純視覺不靠譜？你能聽懂的特斯拉人工智能自動駕駛解密上集！全網最細緻！TESLA AI DAY EXPLAINED

[@charlesfeng3823]

不得不佩服Wayne对于大信息和复杂主题的把握能力。下面也斗胆提几点自己的理解： 1，关于激光雷达：激光雷达，我是说特斯拉用的FMCW的1550nm的机械式激光雷达；这个激光雷达可以直接测距和测速（国内部分厂商吹的激光雷达是ToF的激光雷达，无法直接测速）。 特斯拉用这个激光雷达来做度量基准，也叫做ground truth来训练自己的Pseudo LiDAR （这个技术也有15年了，算法也很成熟了）。 有人问为啥不直接装激光雷达？ **没必要，我们人开车从来不用用尺子量量距离再过去，而是通过训练自己的眼睛，最后达到“感觉能过去”就可以了； **这个雷达对安装架子的机械稳定度以及运行环境有要求，你不能安装在车轮的左右，哪里泥水太多了；安装在车顶，你的行李放在哪里？ **很贵，这是一个原因，但是不是主要原因。 2，关于视觉和激光雷达：Wayne说到了，没有视觉，有再多激光雷达也没用。但是有些人可能会问，多了激光雷达做个冗余总是好的额。这里我从另外一个逻辑再论证一下： **提到冗余备份，比如说A对B是冗余备份，我们说的是如果B不工作了，用A就可以完全可以胜任。这才是冗余备份，这一点激光雷达是做不断到的** 3，关于摄像头处理弱光环境的问题：我了解到，特斯拉目前只是在摄像头上使用了RCCC和RCCB的滤镜，替换了普通手机摄像头上使用的RGGB的滤镜（普通摄像头为了模拟人眼故意配置的）。 配置了RCCC和RCCB的滤镜，就可以大大增加远红外光的检测能力；做到，夜里，雨雾天气也没问题。解决这个问题，只花了几毛钱。 4，关于5G车联网的myth： 5G车联网的模型是有很大问题的；实时性很难保证不说，首先是没有必要做大远距离的实时信息传递。 我们开车其实只需要知道周围100-200米的情况，高速道路上也就知道前方300-500米的情况就足够了。这一点上来说，直接检测车尾灯比V2V来的直接，而且系统更简单，更稳定，成本也低。 至于说红绿灯，道路事故信息，使用百度地图，谷歌地图等等直接做到秒级同步就可以了。 深入思考这个问题，解决这个问题就不用花钱；是不是无法创造GDP了啊？ 5，立体视觉和视觉记忆： **我们人眼的立体视觉也不是天生的，3个月内的婴儿就没有立体视觉。我们的立体视觉也不是直接感知的，而是通过大脑计算和拼凑的；我们的眼睛也是经过了大量的训练才具备了快速捕捉细节的能力，而且，每个人这方面的能力不一样。 所以，特斯拉通过训练计算机视觉可以获得立体信息是很容易理解的。 **特斯拉最大的特点是使用了全场景融合的Bird View Network来实现识别，而且使用了时间维度（Temporal）的信息来防抖。这一点很好理解，如果让我们只看到物体的一部分，我们也很难才出来这个东西是什么，但是，我们可以扭头看全貌，这就是鸟瞰图。 **特斯拉的时间维度就是我们人类的记忆；比如我们先看到了一个车，后来有辆车开过来，挡住了这辆车，我们人脑会认为第一辆车还在这个车的后面。这就是记忆的魅力，如果只靠单帧图像就不行，挡住了就没有了。这就是为啥引入时间维度后，感知的稳定性和准确性就大大提高了。 **还有一点，有些人可能会说，我如果在墙上画个隧道入口就会让特斯拉撞墙；这样违法不违法先不说，特斯拉很容易通过时间维度来破解这个问题。 实际环境中的物体，我们在运动的过程中，他们相对位置和角度会发生变化；如果是一种二维的图形，是不会发生变化的。其实，这也是我们人类单目立体视觉的原理。不信的，可以闭上一只眼睛，摇动脑袋，你仍然可以感知到立体。 这一点特斯拉算法稍作修改，使用时间维度的信息进行训练即可解决； 6，关于路径规划：特斯拉使用了Alpha Go，Alpha Zero， Mu Zero等一样的算法：Reinforce learnign + MCTS。从而实现了高效的路径规划；具体说来是，计算时间和计算难度都降低了2-3个数量级。从这一点上来讲，特斯拉未来在路径规划方面超越人类，简直就是太简单的额事情了。你看看Alpha Zero吧，目前是超越世界上最优秀的围棋选手，这个超越不是一点点，而是下1000盘，人类最优秀的围棋选手都无法赢一盘。 7，特斯拉后续会引入后退模式：这一点很好理解，而且我认为，未来特斯拉的车不应该有“前”和“后”的区别，或者可以根据行进方向自动定义前后。 后退模式，会让特斯拉更加灵活，“此路不通，我绕路走”。“这边路况复杂，我绕路走”。“这边有施工，我绕路走”

