Good-To The Moon - Tiger Brokers Online Investing Community

2
Comment
Favorite

CTP
2021-09-11

Good

新造车游戏，又要变了

马斯克对于计算能力的「破壁」，又将看似已经明确的智能电动车竞争，拉到了另一个维度之上。 8 月 23 日，一辆处于自动驾驶模式的特斯拉 Model 3 在美国撞上警车，险些造成巡警受伤。这是 NHT

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Report

Comment

Top
Latest

No comments yet

Most Discussed

Terms and Conditions·Privacy Policy

Company: TTMF Limited. Tech supported by Xiangshang Yixin.

Email：uservice@ttm.financial

{"i18n":{"language":"en_US"},"data":{"magic":2,"id":881147040,"tweetId":"881147040","gmtCreate":1631320143180,"gmtModify":1676530526753,"author":{"id":3570195275245886,"idStr":"3570195275245886","authorId":3570195275245886,"authorIdStr":"3570195275245886","name":"CTP","avatar":"https://static.tigerbbs.com/b4085def320dcb4f3210eb4b047a86ad","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":7,"crmLevelSwitch":1,"individualDisplayBadges":[],"fanSize":13,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"extraTitle":"","html":"<html><head></head><body>Good&nbsp;</body></html>","htmlText":"<html><head></head><body>Good&nbsp;</body></html>","text":"Good","highlighted":1,"essential":1,"paper":1,"likeSize":2,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://ttm.financial/post/881147040","repostId":1140014313,"repostType":2,"repost":{"id":"1140014313","kind":"news","pubTimestamp":1631317627,"share":"https://www.laohu8.com/m/news/1140014313?lang=&edition=full","pubTime":"2021-09-11 07:47","market":"us","language":"zh","title":"新造车游戏，又要变了","url":"https://stock-news.laohu8.com/highlight/detail?id=1140014313","media":"极客公园","summary":"马斯克对于计算能力的「破壁」，又将看似已经明确的智能电动车竞争，拉到了另一个维度之上。\n\n8 月 23 日，一辆处于自动驾驶模式的特斯拉 Model 3 在美国撞上警车，险些造成巡警受伤。这是 NHT","content":"<blockquote>\n 马斯克对于计算能力的「破壁」，又将看似已经明确的<a href=\"https://laohu8.com/S/5RE.SI\">智能</a>电动车竞争，拉到了另一个维度之上。