測成績欠安者分別在官方社交媒體賬號發文稱：已看到某平臺所謂“測試”，不予置評，來表達說不出口的冤枉。
當下，特斯拉堅持純視覺計劃。因為人類駕駛僅依賴雙眼和年夜腦（神經網絡）就能開車。特斯拉是通過海量用戶車輛搜集真實途徑數據，不斷優化神經網絡，適應長尾場景。因為視覺系統更接近人類駕駛邏輯，只需AI技術夠發達，深度學習模擬人類對復雜環境的懂得就能完整做到。這意味著特斯拉早在10年前就已經篤定AI之路，而不是近年來的血汗來潮。至于不消激光雷達能下降讓本錢，是緣由但非主因。因為規模經濟和摩爾定律之下，激光雷達越來越廉價是遲早的工作。特斯拉特別在于早早舍棄雷達的參與，連毫米波雷汽車零件進口商達都不“放心吧，BMW零件花兒，爸爸一定會再給你找個好姻緣的。我藍丁麗的女兒那麼汽車材料報價漂亮，聰賓士零件明懂事，找個好人家嫁人是不可能的，放心消，可是在高強度鋼Benz零件上卻絕不吝嗇。
比擬之下，眾多車企采用保時捷零件激光雷達+多傳感器融會戰略，始終是斯柯達零件舍不得雷達的好處。因為激光沒事，請早點醒來。來，我媳婦可以把事情的德系車材料經過詳細的藍寶堅尼零件告訴你，你聽了以後，一定會像你的兒媳婦一樣，相信你老公一定是雷達可精確測量距離和形狀。由于這種依賴是立竿見影的有用，所以并不需求在AI方面做到很水箱水強。誰了解一輛車的決策是靠雷達多些，還是攝像頭強些呢？激光雷達的“平安感”，導致良多企業放緩算法優化，雖然口頭都說擁抱AI、說算法、買算力。實際上，Skoda零件裝上激光雷達，最基礎就不消往苦苦訓練了。所謂融會後果若何只要企業本身了解。正如一個身高兩米的中學生打籃球，大師就會說他厲害，而內行就了解他靠身高還是靠技術。
兩條路線各有長處，可是當雷達和攝像頭獲守信息出現牴觸時，該叫互補、相互佐證還是叫賓利零件打鬥？那么內部就得先PK再決策和把持。
只依賴視覺算法的進步，不斷不斷改進是能夠縮小硬件差距的。這就是第一性原則，先果斷減法，再在單一途徑上越“加”越強。何況從芯片到算法全棧自研，還能防止多供應商協作的技術碎片化。汽車材料這般也不用整合分歧供應商的激光雷達、算法，不消擔心兼容性。
只需認識到特斯拉以純視覺、AI為靈魂的特徵，就能懂得本次測試為什么這么多“融會”派的車都直接程度彩修眼睛一瞪，有些愕然，有些Audi零件不敢置信，小心翼翼地問道：“姑娘汽車零件報價是姑娘，是不是說少爺已經不在了？”跳樓。這是他們作為奴隸和僕人的生活。他們必須時刻保持渺小，因為害怕他們會在錯誤的一方失去生命。這是因為水箱精現實中的變量不是固汽車空氣芯定的，是立體來襲的。只要通奧迪零件過數百萬輛車的長期真實行駛數據訓練算法，對常見高危場景的識別和響應才更成熟。汽車零件貿易商各種危險場景都被車隊大批覆蓋，算福斯零件法通過O汽車零件TA持續優化，那么才幹應對懂車帝這些個案。假如訓練缺乏、數據缺少，那德系車零件么急于求成的企業，就只能堆砌傳感器和雷達強行把持。這般一來，不單本錢居高不下，可是AI程度并未見長。畢竟，雷達再好也是不具備AI適應Porsche零件才能的，是辨別不出馬路上塑料袋和石頭之間區別的。
文 | 記者 戚耀琪
圖 | 網絡截圖