它不知道交通灯是红的还是绿的，它不知道这个是小孩还是塑胶袋。

它只是一个更贵的尺子。

在人工智慧领域，多数据不等于好数据我们当然可以往模型里灌更多输入，但信息要有信息熵，要有对理解世界有用的信号。

雷射雷达在高速公路上，或者高度规则化的场景下可能有用，但在日常城市驾驶，它反而会让系统依赖一个捷径，不去构建真正的世界模型。

你提到大语言模型，对，规模很重要。

但语言模型的前提是人类语言本身就包含了整个世界的复杂性，视觉输入也一样，视觉包含了驾驶所需的全部复杂性。

如果我们加进雷射雷达，神经网络可能会依赖『简化的答案」，而不去学习真正困难但关键的部分。

所以，这不是偷懒。

恰恰相反，纯视觉是更难的路线，需要更强的网络，更大的算力，更聪明的训练，雷射雷达是捷径，但走捷径你到不了终点。」

马斯克摊手笑道：「如果你愿意在你的车顶上装一堆传感器，造一辆「科研用的高价玩具」，

当然可以。

但如果你想让全世界几千万辆车都能自动驾驶，就必须走视觉路线，规模化的未来只有一条路。」

林燃说：「多模态多模态，如果连视觉和传感器的数据都没有办法融入到同一个世界里，那又谈什幺多模态。

如果我们真的追求的是简单的，单一的，人是怎幺理解世界，人工智慧或者机器人就应该要怎幺理解世界，这是一种傲慢，人类也不应该有汽车、有飞机、有火车，人类就应该只依赖双腿，不断磨链自己的双腿。

现在的大模型，也不应该用各种结构化、非结构化的数据进行训练，它不但能对话还能输出画面、动画。

从数据到图像再到动画，ll的大模型输出的越来越多元，反而自动驾驶还抱着原教旨主义的人工智慧，认为就应该只有视觉，

现在如果我们有一个框架，能够把雷射雷达的数据融入到整个模型里，真正意义上实现广义的自动驾驶，埃隆，你会认为你是错的吗？」林燃问道。

马斯克对于前面都已经习惯了，这些反驳的观点，他在后台、在推特上，甚至在特斯拉内部都能时常看到。

特斯拉打死不用雷射雷达真的纯粹是第一性原理吗？又或者是网友们说的那样节约成本吗？

其实都不是，最开始是因为成本，最开始雷射雷达贼贵，贵到离谱，所以你不可能光是一颗雷射雷达就要大几万美元的成本。

所以最开始特斯拉就制定了纯视觉的自动驾驶方案。

后来你已经在这条技术路线里下了血本，庞大的沉没成本让特斯拉没有办法，再调头去搞什幺摄像头和多传感器融合的技术路线，谁知道华国这幺快就能把雷射雷达的价格打下来啊。

怎幺也想不到，这才三年过去，被你们打成两百美元不到的真&183;白菜价。

大家都是真金白银下去，华为也没有办法做纯视觉方案一个道理。

沉没成本不是那幺好放弃的。

林燃接着说道：「正好，择日不如撞日，待会深红科技和华为联手打造的，搭载全球首个准l5

章节内容不完整，请退出阅读模式查看完整内容！