热衷于“拉仇恨值”的马斯克不久前再次不负众望,贡献了四月最后一个瓜——激光雷达愚人论。有一种说法是,激光雷达是自动驾驶的“眼睛”。换句话说,任何一个想搞自动驾驶的厂商,首先要拜激光雷达这座“山”。然而,在4月24日的“Autonomy Day”产品发布会上,身在空中的马斯克却将自己的大炮对准了激光雷达。原话是这样的,“激光雷达是傻瓜的差事”,只有傻瓜才用激光雷达,现在谁(做自动驾驶)还依赖激光雷达,谁就在劫难逃!不信你就知道了!言辞之激烈,内容之放肆,多少让马斯克这个“爱吹牛的人”有些吃惊。于是乎,一夜之间,AI圈、汽车圈、朋友圈都爆了。各路大腕纷纷落幕,从技术争论到人物讽刺,尽可能的热闹,媒体群里也洋溢着一片欢乐的气氛:头条稳了!马斯克花了一周时间,像葫芦娃一样给大家贡献了《一根藤上的七个瓜》。diss Musk一帮“司机”的观点,时宇科技、文远智行、Autowise等出行公司,以及威力登等激光雷达公司的重要领导都明确表示,自动驾驶完全摆脱激光雷达是不可能的。然而,马斯克本人并不孤单。很快科学作家史蒂夫·切尼(Steve Cheney)出来声援,认为“所有明智的人都会在三年内抛弃激光雷达”,理由和马斯克一样,因为(激光雷达)“没有必要,而且非常昂贵”。不得不说两边大佬的观点都是有的...老生常谈。事实上,关于自动驾驶的实现是靠激光雷达还是摄像头,这个话题已经争论了很多年。更让我们感兴趣的是,“激光雷达傻瓜理论”出现在这个时间节点可能不是偶然的。背后隐藏的是自动驾驶汽车长期得不到解决的顽疾,确实是时候重新思考方向了。今天我们就用一篇文章帮你说清楚。当老板们谈论激光雷达时,他们在谈论什么?当众Diss激光雷达?马斯克说:坐下来正常操作!在吃瓜之前,我们先来看看自动驾驶和激光雷达的密切关系:如果我们要做一辆自动驾驶汽车,需要完成几个必要且关键的步骤:首先需要感知,即获取外部信息,然后进行判断,主要依靠云算法,最后做出决定,什么时候停,什么时候走。可见,感知阶段是自动驾驶汽车性能最基本、最重要的信息源和体验保障。目前主流的感知模式是通过雷达、摄像头、激光雷达来实现的。这三种方式各有利弊,其中“激光雷达”一直是业界关注的焦点。原因也很简单。激光雷达具有雷达的测距能力,但分辨率高于雷达。它具有照相机的感知能力,但可以不受光线条件的限制。它唯一的缺点是太贵,无法大规模用于量产车。在过去的几年里,几乎所有的自动驾驶厂商都无法回避激光雷达。区别只在于谁能让三者的排列组合更高效、更精准、更廉价。例如,丰田TRI研究所制造的无人驾驶汽车在车身上配备了七个威力登激光雷达。谷歌自动驾驶公司Waymo在独立后做的第一件事就是试图将激光雷达的成本从原来的7万美元降至7500美元。相比业界对激光雷达的追捧,马斯克完全是个异类。他坚持认为使用激光雷达是一个错误的选择。在目前的智能驾驶量产车中,特斯拉是唯一一个依靠摄像头的。这至少说明马斯克并不“诚实”,而是真心实意地认为激光雷达对自动驾驶的未来毫无价值。说到这里,“课代表”就给大家总结一下“反雷派”(diss lidar的一部分)的几个重要论点:1。激光雷达成本太高。由于激光雷达“不可替代”的特性,相应的价格也很高,使得汽车厂商和芯片公司很难在激光雷达的前提下实现盈利。那么为什么不考虑降低成本呢?目前激光雷达市场主要由汽车行业支撑,短期内几乎不可能有新的大规模需求,机械式激光雷达的生产组装效率也无法快速提升,边际成本自然居高不下。为了降低整车价格,一些企业采用了更便宜的固态激光雷达,但也带来了新的问题,即这种雷达无法360度旋转,无法探测到后面的情况,需要引入新的传感器,在经济效果上不可行。2.激光雷达在实际应用中存在bug。