\n</blockquote>\n8 月 23 日，一辆处于自动驾驶模式的<a href=\"https://laohu8.com/S/TSLA\">特斯拉</a> Model 3 在美国撞上警车，险些造成巡警受伤。这是 NHTSA（美国国家公路交通安全管理局）统计特斯拉自动驾驶造成的第 12 起事故。几天之后，一封长达 11 页的信函送往特斯拉，NHTSA 要求特斯拉「好好解释」一下。\n一直以来，将 L2 级别的辅助驾驶系统命名为 Autopilot 和 FSD（full self-driving）被认为是特斯拉的原罪，容易误导消费者。但马斯克信念坚定，即便事故每年都有，但就是认为 L5 级别的完全自动驾驶一定会到来。并且坚持与业界使用激光雷达力保安全的做法不同，他始终坚持「纯视觉」路线，解决 L5 级自动驾驶的问题。\n当辅助驾驶能力逐渐成为新能源车的「标配」的时候，坚持「纯视觉」路线实现完全自动驾驶的特斯拉，在不久前的 AI 日上曝光了自研计算芯片 D1，由于高带宽的特性和分布式的计算架构设计，3000 块 D1 芯片组成的超级计算机集群 Dojo ExaPOD，算力将远超目前全球最快的超级计算机富岳。\n这并不是马斯克一次简单的「黑科技炫耀」，实际上，智能电动车领域专业人士深受震撼，因为这意味着刚刚看起来要走向「内卷」的智能电动车战争方向，一下子从「三电」系统，转到了「算力」上，很可能会开启新造车的「升维」竞争。\n<img src=\"https://static.tigerbbs.com/bb3b24a8d76b8c385cee0732b8e1b79f\" tg-width=\"1000\" tg-height=\"564\" referrerpolicy=\"no-referrer\">\n特斯拉AutoPilot功能开启｜特斯拉\n用无限算力，解自动驾驶的难题\n2019 年 FSD 芯片发布的时候，特斯拉 AI 总负责人 Andrej Karpathy 说过一句话，「你开车是因为眼睛看到了路况，而不是靠双眼发射激光。」这让外界认清，在实现自动驾驶的技术路线上，特斯拉选择了纯视觉路线—摄像头堪比人眼，是自动驾驶时需要的几乎唯一传感器。\n今年 5 月，特斯拉宣布北美市场的 Model 3/Y 将不会再配备毫米波雷达，原因是特斯拉采用摄像头来进行深度估算的精度已经超过了摄像头+毫米波雷达。\n关于摄像头和雷达的路线之争还要回溯到 2004 年。美国国会为了在战争中减少伤亡，要求 DARPA 组织无人驾驶汽车大赛。Velodyne 正是通过这个契机，研发出激光雷达，转型成为激光雷达公司。也是在 2004 年，马斯克投资特斯拉 640 万美元，成为特斯拉董事长。\n客观来看，马斯克一开始「强烈」反对激光雷达的原因在于过高的成本。2012 年一辆 Waymo 无人驾驶车的成本 15 万美元，激光雷达单颗售价 7.5 万美元，占了 50%。直到<a href=\"https://laohu8.com/S/GOOG\">谷歌</a>自研，2017 年才宣布将激光雷达价格打到 7500 美元。\n目前激光雷达在中国市场具有高度确定性，比如<a href=\"https://laohu8.com/S/NIO\">蔚来</a>、小鹏等新造车势力，以及传统车厂奥迪、宝马等都宣布应用激光雷达。一个原因在于成本下降。比如 2020 年底，华为首次发布 96 线车规级高性能激光雷达，号称要把成本压缩到 200 美元。\n成本之外，安全是另外的考量因素。「中国场景跟美国完全不一样，核心目标是安全，加激光雷达能够安全就加，然后贵也贵不了多少钱。」一位新造车产品经理告诉极客公园。\n当性价比不是问题，马斯克对于纯视觉的押注该如此「嘴硬」，这背后到底是出于什么考虑？\n在马斯克看来，模仿人类是如何学会开车的，视觉获取信息+大脑处理信息，Autopilot 也能成为一个合格的「老司机」。即便没有激光雷达，用 Andrej 的话说，「我们大脑里的『深度学习网络』，有能力理解身边所有物体视觉深度和速度。」\nAndrej 曾表示，激光雷达+高精地图（也是国内自动驾驶公司的普遍做法）的配置，需要大量的前置准备，并且保持基础硬件更新的成本太高，前期成本远高于纯视觉方案，将会「拖累」特斯拉量产的步伐。