Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
我爸媽問我為什麼跪著看油管！感謝Wayne，講解的連我這個文科的傻子都聽得懂也理解的一清二楚！本來我也是對特斯拉的決策一堆疑惑，這期超高質量的解說，就給出了完整合情合理的說明，真的牛！不點讚不推廣的人就跟讀出師表而不墮淚者一樣！謝謝特斯拉團隊為我們生活改善的努力，更謝謝Wayne用平易近人的解釋讓我這種傻子能夠參與其中！
哈哈，兄弟很幽默啊！你的每次评论都让我印象深刻！就是太过谦虚了～
不得不佩服Wayne对于大信息和复杂主题的把握能力。下面也斗胆提几点自己的理解：1，关于激光雷达：激光雷达，我是说特斯拉用的FMCW的1550nm的机械式激光雷达；这个激光雷达可以直接测距和测速（国内部分厂商吹的激光雷达是ToF的激光雷达，无法直接测速）。特斯拉用这个激光雷达来做度量基准，也叫做ground truth来训练自己的Pseudo LiDAR （这个技术也有15年了，算法也很成熟了）。有人问为啥不直接装激光雷达？**没必要，我们人开车从来不用用尺子量量距离再过去，而是通过训练自己的眼睛，最后达到“感觉能过去”就可以了；**这个雷达对安装架子的机械稳定度以及运行环境有要求，你不能安装在车轮的左右，哪里泥水太多了；安装在车顶，你的行李放在哪里？**很贵，这是一个原因，但是不是主要原因。2，关于视觉和激光雷达：Wayne说到了，没有视觉，有再多激光雷达也没用。但是有些人可能会问，多了激光雷达做个冗余总是好的额。这里我从另外一个逻辑再论证一下：**提到冗余备份，比如说A对B是冗余备份，我们说的是如果B不工作了，用A就可以完全可以胜任。这才是冗余备份，这一点激光雷达是做不断到的**3，关于摄像头处理弱光环境的问题：我了解到，特斯拉目前只是在摄像头上使用了RCCC和RCCB的滤镜，替换了普通手机摄像头上使用的RGGB的滤镜（普通摄像头为了模拟人眼故意配置的）。配置了RCCC和RCCB的滤镜，就可以大大增加远红外光的检测能力；做到，夜里，雨雾天气也没问题。解决这个问题，只花了几毛钱。4，关于5G车联网的myth： 5G车联网的模型是有很大问题的；实时性很难保证不说，首先是没有必要做大远距离的实时信息传递。我们开车其实只需要知道周围100-200米的情况，高速道路上也就知道前方300-500米的情况就足够了。这一点上来说，直接检测车尾灯比V2V来的直接，而且系统更简单，更稳定，成本也低。至于说红绿灯，道路事故信息，使用百度地图，谷歌地图等等直接做到秒级同步就可以了。深入思考这个问题，解决这个问题就不用花钱；是不是无法创造GDP了啊？5，立体视觉和视觉记忆：**我们人眼的立体视觉也不是天生的，3个月内的婴儿就没有立体视觉。我们的立体视觉也不是直接感知的，而是通过大脑计算和拼凑的；我们的眼睛也是经过了大量的训练才具备了快速捕捉细节的能力，而且，每个人这方面的能力不一样。所以，特斯拉通过训练计算机视觉可以获得立体信息是很容易理解的。**特斯拉最大的特点是使用了全场景融合的Bird View Network来实现识别，而且使用了时间维度（Temporal）的信息来防抖。这一点很好理解，如果让我们只看到物体的一部分，我们也很难才出来这个东西是什么，但是，我们可以扭头看全貌，这就是鸟瞰图。