一种是激光雷达无法跟踪目标,因为无法识别颜色;同时,激光雷达在高速运动中要处理的信号越多,海量像素会干扰广播电视探测器,导致识别进度下降;另外,激光雷达需要额外的外接适配器充电,使用起来比较复杂。3.更关键的是,将激光雷达作为提高汽车感知的捷径,也催生了科技公司和汽车厂商的懒惰。主要体现在高级自动驾驶方案中对激光雷达的过度依赖和堆砌,使得他们或多或少回避了对自动驾驶至关重要的视觉识别算法和芯片等基础问题。换句话说,激光雷达不仅不能解决实际问题,还可能让创业者陷入一场盲目堆砌资源的金融战争。听起来合理吗?试想,如果去掉激光雷达,全面引入视觉识别算法和高性能计算硬件,并不会节省大量的激光雷达部署成本。对于自动驾驶厂商和跃跃欲试的潜在车主来说,无疑是一个福音。确实有公司这么做。除了特斯拉,初创公司AutoX还让一辆只有7个摄像头的林肯MKZ浸泡在无人驾驶状态下的普通车道上。然而,更多的汽车公司和无人驾驶技术公司正在抱怨激光雷达的高昂价格和“业务能力”,他们不得不夜以继日地研究如何让激光雷达变得更好。当然,这并不是因为他们有自己的“抖M”体质,而是与其他技术方案相比,激光雷达是当时能找到的最佳方案。你能行,你能行:视觉算法能扛起王者的大旗吗?在大会上,特斯拉人工智能高级总监安德烈·卡帕西(Andrej Karpathy)是这样说的——我们人类是完全视觉驾驶的,那么为什么我们必须使用激光雷达才能到达机器呢?这是特斯拉的另一种技术实现思路:通过多摄像头方案采集数据,然后借助还原实际环境的模拟器训练神经网络,通过智能视觉实现车辆对交通状况的“认知”。特斯拉在现场发布了一组数据,其全视觉感知方案已经能够处理99.999%的场景。每天,特斯拉汽车有10万次变道,没有发生任何交通事故。而且,用户使用这个视觉模拟系统越多,神经网络的性能就越好,特斯拉在预测和处理交通状况方面就会越熟练。当然,特斯拉并没有把3D图像处理的训练工作全部交给用户,而是围绕算法做了很多重要的工作,比如通过软件算法让图像数据更加鲁棒,从而实现图像的深度感知。为了保证无人车终端的算法效率,特斯拉还内置了全自动驾驶硬件。然而,尽管做了一系列准备工作,还被激光雷达“祭天”,马斯克的相机“视知觉”理想真的可靠吗?至少在某些坚定的“雷派”看来,是不能接受的。他们反驳的理由并非空穴来风:首先,坚持用摄像头做传感器的特斯拉已经在之前的事故率上打了自己一巴掌。根据特斯拉官方公布的2019年第一季度数据,使用Autopilot的事故数量较以往有所增加。每行驶287万英里,就会发生一次事故。近年来,关于车祸的新闻报道成为新闻媒体和电视台的常客。更重要的是,摄像头+视觉感知技术+芯片的技术矩阵没能带来令人惊喜的结果。比如特斯拉的Autopilot已经是目前所有辅助驾驶功能中最好的了,但就是这样一个系统,每隔几分钟就会提醒人工干预,一些曲率较大的道路弯道会犹豫直接停车。在一些特殊的天气环境下,单个相机传感器系统更是捉襟见肘。对此,有网友出现在黑客新闻上说:几周前芝加哥下雪了,我的自动驾驶仪关闭了,因为大雪遮住了摄像头。所以我不会买这些“没有激光雷达的自动驾驶”。在这种情况下,真的很难相信3D视觉感知技术已经成熟到可以完全抛弃激光雷达。根据康奈尔大学的最新研究成果,伪激光雷达的3D深度表示比之前的最优图像方法精确一倍,在KITTI 3D目标探测排名中已经达到最高水平,但它只将立体相机系统和激光雷达系统的性能差距缩小了一半。对于成熟的汽车制造商和科技旅游公司来说,…ey需要面对市场和用户的重重考验,以及政府监管和公共安全的基本约束,需要最大程度的保证无人车的稳定性和准确性。反馈给大众,“激光雷达”已经成为不可或缺的存在,哪怕只是作为抛锅道具或者安慰剂。