小米首批140辆自动驾驶测试车，小米造车的底气来自于哪里？
当我谈论小米时，我认为许多人会想到小米手机，小米电视，小米计算机和其他小米 - 电子产品，但是很少有人会想到小米汽车，因为小米汽车还没有采访过，但是最近的1 4 0个自动驾驶测试才刚刚开始。小米将首次在自动驾驶的研发支出中投资3 3 亿元人民币，并组成了一支由5 00人组成的研发团队。
这给我们提供了一条信息，即小米自动将尽快与我们会面，然后我们将有更多选择购买汽车。
实际上，手机的制造商不是小米的第一辆汽车。
华为已经建造了它们，而且销售非常重要。
因此，问题是，小米的汽车生产系统来自哪里？让我们仔细讨论这个话题。
小米在国内市场上的销量庞大，因此他也很富有，想开发新产品，这只是个玩笑。
此外，国内汽车生产技术是如此发达，并且自动驾驶具有一定的领域，因此小米有很多钱，而研发团队是一流的，因此他有信心制造汽车。
小米也可能嫉妒看到其他汽车行业的性能很好。
毕竟，每个人都希望获得一些有利的领域。
根据当前情况，自主驾驶已成为一个有利的趋势。
尽管自动驾驶技术以前一直存在争议，但在我国引入了一些类似的政策，也鼓励了自动驾驶汽车的推出。
因此，我认为自主驾驶将是未来的主导地位。
正是因为小米对此感兴趣，它将开发自动驾驶汽车。
当时它可以具有很多操作意义。
让我们拭目以待，看看它是什么。
我认为小米的5 00人的专业团队肯定不会让我们失望。
特斯拉FSD能像人一样开车了，上下班通勤，人坐着就行？
大规模推动的FSDV1 2 可能是最高的视觉输血。特斯拉声称，激光雷达的价格已被认为是一种重要的视觉视觉视觉视觉视觉，而激光雷达的价格非常低。
许多人期待在FSDV1 2 官方开始之前进行此更新。
最重要的原因是Teslla使新的FSDV1 2 意识到了新的“最终自动驾驶驾驶”，并开始使用交通拥堵网络来控制汽车。
与以前的FSD功能不同，它不再需要超过3 00,000个代码行。
正如马斯克所说，此更新将打开AI以从头到尾保护AI。
去年，FSD通过回顾国内市场的FSD来衍生出本地市场。
在某些地区，实际的汽车测试开始了。
这意味着我们可能会体验更新的FSDV1 2 版本。
FSDV1 2 有什么区别？ 从FSDV1 2 到FSDV1 2 ，再到FSDV1 2 再到FSDV1 2 ，智能驾驶系统已获得了极好的变化。
背景逻辑可以说有极端的变化和升级。
特斯拉是FSDV1 2 Musk的真正预测，其技术路线已经改变，但是在去年初，这种神经网络智能智能实际上已经实行了。
后来，大约一年后，在美国市场引入了新的FSDV1 2 通常，特斯拉的FSDV1 2 更新主要是较低的。
没有规则。
这是什么意思？市场上大多数最常用的自主系统仍在使用基于模块的检测。
其中，AI算法主要用于视图和控制级别。
从这个角度来看，该系统和代码组合是偶然的，没有问题。
但是，唯一的缺点。
这些规则是由工程师设定的。
驾驶模型不容易匹配驾驶员的习惯，并且不匹配。
大多数人在大多数工作时间内开车出去。
他们认为这很好。
特斯拉FSDV1 2 只有一个神经网络，逻辑是打开以下层，决策层和控制层的授权。
仅决定神经网络体系结构并投入练习数据。
FSDV1 2 为了简单，FSDV1 2 将图片收集到神经网络中。
神经网络是方向盘。
超速方向盘；物流分析体内的分析和输出策略。
从这个角度来看，您将不再需要添加软件 /硬件，例如高准确的地图和Lukey。
从模块到末端到末端的末端从系统变为系统。
FSDV1 2 版本的审查员在努力很容易推动之前首次在海外市场上发布，一些汽车所有者长时间使用了它。
视频数据显示了FSDV1 2 实际应用的视频数据可能是避免在车道上停止的车辆的平稳方法。
如果车辆驶向道路的左侧，则车辆可以在左侧。
街道检查车辆可能会突然重新融合，并突然在晚上完成此操作。
在交通信号灯的交汇处，您可以平稳地转动茶；和街上的施工症状。
光滑，光滑，光滑，光滑，平稳，平稳，平稳，平稳。
FSDV1 1 .4 .9 之后更新了驾驶员所提供的结论。
这种算法的能力在相交和多雨气候等情况下必须更强。
当麝香直接抗议时，交通信号灯使用了FSDV1 2 版本。
但是实际上，使用模型图像进行优化是足够的。
由于最终技术的简单性，FSD系统变得前所未有。
与以前的小型系统形式相比，它减少了C ++代码的量。
关于特斯拉智能驾驶的逻辑按钮。
