| 发布于: | 雪球 | 回复：54 | 喜欢：0 |
目前自动驾驶主要技术流派：地图派（类似背诵棋谱），多传感器融合派（类似眼睛决策），端到端纯视觉（AI 智能决策）。没有直接引用术语，话糙理不糙吧。另外关于第一性原理的定义，我就不科普了，请自行百度理解，每个人认知不同必然理解不同。
首先，这也不是辩论，我们没有必要偷换概念。我同意的是市场竞争力重要，但我没有同意“过去的竞争力”就一定是“未来的竞争力”。你说的所谓“遵守市场占有率变化情况的基本事实”，本质上就是说过去的竞争力趋势会在未来持续下去。你默认我进一步同意了一个新的假设，可我并没有同意这种预测未来的方式。
其次，我可以尝试用第一性原理分析一下智能驾驶。首先，智能驾驶的核心市场竞争力是安全。从最表层来说，安全性自然是服从“传感器至上原理”。因为看得见才能开车，看不见自然不能开车。但是这个原理服从于一个更基础的原理，就是“智能至上原理”。因为就算看得见，如果看不懂自然还是白搭。但即使看不见看不清，只要足够聪明还是可以做出决策保证安全，比如减速观察，或者靠边停车。“普通的传感器+AGI”一定要强于“完美的传感器+人工智障”，所以这代表智能的优劣是决定性因素，而传感器的优劣不是。
进一步地说，“智能至上原理”又服从“数据至上原理”。AI模型需要数据、算力和算法。在美国算力可以靠钱买得到，所以问题不大。谁掌握了数据，就可以进一步吸引到最好的人才。
所以我倒过来反推，特斯拉有600万车队，拥有最多的数据。也因此他可以吸引各种各样的人才，比如Andrej Karpathy。然后随便花些钱找黄仁勋买芯片，解决算力问题，它就可以有最好的大模型。大模型足够好之后，他就可以精确的区分视觉错觉，可以在强光直射时根据车道线维持方向，像人类一样解决所有摄像头相对与激光雷达的先天不足。然后就有了最好的安全性，也就是最强的市场竞争力。
神经网络处理corner case是个通过数据感知和模式识别的协同。这里提到的模式识别很有独特性。就神经认知科学角度，模式识别是人类处理问题的特质，如果神经网络计算，有了这个能力，真的是距离弱人工智能的上限不远了。即无人驾驶商业落地的技术层面，已经成熟了
第一，我们讨论的是长期数据趋势，不是短期数据波动。
第二，用醉汉的大脑来对比混合感知的大模型是不合理的。
第三，比亚迪，华为还有新势力就是用基于激光雷达的混合感知的智能驾驶系统来抢夺特斯拉的市场份额。
很好啊，这样我们在判断标准上有了共识，我们就可以继续讨论交流。
既然市场竞争力的强弱是判断一个技术路线是否优于另一个技术路线的标准，那么我们就应该首先尊重市场，重视两种技术路线在过去三四年内市场占有率的变化情况这个基本事实。
第一点如果是对的，那么k线趋势炒股就应该是天下第一最好的策略。玩游戏都有“前期出装”、“大后期出装”的说法，有的人短视，有的人长期主义。我看不出有什么理由应该同意你。另外，你说的“日渐式微”完全不符合实际，FSD过去有40万车队，现在免费试用后有200万车队，而融合感知的代表——华为智驾现在车队是不是5万？特斯拉一年赚1000亿净利润，FSD一年营收100亿。model y销量2023年度最高。我不知道你是从哪一个角度看出来这是一个“日渐式微”的技术路线？国内的智驾系统既不是里程最多的，也不是车队最多的，更不是利润最多的。
第二点如果是对的，那么一个醉酒的视力2.0的飞行员是不是特别让你放心呢？如果传感器的精确度代表一切，那么醉酒的飞行员有2.0的视力，想必一定比你开的安全吧。
第三点、没有人想要让纯视觉和融合感知比。换句话说，融合感知赢了又如何。融合感知方案实现人类驾驶水平了吗？做到百万公里不接管了吗？如果没有的话，开局领先有何意义？纯视觉只是为了以后更方便安装在任何车上，更方便一键OTA更新所有车型，方便给更多的车型授权FSD系统。人家选择纯视觉根本就不是为了在精度上和融合感知竞争。竞争赢了又如何？根本就不和你卷同一个赛道。别人拼的是芯片算力，是训练数据，是大模型的智能。