所以,如果一定要争论这个“激光雷达傻瓜理论”,结果显然是无论是工业界还是学术界都在传递一个明确的信号:在短时间内,期待相机+视觉系统是必要的,也是必须的。这种情况下,老板们是不是有点闲,留下那么多问题没解决,忙着吵架?目前看来,这场争论的最大意义在于消解激光雷达长期以来神圣不可动摇的产业意义,试图寻找新的解决方案。硬或软或两者兼而有之:谁将决定自动驾驶的未来?马斯克此时站出来反对激光雷达,虽然有点激进,但也可能指出了上一阶段自动驾驶厂商身上的“皇帝的新衣”确实不适合继续穿下去。关于这一点,很多业内人士也是认同的。比如时宇科技创始人兼CEO吴甘沙认为,完全不用激光雷达肯定有问题,纯视觉方案的鲁棒性肯定长期不如视觉加激光融合方案。但从更长的维度来看,靠激光雷达真的没有未来,因为相机视觉可以有更丰富的维度去理解世界。一些高精地图创业公司也强调从成本出发,采用低成本的相机方案采集高精数据。在一片喧嚣声中,一场关于硬件和软件主导权的争论已经悄然开始。为了理解这一点,我们来更全面的看一下特斯拉除了diss激光雷达还做了什么。一个是硬件3.0的发布,一个强大的全自动驾驶硬件。每个HW3.0包含两套FSD硬件,每秒可处理高达2.5千兆像素和36.8 TOPS。据说浮点运算能力是NVIDIA Drive Xavier的7倍。值得注意的是,FSD只运行特斯拉加密软件,不支持非特斯拉软件。马斯克也恨恨地说,“特斯拉从来没有设计过芯片。它怎么可能一下子做出世界上最好的芯片?但它就这么发生了。”二是虚拟仿真系统。基于特斯拉电动汽车的量产(50万辆且仍在快速增长),特斯拉拥有训练神经网络的关键资源。例如,如果特斯拉无法解决车上有一辆自行车的问题(因为会被系统识别为两个物体),它会命令汽车将“问题”图片上传到总部,特斯拉会对这些图片进行标记,然后导入神经网络继续训练,直到视觉系统能够熟练掌握识别技能。比如只通过雷达和摄像头,只要两者得到的距离相匹配,神经网络就可以估算出车辆之间的距离。从这个角度来说,特斯拉的野心并不是向整个行业扔一枚重磅炸弹,而是要打造一个软硬件一体化的自动驾驶解决方案。在底层技术方面,特斯拉通过自主研发的高性能AI芯片,实现了底层硬件的“弯道超车”,解决了对计算能力的迫切需求,同时摆脱了供应商的限制,最大程度地掌握了核心部件的主动权。特斯拉在软技术壁垒方面也越来越强。在算法方面,特斯拉拥有基于现实生活数据的神经网络训练平台,同时拥有实时生成的海量详细数据。至此,已经拿出软硬件一体化解决方案的特斯拉再次拉开了与同行的竞争差距。同时也做出姿态,以软硬兼施的方式吸引更多的合作伙伴加入自己的阵营。这场争论虽然始于“挑衅”,但也离不开营销炒作的一贯写法。但同时,人们可以清楚地看到一件事。就像没有发明汽车的年代,人们只是想要一辆更快的马车。当自动驾驶到了行业的冷静期,技术的快速迭代,生存的如履薄冰,让厂商不得不时时警醒。但沉浸在这种“技术恐慌”中,很容易忘记人类需要的是发明汽车,而不是制造更快的马车。从这个意义上说,特斯拉的自主博士……ing帝国正在以最具创造性和颠覆性的风格成形。在过于惹眼的装饰背后,未来的冰山一角已经隐约显露。热衷于“拉仇恨值”的马斯克不久前再次不负众望,贡献了四月最后一个瓜——激光雷达愚人论。有一种说法是,激光雷达是自动驾驶的“眼睛”。换句话说,任何一个想搞自动驾驶的厂商,首先要拜激光雷达这座“山”。然而,在4月24日的“Autonomy Day”产品发布会上,身在空中的马斯克却将自己的大炮对准了激光雷达。原话是这样的,“激光雷达是傻瓜的差事”,只有傻瓜才用激光雷达,现在谁(做自动驾驶)还依赖激光雷达,谁就在劫难逃!不信你就知道了!言辞之激烈,内容之放肆,多少让马斯克这个“爱吹牛的人”有些吃惊。