[@billkang3228]

非常感谢，感觉您是做AI，或者就是在做自动驾驶的

[@pccjack]

我爸媽問我為什麼跪著看油管！感謝Wayne，講解的連我這個文科的傻子都聽得懂也理解的一清二楚！本來我也是對特斯拉的決策一堆疑惑，這期超高質量的解說，就給出了完整合情合理的說明，真的牛！不點讚不推廣的人就跟讀出師表而不墮淚者一樣！謝謝特斯拉團隊為我們生活改善的努力，更謝謝Wayne用平易近人的解釋讓我這種傻子能夠參與其中！

[@lifeofwayne]

哈哈，兄弟很幽默啊！你的每次评论都让我印象深刻！就是太过谦虚了～

[@胡志豪-r9j]

您是我看過所有介紹特斯拉的人，說的最棒的，因為這才是核心，如果只是電動車的概念，是沒辦法創造出電動車起步的市場。在整個IT的結構，這是全世界車廠沒法做到。Toyuta,現在已經積極的在研發電動車，並在電池上有著很好的成過，但這完全不是特斯拉的重點，這部份只是整合而已。（對於您的頻道我會絕對支持）。加油

[@irmtouch]

1. 所有有雷达的车，其实都有视觉识别，完全靠雷达的自动导航不存在。 2. 特斯拉有海量的数据当然不是国内那些PPT造车可以比的。 3. 安全一直是自动驾驶的第一原则。 哪怕视觉在99%的时候都有效，只要有1%的情况下不如雷达安全都是要不能完全否定的。激光雷达的原理和视觉不同， 4. 摄像头技术也有飞速发展，模拟眼睛的摄像头也有发展，那个有望解决摄像头帧率的问题。这个UP主应该去关心一下 5. 很反对马斯克这种先射箭再画靶子的方法。 6. 这频道只能算一个车友频道，完全偏离科技本意，和正常的科技百家争鸣，居然给马斯克找正确性。 7. 特斯拉的FSD到底啥水平，看她出厂的时候给大家写L2， L3还是L4.

[@tzdtuc-pd9yv]

的确高品质,这大概是唯一一个最平易近人的对Tesla AI的深度中文解读,超赞👍👍👍

[@eugenewang9654]

一个EE背景，一直做软件工程的人，看AI day 实况 坚持看完，也不知道看懂了还是没看懂。所以一直等Wayne的解读。

[@鹏左]

Wayne说的太对了，机器人占了所有版面，基本没有人提AI算法、芯片、Dojo这些硬核内容，包含很多油管大V，所以一直等Wayne的更新！我也是下载后看了一遍，只能懂30%左右！ 幸好有你！！！

[@jackwang7769]

当我听说老马要用纯视觉的时候我就想这完全有道理，因为我们就是用眼睛看着开车的，还要用雷达干什么。哥们解释的太棒了，做为特斯拉的股东向你至敬👍👍

[@lifeofwayne]

谢谢支持！

[@象帝先]

可人除了眼睛以外還有耳朶啊。

[@kevin-so5rx]

@@象帝先 聋哑人也可以开车的哈

[@Kyo99King]

很多道路設計根本悲劇 更何況人眼

[@如花-e8o]

視頻雖長，乾貨滿滿，生動有趣，淺而易懂， AI DAY聽不懂的資訊，在視頻裡都有了解答， 整理這些專業資料，一定花了費大量的心思， 感謝有你，製作高質量的視頻內容，辛苦了。

[@lifeofwayne]

谢谢夸赞，和一群志同道合的朋友一起非常开心，有欣赏者才有动力，感恩有你们一路相伴！也很开心自己付出努力做的东西可以帮助更多的人～

[@frankxu9675]

听了你一个视频就subscribe了，你是个很好的老师。我当过几年老师，也还得过教学奖，我的教学，风格、简洁程度、风趣，都还要向你学习，尽管我不会再从事教职了。

[@blackray4683]

这一期有点牵强,人工智能有很强的大数据计算能力,前提是你要给他提供庞大的数据库,而人能除了拼经验解决已知的事件外还能解决很多突发并不一定进入大数据的数据库的事件,举个例子如果你到了一个交通标识不同的地方或者标识牌语言不通的地方可以参考周边汽车的形势推测处标识的意思或者在有危险的时候停车问路,自动驾驶就算能负责全部人眼的功能它也不一定能解决不在它数据库里的东西.再说了老司机也有闯祸的时候只是几率比普通普通人低很多倍而已.