V1 2 版本在实际应用阶段是一个脆弱性，它适合其他品牌吗？原因是与以前的不同阶段的先前调制模式相比，结束的末尾不需要大型代码来设计驾驶规则。
只要添加人类驾驶的车辆数据，系统就可以自身研究。
但是，简单的输入要求具有很高的信息要求。
尽管不需要大型代码，但有必要包括非常高的驾驶数据以改善高质量的驾驶数据。
在今年年初，特斯拉介入了1 000万人进入这个神经系统，并通过驾驶员和驾驶员从驾驶员那里检查这些视频数据。
集。
这是很多数据，对于数据注释和计算机功率来说是一个巨大的挑战。
如果可以使用此路线，则不适合小型企业。
此外，最终尚不清楚技术技术。
例如，没有人可以解释在模型培训期间在测试中驾驶问题的主要原因。
现在可以以针对类似信息的方式喂食特斯拉的解决方案。
例如，在十字路口在十字路口之前停止之前，该车辆提供了更多信息以研究信息。
这会产生一个新问题。
系统Inte是要学习良好的驾驶习惯，并学习不符合规则的驾驶行为。
这是一个需要干扰或法规的问题应该是一个基于研究的问题。
但是，应每月或两年计算建模技能的种植。
应该很容易避免。
简而言之，特斯拉FSDV1 2 的开始是自我管理的驾驶，也是最低的技术障碍和高科技障碍。
特斯拉作业的巨大成本便宜。
但是，激光雷达的街头检查；大数据收集；在此阶段，FSDV1 2 版本的效果尚未成功，但特斯拉（Tesla）显示出纯粹的视力。
该公司能够执行上述费用的成本并降低成本。
在高质量的智能中删除LiDAR没有问题。
但是，其他汽车公司必须遵循特斯拉的纯粹愿景，可以做他们可以做的事情。
至少从这个阶段开始，LiDAR加速了Urban Noe的实施，并且更适合其他汽车公司。
此外，特斯拉FSD的目标 +神经网络智能驾驶模式是在中国学习中国。
街道；标签和其他信息与美国市场完全不同。
[本文源自Yichhao Luka Auto的作者。
版权适用于作者。
通过准备形式与作者联系。
该主题仅代表作者的观点。
与Yiche无关。
做自动驾驶的年轻人，两年被裁三次
3 月，我的朋友Zhenjie加入了一家名为Neolithic的无人运输车辆公司。这是他参加了两年多的自主驾驶领域的第四家公司。
该公司目前的业务看起来很顺利，但是截至2 月，无人运输车辆已在全球1 3 个国家和4 0个城市成功推出。
4 月，团队还与ZTO Expre ss成功合作，双方同意促进包裹的最终交付。
但是，Zhenjie仍然担心他的工作稳定性。
两年前，当我第一次进入该行业时，自主驾驶被认为是最热门的新领域之一。
Zhenjie带着希望跌入了这片新海，但他认为暴风雨太快了。
一再的裁员使Zhenjie对该行业感到自信和失望。
现在，一个小兄弟姐妹问Zhenjie：您建议您从事与自动驾驶有关的工作工作吗？ Zhenjie直接对他们说：“不要来，去蝙蝠。
”第1 号[2 年，4 家公司，3 家公司]在2 02 1 年7 月，Zhenjie毕业于Nanjing University的研究和地图工程。
Nanjing University的研究和地图项目以公司成本占据了该国前三名，但由于他们没有经验的毕业生，他们通常是公司职员削减的第一批受害者。
2 02 2 年4 月，Zhenjie首次裁员。
这是一家小型公司，专注于使用三维重建和人工智能技术来恢复物理世界。
有一天，Zhenjie刚刚将其从项目中取出了一年半，并被他的领导人召集到会议室。
十五分钟后，他得知四人一组只会留下一名领导者。
Zhenjie说：“当时，该公司解雇了所有边际师，并简化了约3 0％的人员。
”对于具有较高公司身份的老年员工，违反法律的成本很高，因此公司必须更加谨慎。
三个月后，Zhenjie通过朋友推出了一家基本的计算平台公司，名为Guooqi Intelligent Control。
结果，一个月前开始裁员。
甚至管理团队也不例外。
Zhenjie再次被“命中”。
第三个裁员彻底打破了Zhenjie。
8 月，Zhenjie在一家从事自动驾驶采矿的主要公司中取得了成功。
他认为，我的自主驾驶是一种相对简单的实施方法，并且在短期内没有裁员危机。
使Zhenjie更加快乐的是，通过内部转移，他接触到了他最核心的技术，地图定位，从而使他具有前所未有的安全感。
“我做的是最核心的技术，因此我坚信即使我躺下，我也无法抬头。
”但是出乎意料的是，在返回这个春节后，Zhenjie被人力资源告知雇员。