于是乎,一夜之间,AI圈、汽车圈、朋友圈都爆了。各路大腕纷纷落幕,从技术争论到人物讽刺,尽可能的热闹,媒体群里也洋溢着一片欢乐的气氛:头条稳了!马斯克花了一周时间,像葫芦娃一样给大家贡献了《一根藤上的七个瓜》。diss Musk一帮“司机”的观点,时宇科技、文远智行、Autowise等出行公司,以及威力登等激光雷达公司的重要领导都明确表示,自动驾驶完全摆脱激光雷达是不可能的。然而,马斯克本人并不孤单。很快科学作家史蒂夫·切尼(Steve Cheney)出来声援,认为“所有明智的人都会在三年内抛弃激光雷达”,理由和马斯克一样,因为(激光雷达)“没有必要,而且非常昂贵”。不得不说两边大佬的观点都是有的...老生常谈。事实上,关于自动驾驶的实现是靠激光雷达还是摄像头,这个话题已经争论了很多年。更让我们感兴趣的是,“激光雷达傻瓜理论”出现在这个时间节点可能不是偶然的。背后隐藏的是自动驾驶汽车长期没有解决的痼疾,确实是时候重新思考方向了。今天我们就用一篇文章帮你说清楚。当老板们谈论激光雷达时,他们在谈论什么?当众Diss激光雷达?马斯克说:坐下来正常操作!在吃瓜之前,我们先来看看自动驾驶和激光雷达的密切关系:如果我们要做一辆自动驾驶汽车,需要完成几个必要且关键的步骤:首先需要感知,即获取外部信息,然后进行判断,主要依靠云算法,最后做出决定,什么时候停,什么时候走。可见,感知阶段是自动驾驶汽车性能最基本、最重要的信息源和体验保障。目前主流的感知模式是通过雷达、摄像头、激光雷达来实现的。这三种方式各有利弊,其中“激光雷达”一直是业界关注的焦点。原因也很简单。激光雷达具有雷达的测距能力,但分辨率高于雷达。它具有照相机的感知能力,但可以不受光线条件的限制。它唯一的缺点是太贵,无法大规模用于量产车。在过去的几年里,几乎所有的自动驾驶厂商都无法回避激光雷达。区别只在于谁能让三者的排列组合更高效、更精准、更廉价。例如,丰田TRI研究所制造的无人驾驶汽车在车身上配备了七个威力登激光雷达。谷歌自动驾驶公司Waymo在独立后做的第一件事就是试图将激光雷达的成本从原来的7万美元降至7500美元。相比业界对激光雷达的追捧,马斯克完全是个异类。他坚持认为使用激光雷达是一个错误的选择。在目前的智能驾驶量产车中,特斯拉是唯一一个依靠摄像头的。这至少说明马斯克并不“诚实”,而是真心实意地认为激光雷达对自动驾驶的未来毫无价值。说到这里,“课代表”就给大家总结一下“反雷派”(diss lidar的一部分)的几个重要论点:1。激光雷达成本太高。由于激光雷达“不可替代”的特性,相应的价格也很高,使得汽车厂商和芯片公司很难在激光雷达的前提下实现盈利。那么为什么不考虑降低成本呢?目前激光雷达市场主要由汽车行业支撑,短期内几乎不可能有新的大规模需求,机械式激光雷达的生产组装效率也无法快速提升,边际成本自然居高不下。为了降低整车价格,一些企业采用了更便宜的固态激光雷达,但也带来了新的问题,即这种雷达无法360度旋转,无法探测到后面的情况,需要引入新的传感器,在经济效果上不可行。2.激光雷达在实际应用中存在bug。一种是激光雷达无法跟踪目标,因为无法识别颜色;同时,激光雷达在高速运动中要处理的信号越多,海量像素会干扰广播电视探测器,导致识别进度下降;另外,激光雷达需要额外的外接适配器充电,使用起来比较复杂。3.更关键的是,将激光雷达作为提高汽车感知的捷径,也催生了科技公司和汽车厂商的懒惰。主要体现在高级自动驾驶方案中对激光雷达的过度依赖和堆砌,使得他们或多或少回避了对自动驾驶至关重要的视觉识别算法和芯片等基础问题。换句话说,激光雷达不仅不能解决实际问题,还可能让创业者陷入一场盲目堆砌资源的金融战争。听起来合理吗?