← 返回专题

自动驾驶

限定运行区域与启用条件,如何改变自动驾驶的测试范围和落地路径?

问题范围:围绕本场讨论的城市地理围栏、充分测绘的固定高速路段和受限启用条件,研究这些限制相对全地点、全条件无人驾驶如何界定需要验证的场景,以及仍未解决的能力要求。保留固定路段卡车方案中司机在车内、端点接管的条件;访谈中的各项时间预测仅作为当时预期,不预设已经兑现,也不预设测试量减少的具体幅度。

收录范围不代表全部历史。“首次收录”不代表人物首次提出这一观点。

本篇目录

专题深度研究

正在读取研究…

公开材料 · 已收录表达

按访谈时间从新到旧排列;表达日期缺失时使用来源发布日期。仅知年月的材料保留原有精度,同场访谈的观点依原文顺序展示。

全自动驾驶之所以难以预测,是因为进步呈一系列对数曲线,看似接近解决却总撞上天花板;要真正解决 FSD 就必须解决现实世界 AI 与视觉,因为道路是为生物神经网络和眼睛设计的,需要用摄像头和硅基神经网络来实现。

嘉宾观点 · 忠实转述

马斯克解释 FSD 预测反复失败的根本原因,并给出其对技术本质的判断。

适用条件:尚未单独核定,请结合来源上下文阅读。

Elon Musk talks Twitter, Tesla and how his brain works — live at TED2022 ↗,新页面打开

黄仁勋将自动驾驶汽车称为自主机器中相对最简单、却影响极大的应用,同时认为它仍很可能成为当时世界上最复杂的计算机系统。

嘉宾观点 · 忠实转述

人员与物品的移动关系社会运作,既有道路规则与基础设施又使人类驾驶相对容易;但把驾驶技能写入程序极难,高速行驶还要求计算机快速反应且不能失效。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

黄仁勋认为,自动驾驶系统必须能在故障发生后继续安全运行;为避免共同的系统性失效,设计需要兼具冗余和多样性。

嘉宾观点 · 忠实转述

他以航空业由不同团队设计多种计算机的做法作例子,指出相同设计的重复设备可能同时受到同一功能缺陷影响。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

黄仁勋在估计出行行业规模约为 10 万亿美元后,判断从访谈次年开始,地理围栏内的出行服务可能是最容易推进的自动驾驶应用。

嘉宾观点 · 忠实转述

服务范围可以被限制在一座城市或城市的一部分,运营者可在范围内充分测绘、测试和开发,并拒绝提供范围外服务。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

黄仁勋当时预计,访谈后约两年内卡车可能出现受限场景的自动驾驶应用:司机仍在车内,在已充分测绘且反复行驶的固定高速路段让车辆自行驾驶并休息,到端点再接管。

嘉宾观点 · 忠实转述

他认为这种方式可通过约两三个小时的高速路段自动行驶,延长司机能够覆盖的运输行程并提高生产力。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

黄仁勋认为,汽车厂商可先限制自动驾驶功能的启用条件,并在随后数年逐步增加产品;能够在所有地点、所有条件下完全无人驾驶的汽车,当时可能仍需五到十年。

嘉宾观点 · 忠实转述

汽车可以在不能完全自行驾驶的情形下禁止进入自动驾驶模式,因此有限功能产品与全场景无人驾驶有不同的推进路径。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

经审核的历史对照

当前没有已批准且仍有效的对照。以上表达可并列阅读,不代表已经确认变化或共识。