[@wenxiao6204]

说实话，作为一个ai开发者，我觉得主持人懂的确实多，知识面广泛！不过这段视频有点过了，你知道实现你说的这些功能需要怎样配置的硬件吗，你知道这些硬件带来的散热问题是目前无法解决的吗，目前最好的方式就是边缘系统，车上的硬件也仅仅只能支持识别和单目测距，你说还有3d地图，服务器上还有可能，车载不可能的。特别后面的预测，也只是根据前面的轨迹预测，而不是你说的那么牛逼，什么建立4d空间，那像你这么说，我们的开发都是上百维的空间，没得意义，刻意渲染而已，前面的内容我也赞同，纯视觉，不过路还长，重点在硬件！

[@gilvaborjigen5587]

哇塞，讲解的太震撼了，已经等不及看下一集了。

[@AC-jc5zt]

看了一分半就感覺誠意滿滿並且用心十足！！！感謝！！！

[@RQcube]

特斯拉的立體高清地圖是用來訓練ai的，不長時間保留是因為地圖每天都在變，保存收集這種每天在改變的立體數據庫是沒有必要的，這就是傳統自動駕駛依賴(高精度地圖)與特斯拉自動駕駛最大的區別。

[@pomo7496]

单机版自动驾驶必被车联网打败，车联网中最重要的通信基础设施、道路基础信息、路况人员大数据都掌握在政府手里，只有政府（国家）主导的车联网才是自动驾驶的未来，单机版自动驾驶只是实现避障，车联网可以实现流量规划，所以中国车联网一定会统治世界。

[@RQcube]

@@pomo7496 你的意思就是鄉下或是收不到網路的地方無法做到自動駕駛，我覺得科技都是累積起來的，勢必要有一定程度的離線自動駕駛，才有本錢去討論車聯網，難項是前者，需要很多數據訓練，後者只是砸錢搞硬件相對沒有技術可言。

[@chenwilliam5176]

❤

[@jameschen-kb5vc]

這一聽就知道是下足了功夫才有的精彩視頻，真是太棒了👏

[@wangfanghua9321]

讲述得太清晰了，全网最详细、最通俗易懂，当之无愧👍👏👏👏谢谢!

[@gordonhou801]

長知識了，經主持人深度的剖析原來視覺化辨識的背後有這麼深的知識建構，特斯拉的技術遠超乎想像，謝謝您的分析，超棒的👍

[@peterpan9592]

这个视频太专业易懂了，我们完全明白了特斯拉的核心竞争力在哪里，秒杀华语圈一切up主，这个可以当博士论文了，希望下次可以听你谈谈加密货币

[@workwpassion]

我已經高潮了！ Wayne! You rock! Smart people use simple language! 👍👍👍👍👍👍👍👍👍👍

[@簡伯有-p9h]

我看你的影片看到滿滿的真誠跟專業，有一度感動差點流淚， 真的太謝謝你這麼精彩解說，我會跟朋友好好推薦你的!

[@slliao9890]

躲在被窩裏大哭一場你會很快樂。

[@landdevil]

我在无人车领域做了有几年了，我的感受是如果是radar基本上没什么用，lidar比较重要，主要是可以减轻计算负担。用相机也可以做lidar做的事情。但是为了达到精度，可能需要的算力就要更大。

[@hwixp]

謝謝您 真的講解的太精闢 太精采了 讓我見識到不只是特斯拉的高明 更多展現您的學識豐富與清晰的條理 和淵博的見聞 真的非常感謝和喜歡您 謝謝

[@lifeofwayne]

谢谢支持！

[@1990blue]

解釋地太好了！封您為特斯拉學習之神

[@lifeofwayne]

过奖了～

[@邱楹翔]

］

[@danielli1899]

这个是我目前为止最好的最全面的最专业的解读，对up主圈粉了。佩服佩服

[@lifeofwayne]

欢迎常来频道坐坐

[@skinnycivet]

刚刚发现你这个频道。讲的真是太精彩了: 对世界顶尖科技的介绍逻辑清晰，深入浅出，绝无拖泥带水。谢谢你的辛苦努力。如此高质量频道当然必须立即订阅!