试想,如果去掉激光雷达,全面引入视觉识别算法和高性能计算硬件,并不会节省大量的激光雷达部署成本。对于自动驾驶厂商和跃跃欲试的潜在车主来说,无疑是一个福音。确实有公司这么做。除了特斯拉,初创公司AutoX还让一辆只有7个摄像头的林肯MKZ浸泡在无人驾驶状态下的普通车道上。然而,更多的汽车公司和无人驾驶技术公司正在抱怨激光雷达的高昂价格和“业务能力”,他们不得不夜以继日地研究如何让激光雷达变得更好。当然,这并不是因为他们有自己的“抖M”体质,而是与其他技术方案相比,激光雷达是当时能找到的最佳方案。你能行,你能行:视觉算法能扛起王者的大旗吗?在大会上,特斯拉人工智能高级总监安德烈·卡帕西(Andrej Karpathy)是这样说的——我们人类是完全视觉驾驶的,那么为什么我们必须使用激光雷达才能到达机器呢?这是特斯拉的另一种技术实现思路:通过多摄像头方案采集数据,然后借助还原实际环境的模拟器训练神经网络,通过智能视觉实现车辆对交通状况的“认知”。特斯拉在现场发布了一组数据,其全视觉感知方案已经能够处理99.999%的场景。每天,特斯拉汽车有10万次变道,没有发生任何交通事故。而且,用户使用这个视觉模拟系统越多,神经网络的性能就越好,特斯拉在预测和处理交通状况方面就会越熟练。当然,特斯拉并没有把3D图像处理的训练工作全部交给用户,而是围绕算法做了很多重要的工作,比如通过软件算法让图像数据更加鲁棒,从而实现图像的深度感知。为了保证无人车终端的算法效率,特斯拉还内置了全自动驾驶硬件。然而,尽管做了一系列准备工作,还被激光雷达“祭天”,马斯克的相机“视知觉”理想真的可靠吗?至少在某些坚定的“雷派”看来,是不能接受的。他们反驳的理由并非空穴来风:首先,坚持用摄像头做传感器的特斯拉已经在之前的事故率上打了自己一巴掌。根据特斯拉官方公布的2019年第一季度数据,使用Autopilot的事故数量较以往有所增加。每行驶287万英里,就会发生一次事故。近年来,关于车祸的新闻报道成为新闻媒体和电视台的常客。更重要的是,摄像头+视觉感知技术+芯片的技术矩阵没能带来令人惊喜的结果。比如特斯拉的Autopilot已经是目前所有辅助驾驶功能中最好的了,但就是这样一个系统,每隔几分钟就会提醒人工干预,一些曲率较大的道路弯道会犹豫直接停车。在一些特殊的天气环境下,单个相机传感器系统更是捉襟见肘。对此,有网友出现在黑客新闻上说:几周前芝加哥下雪了,我的自动驾驶仪关闭了,因为大雪遮住了摄像头。所以我不会买这些“没有激光雷达的自动驾驶”。在这种情况下,真的很难相信3D视觉感知技术已经成熟到可以完全抛弃激光雷达。根据康奈尔大学的最新研究成果,伪激光雷达的3D深度表示比之前的最优图像方法精确一倍,在KITTI 3D目标探测排名中已经达到最高水平,但它只将立体相机系统和激光雷达系统的性能差距缩小了一半。对于成熟的汽车制造商和科技旅游公司来说,…ey需要面对市场和用户的重重考验,以及政府监管和公共安全的基本约束,需要最大程度的保证无人车的稳定性和准确性。反馈给大众,“激光雷达”已经成为不可或缺的存在,哪怕只是作为抛锅道具或者安慰剂。所以,如果一定要争论这个“激光雷达傻瓜理论”,结果显然是无论是工业界还是学术界都在传递一个明确的信号:在短时间内,期待相机+视觉系统是必要的,也是必须的。这种情况下,老板们是不是有点闲,留下那么多问题没解决,忙着吵架?目前看来,这场争论的最大意义在于消解激光雷达长期以来神圣不可动摇的产业意义,试图寻找新的解决方案。硬或软或两者兼而有之:谁将决定自动驾驶的未来?马斯克此时站出来反对激光雷达,虽然有点激进,但也可能指出了上一阶段自动驾驶厂商身上的“皇帝的新衣”确实不适合继续穿下去。关于这一点,很多业内人士也是认同的。