我想继续整理一下特斯拉前 AI 高级总监 Andrej Karpathy 关于智能驾驶的一些看法，他的观点还是很有分量的。

- 纯视觉 or 多传感器（摄像头 + 激光雷达 + 毫米波雷达 + 超声波传感器）？

Andrej：主流的认知是，多一种传感器是一种资产，但你全面考虑整个汽车产品，这些传感器实际上可能是一种负担，因为没有传感器是免费的。

传感器背后是一个完整的供应链，采购、制造、融合、固件、维护、更换，Elon 真的很擅长简化。他在控制组织和产品中的熵。

一旦综合考虑传感器的全部成本，它实际上是一项潜在的负担，你真的需要确认它为你提供了非常有用的信息。

传感器的信息有不同的分布，他们也贡献了噪音和熵到所有的环节，从组织上也一样，多传感器会让人分心。

如果你专注于视觉，所有的资源都投在视觉上去建立一个数据引擎，实际上你找到了突破口。因为视觉是拥有最多带宽、最大信息量的传感器。

如果你全力押注视觉，你可以让视觉工作得非常好。但如果你在关注系统的不同方面（指多传感器），那你的关注是有限的。这让我想起了 Rich Sutton 的《苦涩的教训》。

- 如何看待 LiDAR 和视觉？点云和像素的战争？

Andrej：这个辩论总是让我有点困惑，真正的辩论应该是：你有没有车队？无论用不用 LiDAR，有一支可以实现数据驱动的车队都更为重要。

LiDAR 是另一种传感器，和雷达类似，它基本上没有提供额外信息，并且非常昂贵，有各种各样的问题，你必须关注、校准…它会产生熵，你必须确定你需要这个传感器。我认为不需要。

我可以做出一个更强势的预测，我认为一些正在用 LiDAR 的公司可能会甩掉它。

另一个看待问题的角度是，视觉是必要的，这个世界被设计为供人类的视觉摄入，所以视觉是必要的。然后视觉已经足够了，它具有驾驶所需的所有信息，所以视觉既是必要的也是充分的。

你必须要非常确定你真的需要加入别的传感器。

#新能源大牛说##新能源汽车#