目前公开信息来看， 至少笛子家，别说赶上特斯拉，和蔚小理都差了十万八千里。
【 在 Icanread 的大作中提到: 】
: 对大部分模型来说，为了保证响应速度，到设备上都量化（quantization），稀疏化（sparsification）过，推理（inference）花不了多少算力
: 那多出来那么多算力干啥呢？如果技术能力强的厂商，当然是federated learning了，一方面可以把采集的数据预处理，不需要大量上传实际训练数据，只上传梯度数据即可，另一方面还可以满足隐私和监管的需要，最后还极容易规模化，只要车卖的多，数据中心只需要把上传上来的梯度聚合一下即可，数据中心扩建需求也极大缓解了
--
FROM 124.127.200.*