Tesla Autonomy Day和Full Self-Driving视频 产业链软硬件数据闭环 自动驾驶的苹果

Tesla Autonomy Day

前1小时多的广告可以忽略

https://www.youtube.com/watch?v=Ucp0TTmvqOE&feature=share

Tesla's Full Self-Driving.mp4

https://www.youtube.com/watch?v=nfIelJYOygY

如果传统方法可行，为什么AlphaGo需要深度学习；现在只有tesla实现了数据收集的闭环，如果所有场景都是训练集数据，实现的无人驾驶效果会怎么样？

算法+算力+网络（数据）将是最核心的生产力。

Openai Five 对算力、算法、数据的关系描述：We were expecting to need sophisticated algorithmic ideas, such as hierarchical reinforcement learning, but we were surprised by what we found: the fundamental improvement we needed for this problem was scale. Achieving and utilizing that scale wasn’t easy and was the bulk of our research effort!

在较小的算力和数据下，远远没有达到算法的天花板，限制还是在数据和计算力。算法持续改进但是进展速度不稳定。openai five的45000年的游戏经验说明也需要继续提升算法。

做好无人驾驶的算力、数据的基础设施，持续提升算法能力。

1 Tesla让我们感到自动驾驶行业的威胁，而不是waymo apollo；

 tesla 明年落地robo taxi 能力ok；

其他威胁来自会跟进telsa自动驾驶思路的大公司 百度 车厂 商汤 旷世等，当然跟进者面临共同的门槛：完整的大量的驾驶数据。

tesla有无人驾驶行业流程及技术迭代的闭环，车辆收集数据量大，算法迭代速度快，常规算法（模仿学习监督学习检测识别等）实现了落地应用。

2. 威胁的启示：用AI做无人驾驶； 智能的发展思路是正确的，激光雷达高精地图的路线是没前途的。