深度学习需要<a href=\"https://laohu8.com/S/603138\">海量数据</a>喂养，所以对于特斯拉来说，「规模化」无比重要。\n让汽车擅长「自我驾驶」是特斯拉在 2013、2014 年就在思考的事情。前期特斯拉通过采集和仿真生产了庞大数据。每辆特斯拉装有 8 个摄像头，获取原始输入后能创建不同的分辨率，用于不同的功能和目的，最终这些信息会被输入到复杂的神经网络中，生成对自动驾驶有用的附加信息。问题在于，即便拥有 8 个摄像头，其背后的神经网络矢量空间依旧不够，换句话说，就是学习能力的成长性还是不够。\nDojo 的一个研发目标是容纳更大型的混合神经网络模型，专注于训练 Autopilot 神经网络，让其看得清楚的同时，也拥有聪明的大脑。马斯克曾在 2020WAIC 大会上表示，当下计算机视觉已经超越人类专家水平，但要保证计算机视觉实现的关键是算力的大小。\n<img src=\"https://static.tigerbbs.com/81ccc80205e5a5adacf59c670a673f7f\" tg-width=\"1008\" tg-height=\"982\" referrerpolicy=\"no-referrer\" width=\"100%\" height=\"auto\">\n特斯拉 AI 日曝光的芯片结构｜特斯拉\n实际上，由 120 个训练模块，3000 块 D1 芯片组成的超级计算机集群 Dojo ExaPOD，算力将远超目前全球最快的超级计算机富岳。\n发布会后，马斯克回复推特网友，ExaPOD 运算能力足以模拟人脑，下一代 Dojo 性能预计还会有 10 倍的提升，将成为世界上最强大的神经网络训练计算机。\n这是 Dojo 这台具备超算能力的「破壁」武器，对纯视觉自动驾驶的意义。至此，特斯拉可以充分运用其数据节点多（在路上跑的车多）的优势，加上市值高带来的资本能力强的优势，依靠超强算力修炼算法，并最终解决别人无法解决的问题，而且还比别人更有效率。\n马斯克「破壁」\n特斯拉在技术上一直有着比较长远的布局。特斯拉放弃原有的<a href=\"https://laohu8.com/S/NVDA\">英伟达</a>方案之后，自研 FSD 芯片。特斯拉自动驾驶芯片负责人 Pete Bannon（从<a href=\"https://laohu8.com/S/AAPL\">苹果</a>挖来的芯片设计师）说，在 2016 年，大家都在增加 CPU/GPU 的算力，没有人想过自研芯片来形成超越第三方算力的方向。因为这是个成本和风险极高的事情。\n作为自动驾驶的「大脑」，自动驾驶算力已经是车厂的必争之地。\n今年 1 月，蔚来发布的 ET7 搭载蔚来超算平台 NIO Adam，据李斌介绍 NIO Adam 总算力高达 1016 TOPS，超过 7 个 Tesla FSD 的算力总和。「拼马力，更要拼算力。马力+算力，是定义高端智能电动汽车的新标准。」李斌直言。\n一位智能电动车圈的产品经理表示，很显然，如果特斯拉没有算力上的「破壁」，大家都用业界的普遍方案，最后算力上的差距不会太大。但特斯拉今天 Dojo 做的事情一明确，这对于国内车企来说，是基本上无法跟进的。「今天看国内的车企就像看两三年前的特斯拉，关注点还到不了超算能力的自研突破上，而是销量，车的功能做得好不好。」\n「马斯克发布的其实是一条『路』——是个超级牛的基础设施。即便国内使用激光雷达，但也需要视觉，更需要计算力的提升。对于这种算力基础设施的领先，当然是带来巨大竞争优势的。」\n但是特斯拉今天为什么能这么做呢？因为他的车已经足够多了，算法也通畅了，这套系统可以帮它把数据处理效率变得更高。而后来者还没有到达这个阶段，这不只是决心和财力的问题，实际上是特斯拉在充分利用自己目前的优势，想拉开和后来者的距离。\n<img src=\"https://static.tigerbbs.com/6c9cead39fd9a91488af939df10caff5\" tg-width=\"1000\" tg-height=\"661\" referrerpolicy=\"no-referrer\">\n特斯拉 Model S Plaid 取消了物理挡杆｜特斯拉\n集度汽车 CEO 夏一平曾经表示，「特斯拉等公司很值得人尊重，因为他们开创了一个电动化的时代，真正推动了电动汽车的普及。」