ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
视频时间轴来啦（欢迎大家参加2024年10月19日硅谷101的AI线下大会：lu.ma/sv101genai2024 除了大模型、AI应用、AI投资和AI教育板块外，无人驾驶是很重要的一个环节，poni.ai联合创始人&CTO楼天城、前图森未来创始人/bot.auto创始人侯晓迪也将现场参与分享，此外，Founders Fund合伙人、TDK Ventures（Groq及Agility投资人）级别等硅谷主流基金投资人、明星创业公司、科技大厂管理层、AI业内科学家也都将齐聚硅谷101大会GenAI in the Valley: The Good, the Bad, and the Ugly，报名链接【早鸟票到9月20日结束，secure your seats early!】：lu.ma/sv101genai2024 期待在现场见到大家🌹 ） 00:00 - 03:46 分裂的行业：自动驾驶03:47 - 06:05 自动驾驶是什么？06:06 - 10:10 多即是乱？为什么传感器越多越难做？10:11 - 15:27 少即是多？纯视觉到底行不行？15:28 - 18:17 幡然悔悟？特斯拉Robotaxi会转向激光雷达吗？18:18 - 22:13 历久弥新？高精地图是否会被抛弃？22:14 - 25:18 何为传统：传统自动驾驶运行链路25:19 - 27:30 新超级明星：什么是自动驾驶的“端到端”？27:31 - 31:07 端到端优势：能去掉所有专家？31:08 - 37:01 黑盒模型：端到端的不确定性37:02 - 39:15 前途未卜：传感器对端到端的影响39:16 - 41:56 无计可施：长尾问题是伪命题吗？41:57 - 43:57 “成不了”：如何看待特斯拉Robotaxi？43:58 - 46:21 “差很远”：L2和L4的差别是什么？46:22 - 50:30 “两码事”：L2能否发展成L4？50:31 - 51:41 下集 & 重磅活动预告这个稿子团队写了三个月，感谢本期视频的采访嘉宾：侯晓迪：前图森未来创始人兼CEO/Bot.auto创始人张航：Cruise 高级主任科学家于振华：前特斯拉AI工程师刘冰雁：Kargo软件负责人Minfa Wang：前Waymo高级机器学习工程师王辰晟：前特斯拉采购总监大卫：《大小马聊科技》主播邵旭辉：Foothill Ventures管理合伙人莫傑麟（Justin）：某家族办公室首席投资官匿名专家：资深L4从业者
买票了！现场见😁
密密麻麻你们谬下。wgy
这期节目历经陈茜，鸿君和幕后团队好几个月的打磨，尽最大可能做到中立平衡，非常专业！
@@TSLA99T 感谢老于的支持！😁
還是要再說一次，這個頻道的用心程度真的很令人讚嘆。
章節的編排太棒了，我只能說真的是很厲害，很容易幫助觀眾有條理的理解影片內容💯💯💯
主持人很可愛
我是發自真心的覺得，這個頻道及主持人對於討論內容不論是在豐富度、客觀性、切入點、議題廣度…等等都是極高水準的表現！非常的支持！
谢谢！
Thanks!
感谢支持 🙏
视频制作专业度、深度、广度，目前看到的中文科技综合类UP主TOP2，另一个是小玲说。但是硅谷101的主播太美了，所以你们是No.1
啥？那个第一，笑
太喜欢硅谷101了！真的很有幸认识你们
我们也很有幸有你们这样的观众 😊😊
从技术上讲，纯视觉就是软件，LiDAR 是软件+硬件，软件进化一定比硬件进化容易。 从商业角度讲，特斯拉最终目的是成为TaaS (Transportation as a Service).
謝謝！
🙏
專家也是人，自己深耕了10多年的毫米波方向，一天說要被端對端取代，心裏總過意不去，死維護自己的技術。但端對端絕對是未來。
难说
很同意
你太高看算法了，道路复杂度可远超想象。人家不是说了吗，出事马斯克又不管，当然可以端到端。如果是无人出租车，肯定要卷准确度，激光雷达少不了的。
@@大差不差9 是你太高估人腦了，人腦不過是眾多智慧的其中一種型態罷了
@@kobedirk那为什么不是融合多种结合更好准确安全呢？
节目质量非常棒！
5:16 鸟瞰（kan）图 其他都很精彩 干货满满🎉
哈哈好的好的，谢谢指正！错别字大王茜姐面壁思过一秒钟 😂
谢谢硅谷101，你们的节目有原来的电视台财经节目的水平了，在UGC的视频网站里真的很难得。
這集節目 非常精彩 有深度
太專業了！近年來最好的中文自動駕駛科普影片！
这个节目做的太好了❤❤
你的视频很好，就是看着有点累，像上课。这是一种褒奖。问题在我哈哈！希望你早日过百万订阅
哈哈，这个视频稍微有点技术，我们其他的视频有很多故事线为主的，不会那么累 😂 可以看看其他哒
我看了三遍
不但有深度，而且敢说真话，也客观。难得的好节目，衷心佩服。
一個是短時間即食，一個是長遠完美解決方案我覺得互相是沒有衝突的，這是一個承先啟後先以即食方案獲得經驗，再把它調整優化到全視覺。
节目水准太高了
找的原因了，原來特斯拉的雨刷會亂刷，是因為連雨量傳感器都沒用，之前想說這麼簡單的功能，怎麼會做成那樣。
问题fsd 不是 L2, fsd 被划分L2 不是因为技术原因. 忘了L2 , L4 。这个指标太简单了。需要更具体化的指标来衡量。
太神了這個影片，絕對的王者！佩服的五體投地～
