看了@不是郑小康 这条动态 链接 ，我是比较认可这个说法的。Tesla在纯视觉上走了很多弯路，才做了今天这个状态。我也相信他们的模型，也是泛化能力最好的模型，在很多场景下已经非常像人了，依然在不同地区的体验差异非常大。那些吹无图城区年底可以做到多少城的，我一个都不看好（可能真有人能推出，但体验我觉得大概率做不好）。不是有了BEV，有了大模型，有了数据就可以解决问题，但在中国的道路情况下，需要处理的case太多了，尤其是无图面临的场景更加复杂。Tesla在国外依赖的地图好像是介于HDMAP和SDMAP之间的地图，也不是完全的无图。而中国不知道有哪家图商可以提供这种地图数据，而只依赖感知的话，在堵车的时候，你连地上的箭头都看不到，感知能力再强也没用。就算感知能力够，中国道路的地面交通标识设置的太多不合理了，经常标着是直行，突然变成了个左转。这还仅仅是感知上的能力，预测和规控也是个巨大的工程。方法现在大家都掌握了，数据现在也有了，但就像CHATGPT一样，大家都知道大体的算法，也都能拿到相关的数据。但你做出的是CHATGPT，我做出来的可能是文心一言。在细节上能做好还是很难，不仅仅是算法能力，更多是算法和工程化能力一起，路要一步步走，饭要一口口吃。能力肯定会逐步加强，但要做到能用好用，我预计至少得到明年下半年（或许还更乐观了）。当然我希望有哪家真的跑出来打脸，那就证明中国企业真的掌握了最牛的技术，最好的训练方法，最快的工程化能力。