**特斯拉的时间维度就是我们人类的记忆；比如我们先看到了一个车，后来有辆车开过来，挡住了这辆车，我们人脑会认为第一辆车还在这个车的后面。这就是记忆的魅力，如果只靠单帧图像就不行，挡住了就没有了。这就是为啥引入时间维度后，感知的稳定性和准确性就大大提高了。**还有一点，有些人可能会说，我如果在墙上画个隧道入口就会让特斯拉撞墙；这样违法不违法先不说，特斯拉很容易通过时间维度来破解这个问题。实际环境中的物体，我们在运动的过程中，他们相对位置和角度会发生变化；如果是一种二维的图形，是不会发生变化的。其实，这也是我们人类单目立体视觉的原理。不信的，可以闭上一只眼睛，摇动脑袋，你仍然可以感知到立体。这一点特斯拉算法稍作修改，使用时间维度的信息进行训练即可解决；6，关于路径规划：特斯拉使用了Alpha Go，Alpha Zero， Mu Zero等一样的算法：Reinforce learnign + MCTS。从而实现了高效的路径规划；具体说来是，计算时间和计算难度都降低了2-3个数量级。从这一点上来讲，特斯拉未来在路径规划方面超越人类，简直就是太简单的额事情了。你看看Alpha Zero吧，目前是超越世界上最优秀的围棋选手，这个超越不是一点点，而是下1000盘，人类最优秀的围棋选手都无法赢一盘。7，特斯拉后续会引入后退模式：这一点很好理解，而且我认为，未来特斯拉的车不应该有“前”和“后”的区别，或者可以根据行进方向自动定义前后。后退模式，会让特斯拉更加灵活，“此路不通，我绕路走”。“这边路况复杂，我绕路走”。“这边有施工，我绕路走”
非常感谢，感觉您是做AI，或者就是在做自动驾驶的
1. 所有有雷达的车，其实都有视觉识别，完全靠雷达的自动导航不存在。2. 特斯拉有海量的数据当然不是国内那些PPT造车可以比的。3. 安全一直是自动驾驶的第一原则。 哪怕视觉在99%的时候都有效，只要有1%的情况下不如雷达安全都是要不能完全否定的。激光雷达的原理和视觉不同，4. 摄像头技术也有飞速发展，模拟眼睛的摄像头也有发展，那个有望解决摄像头帧率的问题。这个UP主应该去关心一下5. 很反对马斯克这种先射箭再画靶子的方法。6. 这频道只能算一个车友频道，完全偏离科技本意，和正常的科技百家争鸣，居然给马斯克找正确性。 7. 特斯拉的FSD到底啥水平，看她出厂的时候给大家写L2， L3还是L4.
一个EE背景，一直做软件工程的人，看AI day 实况 坚持看完，也不知道看懂了还是没看懂。所以一直等Wayne的解读。
的确高品质,这大概是唯一一个最平易近人的对Tesla AI的深度中文解读,超赞👍👍👍
視頻雖長，乾貨滿滿，生動有趣，淺而易懂， AI DAY聽不懂的資訊，在視頻裡都有了解答，整理這些專業資料，一定花了費大量的心思，感謝有你，製作高質量的視頻內容，辛苦了。
谢谢夸赞，和一群志同道合的朋友一起非常开心，有欣赏者才有动力，感恩有你们一路相伴！也很开心自己付出努力做的东西可以帮助更多的人～
看了一分半就感覺誠意滿滿並且用心十足！！！感謝！！！
哇塞，讲解的太震撼了，已经等不及看下一集了。
我看你的影片看到滿滿的真誠跟專業，有一度感動差點流淚， 真的太謝謝你這麼精彩解說，我會跟朋友好好推薦你的!
躲在被窩裏大哭一場你會很快樂。
刚刚发现你这个频道。讲的真是太精彩了: 对世界顶尖科技的介绍逻辑清晰，深入浅出，绝无拖泥带水。谢谢你的辛苦努力。如此高质量频道当然必须立即订阅!