干货满满，作为自动驾驶从业人员表示很高兴看到这么全面而且详细的介绍，等不及要看下一期了。正如主持人所言，各种技术选择更多是成本、效率、安全、可扩展性和落地环境等因素的折衷，并没有特别的优劣之分，更没有必要站队。放长双眼看谁才是最早抓到耗子的那只猫就行了。可惜视频只关注L2和L4的区分，并没有谈及各个不同赛道的差异。例如自动驾驶出租车、快递车、卡车的应用环境，市场规模，技术难点非常的不一样。希望下一期能有相关的介绍吧。抓个虫：30:20 标题应该是端到端算法的“优”点
【下】期会聊到，尽情期待 😊
內容整理得很棒 很精彩 章節脈絡讓觀眾很好理解！ 感謝用心！
講的非常淺顯易懂感謝製作團隊，受益良多
能聽到兩方的見解及理由真的很棒，不會只聽到一家之言
So well produced ! 感谢
頻道的用心程度真的很令人讚嘆。
邏輯清晰，有理有據，學習新知的最好頻道，Silcon Valley確實有這個有這個好環境讓人成長。
非常专业。这期放在中英文范围内都是最制作顶尖、专业知识过硬、大众友好的一起关于无人驾驶的节目！
查了下那个“图森未来”，是个失败的自动驾驶公司，他当然不希望自动驾驶大发展，自己失败，所以他说自动驾驶遥遥无期是符合他的希望的。每个人所谓预测其实都是在说自己期望的事情。
谁赢他们听谁的，看来是在论的。但是在都没赢的情况下，失败的经验也未必没价值。我就觉得他讲的挺实际。
這一集訊息量滿滿, 向製作團隊的用心致敬😍
我喜欢视频的封面😂，当然视频的内容更是棒棒哒！
章節的編排、內容淺顯易懂，乾貨滿滿，值得推薦。影片的質量印象深刻。
非常棒的节目，硅谷101加油！
謝謝這個頻道 很受用
FSD 12.5 才值得體驗，跟前面版本差很多
困在12.3.6很久了
吹没用就目前特斯拉就没能达到L4级
节目质量非常优秀！
很好的总结。
真的很用心的影片分析
太精采了!內容很專業!看到大衛也是意外之喜!
加个激光雷达就对算法形成负担了，哪怕你只拿激光雷达获取距离信息和你的视觉得出来的作比对也好，这个融合能有多复杂
你说的有一定道理，但是一定不是融合，只要融合了激光雷达就是必不可少，那就不是纯视觉。激光雷达可以叫兜底，跟视觉是两种不同方案，当不一致时绝对采用激光雷达的结果。当然这里面有性价比的问题，看到底哪些场景必须这样，以及需要花费多少钱。
激光雷达可以用来验证纯视觉的精准度，所以我认为一定需要，甚至我认为激光加毫米波加纯视觉，才是最终可能的自动驾驶方案
这个融合当然复杂了， 要融合，得需要标定吧， 仅仅一次标定又不够， 你得需要时不时地去标定一下。融合的复杂性主要是来源于标定，没有标定，融合轻松多了。
Excellent episode thanks
在高速公路能用就謝天謝地了
自动驾驶的发展就像手机通信技术的演进，最初只有一级、二级，人们并没有预见到后续的三级、四级，甚至现在讨论的五级、六级。这是一个循序渐进、不断突破的艰难过程。尽管挑战重重，我坚信自动驾驶最终会实现。但这需要技术的长期积累与持续创新，各类感知系统、人工智能和政策法规的同步进化，才能最终实现真正的全自动驾驶。正如通信技术的跨越式发展，自动驾驶也必将带来社会巨大变革。
六级是啥
这个片子做的好专业，也许是最专业的普及视频.
我比較喜歡端到端的技術。基本上專家們提到的黑盒子問題還有可解釋性，的確是目前大語言模型的爭議點，但是以一個商業的角度來說，如果Tesla走毫米波+rule base, 那只是又一個 Wemo, 對於技術進步來說沒有效應。端到端可以對於AI提供理論上研究和技術的探討，更有可能在各個相關領域，實現多點開花的效果。比如說我們常常開車需要的一個場景：朋友跟你說，看到麥當勞之後右轉，然後駕駛往往就一直分心注意路邊，造成危險駕駛。這個如果有成熟的端到端技術，很容易就可以幫你，實現實時路況和路景的全面追蹤甚至是查詢。
千万别迷信，怎么提高下限是关键，下限就是风险。
As usual, thank you for all the in depth analyses....crucial for investors to make investment decisions....look forward to your part 2
长视频内容充实，值得二刷。
这期有点干，我们内部都N刷了哈哈。（下）期会更偏商业和经济一些，敬请期待😄
好精彩的影片！期待下期～
超讚的頻道 加油
Very informative! 👍👍👍
高品質影片
美国的左转绿箭头亮的时候，对面是不可能开车过来的（因为对面不可能绿灯亮）；而中国的绿箭头亮的时候，对面是会有车开过来的（因为对面会亮绿灯）。这种红绿灯规则的差异会可能导致很大的自动驾驶的barrier。
长尾问题一定会解决，我发现遇到很多个以前过不去地方，只要在那里不停的接管，不停的给tesla送十秒音频，几个软件更新以后就fix了。Tesla车主辩论无用，多说无益，实干起来，接管+多送解释接管原因的音频就相当于帮助标注驾驶数据，生成高质量训练数据，祝老马早日成功
fsd13就快来了，希望博主再做一次自动驾驶的讨论，可以从端到端进步的速度角度来探讨
能做一期关于caterpillar的视频吗，感觉这个公司很独特，做实业但是在sp500里排名又不错。他和华尔街关系怎么样呢
这内容，厉害！
拆毫米波雷达就是为了节省成本，因为不用做相应的软件了