[@lifeofwayne]

有看到视频最后发现老马的话的吗？

[@Rawrence168]

發人省思

[@vannessking6481]

内容很有深度，表达很有逻辑，实力解析！完美

[@networkmisaka9279]

iPhone12的夜间拍摄能力提升主要是得益于算法和长曝光的加入，拍一张照片要好几秒的那种。10bit HDR视频是指视频输出文件格式，而手机摄像头的RAW数据很多年以前就到了14bit这个档次。人眼的动态范围太过于广阔，且类似于矢量处理（没有帧的概念），延迟低，未来技术爆炸之前的相机传感器很难达到这种程度， 所以，想实现【自动驾驶】还是得用多种信息来源，来融合出足够的信息量，甚至这个信息量要超过人类感知（视觉，听觉等）数倍，乃至数量级上的信息量差别，才有可能实现自动驾驶的第一步：数据完备可信度高。 毕竟我们要的是安全的自动驾驶，仅仅达到人类的驾驶水平还远远不够，因为交通事故死亡率对比其他交通工具还是非常高的。

[@derekzhang9215]

竟然学会卖关子了，只好等你下一期了，但的确说的不错。能把复杂的事情说的简单了，的确是花功夫了，谢谢

[@lifeofwayne]

是的，花了好多时间精力，虽然这样的视频应该看的人不多，但还是觉得应该做出来🙂

[@lijiyao111]

@@lifeofwayne 赶紧更新下期啊

[@simonwangchilesimonwangchi5968]

有高度，有思想，向你学习，向你致敬

[@Ansforce]

Wayne，你把特斯拉的發表會裡所提供的資料講解的很詳細，影片拍的很好。但是如果了解影像感測器的原理，就知道只用純視覺是做不到安全的LEVEL5自動駕駛的，對於和生命相關的東西，工程冗餘是必要的，視覺只是其中一個，必須再用雷達掃一次，光達掃一次，才能真正確定前面沒有東西，而不能只信任單一系統，總之美國加州車輛管理(DMV)已經核准了幾家公司可以全自駕上路了，那是2021年的事，而特斯拉到現在向美國加州車輛管理局還是申報自己只有LEVEL2，所以沒有光達或雷達是不可能做到LEVEL5全自動駕駛的，不管特斯拉的人在發表會裡講了什麼，結局都是一樣的，建議你研究一下什麼是功能安全(Functional safety)，還有汽車元件的整個驗證流程，等著看看是我說的對，還是馬斯克說的對吧！ technews.tw/2021/10/01/dmv-cruise-waymo/

[@chyansongtzan3704]

配服啊！太太太太太⋯ 精彩了！點十個讚也不足為過！ Wayne 真有講課的天份⋯⋯

[@王維德-輕鬆自在過日]

Wayne就是這麼厲害👍 艱澀難懂的技術都能用很簡單的方式介紹清楚🤩

[@lifeofwayne]

哈哈哈

[@yokel610121]

巨細靡遺，深入淺出，太棒了！

[@isuzud-max6337]

通过你的这些视频让我认识了一个新的特斯拉，没有我以前想象的那么简单，现在感觉知道的越多越觉得特斯拉真是一家了不起的公司

[@Davidtoldme]

傑克馬不斷撩動的脚尖暴露了貧下中農的焦慮和不自在

[@maxsv45]

質量超高的影片，非常期待下集。

[@aprettydogluk]

最近成了这个频道的铁粉了，每一期都特精彩

[@ufo639-q4m]

謝謝 Wayne 所做介紹，另外大刘科普也在工程方面对自駕軟硬体做了简介。但Wayne 所指人类语言速度遠不及电脑通讯这个比諭似有不妥，人类一个眼球的信息量比上万台电腦加起来还要大！而影象經过眼球直接進入經驗系统没有任何計算过程大腦就理解輸入意义並做出反应，这部分机制更别说想象力創造力夢境等等我们一無所知！目前的AI敉字系统只能称为混成技术即应用 GPS, map, 影像處理，database，邏辑運算等等来解决自駕问题，有可能成功而且実用但离智能还遥不可及，甚至可能方法都是錯的，二進位敉字系统本身就是弱智但有精準的优点，配上高速的運算用途仍是很广。

[@niray711]

深入淺出的講解，讓大家知道特斯拉與其他車廠不是同個層級可以比較的。非常期待第二集…

[@mystonefeel]

車駕早就有二代出來 是當初馬期克不認同的Lidar..... Tesla 準備被打Pa吧

[@chenwilliam5176]

​@@mystonefeel 如果兩者都使用，可以實現 官方所定義的 FSD 或 L5 嗎 🌎

[@laolu1985]