質量超高的影片，非常期待下集。
謝謝您 真的講解的太精闢 太精采了 讓我見識到不只是特斯拉的高明 更多展現您的學識豐富與清晰的條理 和淵博的見聞 真的非常感謝和喜歡您 謝謝
谢谢支持！
最近成了这个频道的铁粉了，每一期都特精彩
Wayne说的太对了，机器人占了所有版面，基本没有人提AI算法、芯片、Dojo这些硬核内容，包含很多油管大V，所以一直等Wayne的更新！我也是下载后看了一遍，只能懂30%左右！幸好有你！！！
您是我看過所有介紹特斯拉的人，說的最棒的，因為這才是核心，如果只是電動車的概念，是沒辦法創造出電動車起步的市場。在整個IT的結構，這是全世界車廠沒法做到。Toyuta,現在已經積極的在研發電動車，並在電池上有著很好的成過，但這完全不是特斯拉的重點，這部份只是整合而已。（對於您的頻道我會絕對支持）。加油
太精彩了，期待下一期的影片！谢谢Wayne
wow! 听的过瘾，谢谢wayne
真是太神解釋 非常期待下一次解說，已按讚已轉發已貼FB！感謝偉恩大大！
谢谢支持！🙏
谢谢Wayne哥的视频，每次都是先赞后看，期待下集
这个是我目前为止最好的最全面的最专业的解读，对up主圈粉了。佩服佩服
欢迎常来频道坐坐
支持，颠覆我以前的对于图像识别的认知，以为只要识别到物体就好了，没想到tesla还会进行路径的预测，厉害厉害
Wayne就是這麼厲害👍艱澀難懂的技術都能用很簡單的方式介紹清楚🤩
哈哈哈
能把这么复杂的技术深入浅出的让大家理解， 只有你能做到，谢谢。👍👍👍
这个视频太专业易懂了，我们完全明白了特斯拉的核心竞争力在哪里，秒杀华语圈一切up主，这个可以当博士论文了，希望下次可以听你谈谈加密货币
好期待下一集！！
内容很有深度，表达很有逻辑，实力解析！完美
Wayne你讲的真透彻 太牛了
谢谢大神精彩讲解，好像听懂了一点点，期待下集
配服啊！太太太太太⋯ 精彩了！點十個讚也不足為過！ Wayne 真有講課的天份⋯⋯
感謝 Wayne 精彩的解讀
支持Wayne，感谢讲解，期待下期
讲述得太清晰了，全网最详细、最通俗易懂，当之无愧👍👏👏👏谢谢!
Wayne辛苦了，非常全面！
巨細靡遺，深入淺出，太棒了！
作为同样是做软件的，惭愧惭愧，佩服佩服。👍
太牛了，期待下一期
The best video about FSD and machine Learning by Tesla.. Great work!
解釋地太好了！封您為特斯拉學習之神
过奖了～
］
第一次看，点赞、订阅、加分享，讲解非常通俗易懂，向您学习
讲的太好了，感谢博主！
這一聽就知道是下足了功夫才有的精彩視頻，真是太棒了👏
谢谢你用心的解释！视频做得真的很棒！
很高兴你的喜欢这期视频！
深入浅出讲解特斯拉，全网No'1👍
感谢支持韦恩的有深度，又精辟的讲解。
非常專業的解析，真的很贊
每一集都是用心之作，期待AI下集
听了你一个视频就subscribe了，你是个很好的老师。我当过几年老师，也还得过教学奖，我的教学，风格、简洁程度、风趣，都还要向你学习，尽管我不会再从事教职了。
讲解的系统，喜欢你的节目。
Wayne真的太厲害了👍滿滿乾貨請受小弟一拜
非常優質的影片，支持
說得非常好 我很佩服你
非常厲害的講解。多謝
谢谢Wayne,干货中的干货吖！！
有高度，有思想，向你学习，向你致敬
感谢主播分享。
多謝詳細解說，真的把所以東西消化了再給我們。當天真的看了一半要睡著
講的很透徹。期待下期節目。
我已經高潮了！ Wayne! You rock! Smart people use simple language! 👍👍👍👍👍👍👍👍👍👍
👍👍👍 期待下集！
期待下集👍
Thank you Wayne. Very nice and detail. Love it.