多傳感視覺可方便未來進化成多個傳感器應用的複眼效應，未來的多車共享視覺進而能再進化到大群的汽車視覺共享的境地，從而更方便了即將到來的飛天車自動駕駛上。
其实如果L4能先在划定特定区域实现也是具有相当的市场价值，然后在区域之外自动降级为L2
FSD13发布了以后 就发现一些工程师去游泳穿的是丁字裤 你也不能说他完全没东西
视频不错Reddit的新一期什么时候出能不能再出一期给新手讲讲交易市场的基本概念，像是交易所，股票，加息，这些概念
Reddit新一期已经出了，th-cam.com/video/KH5MmQFv-vg/w-d-xo.html
@@TheValley101 thanks
看到了什麼叫馬斯克與其他人的差別, 一個人在實踐目標, 其他人在評估等待與看衰, 有時間再採訪, 還不如解決目前LiDAR 互相干擾的問題
選你 正解
确实是大堆企业宣布加入视觉系统，就是看着别人差不多得出结论了再选择
因为要显示自己为了节约成本还有自己独特一直可以炒没用问题是什么时候落地L4 这种纯视觉不知道猴年马月做到而加入雷达高精地图等多种融合却可以做到当然还在大规模应用尝试在规定路线的无人驾驶出租车。
可以混合规则模型和自学习模型的优点，产生半规则半自动的ＦＳＤ。
感谢分享！ 谢谢
了不起 👍
视频真的很棒。 我觉得如果你们加入英文narrator ，可能流量真的会blow up. 加油。🎉
英文栏目在筹划中了 等我们哟😁
看了一輪 真的目前最有實力的就是特斯拉，只是台灣媒體收不到特斯拉公關費才整天抹黑特斯拉比如前幾日火燒車，不是特斯拉 新聞也能給你抹黑說特斯拉火燒車.... 目前在美國FSD Beta真的很厲害，當然人還是要看路 並請在必要時刻接手，但整段路程基本上特斯拉可以自主完成80%以上 甚至之前有人去曼哈頓這種超亂超忙的地方測試 測下來也是很厲害，當然有好幾次接手干預，但已經非常厲害了
你都会说目前fsd都要手动干预了，结果搞什么robotaxi噱头，不是为了炒股不然是图什么，看破的人早就不说破了。
@@presidentsummer 哪來的翻牆仔阿，現在世界上哪個輔助駕駛不用手動? 我說的是真實上路 不是在實驗場的，自己去看看美國FSD實測再來酸吧
哪来的翻墙仔，这个频道作者不就翻墙仔吗？
telsa几百公里就需要接手一次，waymo几万公里才需要接手一次。
剩餘的20%最難解決，長尾效應是端對端的盲點。FSD在高速公路上可以几百公里不接手干預，但到了local,，幾公里內就得干預一次。
跟着硅谷101去探索😊
很明顯 L2 和 L4 的出發點想要解決的問題就不同,應該要思考的最終問題是: 目前的 L2 和 L4 誰最有可能達到 L5? // (L2: E2E + 純視覺) , (L4: Rule based + 多模態)
@@OPmmms5775 自动驾驶的目的都一样，只不过现在号称L4的都是偷梁换柱，在指定的区域，具备高精地图的地方才能L4，甚至像Mercedes这样的大厂号称L4也是在指定的部分高速，在特定的条件下才能够做到。之所以这些都是rule based也仅仅因为rule based在这些严苛条件下是很容易利用大量的人力暴力实现的
如果 L5 不限區域，可在任何道路行駛，則現有的 L4 永遠不可能升上去。
@@spchang2000 这是个bug，自动驾驶的级别划分没有考虑这些所谓的限制，只要能做到都能宣称是这个级别的。要是按照任意道路，除了Tesla其他连L2能达到的都没几个
L4不需要高精度地圖那是技術不到位的才用高精度地圖作弊，特斯拉的L4是不靠地圖的L2/L3/L4指的是完成自動駕駛的能力跟怎麼做到無關
@@waffenss1234567 是的，但是现在号称L4的没有不需要高精度地图的
2025年回來看這個視頻，感慨
搞死上一次AI浪潮的核心问题就是长尾问题，只不过那时候的名字叫做框架问题。这首先是一个认识论问题而不是一个工程问题，至少在理论解决之前还轮不到工程师上场。而视频里展示的言论基本上都来自于笃信还原论的工程师，他们对于问题背后的阴影面积以及解决的难度缺乏足够的认识。用《计算机不能做什么》里的话来说，不能因为爬上了一颗树就认为在通向月球的道路上取得了实质性进展
也是另一派很重要的观点，感谢留言。
精辟👍
这个牛且看怎么往下吹
請增加財務分析數據
纯视觉是条艰难但正确的路，别忘了机器人更需要它。
这个图森创始人的言语 听着不像一个革命性创业家，典型的中国创业家
大概就百度李彥宏這個級別的😊
没错，这位好像就是有一种迷之自信。其实说的一点儿养份都没有。但是很不幸，国内的创投就是这种人才能吃的开。
只能说现有的L4是针对路线设计的。本质上不是我们追求的自动驾驶技术。
作为一个ai从业者，越来越有点厌烦ai宣传标题，每天都是标题党，“突破，震惊，超越，新突破，最强，春天”😂累了
我们从来不是标题党，你说的那几个关键词我们都没用过。但自动驾驶因为端到端是否到新春天确实是行业探讨的常态，这不是标题党。
炸裂
运输的成本人工只占很占很小，所以无人驾驶是弊大于利的
但是我们懂你的意思和感受，每天看到这些标题党我们也很无语😅
@@TheValley101春天 vs 新春天😅
漢文圈優質科技頻道
看完視頻,想問主持人有沒有把4d雷達加入？個人的簡單想法,在純視覺的平面資料轉換成立體空間.是一個很難的死角.4d雷達加入高度後,特斯拉就不會往白色卡車或分革島撞,也不會鬼煞車.在安全系統裏增加了冗餘的考量.
