电机、电池、电控，除了电控哪个是特斯拉自己的？
现在小鹏mona能耗已经吊打特斯拉了
高速平均速度94能跑460公里，你的特斯拉能跑350吗？
【 在 RealBetis 的大作中提到: 】
: 你搞清楚什么叫三电再来说
--
FROM 123.127.143.*

这不是用多少张卡训练的问题：所有的AI模型，只要它的结构规模确定了，然后对它训练的数据确定了。无论你用多大的训练资源，只要训练方法相同，能够训练到收敛完成，那最后的性能肯定都是一样的。

因为所有的电脑运算资源都属于冯诺伊曼机，本质上统统是相同的，只是运行时间快慢的问题。所以训练资源的大小只不过影响训练时间而已。

因此想要提高AI模型的新能，只能要么提高模型的规模（或者设计出更精妙的结构？但现在所有大模型的结构已经统统高度同质化了，要想改进需要的是天才和不断试错），但提高模型规模就必然要求现在已经很极限的推理端芯片（就是在车上负责运行模型的芯片）的性能和功耗还要继续提高；要么增加数据，但数据的积累和获取完全是一个与人力和时间强相关的线性产出的活，不是你拼命堆钱就能指数增长的。

另外就算是拼命投资这两个方向，还可能会遇到模型性能饱和的问题，就是你拼命投了十倍的资源，结果模型的性能可能就提高了10%，完全不值当。
【 在 djkstra 的大作中提到: 】
: 现在的FSD只是几千张H100训练出来的结果，虽然跟人类还不能比但已经很惊艳了，等Cortex建好10万张H200跑起来还是值得期待的
:
--
FROM 49.7.236.*

更高的算力可以支持更多的参数，参数越多映射的结果就越精确，这个应该不难理解吧，要不现在的大模型大家都在堆算力呢

【 在 plsfnd 的大作中提到: 】
: 这不是用多少张卡训练的问题：所有的AI模型，只要它的结构规模确定了，然后对它训练的数据确定了。无论你用多大的训练资源，只要训练方法相同，能够训练到收敛完成，那最后的性能肯定都是一样的。
: 因为所有的电脑运算资源都属于冯诺伊曼机，本质上统统是相同的，只是运行时间快慢的问题。所以训练资源的大小只不过影响训练时间而已。
: 因此想要提高AI模型的新能，只能要么提高模型的规模（或者设计出更精妙的结构？但现在所有大模型的结构已经统统高度同质化了，要想改进需要的是天才和不断试错），但提高模型规模就必然要求现在已经很极限的推理端芯片（就是在车上负责运行模型的芯片）的性能和功耗还要继续提高；要么增加数据，但数据的积累和获取完全是一个与人力和时间强相关的线性产出的活，不是你拼命堆钱就能指数增长的。
: ...................
--
修改:djkstra FROM 14.127.22.*
FROM 14.127.22.*

特斯拉还是销量第一梯队啊，全球也是电动车销冠。

主要研发精力还是在自动驾驶这一块。汽车整体机械素质也没毛病。只有冰箱沙发大彩电差些。

国内目前政策还是对特斯拉有些压制，像是fsd 没让进，皮卡没让进，有些场所还是限制。毕竟是引进鲶鱼，可不想引狼入室。所以我觉得特斯拉如果产品上迭代太快，一是卷，二是会被打。所以老老实实的赚钱就可以了。他现在搞的fsd 是未来可以ota 的，这块儿一旦可以落地，马上收入提一大截，软件服务的利润还是很高的。

【 在 CFDA 的大作中提到: 】
:
: 这5年国内新势力进步显著
:
: tesla毫无作为
:


#发自zSMTH-v-@realme RMX3300
--
FROM 124.127.68.*

端到端
【 在 CFDA 的大作中提到: 】
: 这5年国内新势力进步显著
:  tesla毫无作为
--
FROM 120.245.22.*