近两年产业关注重点从燃油车的核心零部件发电机与动力总成（两者成本在一辆燃油车里的成本占比大概是 15%-20%）转移到三电——电池、电控和电机。\n那么这次 Dojo 的出现，也很可能意味着新造车行业游戏可能又变了。追赶者本来感觉已经可以望其项背的状况，一下子又被特斯拉的「升维」打乱了。\n不久前，马斯克在全球员工大会上说，预计本季度末将迎来交付浪潮，这个月将成为公司有史以来最疯狂的一个月。对于特斯拉的销量不需要担心，可以说，它正迎来历史红利期最强的时候。在这个时候，马斯克的 Dojo，简直就是在跑得最快的时候，又给自己加了个火箭助推器，准备上天。\n与此同时，马斯克还告诉员工另外一个消息，期望在 2023 年推出价值 2.5 万美元的「Model 2」（有传也可能叫 Model Q），并表示该车型可能不会配备方向盘或踏板。虽然按照包括特斯拉在内的自动驾驶厂商的技术进展，专业人士都认为在 2023 年实现完全自动驾驶的可能性几乎不存在，但马斯克似乎永远会提醒业界，「我可不这么认为！」\n当然，Dojo 是否真的能按照马斯克的设想完成自动驾驶技术的「破壁」，今天只是一个可能性的展现。甚至，围绕算力而投入的巨大成本，如果不能根本性地超越其他技术路线，也会给特斯拉带来巨大的损失。\n但马斯克站在一个历史最好的发展状态下，做了一个「正常公司」很难作出的决定，最终的目的，还是要塑造支撑其「非常公司」的未来技术壁垒。\n这既是他的天生骄傲，也是他的精明计算。","source":"jkgy","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>新造车游戏，又要变了</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n新造车游戏，又要变了\n</h2>\n\n<h4 class=\"meta\">\n\n\n2021-09-11 07:47 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/VjFLHi1aZpJAa5TAuJ7SRQ>极客公园</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n马斯克对于计算能力的「破壁」，又将看似已经明确的智能电动车竞争，拉到了另一个维度之上。\n\n8 月 23 日，一辆处于自动驾驶模式的特斯拉 Model 3 在美国撞上警车，险些造成巡警受伤。这是 NHTSA（美国国家公路交通安全管理局）统计特斯拉自动驾驶造成的第 12 起事故。几天之后，一封长达 11 页的信函送往特斯拉，NHTSA 要求特斯拉「好好解释」一下。\n一直以来，将 L2 级别的辅助驾驶...\n\n<a href=\"https://mp.weixin.qq.com/s/VjFLHi1aZpJAa5TAuJ7SRQ\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/fdd6f504d4c5e0ac489c679890033ccc","relate_stocks":{"TSLA":"特斯拉"},"source_url":"https://mp.weixin.qq.com/s/VjFLHi1aZpJAa5TAuJ7SRQ","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1140014313","content_text":"马斯克对于计算能力的「破壁」，又将看似已经明确的智能电动车竞争，拉到了另一个维度之上。\n\n8 月 23 日，一辆处于自动驾驶模式的特斯拉 Model 3 在美国撞上警车，险些造成巡警受伤。这是 NHTSA（美国国家公路交通安全管理局）统计特斯拉自动驾驶造成的第 12 起事故。几天之后，一封长达 11 页的信函送往特斯拉，NHTSA 要求特斯拉「好好解释」一下。\n一直以来，将 L2 级别的辅助驾驶系统命名为 Autopilot 和 FSD（full self-driving）被认为是特斯拉的原罪，容易误导消费者。