“这部分我们就不展开讲，展开我也不会”，哈哈，有幽默了，看完更加坚定了手中持有的特斯拉股票。

[@JH-qn8bg]

展开了你我就都不懂了😊

[@Lily-xo1gw]

能把这么复杂的技术深入浅出的让大家理解， 只有你能做到，谢谢。👍👍👍

[@scottie2475]

特斯拉最大的問題是，視線不良時判別準確性大幅下降，在最需要機器來協助開車時結果就是特斯拉最脆弱的時候。光達LiDar則沒有這樣的毛病，純圖像判別勢必會被淘汰，兩者合一個各取優點才是未來，所以五年後Tesla 如果不改變作法勢必被淘汰。

[@tlsoup]

人眼在視線不良時就小心開慢一點,AI汽車也比照處理就好,有什麼問題?

[@billkang3228]

雷达不受雨雪雾霾的影响吗？ 还有，如何这么多车使用雷达，不会互相干扰吗？ 想象一个满世界雷达波的世界吧！

[@morgenliao4987]

我的观点和你一致。

[@goesu7054]

視線不良的問題去爬cvpr就有一堆精度高達9x％acc的演算法了，更不要說特斯拉這種聚集精英的公司，不要不信，ai真的能在他專長領域取代人類。

[@chenwilliam5176]

❤

[@williechen1876]

研究人工智慧的研究生路過，當天我是跪著看Tesla AI DAYS的，運用當前許多類神經網路的最新研究，並且使用在當今的產品上真的是佩服，不過也有一些看不懂得倒是真的，當然比較外行或對人工智慧不熟悉的朋友真的是會看不懂。 我比較沒那麼在乎特斯拉機器人，跟大多數的媒體不同。 :)

[@rickyanzi]

點讚留言支持一波!!! DOJO那一大堆專業的詞真的看得霧煞煞(只看到印度哥得意的笑到這個時間維度只有他一個人站在高崗上)，等Wayne下集剖析!!

[@酷睿-s7r]

作为同样是做软件的，惭愧惭愧，佩服佩服。👍

[@aving8364]

支持，颠覆我以前的对于图像识别的认知，以为只要识别到物体就好了，没想到tesla还会进行路径的预测，厉害厉害

[@董加融]

老鐵報到 這才是有質量的節目

[@jamie8812]

夭壽!這對學渣來說就算翻成人話，我聽完也是變二哈了! 哈哈哈! Wayne 辛苦了!太專業的部分還不懂，但隱約覺得老馬的意圖，是讓模擬人一樣的視線條件讓AI收集數據，來達到車像人一樣反應，而不是機械AI的反饋，讓自動駕駛的運轉，像人腦一樣判斷開停，AI學習人類的駕駛邏輯，而不是AI哪種死板的數據判斷，讓車內的人，可以感受如你說的，坐在視線正常老司機所開的車，而更安心!(胡亂理解 哈哈) ....明天中秋! 提前祝 Wayne 中秋佳節愉快!闔家團圓平安幸福!

[@lifeofwayne]

哈哈，Jamie听得好用心呀，居然还记起笔记了！人工智能是比的是人，老马也是通过AI日网罗天下英才，希望大家都重视起来，希望更多的人对AI感兴趣，去研究AI！

[@柘城夺]

雷达和视觉应该是相辅相成的。互补才对，视觉是也有错觉的。

[@ruanjiayang]

基于纯视觉的上限就是L3，这是理论上可以解释的。另外特斯拉目前对深度的估计是有前提假设的，比如路面是平坦的，目标车辆和自身车辆在一个平面上，本质还是单目。

[@JeggyBarb]

问题是，讲了这么多，现在的单个车辆CPU处理器搞得定这些计算吗？还是后来需要随时连线让服务器计算？连线的话延迟断线怎么办？速度一快，任何延迟都可能是致命的。如果单机计算，那我19年买的车子，到2023年正式全自动驾驶开放了，4年前的硬件跟得上吗？现在车子开了一半有时候也会自动黑屏重启之类，我不敢想象自动驾驶告高速一般发生会怎么样。全自动驾驶10年内很难通过审批，不是机器不如人类安全，而是就算同样安全或者10备安全，一旦发生事故汽车制造商是全部责任。这个风险还是太大，特斯拉很拼，但现实很残忍的

[@kobebrown4378]

我是作相关行业的，主播讲得真的很好

[@user-middle-aged-40]