光達的問題是重複覆蓋雷達超聲波跟純視覺，純視覺有的缺點光達也有，雷達有的缺點光達也會有，優點也是一樣重複，又是最貴的器件，所以最有機會被淘汰，現在已經到了毫米波時代，雷達的成本越來越低接近攝影機而功能最強，足夠的算力跟採集速度要兼顧低價又能成像也不是不可能，又有最強穿透力不受天氣光線藏污影響，毫米波也有直接取代超聲波探測傳統雷達的不能探測近距離缺點，所以集成多波段相位陣列雷達應該是未來趨勢，這隨毫米波雷達處理器成熟跟低價越來越有機會，攝影機最便宜應該也不會消失是最好的輔助跟冗余保險功能
是美国公司将成本打下来的吗?
@@longhei6323 多波段加上毫米波雷達，如果沒有中美貿易戰的各種封鎖條件下，當然是中國製造最便宜，不過也不一定，要看關鍵零組件的門檻，中國大陸在不注重智慧財產權的環境下，很難鼓勵創新跟長期投資基礎研發，這也是為什麼二十年快速經濟發展後只有應用領域開花結果，然後貿易戰一封鎖就舉步為艱，晶片只是冰山一角。沒有智慧財產權保護初期可以靠盜版利多，一但進入準備彎道超車的時候，本土創新研發就遇到歐美企業一樣的阻力，那就是來自同根同源的盜版剽竊侵蝕利潤，所以只能發展半年一年快速完成的應用技術，因為投入的資金勞力才能變現賺回來，如果是像歐美一樣十年二十年的投入，結果一兩年就滿地盜版馬上血本無歸，這方面最好的例子就是DJI，而電動車就是快速應用技術變現的反面例子。講這些就是要說毫米波的技術門檻高，大陸目前沒有掌握，尤其各種關鍵半導體器件跟高速採集與處理器，而中國大陸又沒有智慧財產權環境讓本土公司安心長期投入發展，所以可能跟晶片一樣不但基礎技術掌握在歐美，生產製造的量產技術也掌握在大陸以外地區，等演算法成熟定型，就像德儀TI現在推出的簡單開發版一樣高度集成，歐美的工資弱勢在技術領先護城河下就不怕廉價製造競爭了。
4D超声波确实很强了，能够探测静态物体，不过探测距离和精度还不如激光雷达。
這個打光有點厲害
作为一个外行，说几点想法:自动驾驶单靠摄像头绝对不靠谱，雨雪天，夜晚，迎太阳光太多影响影相的因素了。目前完全L4自动驾驶不行，难道不能一步步来，先是光高速可以，再扩大到街道上;先在某个城市可以，再扩大到各个城市。技术上采用高清地图优先，特别是小城市变化不大的地方，端到端辅助。实在不行，减速停车，安全第一，完全可以接受！大部分人上下班固定路线，也是开的最多的线路，也是最需要自动驾驶的地方，就不能把各人的日常单独训练一个算法存储下来让它自动驾驶。其次美国人少路况比中国好太多了，如果特车在美国自动驾驶都表现不佳，就不用说在中国的运用了。科技发展与运用是一步步来的，萝卜快跑出租已经开始几个月了，将来自动驾驶一定会实现，特别是在路况简单的小城市。
感谢分享
其实FSD端到端的争论，就是对AI输出结果的争论，这个争论不止在无人驾驶领域，任何AI应用的领域现在都有不信任的声音。即使AI的结果99.99%的时候都对，做不到100%那人类也不敢轻易依赖AI，尤其在一些敏感领域，自动驾驶就是其中之一，一旦出了事故，很可能车毁人亡。另外一些嘉宾的论点也值得商榷，比如提到特斯拉把已有的车载雷达拿掉这件事，这可能只是意味着公司希望大家把精力都放在camera上，不要在雷达上浪费精力，所以才在维护时拿掉了雷达，这恰恰是公司出于成本考量的结果。关于雷达的使用，其实理由真的很简单，贵。你要看你是站在谁的角度来谈自动驾驶，站在学院派的角度，有雷达肯定比没有好啊，老话说，艺多不压身，装雷达，并不会给计算带来太多额外的压力，但是会给企业的成本带来很大的压力，尤其前几年一个雷达几万甚至十几万的时候，企业家可以说只要camera就够了，工程师这么说的话，就显得很不专业，起码你要加个商业落地这么个前提。关于L4能不能降维打击L2，不考虑成本的情况下，技术上必然是可以的，但是如果把成本考虑进去，L2就需要用更低的成本来实现，L4能负担的软硬件成本可能L2就负担不起，这个可能才是现实实现中的难点。最后我想说的是，任何行业99%的从业者本质上都是混碗饭吃，真正能够对这个行业产生影响，能输出可参考价值见解的人，按比例看，这个视频的嘉宾规模里理论上可能还没有覆盖到。
特斯拉HW4把HD雷达又加回来了，嘉宾怎么不知道吗？
5:15 主持人，您讲的很棒，不过鸟瞰图=鸟kàn图
感谢
很精彩的节目。节目中提到的自动驾驶国内公司是小米和华为，不应该是小鹏和华为吗？
靚女才女❤
現在有輔助駕駛的車 有沒有裝類似飛機用的黑盒子 用於發生車禍時 可以用的裝置
我比较支持多模态，至少需要一个雷达。纯视觉的缺陷，也正是人开车的缺陷，遇到鬼探头难以避免
没有vision, 特斯拉真的是因为买不起radar?
