你禁一个敏感词，就会多出现两三个敏感词

视觉理解能力弱的阶段，有无激光雷达可以拉开很大的差距。但当视觉理解能力越来越强之后，激光雷达的权重就越来越低，此时有无激光雷达的影响就变得越来越小了。

视觉+激光雷达是不是比纯视觉厉害？
没错确实更厉害。但是能厉害多少？
不好说。视觉理解算法越烂，就厉害得越多。视觉理解算法越强，差距就越小，激光雷达作用就越小。

@stoneabc 激光雷达是摆设，并不一定是厂商用不好，而是因为摄像头的数据足够好判断的时候，激光雷达的数据就可以忽略不计了。就相当于你在视力正常的时候不需要听声音走路，但当你视力出了问题，你走路才变得依赖声音。

@wangrenhuan @openliucongbx @smrwsmrw 已送出

并不存在谁对谁错

如果我这个说法成立的话，那么特斯拉暂时走纯视觉路线，同时其他厂商继续使用激光雷达，并没有谁对谁错，都只是选择了符合自身情况的路线而已。

如果我这个说法成立的话，那么特斯拉暂时走纯视觉路线，同时其他厂商继续使用激光雷达，并没有说对说错，都只是选择了符合自身情况的路线而已。

@cenbiq
你的比喻很形象，表达能力比我强，能说出我心里表达不出来的想法。

另外当传感器已经达到一定数量后，再去堆叠传感器，带来的提升也是边际效益递减的，同样的成本用来提升视觉理解能力反而智能提升更明显。

也许是其他厂商没有特斯拉这么好的条件、没有这么好的 gpu 、没有这么好的算力去提升视觉理解能力，在视觉理解能力上达到瓶颈了，所以增加传感器带来的提升比钻研视觉理解能力所带来的提升更大。于是这些厂商选择使用激光雷达，对于他们自身的情况是没错的。

而特斯拉可能因为 ai 的发展、算力的发展，恰恰使他们在视觉能力上的大幅度提升成为可能，于是他们就没有精力采集激光雷达数据做融合多模态训练，而是选择先把基础的视觉理解能力提升上去。当特斯拉在视觉理解能力的提升上遇到了瓶颈，与此同时激光雷达也降到了合适的低价，那时也未必不去考虑增加多一种传感器。正如 llm 的智能提升遇到瓶颈再去搞推理模型一样。

@guanzhangzhang 文章里说的是域名，帖子说的是 ip 。我用 ip 没问题。

那就是 rag

点餐这个需求，只有在选菜的时候，ai 才派上用场。
你可以说我今天想吃清淡的，价格在 20 以下。ai 根据你的口味，筛选出符合价位并且排除近几天吃过的菜免得重复，再排除你不吃的辣味、香菜，帮你列出可能符合口味的。实际上就是餐厅点菜过程当中服务员的角色。

简单的理解，比如说：
1.激光雷达贵，砍掉省钱
2.信息更大肯定更加准确
3.马斯克啥都玩过，所以不会错

@cenbiq 我觉得你说的才是正确答案，只有你说出了我的想法。很多事物的原因是复杂的，人们总是只能用简单的思维来理解，所以大部份人因为真理的复杂性都理解不了，只能接受简单版本的答案。

激光雷达+视觉比纯雷达更强的情况，也只发生在算法足够聪明把两者数据完全吃透的前提条件下，目前还做不到。虽然给到的数据更多了，但是目前的数据利用率做不到 100%利用。

补充一下，人在走路的时候，眼睛发挥主要作用。而耳朵能在一些 corner case 起作用。大部份情况还是相信眼见为实，耳听为虚。如果听力成本高，而带来的作用不高，只在一些眼睛看不到的 corner case 起作用，那么放弃听力一样可以走路，节省掉这笔听力成本算了。

人走路主要靠视力辨别方向，但是有时候也要靠听力识别周边环境的车辆。没有听力行不行？聋人照样能过马路。舍弃了听力，对总体的影响不大。但戴着耳机过马路就是会更危险。不能说听力完全没用，只是说影响太小。

这得看 AI 跑不跑得赢人机验证。如果人机验证能持续卡住 AI ，那么各大 app 继续限制机器人操作。

@guanzhangzhang 阿里云 https://ip:any_port 用一段时间了，还没问题。用户量还不少。

电磁炉适合什么锅呢