馬斯克走了一條很正確的路，如果以車輛舒適度來説，特斯拉的內裝跟行車回饋，目前其實還差很多車廠蠻大距離，但是，如果其他車廠既有的路線是把車做的對開車的人感到舒適，但特斯拉直接把大部分都心思放在讓駕駛最大程度不用自己開車的部分上，對駕駛來説，最不舒適的部分就是“開車”這件事上了，傳統來説，因為無法讓駕駛在“開車”這件事上明顯且大幅度地降低，所以只能靠其他部分讓開車的人盡量感到舒適，但是特斯拉是直接將最大用心放在，降低開車程度這件事上，舉個簡單例子，傳統上因為開車有安全的駕駛姿勢與坐姿，所以座椅就需要做成讓以安全開車姿勢坐在椅子上的人感到舒適，但如果今天不要說完全不需要駕駛開，如果駕駛只需要用腳開車，那麼相對來説，駕駛就可能用坐起來比較舒服的姿勢坐在椅子上，這樣座椅的設計就可以不那麼要求，因為只需要用腳開車的駕駛，比較有機會能自己調整到坐起來比較舒服的姿勢。我認為這是為何目前傳統造車部分還不是很理想的特斯拉，依然能讓許多車主買單的其中一個大原因。

[@kobe1179]

果然不負期待又是乾貨滿滿的一集，真是非常辛苦你了！有沒有算白頭髮增加多少了🤣🤣；身為特斯拉粉絲，有你這樣無私奉獻的同好真是太幸福了！謝謝你&期待下集💪💯

[@lifeofwayne]

每次都看到兄弟的留言，感恩！

[@鹏左]

掰开揉碎，我看过全网最好的解读，没有之一！！我也是在2个月前理解了一个点，就是马斯克不用雷达实际上是对“强人工智能”的自信，还有对“第一性原理”能解决问题的信念和超强的基础科学和技术能力！ 就是不知道国内有哪家能具备这样的实力了，至少现在还没看到！

[@moomoomouse7274]

马斯克只是很會對一面投資者耍心機，製造話題，一面對政府騙補貼的騙子而已，連特斯拉這家公司都是騙回來的。如果有去過南非的人並不陌生，開普敦街上一堆這種人，不過當然了，騙子也有分高下的。特斯拉70%盈利靠出售碳排放指標，股票市盈率超過1,000倍，呈現出來的就是確確切切的泡沫。市值吹那麽大，主要是因爲美國政府和NASA低效襯托，還有就是沒有競爭，到明年Toyota/Lexus，Honda，福特，大衆，BMW陸續加入戰場，競爭將會白熱化，特斯拉的市場估計丟失一半也不是不可能的事。不是每個人都會成爲馬斯克信衆的，那些開慣了Benz，Lexus 的車主，大多實際上是看不上特斯拉的舒適感，設計和工藝的。當初馬斯克吹噓特斯拉不用光學雷达更好，是反科學常識的。實際上是因爲當時光學雷達(LiDAR）貴，一臺要$5,500美金，三臺就要一萬多，怎麽跟成本$30的普通相機比？但明年大陸的LiDAR成本降到$1000以下，比亞迪的新電動車已經配備3台LiDAR，測試效果對比camera加A.I那簡直就是飛躍級的進步。很多人把特斯拉神化，只是資訊不對等而已。Nio ES8 和 Model Y 我各有一輛，一輛在廣州，一輛在美國。我買ES8的主要原因是因爲設計和舒適感，特別是passenger seat太舒服了，和S class後座很像，老婆孩子堅持要買。而我買 model Y 的原因，是因爲 1.美國沒有Nio，2. Lexus LFZ 要明年才出，僅此而已。

[@hxlbac]

@@moomoomouse7274 真是应验了一句话：人看到的是自己相信的。你在自说自话。

[@鹏左]

@@moomoomouse7274 喷子好，好好学学数理化吧

[@moomoomouse7274]

@@鹏左 我很同情你這種人，想反駁別人的話，但發現自己缺乏知識儲備，也沒有任何事實和論點可以發表，只能罵句噴子然後灰溜溜跑掉。

[@moomoomouse7274]

@@hxlbac 除了廢話以外説不出任何事實依據？等你家裏有3輛EV，再來和別人討論新能源車吧。很多人一輩子就開過一次朋友的model 3， 就馬上把馬斯克放上神臺拜拜。什麽 Etron，Mach-E，Taycan 什麽鬼，Lexus LFZ，Nio ES8 聼都沒聽過，反正馬斯克就是神。

[@qiaodk]

“我不展开讲 展开了也不会讲”🤣🤣要不要这么诚实啊……

[@linjerry506]