so happy you like it！
長知識了，經主持人深度的剖析原來視覺化辨識的背後有這麼深的知識建構，特斯拉的技術遠超乎想像，謝謝您的分析，超棒的👍
超用心。必須推
刷了看到更新，馬上點進！
深度最夠的特斯拉視頻
我是作相关行业的，主播讲得真的很好
讲解很仔细！等更新！！！
講得很好，想跟你5個讚！
講的很好耶 謝謝你哦~
這集實在看得太過癮
喜欢你的频道！
还没看完，先赞一波👍。很细致
每一習都很期待 感激大神
科技类节目我就服你，做出了好莱坞大片的感觉，真的应该拿上零食坐下来慢慢看～
老鐵報到這才是有質量的節目
专业且易懂，赞赞赞
有看到视频最后发现老马的话的吗？
發人省思
高手！厲害👍
讲得很清楚很有趣！
太干了！！！！我很高興訂閱了你的頻道！！！
很开心你喜欢～
签到！先感谢再看
感谢分享！
讲的深入浅出，收益多多，非常感谢
下集，敲碗！👍
解释得太好了！！！
讲的很精彩！
精彩！精彩！精品！
先贊再看。看長度就知道做了好多功課
太強了，一定要推薦
谢谢 说得很好 还没有看完
我看了3次,很精彩
至今見過最好的中文解釋 加油
很厲害的講解
Wayne 期待您的下集產出
这一期有点牵强,人工智能有很强的大数据计算能力,前提是你要给他提供庞大的数据库,而人能除了拼经验解决已知的事件外还能解决很多突发并不一定进入大数据的数据库的事件,举个例子如果你到了一个交通标识不同的地方或者标识牌语言不通的地方可以参考周边汽车的形势推测处标识的意思或者在有危险的时候停车问路,自动驾驶就算能负责全部人眼的功能它也不一定能解决不在它数据库里的东西.再说了老司机也有闯祸的时候只是几率比普通普通人低很多倍而已.
先顶后看，感谢分享
謝謝分享
说实话，作为一个ai开发者，我觉得主持人懂的确实多，知识面广泛！不过这段视频有点过了，你知道实现你说的这些功能需要怎样配置的硬件吗，你知道这些硬件带来的散热问题是目前无法解决的吗，目前最好的方式就是边缘系统，车上的硬件也仅仅只能支持识别和单目测距，你说还有3d地图，服务器上还有可能，车载不可能的。特别后面的预测，也只是根据前面的轨迹预测，而不是你说的那么牛逼，什么建立4d空间，那像你这么说，我们的开发都是上百维的空间，没得意义，刻意渲染而已，前面的内容我也赞同，纯视觉，不过路还长，重点在硬件！
期待下一期
讲的太好了~
很好👍
我爸媽問我為什麼跪著看油管！感謝Wayne，講解的連我這個文科的傻子都聽得懂也理解的一清二楚！本來我也是對特斯拉的決策一堆疑惑，這期超高質量的解說，就給出了完整合情合理的說明，真的牛！不點讚不推廣的人就跟讀出師表而不墮淚者一樣！謝謝特斯拉團隊為我們生活改善的努力，更謝謝Wayne用平易近人的解釋讓我這種傻子能夠參與其中！
哈哈，兄弟很幽默啊！你的每次评论都让我印象深刻！就是太过谦虚了～
不得不佩服Wayne对于大信息和复杂主题的把握能力。下面也斗胆提几点自己的理解：
1，关于激光雷达：激光雷达，我是说特斯拉用的FMCW的1550nm的机械式激光雷达；这个激光雷达可以直接测距和测速（国内部分厂商吹的激光雷达是ToF的激光雷达，无法直接测速）。
特斯拉用这个激光雷达来做度量基准，也叫做ground truth来训练自己的Pseudo LiDAR （这个技术也有15年了，算法也很成熟了）。
有人问为啥不直接装激光雷达？
**没必要，我们人开车从来不用用尺子量量距离再过去，而是通过训练自己的眼睛，最后达到“感觉能过去”就可以了；
**这个雷达对安装架子的机械稳定度以及运行环境有要求，你不能安装在车轮的左右，哪里泥水太多了；安装在车顶，你的行李放在哪里？
**很贵，这是一个原因，但是不是主要原因。
2，关于视觉和激光雷达：Wayne说到了，没有视觉，有再多激光雷达也没用。但是有些人可能会问，多了激光雷达做个冗余总是好的额。这里我从另外一个逻辑再论证一下：