不了解马斯克才会说Robotaxi会用激光雷达
当初马斯克选择纯视觉方案主要的考量是Lidar太贵了。 现在Lidar价格大幅下降后， 马斯克硬着头皮也得坚持下去， 要不然特斯拉前期下的功夫就报废了。 技术路线之争到最后还是靠市场买单， 看那个路线更快的建立起生态，被市场接受，另一个就被淘汰。
10月10 不如11.11有衝擊力
点赞 精彩
激光雷达有一个致命缺陷，作为一个主要靠机械部件的易损件，在一辆车的生命周期，比如20年，你的更换周期是多少？或者在运行过程中出现故障怎么办？这些都是致命伤。
视频时间轴来啦（欢迎大家参加2024年10月19日硅谷101的AI线下大会：lu.ma/sv101genai2024 除了大模型、AI应用、AI投资和AI教育板块外，无人驾驶是很重要的一个环节，poni.ai联合创始人&CTO楼天城、前图森未来创始人/bot.auto创始人侯晓迪也将现场参与分享，此外，Founders Fund合伙人、TDK Ventures（Groq及Agility投资人）级别等硅谷主流基金投资人、明星创业公司、科技大厂管理层、AI业内科学家也都将齐聚硅谷101大会GenAI in the Valley: The Good, the Bad, and the Ugly，报名链接【早鸟票到9月20日结束，secure your seats early!】：lu.ma/sv101genai2024 期待在现场见到大家🌹 ）
00:00 - 03:46 分裂的行业：自动驾驶
03:47 - 06:05 自动驾驶是什么？
06:06 - 10:10 多即是乱？为什么传感器越多越难做？
10:11 - 15:27 少即是多？纯视觉到底行不行？
15:28 - 18:17 幡然悔悟？特斯拉Robotaxi会转向激光雷达吗？
18:18 - 22:13 历久弥新？高精地图是否会被抛弃？
22:14 - 25:18 何为传统：传统自动驾驶运行链路
25:19 - 27:30 新超级明星：什么是自动驾驶的“端到端”？
27:31 - 31:07 端到端优势：能去掉所有专家？
31:08 - 37:01 黑盒模型：端到端的不确定性
37:02 - 39:15 前途未卜：传感器对端到端的影响
39:16 - 41:56 无计可施：长尾问题是伪命题吗？
41:57 - 43:57 “成不了”：如何看待特斯拉Robotaxi？
43:58 - 46:21 “差很远”：L2和L4的差别是什么？
46:22 - 50:30 “两码事”：L2能否发展成L4？
50:31 - 51:41 下集 & 重磅活动预告
这个稿子团队写了三个月，感谢本期视频的采访嘉宾：
侯晓迪：前图森未来创始人兼CEO/Bot.auto创始人
张航：Cruise 高级主任科学家
于振华：前特斯拉AI工程师
刘冰雁：Kargo软件负责人
Minfa Wang：前Waymo高级机器学习工程师
王辰晟：前特斯拉采购总监
大卫：《大小马聊科技》主播
邵旭辉：Foothill Ventures管理合伙人
莫傑麟（Justin）：某家族办公室首席投资官
匿名专家：资深L4从业者
买票了！现场见😁
密密麻麻你们谬下。wgy
这期节目历经陈茜，鸿君和幕后团队好几个月的打磨，尽最大可能做到中立平衡，非常专业！
@@TSLA99T 感谢老于的支持！😁
還是要再說一次，這個頻道的用心程度真的很令人讚嘆。
章節的編排太棒了，我只能說真的是很厲害，很容易幫助觀眾有條理的理解影片內容💯💯💯
主持人很可愛
我是發自真心的覺得，這個頻道及主持人對於討論內容不論是在豐富度、客觀性、切入點、議題廣度…等等都是極高水準的表現！非常的支持！
谢谢！
Thanks!
感谢支持 🙏
视频制作专业度、深度、广度，目前看到的中文科技综合类UP主TOP2，另一个是小玲说。
但是硅谷101的主播太美了，所以你们是No.1
啥？那个第一，笑
太喜欢硅谷101了！真的很有幸认识你们
我们也很有幸有你们这样的观众 😊😊
从技术上讲，纯视觉就是软件，LiDAR 是软件+硬件，软件进化一定比硬件进化容易。 从商业角度讲，特斯拉最终目的是成为TaaS (Transportation as a Service).
謝謝！
🙏
專家也是人，自己深耕了10多年的毫米波方向，一天說要被端對端取代，心裏總過意不去，死維護自己的技術。但端對端絕對是未來。
难说
很同意
你太高看算法了，道路复杂度可远超想象。人家不是说了吗，出事马斯克又不管，当然可以端到端。如果是无人出租车，肯定要卷准确度，激光雷达少不了的。
@@大差不差9 是你太高估人腦了，人腦不過是眾多智慧的其中一種型態罷了
@@kobedirk那为什么不是融合多种结合更好准确安全呢？
节目质量非常棒！
5:16 鸟瞰（kan）图 其他都很精彩 干货满满🎉
哈哈好的好的，谢谢指正！错别字大王茜姐面壁思过一秒钟 😂
谢谢硅谷101，你们的节目有原来的电视台财经节目的水平了，在UGC的视频网站里真的很难得。
這集節目 非常精彩 有深度
太專業了！近年來最好的中文自動駕駛科普影片！
这个节目做的太好了❤❤
你的视频很好，就是看着有点累，像上课。这是一种褒奖。问题在我哈哈！希望你早日过百万订阅
哈哈，这个视频稍微有点技术，我们其他的视频有很多故事线为主的，不会那么累 😂 可以看看其他哒
我看了三遍
不但有深度，而且敢说真话，也客观。难得的好节目，衷心佩服。
一個是短時間即食，一個是長遠完美解決方案
我覺得互相是沒有衝突的，這是一個承先啟後
先以即食方案獲得經驗，再把它調整優化到全視覺。
节目水准太高了
找的原因了，原來特斯拉的雨刷會亂刷，是因為連雨量傳感器都沒用，之前想說這麼簡單的功能，怎麼會做成那樣。
问题fsd 不是 L2, fsd 被划分L2 不是因为技术原因. 忘了L2 , L4 。这个指标太简单了。需要更具体化的指标来衡量。
太神了這個影片，絕對的王者！佩服的五體投地～
干货满满，作为自动驾驶从业人员表示很高兴看到这么全面而且详细的介绍，等不及要看下一期了。
正如主持人所言，各种技术选择更多是成本、效率、安全、可扩展性和落地环境等因素的折衷，并没有特别的优劣之分，更没有必要站队。放长双眼看谁才是最早抓到耗子的那只猫就行了。
可惜视频只关注L2和L4的区分，并没有谈及各个不同赛道的差异。例如自动驾驶出租车、快递车、卡车的应用环境，市场规模，技术难点非常的不一样。希望下一期能有相关的介绍吧。
抓个虫：30:20 标题应该是端到端算法的“优”点