沒想到特斯拉利用這些年把自己轉型為AI公司,一般的AI公司的產品都是看不到摸不到,但特斯拉是摸得到看得到,很謝謝你的講解

[@chenwilliam5176]

❤

[@taoinvestment4404]

"形态像车的智能机器人“ 我去 这个和我跟朋友讲的一摸一样！！subscribed

[@choic2958]

感謝Wayne非常詳細的分析分享，辛苦了！👍🙏😘重複看完兩次後，真的了解更多Tesla的FSD操作細節！🙏🙏👍👍期待下期更精彩！👍🤩

[@lifeofwayne]

下集更精彩！

[@angelwind0904]

@@lifeofwayne 找不到下集，請問在哪呢？？＾＿＾！．您這堪稱教科書式的講解，堪稱經典．

[@jameslin8678]

非常專業的解析，真的很贊

[@虎哥论股]

这期真的干货太多，需要消化几天

[@liuwenjie9105]

科技类节目我就服你，做出了好莱坞大片的感觉，真的应该拿上零食坐下来慢慢看～

[@vinia8542]

只有无限接近人类的生活习惯才能无限接近人类，比如我们认知世界是通过眼睛收集到的型与色，耳朵收集到的音与律，四肢收集到的温度与重力。实际上相当于我们身体的每一寸皮肤都有无数个可感知温度传感器

[@xxtech_finance_and_life]

感謝Wayne的分享，補充一下有關23:05的RNN是引入了時間模組的神經網絡，透過RNN讓特斯拉自動駕駛不只可以有時間的概念，也可以有記憶的部分

[@lifeofwayne]

对的，记忆的部分比较难讲，这部还是以能让大家理解为主…以后有机会会慢慢再讲…谢谢补充哦！

[@股票投資每天賺點買菜]

抓到野生阿財 阿財講的AI日也很精彩不過講的太學術了 Wayne講的比較通俗一點～

[@xxtech_finance_and_life]

@@股票投資每天賺點買菜 阿財日後改進XD

[@xxtech_finance_and_life]

@@lifeofwayne 確實AI日的內容太多，牽扯到一堆包含google, fb, 微軟的文獻，後面還有D1芯片的部分，基本上要講細節可以開好幾門專業課了～

[@rickyanzi]

@@xxtech_finance_and_life 抓到野生阿財!! 邊看wayne的影片邊想我在阿財那到底看了什麼 XDDDD

[@KingofRationality]

特斯拉识别视觉图像时，将真实图像模糊化、抽象化了后再识别。那么在高速上，前面货车装载的细钢管违规伸出货车后挡板10多米远。模糊抽象化了的图像里很可能看不到细钢管。若该货车突然减速，紧跟其后的特斯拉能识别出往后伸出10几米的细钢管吗？若不能，那就直接撞进钢管，撞穿特斯拉。

[@gongcheng5594]

感谢支持韦恩的有深度，又精辟的讲解。

[@qi8983]

马斯克选的是一条困难的路，转回来用雷达也可以。但从雷到到纯视觉路就有点长。

[@不做愚民井底]

內容專業又是最有美感的博主，穿著，恐龍的裝置配色，極簡的燈光效果，不錯👍🏾。請問特斯拉是長期持有好，還是逢高簡碼，逢低加碼投資呢？

[@Peter-qb4nu]

深入浅出讲解特斯拉，全网No'1👍

[@mattlin9677]

特斯拉的智能辨識能力是它最有價值的內涵之一，讓它成為車子外觀的智能機器人。

[@黃金樹-r5d]

我認為他只是利用汽車產業來幫他實現另外一個產業罷了......說起來還好,他的視覺演算還算可以,不然這種直接拋棄雷達的作法,是可很怕的...但最終要是其他車業使用混和做法,最後應該會超越特斯拉的...原因很簡單,人類只依靠視覺開車,車禍還是層出不窮...........

[@JackSmith-oe6fs]

你好，讲的很好，就是重点内容讲的太快，希望改善，会有更多的听众

[@nelsonyt0823]

@@黃金樹-r5d 他現在就是混和感知阿

[@billkang3228]

如果特斯拉成功了，那真是降维打击

[@eugenewang9654]

我看好特斯拉的自驾AI模似器，是Al自己学习和训练的利器。将来可以做AI云服务

[@walruslennon7905]

现在所有的自动驾驶凡是敢上路的，无非都是rule-based本质上一堆if else，RL出来的自驾。。看谁敢坐吧

[@gxbambu]

@@walruslennon7905 这个 rule based 得多大。。。

[@yesmanhk]

