用软件定义汽车的长期价值。”
“自动驾驶作为未来出行的终局，确实不能单纯依赖传统汽车巨头的行业惯性，必须通过收集海量的真实道路数据来进行神经网络的持续迭代。”
马斯克在台上频频点头。
他的身体语言已经完全打开，双臂放在扶手两侧，膝盖微微前倾，是一个准备好愉快收尾的姿态。
他眼角带着欣赏，大概已经在心里把顾屿归进了“聪明的年轻拥护者”那一栏。
毕竟一个愿意花百万买单，还对特斯拉技术路线如数家珍的硬核粉丝，很难不让人心生好感。
下一个常规问题无非是FSD何时在中国全面开放。
他可以再讲一段愿景，漂亮地结束这场互动。
然而顾屿停了一拍。
“不过……”
“您刚才在回答欧阳明高教授提问时断言，三年内技术层面就能实现完全无人驾驶。”
马斯克还维持着点头的姿势，但动作已经慢了半拍。
“而且我注意到，特斯拉至今坚持以纯视觉方案为主导，极度排斥激光雷达等多传感器融合路线。”
“基于光学摄像头的神经网络，本质上是在用二维图像去逆向拟合三维的真实物理世界。”
顾屿语速不快，吐字极清晰。
“这个逻辑在光线充足、路况标准的场景下确实无懈可击。”
“但我想请问马斯克先生，纯视觉方案究竟要如何解决长尾效应中的极端罕见场景？”
马斯克脸上的笑容一点点收敛了。
“比如一辆白色的重型货车横穿马路，偏偏当时处于强烈逆光状态，画面完全过曝。”
“比如暴雪天气完全遮挡道路标线。”
“再比如浓雾和纯黑夜晚中突然出现的无规则障碍物。”
顾屿每抛出一个场景，台上马斯克身体的前倾角度就回收一分。
到第三个例子说完时，他已经重新靠回了椅背，双手十指交叉搭在腹前。
那是一个防守姿态。
“物理学的基本常识告诉我们，摄像头只能接收抵达镜头的有效光子。”
“当致命障碍物的信息因为遮挡、过曝或极端天气，根本没有进入摄像头时，视觉输入在物理硬件层面就已经处于完全不可观测的状态。”
顾屿握紧话筒，直视马斯克。
“我的核心问题是：”
“当物理信息已经完全丢失，您的自动驾驶算法凭什么去识别本就不存在的数据？难道指望代码凭空算出那些
本章未完，请点击下一页继续阅读！