【下】期会聊到，尽情期待 😊
內容整理得很棒 很精彩 章節脈絡讓觀眾很好理解！ 感謝用心！
講的非常淺顯易懂
感謝製作團隊，受益良多
能聽到兩方的見解及理由真的很棒，不會只聽到一家之言
So well produced ! 感谢
頻道的用心程度真的很令人讚嘆。
邏輯清晰，有理有據，學習新知的最好頻道，Silcon Valley確實有這個有這個好環境讓人成長。
非常专业。这期放在中英文范围内都是最制作顶尖、专业知识过硬、大众友好的一起关于无人驾驶的节目！
查了下那个“图森未来”，是个失败的自动驾驶公司，他当然不希望自动驾驶大发展，自己失败，所以他说自动驾驶遥遥无期是符合他的希望的。每个人所谓预测其实都是在说自己期望的事情。
谁赢他们听谁的，看来是在论的。但是在都没赢的情况下，失败的经验也未必没价值。我就觉得他讲的挺实际。
這一集訊息量滿滿, 向製作團隊的用心致敬😍
我喜欢视频的封面😂，当然视频的内容更是棒棒哒！
章節的編排、內容淺顯易懂，乾貨滿滿，值得推薦。影片的質量印象深刻。
非常棒的节目，硅谷101加油！
謝謝這個頻道 很受用
FSD 12.5 才值得體驗，跟前面版本差很多
困在12.3.6很久了
吹没用就目前特斯拉就没能达到L4级
节目质量非常优秀！
很好的总结。
真的很用心的影片分析
太精采了!內容很專業!看到大衛也是意外之喜!
加个激光雷达就对算法形成负担了，哪怕你只拿激光雷达获取距离信息和你的视觉得出来的作比对也好，这个融合能有多复杂
你说的有一定道理，但是一定不是融合，只要融合了激光雷达就是必不可少，那就不是纯视觉。激光雷达可以叫兜底，跟视觉是两种不同方案，当不一致时绝对采用激光雷达的结果。当然这里面有性价比的问题，看到底哪些场景必须这样，以及需要花费多少钱。
激光雷达可以用来验证纯视觉的精准度，所以我认为一定需要，甚至我认为激光加毫米波加纯视觉，才是最终可能的自动驾驶方案
这个融合当然复杂了， 要融合，得需要标定吧， 仅仅一次标定又不够， 你得需要时不时地去标定一下。融合的复杂性主要是来源于标定，没有标定，融合轻松多了。
Excellent episode thanks
在高速公路能用就謝天謝地了
自动驾驶的发展就像手机通信技术的演进，最初只有一级、二级，人们并没有预见到后续的三级、四级，甚至现在讨论的五级、六级。这是一个循序渐进、不断突破的艰难过程。尽管挑战重重，我坚信自动驾驶最终会实现。但这需要技术的长期积累与持续创新，各类感知系统、人工智能和政策法规的同步进化，才能最终实现真正的全自动驾驶。正如通信技术的跨越式发展，自动驾驶也必将带来社会巨大变革。
六级是啥
这个片子做的好专业，也许是最专业的普及视频.
我比較喜歡端到端的技術。基本上專家們提到的黑盒子問題還有可解釋性，的確是目前大語言模型的爭議點，但是以一個商業的角度來說，如果Tesla走毫米波+rule base, 那只是又一個 Wemo, 對於技術進步來說沒有效應。端到端可以對於AI提供理論上研究和技術的探討，更有可能在各個相關領域，實現多點開花的效果。比如說我們常常開車需要的一個場景：朋友跟你說，看到麥當勞之後右轉，然後駕駛往往就一直分心注意路邊，造成危險駕駛。這個如果有成熟的端到端技術，很容易就可以幫你，實現實時路況和路景的全面追蹤甚至是查詢。
千万别迷信，怎么提高下限是关键，下限就是风险。
As usual, thank you for all the in depth analyses....crucial for investors to make investment decisions....look forward to your part 2
长视频内容充实，值得二刷。
这期有点干，我们内部都N刷了哈哈。（下）期会更偏商业和经济一些，敬请期待😄
好精彩的影片！期待下期～
超讚的頻道 加油
Very informative! 👍👍👍
高品質影片
美国的左转绿箭头亮的时候，对面是不可能开车过来的（因为对面不可能绿灯亮）；而中国的绿箭头亮的时候，对面是会有车开过来的（因为对面会亮绿灯）。这种红绿灯规则的差异会可能导致很大的自动驾驶的barrier。
长尾问题一定会解决，我发现遇到很多个以前过不去地方，只要在那里不停的接管，不停的给tesla送十秒音频，几个软件更新以后就fix了。Tesla车主辩论无用，多说无益，实干起来，接管+多送解释接管原因的音频就相当于帮助标注驾驶数据，生成高质量训练数据，祝老马早日成功
fsd13就快来了，希望博主再做一次自动驾驶的讨论，可以从端到端进步的速度角度来探讨
能做一期关于caterpillar的视频吗，感觉这个公司很独特，做实业但是在sp500里排名又不错。他和华尔街关系怎么样呢
这内容，厉害！
拆毫米波雷达就是为了节省成本，因为不用做相应的软件了
多傳感視覺可方便未來進化成多個傳感器應用的複眼效應，未來的多車共享視覺進而能再進化到大群的汽車視覺共享的境地，從而更方便了即將到來的飛天車自動駕駛上。
其实如果L4能先在划定特定区域实现也是具有相当的市场价值，然后在区域之外自动降级为L2
FSD13发布了以后 就发现一些工程师去游泳穿的是丁字裤 你也不能说他完全没东西
视频不错
Reddit的新一期什么时候出
能不能再出一期给新手讲讲交易市场的基本概念，像是交易所，股票，加息，这些概念
Reddit新一期已经出了，th-cam.com/video/KH5MmQFv-vg/w-d-xo.html
@@TheValley101 thanks
看到了什麼叫馬斯克與其他人的差別, 一個人在實踐目標, 其他人在評估等待與看衰, 有時間再採訪, 還不如解決目前LiDAR 互相干擾的問題
選你 正解
确实是大堆企业宣布加入视觉系统，就是看着别人差不多得出结论了再选择
因为要显示自己为了节约成本还有自己独特一直可以炒没用问题是什么时候落地L4 这种纯视觉不知道猴年马月做到而加入雷达高精地图等多种融合却可以做到当然还在大规模应用尝试在规定路线的无人驾驶出租车。
可以混合规则模型和自学习模型的优点，产生半规则半自动的ＦＳＤ。
感谢分享！ 谢谢
了不起 👍
视频真的很棒。 我觉得如果你们加入英文narrator ，可能流量真的会blow up. 加油。🎉
英文栏目在筹划中了 等我们哟😁
看了一輪 真的目前最有實力的就是特斯拉，只是台灣媒體收不到特斯拉公關費才整天抹黑特斯拉
比如前幾日火燒車，不是特斯拉 新聞也能給你抹黑說特斯拉火燒車....