**提到冗余备份，比如说A对B是冗余备份，我们说的是如果B不工作了，用A就可以完全可以胜任。这才是冗余备份，这一点激光雷达是做不断到的**
3，关于摄像头处理弱光环境的问题：我了解到，特斯拉目前只是在摄像头上使用了RCCC和RCCB的滤镜，替换了普通手机摄像头上使用的RGGB的滤镜（普通摄像头为了模拟人眼故意配置的）。
配置了RCCC和RCCB的滤镜，就可以大大增加远红外光的检测能力；做到，夜里，雨雾天气也没问题。解决这个问题，只花了几毛钱。
4，关于5G车联网的myth： 5G车联网的模型是有很大问题的；实时性很难保证不说，首先是没有必要做大远距离的实时信息传递。
我们开车其实只需要知道周围100-200米的情况，高速道路上也就知道前方300-500米的情况就足够了。这一点上来说，直接检测车尾灯比V2V来的直接，而且系统更简单，更稳定，成本也低。
至于说红绿灯，道路事故信息，使用百度地图，谷歌地图等等直接做到秒级同步就可以了。
深入思考这个问题，解决这个问题就不用花钱；是不是无法创造GDP了啊？
5，立体视觉和视觉记忆：
**我们人眼的立体视觉也不是天生的，3个月内的婴儿就没有立体视觉。我们的立体视觉也不是直接感知的，而是通过大脑计算和拼凑的；我们的眼睛也是经过了大量的训练才具备了快速捕捉细节的能力，而且，每个人这方面的能力不一样。
所以，特斯拉通过训练计算机视觉可以获得立体信息是很容易理解的。
**特斯拉最大的特点是使用了全场景融合的Bird View Network来实现识别，而且使用了时间维度（Temporal）的信息来防抖。这一点很好理解，如果让我们只看到物体的一部分，我们也很难才出来这个东西是什么，但是，我们可以扭头看全貌，这就是鸟瞰图。
**特斯拉的时间维度就是我们人类的记忆；比如我们先看到了一个车，后来有辆车开过来，挡住了这辆车，我们人脑会认为第一辆车还在这个车的后面。这就是记忆的魅力，如果只靠单帧图像就不行，挡住了就没有了。这就是为啥引入时间维度后，感知的稳定性和准确性就大大提高了。
**还有一点，有些人可能会说，我如果在墙上画个隧道入口就会让特斯拉撞墙；这样违法不违法先不说，特斯拉很容易通过时间维度来破解这个问题。
实际环境中的物体，我们在运动的过程中，他们相对位置和角度会发生变化；如果是一种二维的图形，是不会发生变化的。其实，这也是我们人类单目立体视觉的原理。不信的，可以闭上一只眼睛，摇动脑袋，你仍然可以感知到立体。
这一点特斯拉算法稍作修改，使用时间维度的信息进行训练即可解决；
6，关于路径规划：特斯拉使用了Alpha Go，Alpha Zero， Mu Zero等一样的算法：Reinforce learnign + MCTS。从而实现了高效的路径规划；具体说来是，计算时间和计算难度都降低了2-3个数量级。从这一点上来讲，特斯拉未来在路径规划方面超越人类，简直就是太简单的额事情了。你看看Alpha Zero吧，目前是超越世界上最优秀的围棋选手，这个超越不是一点点，而是下1000盘，人类最优秀的围棋选手都无法赢一盘。
7，特斯拉后续会引入后退模式：这一点很好理解，而且我认为，未来特斯拉的车不应该有“前”和“后”的区别，或者可以根据行进方向自动定义前后。
后退模式，会让特斯拉更加灵活，“此路不通，我绕路走”。“这边路况复杂，我绕路走”。“这边有施工，我绕路走”
非常感谢，感觉您是做AI，或者就是在做自动驾驶的
1. 所有有雷达的车，其实都有视觉识别，完全靠雷达的自动导航不存在。
2. 特斯拉有海量的数据当然不是国内那些PPT造车可以比的。
3. 安全一直是自动驾驶的第一原则。 哪怕视觉在99%的时候都有效，只要有1%的情况下不如雷达安全都是要不能完全否定的。激光雷达的原理和视觉不同，
4. 摄像头技术也有飞速发展，模拟眼睛的摄像头也有发展，那个有望解决摄像头帧率的问题。这个UP主应该去关心一下
5. 很反对马斯克这种先射箭再画靶子的方法。
6. 这频道只能算一个车友频道，完全偏离科技本意，和正常的科技百家争鸣，居然给马斯克找正确性。
7. 特斯拉的FSD到底啥水平，看她出厂的时候给大家写L2， L3还是L4.