多謝詳細解說，真的把所以東西消化了再給我們。當天真的看了一半要睡著

[@chingching493]

至今見過最好的中文解釋 加油

[@mact5340]

下一期就要讲fsd和特斯拉bot，要搭载在bot上fsd需要学习的内容就要指数级增加，bot最终目的就是像人一样的什么＋像人一样思考的fsd那么就能使用所有为人类设计的工具。如果脑机接口成了，就是西部世界，然后快进到终结者T800可能就是Telsa800，最后快进到黑客帝国，dojo就是母体

[@On103.5]

你的解說真的是我看過最好的,解說得簡單易明有趣,我以前上學都是睡覺的,但你的解說真的很精彩,加油呀,辛苦你了

[@hik0301]

這集實在看得太過癮

[@tylorchan2318]

推荐你看一个叫next的美剧 ai也可以很可怕

[@dfllifuran]

说得好，但我更像要拥有超强视觉的老司机。我希望自动驾驶要能超越人类，而不是单纯的去模仿人类驾驶。纯视觉在遇到光线不足可视度差的时候注定会影响驾驶，而这时候我希望自动驾驶是可以替代并超越人类的纯视觉驾驶的，而不是陷入跟人类驾驶一样的短板

[@realanli]

人的智慧在于有举一反三的能力，给小朋友看几只狗狗，小朋友就会识别很多从来没有见过的狗狗. 同样，学习驾驶的朋友也只需要知道stop sign 是红色八角形，中间有stop ，就能应对现实路况中的各种stop sign , 也不会和其他的路标混淆. Ai 在多大的程度上能够拥有这样的能力？现在哪种算法的核心是这种发展触类旁通，举一反三的能力？

[@Kyo99King]

說的好 全世界道路都是設計給人開的 但不一定每條道路都是好的設計 很多道路設計都容易誤判 意外頻發 還有特斯拉到目前自動駕駛發生的意外大都是攝像頭誤判 直接撞上造成憾事

[@HarryCB]

希望出一期关于tesla使用diffusion的相关视频~

[@techguy6565]

14:46 AI最大的武器是可複製性，以及獨立於人的學習時間。如果要讓每個人都學會某件事，必須讓所有人都花時間學習。但AI只要一個學會了，立刻可以複製到千萬個體上。 而且一個人的學習能力多強都好，速度會可能比兩，三個人強，但AI可以堆算力來學習。一個處理器不夠，可以堆多少都可以，能有效利用其他處理器完成任務。

[@oaksmanor]

@14:14 当各位在登录网站时所遭遇的“是否是人类”的测试，在一个二维的图像矩阵中标出那些图像区块含有某些特定的物体，就是在为 AI 做免费的劳动。

[@DiligentNezha]

第一次看，点赞、订阅、加分享，讲解非常通俗易懂，向您学习

[@shen0904]

你的視頻我看了第二次，比前一次更理解多一點

[@funhave9972]

這是我看過把特斯拉的視覺AI的力量 說的最明白的視頻

[@kit824]

上集已經看了三次了 非常期待下集，什麼時候能有更新？🤪

[@tttt112g]

資料庫應該就是AI最厲害的武器了

[@lprinmce2180]

wow! 听的过瘾，谢谢wayne

[@honda580827]

每一集都是用心之作，期待AI下集

[@cyrouslan]

太精彩了！ 何時ㄔ出下集或第二集？

[@beautifulscenesinmovie6044]

講人家不敢講的，就是一個讚

[@alexshawcn]

不要拿musk和商人比较。没有贬义，马老师也是一个伟大的人

[@馬克-d5c]

AI最大的武器，一定是時間! 給它時間 它必然會帶給你驚豔!

[@vfxjimmyworks]

真是太神解釋 非常期待下一次解說，已按讚已轉發已貼FB！感謝偉恩大大！

[@lifeofwayne]

谢谢支持！🙏

[@terbinm]

12:04 鏡頭的問題讓我想到小時候去買“手機”的時候，只顧著看誰的更大。原本要買蘋果的吧，變成買了摩托羅拉的平板，也不去想便攜性的問題。

[@sni6941]

现在最大争议在有没有摄像头捕捉不到 分辨不出的环境？这也是很多人认为要加雷达来辅助才完美的理由

[@chigigi2658]

看完這集，我確定我有看懂AI day當天的內容，不過我很訝異，大家竟然都認為要物聯網跟雷達才能實現自動駕駛。

[@陳陳-d9k]

特斯拉這只是輔助駕駛，真的做到L5再說吧，高中數學考卷永遠考100分，也不會變成數學大神