但马斯克信念坚定，即便事故每年都有，但就是认为 L5 级别的完全自动驾驶一定会到来。并且坚持与业界使用激光雷达力保安全的做法不同，他始终坚持「纯视觉」路线，解决 L5 级自动驾驶的问题。\n当辅助驾驶能力逐渐成为新能源车的「标配」的时候，坚持「纯视觉」路线实现完全自动驾驶的特斯拉，在不久前的 AI 日上曝光了自研计算芯片 D1，由于高带宽的特性和分布式的计算架构设计，3000 块 D1 芯片组成的超级计算机集群 Dojo ExaPOD，算力将远超目前全球最快的超级计算机富岳。\n这并不是马斯克一次简单的「黑科技炫耀」，实际上，智能电动车领域专业人士深受震撼，因为这意味着刚刚看起来要走向「内卷」的智能电动车战争方向，一下子从「三电」系统，转到了「算力」上，很可能会开启新造车的「升维」竞争。\n\n特斯拉AutoPilot功能开启｜特斯拉\n用无限算力，解自动驾驶的难题\n2019 年 FSD 芯片发布的时候，特斯拉 AI 总负责人 Andrej Karpathy 说过一句话，「你开车是因为眼睛看到了路况，而不是靠双眼发射激光。」这让外界认清，在实现自动驾驶的技术路线上，特斯拉选择了纯视觉路线—摄像头堪比人眼，是自动驾驶时需要的几乎唯一传感器。\n今年 5 月，特斯拉宣布北美市场的 Model 3/Y 将不会再配备毫米波雷达，原因是特斯拉采用摄像头来进行深度估算的精度已经超过了摄像头+毫米波雷达。\n关于摄像头和雷达的路线之争还要回溯到 2004 年。美国国会为了在战争中减少伤亡，要求 DARPA 组织无人驾驶汽车大赛。Velodyne 正是通过这个契机，研发出激光雷达，转型成为激光雷达公司。也是在 2004 年，马斯克投资特斯拉 640 万美元，成为特斯拉董事长。\n客观来看，马斯克一开始「强烈」反对激光雷达的原因在于过高的成本。2012 年一辆 Waymo 无人驾驶车的成本 15 万美元，激光雷达单颗售价 7.5 万美元，占了 50%。直到谷歌自研，2017 年才宣布将激光雷达价格打到 7500 美元。\n目前激光雷达在中国市场具有高度确定性，比如蔚来、小鹏等新造车势力，以及传统车厂奥迪、宝马等都宣布应用激光雷达。一个原因在于成本下降。比如 2020 年底，华为首次发布 96 线车规级高性能激光雷达，号称要把成本压缩到 200 美元。\n成本之外，安全是另外的考量因素。「中国场景跟美国完全不一样，核心目标是安全，加激光雷达能够安全就加，然后贵也贵不了多少钱。」一位新造车产品经理告诉极客公园。\n当性价比不是问题，马斯克对于纯视觉的押注该如此「嘴硬」，这背后到底是出于什么考虑？\n在马斯克看来，模仿人类是如何学会开车的，视觉获取信息+大脑处理信息，Autopilot 也能成为一个合格的「老司机」。即便没有激光雷达，用 Andrej 的话说，「我们大脑里的『深度学习网络』，有能力理解身边所有物体视觉深度和速度。」\nAndrej 曾表示，激光雷达+高精地图（也是国内自动驾驶公司的普遍做法）的配置，需要大量的前置准备，并且保持基础硬件更新的成本太高，前期成本远高于纯视觉方案，将会「拖累」特斯拉量产的步伐。深度学习需要海量数据喂养，所以对于特斯拉来说，「规模化」无比重要。\n让汽车擅长「自我驾驶」是特斯拉在 2013、2014 年就在思考的事情。前期特斯拉通过采集和仿真生产了庞大数据。每辆特斯拉装有 8 个摄像头，获取原始输入后能创建不同的分辨率，用于不同的功能和目的，最终这些信息会被输入到复杂的神经网络中，生成对自动驾驶有用的附加信息。问题在于，即便拥有 8 个摄像头，其背后的神经网络矢量空间依旧不够，换句话说，就是学习能力的成长性还是不够。\nDojo 的一个研发目标是容纳更大型的混合神经网络模型，专注于训练 Autopilot 神经网络，让其看得清楚的同时，也拥有聪明的大脑。马斯克曾在 2020WAIC 大会上表示，当下计算机视觉已经超越人类专家水平，但要保证计算机视觉实现的关键是算力的大小。\n\n特斯拉 AI 日曝光的芯片结构｜特斯拉\n实际上，由 120 个训练模块，3000 块 D1 芯片组成的超级计算机集群 Dojo ExaPOD，算力将远超目前全球最快的超级计算机富岳。\n发布会后，马斯克回复推特网友，ExaPOD 运算能力足以模拟人脑，下一代 Dojo 性能预计还会有 10 倍的提升，将成为世界上最强大的神经网络训练计算机。