馬斯克還在短暫思考。
youtube上的彈幕已經炸鍋了，“”
“200美元的激光雷達”
“不是，200美元還不到”
清一色的問號。
在阿美莉卡記憶里，他們還停留在激光雷達動輒大幾萬美元一個的印象中。
velodyne的激光雷達單價高達七萬五到八萬美元之間，當然這是幾年前的價格。
但哪怕是去年2023年，全年下來激光雷達的出貨平均價也是4000美元左右。
現在華國的大佬出來說，兩百美元不到一個，為啥不用
可想而知，對知道價格的阿美莉卡網友的沖擊，數字擺在這，堪比小紅書對賬的沖擊力了。
“蝙蝠確實用聲吶，但人類不是蝙蝠。
我們要造的是給人類開的車，而不是給蝙蝠開的車。
人類有眼睛，大腦就是用視覺在駕駛。
你想讓車學會像人一樣駕駛，那就用人類的感知方式。
你說激光雷達便宜了，是的，比三年前便宜很多，但關鍵不在價格。
關鍵是它沒能解決核心問題：理解世界。
激光雷達給你的是點云，一個距離場，它不知道交通燈是紅的還是綠的，它不知道這個是小孩還是塑料袋。
它只是一個更貴的尺子。
在人工智能領域，多數據不等于好數據。
我們當然可以往模型里灌更多輸入，但信息要有信息熵，要有對理解世界有用的信號。
激光雷達在高速公路上，或者高度規則化的場景下可能有用，但在日常城市駕駛，它反而會讓系統依賴一個捷徑，不去構建真正的世界模型。
你提到大語言模型，對，規模很重要。
但語言模型的前提是人類語言本身就包含了整個世界的復雜性，視覺輸入也一樣，視覺包含了駕駛所需的全部復雜性。
如果我們加進激光雷達，神經網絡可能會依賴‘簡化的答案’，而不去學習真正困難但關鍵的部分。
所以，這不是偷懶。
恰恰相反，純視覺是更難的路線，需要更強的網絡，更大的算力，更聰明的訓練，激光雷達是捷徑，但走捷徑你到不了終點。”
馬斯克攤手笑道：“如果你愿意在你的車頂上裝一堆傳感器，造一輛‘科研用的高價玩具’，當然可以。
但如果你想讓全世界幾千萬輛車都能自動駕駛，就必須走視覺路線，規模化的未來只有一條路。”
林燃說：“多模態多模態，如果連視覺和傳感器的數據都沒有辦法融入到同一個世界里，那又談什么多模態。
如果我們真的追求的是簡單的，單一的，人是怎么理解世界，人工智能或者機器人就應該要怎么理解世界，這是一種傲慢，人類也不應該有汽車、有飛機、有火車，人類就應該只依賴雙腿，不斷磨煉自己的雙腿。
現在的大模型，也不應該用各種結構化、非結構化的數據進行訓練，它不但能對話還能輸出畫面、動畫。
從數據到圖像再到動畫，ll的大模型輸出的越來越多元，反而自動駕駛還抱著原教旨主義的人工智能，認為就應該只有視覺。
現在如果我們有一個框架，能夠把激光雷達的數據融入到整個模型里，真正意義上實現廣義的自動駕駛，埃隆，你會認為你是錯的嗎”林燃問道。
馬斯克對于前面都已經習慣了，這些反駁的觀點，他在后臺、在推特上，甚至在特斯拉內部都能時常看到。