一个EE背景，一直做软件工程的人，看AI day 实况 坚持看完，也不知道看懂了还是没看懂。所以一直等Wayne的解读。
的确高品质,这大概是唯一一个最平易近人的对Tesla AI的深度中文解读,超赞👍👍👍
視頻雖長，乾貨滿滿，生動有趣，淺而易懂，
AI DAY聽不懂的資訊，在視頻裡都有了解答，
整理這些專業資料，一定花了費大量的心思，
感謝有你，製作高質量的視頻內容，辛苦了。
谢谢夸赞，和一群志同道合的朋友一起非常开心，有欣赏者才有动力，感恩有你们一路相伴！也很开心自己付出努力做的东西可以帮助更多的人～
看了一分半就感覺誠意滿滿並且用心十足！！！感謝！！！
哇塞，讲解的太震撼了，已经等不及看下一集了。
我看你的影片看到滿滿的真誠跟專業，有一度感動差點流淚， 真的太謝謝你這麼精彩解說，我會跟朋友好好推薦你的!
躲在被窩裏大哭一場你會很快樂。
刚刚发现你这个频道。讲的真是太精彩了: 对世界顶尖科技的介绍逻辑清晰，深入浅出，绝无拖泥带水。谢谢你的辛苦努力。如此高质量频道当然必须立即订阅!
質量超高的影片，非常期待下集。
謝謝您 真的講解的太精闢 太精采了 讓我見識到不只是特斯拉的高明 更多展現您的學識豐富與清晰的條理 和淵博的見聞 真的非常感謝和喜歡您 謝謝
谢谢支持！
最近成了这个频道的铁粉了，每一期都特精彩
Wayne说的太对了，机器人占了所有版面，基本没有人提AI算法、芯片、Dojo这些硬核内容，包含很多油管大V，所以一直等Wayne的更新！我也是下载后看了一遍，只能懂30%左右！
幸好有你！！！
您是我看過所有介紹特斯拉的人，說的最棒的，因為這才是核心，如果只是電動車的概念，是沒辦法創造出電動車起步的市場。在整個IT的結構，這是全世界車廠沒法做到。Toyuta,現在已經積極的在研發電動車，並在電池上有著很好的成過，但這完全不是特斯拉的重點，這部份只是整合而已。（對於您的頻道我會絕對支持）。加油
太精彩了，期待下一期的影片！谢谢Wayne
wow! 听的过瘾，谢谢wayne
真是太神解釋 非常期待下一次解說，已按讚已轉發已貼FB！感謝偉恩大大！
谢谢支持！🙏
谢谢Wayne哥的视频，每次都是先赞后看，期待下集
谢谢支持！
这个是我目前为止最好的最全面的最专业的解读，对up主圈粉了。佩服佩服
欢迎常来频道坐坐
支持，颠覆我以前的对于图像识别的认知，以为只要识别到物体就好了，没想到tesla还会进行路径的预测，厉害厉害
Wayne就是這麼厲害👍
艱澀難懂的技術都能用很簡單的方式介紹清楚🤩
哈哈哈
能把这么复杂的技术深入浅出的让大家理解， 只有你能做到，谢谢。👍👍👍
这个视频太专业易懂了，我们完全明白了特斯拉的核心竞争力在哪里，秒杀华语圈一切up主，这个可以当博士论文了，希望下次可以听你谈谈加密货币
好期待下一集！！
内容很有深度，表达很有逻辑，实力解析！完美
Wayne你讲的真透彻 太牛了
谢谢大神精彩讲解，好像听懂了一点点，期待下集
配服啊！太太太太太⋯ 精彩了！點十個讚也不足為過！ Wayne 真有講課的天份⋯⋯
感謝 Wayne 精彩的解讀
支持Wayne，感谢讲解，期待下期
讲述得太清晰了，全网最详细、最通俗易懂，当之无愧👍👏👏👏谢谢!
Wayne辛苦了，非常全面！
巨細靡遺，深入淺出，太棒了！
作为同样是做软件的，惭愧惭愧，佩服佩服。👍
太牛了，期待下一期
The best video about FSD and machine Learning by Tesla.. Great work!