目前在美國FSD Beta真的很厲害，當然人還是要看路 並請在必要時刻接手，但整段路程基本上特斯拉可以自主完成80%以上
甚至之前有人去曼哈頓這種超亂超忙的地方測試 測下來也是很厲害，當然有好幾次接手干預，但已經非常厲害了
你都会说目前fsd都要手动干预了，结果搞什么robotaxi噱头，不是为了炒股不然是图什么，看破的人早就不说破了。
@@presidentsummer 哪來的翻牆仔阿，現在世界上哪個輔助駕駛不用手動? 我說的是真實上路 不是在實驗場的，自己去看看美國FSD實測再來酸吧
哪来的翻墙仔，这个频道作者不就翻墙仔吗？
telsa几百公里就需要接手一次，waymo几万公里才需要接手一次。
剩餘的20%最難解決，長尾效應是端對端的盲點。FSD在高速公路上可以几百公里不接手干預，但到了local,，幾公里內就得干預一次。
跟着硅谷101去探索😊
很明顯 L2 和 L4 的出發點想要解決的問題就不同,
應該要思考的最終問題是: 目前的 L2 和 L4 誰最有可能達到 L5?
// (L2: E2E + 純視覺) , (L4: Rule based + 多模態)
@@OPmmms5775 自动驾驶的目的都一样，只不过现在号称L4的都是偷梁换柱，在指定的区域，具备高精地图的地方才能L4，甚至像Mercedes这样的大厂号称L4也是在指定的部分高速，在特定的条件下才能够做到。之所以这些都是rule based也仅仅因为rule based在这些严苛条件下是很容易利用大量的人力暴力实现的
如果 L5 不限區域，可在任何道路行駛，則現有的 L4 永遠不可能升上去。
@@spchang2000 这是个bug，自动驾驶的级别划分没有考虑这些所谓的限制，只要能做到都能宣称是这个级别的。要是按照任意道路，除了Tesla其他连L2能达到的都没几个
L4不需要高精度地圖
那是技術不到位的才用高精度地圖作弊，特斯拉的L4是不靠地圖的
L2/L3/L4指的是完成自動駕駛的能力
跟怎麼做到無關
@@waffenss1234567 是的，但是现在号称L4的没有不需要高精度地图的
2025年回來看這個視頻，感慨
搞死上一次AI浪潮的核心问题就是长尾问题，只不过那时候的名字叫做框架问题。这首先是一个认识论问题而不是一个工程问题，至少在理论解决之前还轮不到工程师上场。而视频里展示的言论基本上都来自于笃信还原论的工程师，他们对于问题背后的阴影面积以及解决的难度缺乏足够的认识。用《计算机不能做什么》里的话来说，不能因为爬上了一颗树就认为在通向月球的道路上取得了实质性进展
也是另一派很重要的观点，感谢留言。
精辟👍
这个牛且看怎么往下吹
請增加財務分析數據
纯视觉是条艰难但正确的路，别忘了机器人更需要它。
这个图森创始人的言语 听着不像一个革命性创业家，典型的中国创业家
大概就百度李彥宏這個級別的😊
没错，这位好像就是有一种迷之自信。其实说的一点儿养份都没有。但是很不幸，国内的创投就是这种人才能吃的开。
只能说现有的L4是针对路线设计的。本质上不是我们追求的自动驾驶技术。
作为一个ai从业者，越来越有点厌烦ai宣传标题，每天都是标题党，“突破，震惊，超越，新突破，最强，春天”😂累了
我们从来不是标题党，你说的那几个关键词我们都没用过。但自动驾驶因为端到端是否到新春天确实是行业探讨的常态，这不是标题党。
炸裂
运输的成本人工只占很占很小，所以无人驾驶是弊大于利的
但是我们懂你的意思和感受，每天看到这些标题党我们也很无语😅
@@TheValley101春天 vs 新春天😅
漢文圈優質科技頻道
看完視頻,想問主持人有沒有把4d雷達加入？個人的簡單想法,在純視覺的平面資料轉換成立體空間.是一個很難的死角.4d雷達加入高度後,特斯拉就不會往白色卡車或分革島撞,也不會鬼煞車.
在安全系統裏增加了冗餘的考量.