\n这是 Dojo 这台具备超算能力的「破壁」武器，对纯视觉自动驾驶的意义。至此，特斯拉可以充分运用其数据节点多（在路上跑的车多）的优势，加上市值高带来的资本能力强的优势，依靠超强算力修炼算法，并最终解决别人无法解决的问题，而且还比别人更有效率。\n马斯克「破壁」\n特斯拉在技术上一直有着比较长远的布局。特斯拉放弃原有的英伟达方案之后，自研 FSD 芯片。特斯拉自动驾驶芯片负责人 Pete Bannon（从苹果挖来的芯片设计师）说，在 2016 年，大家都在增加 CPU/GPU 的算力，没有人想过自研芯片来形成超越第三方算力的方向。因为这是个成本和风险极高的事情。\n作为自动驾驶的「大脑」，自动驾驶算力已经是车厂的必争之地。\n今年 1 月，蔚来发布的 ET7 搭载蔚来超算平台 NIO Adam，据李斌介绍 NIO Adam 总算力高达 1016 TOPS，超过 7 个 Tesla FSD 的算力总和。「拼马力，更要拼算力。马力+算力，是定义高端智能电动汽车的新标准。」李斌直言。\n一位智能电动车圈的产品经理表示，很显然，如果特斯拉没有算力上的「破壁」，大家都用业界的普遍方案，最后算力上的差距不会太大。但特斯拉今天 Dojo 做的事情一明确，这对于国内车企来说，是基本上无法跟进的。「今天看国内的车企就像看两三年前的特斯拉，关注点还到不了超算能力的自研突破上，而是销量，车的功能做得好不好。」\n「马斯克发布的其实是一条『路』——是个超级牛的基础设施。即便国内使用激光雷达，但也需要视觉，更需要计算力的提升。对于这种算力基础设施的领先，当然是带来巨大竞争优势的。」\n但是特斯拉今天为什么能这么做呢？因为他的车已经足够多了，算法也通畅了，这套系统可以帮它把数据处理效率变得更高。而后来者还没有到达这个阶段，这不只是决心和财力的问题，实际上是特斯拉在充分利用自己目前的优势，想拉开和后来者的距离。\n\n特斯拉 Model S Plaid 取消了物理挡杆｜特斯拉\n集度汽车 CEO 夏一平曾经表示，「特斯拉等公司很值得人尊重，因为他们开创了一个电动化的时代，真正推动了电动汽车的普及。」近两年产业关注重点从燃油车的核心零部件发电机与动力总成（两者成本在一辆燃油车里的成本占比大概是 15%-20%）转移到三电——电池、电控和电机。\n那么这次 Dojo 的出现，也很可能意味着新造车行业游戏可能又变了。追赶者本来感觉已经可以望其项背的状况，一下子又被特斯拉的「升维」打乱了。\n不久前，马斯克在全球员工大会上说，预计本季度末将迎来交付浪潮，这个月将成为公司有史以来最疯狂的一个月。对于特斯拉的销量不需要担心，可以说，它正迎来历史红利期最强的时候。在这个时候，马斯克的 Dojo，简直就是在跑得最快的时候，又给自己加了个火箭助推器，准备上天。\n与此同时，马斯克还告诉员工另外一个消息，期望在 2023 年推出价值 2.5 万美元的「Model 2」（有传也可能叫 Model Q），并表示该车型可能不会配备方向盘或踏板。虽然按照包括特斯拉在内的自动驾驶厂商的技术进展，专业人士都认为在 2023 年实现完全自动驾驶的可能性几乎不存在，但马斯克似乎永远会提醒业界，「我可不这么认为！」\n当然，Dojo 是否真的能按照马斯克的设想完成自动驾驶技术的「破壁」，今天只是一个可能性的展现。甚至，围绕算力而投入的巨大成本，如果不能根本性地超越其他技术路线，也会给特斯拉带来巨大的损失。\n但马斯克站在一个历史最好的发展状态下，做了一个「正常公司」很难作出的决定，最终的目的，还是要塑造支撑其「非常公司」的未来技术壁垒。\n这既是他的天生骄傲，也是他的精明计算。","news_type":1},"isVote":1,"tweetType":1,"viewCount":364,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"EN","currentLanguage":"EN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":4,"xxTargetLangEnum":"ORIG"},"commentList":[],"hasMoreComment":false,"orderType":2}