一些关于芯片和自动驾驶发展的干货观点，值得看一看。

一些关于芯片和自动驾驶发展的干货观点，值得看一看。 今天车库的第二期线下沙龙圆满结束，地平线BPU算法负责人罗恒博士在演讲和互动中深入浅出地谈到了关于芯片和自动驾驶发展的最新动态和思考，让我们非常受教。 以下是罗恒博士线下沙龙中提到的一些有意思的信息点： ——自动驾驶的体验来自于多个方面，包括算法、算力和数据等。对于车企来说，非常关 一些关于芯片和自动驾驶发展的干货观点，值得看一看。 今天车库的第二期线下沙龙圆满结束，地平线BPU算法负责人罗恒博士在演讲和互动中深入浅出地谈到了关于芯片和自动驾驶发展的最新动态和思考，让我们非常受教。 以下是罗恒博士线下沙龙中提到的一些有意思的信息点： ——自动驾驶的体验来自于多个方面，包括算法、算力和数据等。 对于车企来说，非常关键的是用最佳的办法优化短板，根据「木桶理论」，把一个木桶的长板做长，不一定能够获得多大的收益。 ——其实征程5的算力，是能够比较好地支持城市NOA，但真正要把这个东西做出来是需要多方协作，它受限于很多因素。车企选择芯片，背后的逻辑是非常复杂的，它背后考虑的因素非常多，不仅仅是芯片能力。 总体来说，这是一个技术的问题，也是一个商业问题。 ——从特斯拉的角度来看，它一直追求车的种类尽量少，传感器保持一致，硬件保持一致，背后的逻辑是降低硬件和软件的迭代成本。 ——地平线的下一代芯片，会体现出一个全车智能中心的作用。 因为目前的高等级辅助驾驶应用越来越多，所以既要关注车外，也要关注司机的状态，更理想的是采用一种新的人机交互界面，能够降低开车的疲劳，也能够保证车辆的安全。 ——地平线下一代芯片，其实一个Family，它要承担不同的成本和定位，所以有高低配；但是旗舰芯片在算力层面的增长一定会有，但它不会对标某一款芯片。 ——什么是好的自动驾驶？ 一是能够覆盖更多的道路，如果只是在封闭道路开，很难讲到价值，如果只是在一个城市开，也很难讲到价值。二是安全，这是绝对的。 第三是效率，效率差也不行。第四是舒适。 但所有这些的前提是要拥有足够多的车的数量，这样才能够从统计学意义上说它好不好。 ——Transformer本质上带来的不是某一方面的效率提升，而是提供了一种新的解决问题的方法，它所带来的特性是以往的RNN和CNN都不具备的，这个特性可能就带来了革命性的改变。 ——其实一开始特斯拉对毫米波雷达是非常认可的，它可以提供不同波段的数据，是有价值的。 但是后来特斯拉把它去掉了，原因是，它确实可以对物体进行测距测速，但是不一定准，因为所有传感器都不是完美的。另一方面，特斯拉的视觉系统越来越重，变成了两个信息源，所以就要做一些取舍。 接下来是不是会加回来，还要看。 ——自动驾驶会迎来一个AlphaGo时刻吗？不一定。 马斯克其实已经非常厉害了，但他还是在自动驾驶上犯了无数错，比如说他预测自动驾驶的时间，就被无数次打脸。那么，自动驾驶的问题能够在未来两三年能够解决吗？ 我不认为有人能够看到一个确定性的趋势。 ——在这个行业，目前大家采用降成本、降硬件的措施是正确的，因为软件的可能性是非常多的。 在软件的潜力被释放出来之前，去堆那么贵的算力，没办法形成量产和大规模铺开，这是不太合理的。