回复@Raines雷: 个人认为，这个判断违背了2000年以来的客观规律。
特斯拉就算能一直领先，最高的市场份额 估计是很难超过现在的苹果的。这个从98年互联网公司存在开始，一直以来的测试的结果。只有更早建立霸权的微软，拿到了很高的市场份额。其他的软件、IT、互联网公司，就算曾经拿到过市场份额，最终都将输给国内公司。实际上google退出中国之前的市占率早就被百度打的只剩20%多了，MSN打不过QQ，苹果如果不是靠制裁，早就被华为干下去了。最近的案例就是Qwen的hugging face排名超过了 Llama3，快手的视频生成表现优秀（不是没卡么，怎么做到的）。
究其原因，还是对于一个统一的大市场，定向投入永远比技术领先更重要。
- 技术是会扩散的，领先者的时间优势，很容易被本地化或者政策壁垒拖慢，导致技术领先并不会转化为实际的产品领先。
- 而定向投入则是有明显的力度和质量的差异的，MSN中国对微软总部微不足道，对于QQ就是全部。这个就是打工人vs 创业者了，历史上的胜负可以说是没有例外。
- 美国公司成本高，特斯拉估值过于变态，极其需要订阅收入作为故事，然而中国同行甚至可以跟你搞免费。目前看商业模式上，to C 订阅在国内是个极其垃圾的商业模式，参考 奈飞和 爱奇艺的估值差异即可。
我没有歌颂政策壁垒的意思，实际上就是中美都有政策壁垒，这是个客观事实。特斯拉FSD现在的领先，最多也就领先半个版本，一个版本都谈不上，如果没有更多的逻辑说明，判断其为赢家我觉得过于乐观了//@Raines雷:回复@川普教你炒股:这个思路是对的。如果说的每句话都没有夸张的话，这个水平其实还可以。但是，视觉语言模型解决复杂问题并不是银弹，世界模型也不是银弹。VLM就像是远程安全员，如果端到端系统每天需要10次接管，那么我们对安全员的要求就很高。如果每年需要一次接管，那么安全员的要求就没有那么严格。如果端到端系统本身能力太差，那么对VLM参数压缩的要求会到一个技术上不可能的程度。
模拟可以解决一定程度的数据短缺。它可以很好的验证大多数非博弈性的极端情况，比如树横在路中间，比如车道线画错了。然而，世界模型对于高级智能体博弈策略的预测是很难做好的，因此对于复杂交通的博弈验证仍然是难题。同时，200万条视频片段不一定优于100万条视频片段。如果200万条是从300万条原始数据中筛选出来的，而100万条却是从1000万条里筛选出来的，那么100万条的训练效果会更好。实际用于训练的数据可能看起来没有那么多，但是却需要非常高质量的数据。理想仍然需要一个可以产生海量原始数据的庞大车队，不仅用于高质量的训练数据，同时也为了验证模型的能力。特斯拉600万全球车队仍然面临验证难题，理想不过50万的车队很难想象如何解决数据瓶颈。
另外，理想并没有说明在视频片段到1000万条后训练算力哪里来的问题。训练轮次不同产生的效果也不同，如果一个月可以训练10轮，与一个月训练20轮相比产生的结果也肯定不一样。训练的数据越多，需要的轮次越多，对训练算力的要求就会指数型上升。特斯拉在接近200 exaflops算力的情况下仍在大量采购更多芯片，而200 exaflops已经是全中国ai算力之和，华为占了其中的3.5 exaflops。不知道理想又占了多少？为了训练，理想仍然需要解决海量算力哪里来的问题。
最后，三年内彻底解决自动驾驶的时间表可能相对略晚。之前讨论过，自动驾驶的竞赛存在很大的先发优势。一旦有一个人完全实现了自动驾驶，其他所有人都将面临10倍的追赶难度。特斯拉目前平均1-2个月一次的大版本迭代速度，就在今天推送的v12.4.1已经不在要求手扶方向盘，某种程度上已经达到了L3级别的最低要求。即使假设理想在今年年底做到和FSD v12.4.X的水平，仍然在时间上晚了半年。而且可能面对的FSD是v12.7甚至是v13。按我的预期，特斯拉在2025年底前解决自动驾驶的概率高于90%，而且目前特斯拉进入国内几乎已成定局。那么，一旦自动驾驶被完全解决，所有竞争对手收集数据的效率会显著降低，资金回收的效率也会显著降低，一切研发成本都会显著提高。因此，我仍不看好理想自动驾驶的未来。