光達的問題是重複覆蓋雷達超聲波跟純視覺，純視覺有的缺點光達也有，雷達有的缺點光達也會有，優點也是一樣重複，又是最貴的器件，所以最有機會被淘汰，現在已經到了毫米波時代，雷達的成本越來越低接近攝影機而功能最強，足夠的算力跟採集速度要兼顧低價又能成像也不是不可能，又有最強穿透力不受天氣光線藏污影響，毫米波也有直接取代超聲波探測傳統雷達的不能探測近距離缺點，所以集成多波段相位陣列雷達應該是未來趨勢，這隨毫米波雷達處理器成熟跟低價越來越有機會，攝影機最便宜應該也不會消失是最好的輔助跟冗余保險功能
是美国公司将成本打下来的吗?
@@longhei6323 多波段加上毫米波雷達，如果沒有中美貿易戰的各種封鎖條件下，當然是中國製造最便宜，不過也不一定，要看關鍵零組件的門檻，中國大陸在不注重智慧財產權的環境下，很難鼓勵創新跟長期投資基礎研發，這也是為什麼二十年快速經濟發展後只有應用領域開花結果，然後貿易戰一封鎖就舉步為艱，晶片只是冰山一角。
沒有智慧財產權保護初期可以靠盜版利多，一但進入準備彎道超車的時候，本土創新研發就遇到歐美企業一樣的阻力，那就是來自同根同源的盜版剽竊侵蝕利潤，所以只能發展半年一年快速完成的應用技術，因為投入的資金勞力才能變現賺回來，如果是像歐美一樣十年二十年的投入，結果一兩年就滿地盜版馬上血本無歸，這方面最好的例子就是DJI，而電動車就是快速應用技術變現的反面例子。
講這些就是要說毫米波的技術門檻高，大陸目前沒有掌握，尤其各種關鍵半導體器件跟高速採集與處理器，而中國大陸又沒有智慧財產權環境讓本土公司安心長期投入發展，所以可能跟晶片一樣不但基礎技術掌握在歐美，生產製造的量產技術也掌握在大陸以外地區，等演算法成熟定型，就像德儀TI現在推出的簡單開發版一樣高度集成，歐美的工資弱勢在技術領先護城河下就不怕廉價製造競爭了。
4D超声波确实很强了，能够探测静态物体，不过探测距离和精度还不如激光雷达。
這個打光有點厲害
作为一个外行，说几点想法:
自动驾驶单靠摄像头绝对不靠谱，雨雪天，夜晚，迎太阳光太多影响影相的因素了。
目前完全L4自动驾驶不行，难道不能一步步来，先是光高速可以，再扩大到街道上;先在某个城市可以，再扩大到各个城市。
技术上采用高清地图优先，特别是小城市变化不大的地方，端到端辅助。实在不行，减速停车，安全第一，完全可以接受！
大部分人上下班固定路线，也是开的最多的线路，也是最需要自动驾驶的地方，就不能把各人的日常单独训练一个算法存储下来让它自动驾驶。
其次美国人少路况比中国好太多了，如果特车在美国自动驾驶都表现不佳，就不用说在中国的运用了。
科技发展与运用是一步步来的，萝卜快跑出租已经开始几个月了，将来自动驾驶一定会实现，特别是在路况简单的小城市。
感谢分享
其实FSD端到端的争论，就是对AI输出结果的争论，这个争论不止在无人驾驶领域，任何AI应用的领域现在都有不信任的声音。即使AI的结果99.99%的时候都对，做不到100%那人类也不敢轻易依赖AI，尤其在一些敏感领域，自动驾驶就是其中之一，一旦出了事故，很可能车毁人亡。另外一些嘉宾的论点也值得商榷，比如提到特斯拉把已有的车载雷达拿掉这件事，这可能只是意味着公司希望大家把精力都放在camera上，不要在雷达上浪费精力，所以才在维护时拿掉了雷达，这恰恰是公司出于成本考量的结果。关于雷达的使用，其实理由真的很简单，贵。你要看你是站在谁的角度来谈自动驾驶，站在学院派的角度，有雷达肯定比没有好啊，老话说，艺多不压身，装雷达，并不会给计算带来太多额外的压力，但是会给企业的成本带来很大的压力，尤其前几年一个雷达几万甚至十几万的时候，企业家可以说只要camera就够了，工程师这么说的话，就显得很不专业，起码你要加个商业落地这么个前提。关于L4能不能降维打击L2，不考虑成本的情况下，技术上必然是可以的，但是如果把成本考虑进去，L2就需要用更低的成本来实现，L4能负担的软硬件成本可能L2就负担不起，这个可能才是现实实现中的难点。最后我想说的是，任何行业99%的从业者本质上都是混碗饭吃，真正能够对这个行业产生影响，能输出可参考价值见解的人，按比例看，这个视频的嘉宾规模里理论上可能还没有覆盖到。
特斯拉HW4把HD雷达又加回来了，嘉宾怎么不知道吗？
5:15 主持人，您讲的很棒，不过鸟瞰图=鸟kàn图
感谢
很精彩的节目。节目中提到的自动驾驶国内公司是小米和华为，不应该是小鹏和华为吗？
靚女才女❤
現在有輔助駕駛的車 有沒有裝類似飛機用的黑盒子 用於發生車禍時 可以用的裝置
我比较支持多模态，至少需要一个雷达。纯视觉的缺陷，也正是人开车的缺陷，遇到鬼探头难以避免
没有vision, 特斯拉真的是因为买不起radar?
不了解马斯克才会说Robotaxi会用激光雷达
当初马斯克选择纯视觉方案主要的考量是Lidar太贵了。 现在Lidar价格大幅下降后， 马斯克硬着头皮也得坚持下去， 要不然特斯拉前期下的功夫就报废了。 技术路线之争到最后还是靠市场买单， 看那个路线更快的建立起生态，被市场接受，另一个就被淘汰。
10月10 不如11.11有衝擊力
点赞 精彩
激光雷达有一个致命缺陷，作为一个主要靠机械部件的易损件，在一辆车的生命周期，比如20年，你的更换周期是多少？或者在运行过程中出现故障怎么办？这些都是致命伤。