解釋地太好了！封您為特斯拉學習之神
过奖了～
］
第一次看，点赞、订阅、加分享，讲解非常通俗易懂，向您学习
讲的太好了，感谢博主！
這一聽就知道是下足了功夫才有的精彩視頻，真是太棒了👏
谢谢你用心的解释！视频做得真的很棒！
很高兴你的喜欢这期视频！
深入浅出讲解特斯拉，全网No'1👍
感谢支持韦恩的有深度，又精辟的讲解。
非常專業的解析，真的很贊
每一集都是用心之作，期待AI下集
听了你一个视频就subscribe了，你是个很好的老师。我当过几年老师，也还得过教学奖，我的教学，风格、简洁程度、风趣，都还要向你学习，尽管我不会再从事教职了。
讲解的系统，喜欢你的节目。
Wayne真的太厲害了👍滿滿乾貨請受小弟一拜
非常優質的影片，支持
說得非常好 我很佩服你
非常厲害的講解。多謝
谢谢Wayne,干货中的干货吖！！
有高度，有思想，向你学习，向你致敬
感谢主播分享。
多謝詳細解說，真的把所以東西消化了再給我們。當天真的看了一半要睡著
講的很透徹。期待下期節目。
我已經高潮了！
Wayne! You rock! Smart people use simple language! 👍👍👍👍👍👍👍👍👍👍
👍👍👍 期待下集！
期待下集👍
Thank you Wayne. Very nice and detail. Love it.
so happy you like it！
長知識了，經主持人深度的剖析原來視覺化辨識的背後有這麼深的知識建構，特斯拉的技術遠超乎想像，謝謝您的分析，超棒的👍
超用心。必須推
刷了看到更新，馬上點進！
深度最夠的特斯拉視頻
我是作相关行业的，主播讲得真的很好
讲解很仔细！等更新！！！
講得很好，想跟你5個讚！
講的很好耶 謝謝你哦~
這集實在看得太過癮
喜欢你的频道！
还没看完，先赞一波👍。很细致
每一習都很期待 感激大神
科技类节目我就服你，做出了好莱坞大片的感觉，真的应该拿上零食坐下来慢慢看～
老鐵報到
這才是有質量的節目
专业且易懂，赞赞赞
有看到视频最后发现老马的话的吗？
發人省思
高手！厲害👍
讲得很清楚很有趣！
太干了！！！！我很高興訂閱了你的頻道！！！
很开心你喜欢～
签到！先感谢再看
感谢分享！
讲的深入浅出，收益多多，非常感谢
下集，敲碗！👍
解释得太好了！！！
讲的很精彩！
精彩！精彩！精品！
先贊再看。看長度就知道做了好多功課
太強了，一定要推薦
谢谢 说得很好 还没有看完
我看了3次,很精彩
至今見過最好的中文解釋 加油
很厲害的講解
Wayne 期待您的下集產出
这一期有点牵强,人工智能有很强的大数据计算能力,前提是你要给他提供庞大的数据库,而人能除了拼经验解决已知的事件外还能解决很多突发并不一定进入大数据的数据库的事件,举个例子如果你到了一个交通标识不同的地方或者标识牌语言不通的地方可以参考周边汽车的形势推测处标识的意思或者在有危险的时候停车问路,自动驾驶就算能负责全部人眼的功能它也不一定能解决不在它数据库里的东西.再说了老司机也有闯祸的时候只是几率比普通普通人低很多倍而已.
先顶后看，感谢分享
謝謝分享
说实话，作为一个ai开发者，我觉得主持人懂的确实多，知识面广泛！不过这段视频有点过了，你知道实现你说的这些功能需要怎样配置的硬件吗，你知道这些硬件带来的散热问题是目前无法解决的吗，目前最好的方式就是边缘系统，车上的硬件也仅仅只能支持识别和单目测距，你说还有3d地图，服务器上还有可能，车载不可能的。特别后面的预测，也只是根据前面的轨迹预测，而不是你说的那么牛逼，什么建立4d空间，那像你这么说，我们的开发都是上百维的空间，没得意义，刻意渲染而已，前面的内容我也赞同，纯视觉，不过路还长，重点在硬件！
期待下一期
讲的太好了~
很好👍