比如时宇科技创始人兼CEO吴甘沙认为,完全不用激光雷达肯定有问题,纯视觉方案的鲁棒性肯定长期不如视觉加激光融合方案。但从更长的维度来看,靠激光雷达真的没有未来,因为相机视觉可以有更丰富的维度去理解世界。一些高精地图创业公司也强调从成本出发,采用低成本的相机方案采集高精数据。在一片喧嚣声中,一场关于硬件和软件主导权的争论已经悄然开始。为了理解这一点,我们来更全面的看一下特斯拉除了diss激光雷达还做了什么。一个是硬件3.0的发布,一个强大的全自动驾驶硬件。每个HW3.0包含两套FSD硬件,每秒可处理高达2.5千兆像素和36.8 TOPS。据说浮点运算能力是NVIDIA Drive Xavier的7倍。值得注意的是,FSD只运行特斯拉加密软件,不支持非特斯拉软件。马斯克也恨恨地说,“特斯拉从来没有设计过芯片。它怎么可能一下子做出世界上最好的芯片?但它就这么发生了。”二是虚拟仿真系统。基于特斯拉电动汽车的量产(50万辆且仍在快速增长),特斯拉拥有训练神经网络的关键资源。例如,如果特斯拉无法解决车上有一辆自行车的问题(因为会被系统识别为两个物体),它会命令汽车将“问题”图片上传到总部,特斯拉会对这些图片进行标记,然后导入神经网络继续训练,直到视觉系统能够熟练掌握识别技能。比如只通过雷达和摄像头,只要两者得到的距离相匹配,神经网络就可以估算出车辆之间的距离。从这个角度来说,特斯拉的野心并不是向整个行业扔一枚重磅炸弹,而是要打造一个软硬件一体化的自动驾驶解决方案。在底层技术方面,特斯拉通过自主研发的高性能AI芯片,实现了底层硬件的“弯道超车”,解决了对计算能力的迫切需求,同时摆脱了供应商的限制,最大程度地掌握了核心部件的主动权。特斯拉在软技术壁垒方面也越来越强。在算法方面,特斯拉拥有基于现实生活数据的神经网络训练平台,同时拥有实时生成的海量详细数据。至此,已经拿出软硬件一体化解决方案的特斯拉再次拉开了与同行的竞争差距。同时也做出姿态,以软硬兼施的方式吸引更多的合作伙伴加入自己的阵营。这场争论虽然始于“挑衅”,但也离不开营销炒作的一贯写法。但同时,人们可以清楚地看到一件事。就像没有发明汽车的年代,人们只是想要一辆更快的马车。当自动驾驶到了行业的冷静期,技术的快速迭代,生存的如履薄冰,让厂商不得不时时警醒。但沉浸在这种“技术恐慌”中,很容易忘记人类需要的是发明汽车,而不是制造更快的马车。从这个意义上说,特斯拉的自主博士……ing帝国正在以最具创造性和颠覆性的风格成形。在过于惹眼的装饰背后,未来的冰山一角已经隐约显露。
销量下滑,成为了今年车市一季度的主基调。据中国汽车工业协会统计分析,今年一季度国内乘用车仅累计销售52628万辆,相比去年同期下跌1372。
1900/1/1 0:00:005月1日,理想首批零售中心正式开业,覆盖了北京、上海、广州、深圳和天津共5个城市。
1900/1/1 0:00:001979年的春天,一个老人在北京的地图上给南海画了一个圈,改革的春风由北向南吹来,一个崭新的、充满活力的大都市深圳由此奇迹般崛起;
1900/1/1 0:00:002019年一季度,现代汽车在中国今年一季度销售下滑19,创下2008全球经济衰退以来的最低水平。进入中国市场多年以来,现代汽车集团旗下产品给消费者留下的最大印象就是“高性价比”。
1900/1/1 0:00:00在生活中,我们手机、电脑的电池容量都会衰减,新能源汽车的电池也会衰减。
1900/1/1 0:00:00日前,在全国自贸片区创新联盟成立仪式上,中国联通联合深圳市易成自动驾驶技术有限公司(简称“易成”)在深圳前海自贸区完成深圳首次基于5G车路协同和人工智能的无人驾驶应用展示。
1900/1/1 0:00:00