许多喜欢Zhenjie的年轻人经常经常裁员。
此外，还有一些新鲜的校友“徘徊”求职的道路。
湖北的Linghu称自己在社交网络的新校友中不幸。
5 月，他是Zongmu我们已经与技术签署了一项进入协议。
Zongmu Technology是自动和先进的汽车援助驾驶产品和技术的供应商。
无论是在主要市场还是二级市场，Zongmu技术都是一个相对较小的投资目标，众所周知的投资机构已经到位，例如小米，联想和高通公司。
学生Lindph也没想到这样的“有希望”的公司也会受到黑洞的困扰。
在儿童节，他接到人力资源电话。
新毕业生目前面临两种选择：接受2 0％的削减薪水或违反合同并支付半个月的薪水。
“我真的不能接受这项行动。
他们能够事先通知他们，但是他们这次选择了6 月的这次，以通知他们削减薪水或违反合同。
现在基本上没有就业机会。
他们烧毁了学生并在毕业前教他们课程。
这真的很烦人。
” Zongmu技术并不是唯一一家打破新校友合同的自主驾驶公司。
林胡（Linghu）说，他的同学也被一个名为Xiantu Intelligent的无人清洁和卫生技术服务提供商打破了。
“他们甚至都不能给您减少薪水的选择。
所有新生都只付半个月的薪水。
” 2 号[沸点已经过去了，没有更多的热钱]实际上，去年，一系列风暴叹了口气，许多自主驾驶进入了“寒冷的冬季”。
今年寒冷的天气得到了进一步的加强。
在5 月的一个月内观看新闻。
5 月，苹果的自主驾驶测试驾驶员下降了5 6 ，目前的驾驶员数量为1 4 5 5 月，阿里·达莫学院（Ali Damo Academy）将所有自主驾驶员的出租车纳入了Kainio集团。
这种业务协调将使大约三分之一的员工被整合到AUAO中，而其余的将是内部转移或解雇的员工优化。
5 月，美国自动交付公司Nuro宣布将开火约3 4 0名员工，裁员后仅剩8 00名。
韦瑟（Weisser）是一家在北京自主驾驶行业投资的机构高级主管，他分析说，无论哪种方式都很难，无论他们是在寻找常规资金，申请IPO还是寻求政府支持。
“市场目前非常贫穷，美元已经完全崩溃了，RMB投资于股票资金。
经济期望也很差。
面向市场的机构对这些公司在具有巨大估值和估值较差的公司中投资这些公司没有信心，因此他们没有在该行业投资的巨额资金。
”根据不完整的统计数据，在2 02 1 年，国内自动驾驶行业共有1 2 4 起投资活动，累计披露的资金总计超过7 6 00亿元人民币。
但是，2 02 2 年的投资金额几乎保持不变（1 2 5 ），筹集资金量大约是前一年的四分之一，为2 05 亿元人民币。
“缺血”导致越来越多的公司破产。
自治的卡车公司金顿成立于6 月不到两年的时间。
Zhica陷入了破产的边缘。
他们发出了一封内部信件，说该公司将要参加清算和取消过程。
该公司的两个创始人是Pan Zhenhao和Pony Ma的Sun Youhan。
许多自主驾驶公司仍在积极申请IPO，但是在此阶段寻求IPO的困难与几年前不同。
魏尔·苏尔（Wei Sir Sir）说：“苏州（Suzhou）的第一批'自动驾驶'（Zhixing Technology）的固定点为1 4 个OEM。
客户很稳定，但也很难冲入IPO。
”政府愿意为您付款。
魏先生以自主驾驶公司的形式进行了建模。
该公司的自主驾驶解决方案在许多州和城市中实施，包括北京，匈奴，匈奴，江苏，四川，更多的是，与大多数公司相比，在社交平台上，在7 0年以前，在7 0岁以前的签名人数。
剩下的3 号（选择正确的行业）不仅是严重的投资环境，而且当前的自主驾驶路线的选择也影响了无数公司的终身制。
在许多公司中，Lobotaki的局势是“在山上死亡”。
今年，百度·阿波罗（Baidu Apollo）将其几乎所有广告的重点都改变为“帮助汽车公司改变智能驾驶”。
Baidu Apollo智能驾驶产品最初是由许多专注于Robotaxi的自主驾驶初创公司推出的，并且也秘密地将其方向转向L2 辅助驾驶。
例如，主要公司Wen Yuanzhixing和Bosch共同开发了L2 -L3 级自动驾驶软件，可用于乘用车。
更不用说L4 在战略上被许多公司抛弃了，趋势变化的潜力更大，因为它只是L2 +辅助驾驶。
这些可能的趋势还会影响与自动驾驶相关的工业连锁公司的生存。
例如，没有照片。
华为智能汽车解决方案业务部首席执行官Yu Chengdong在2 02 2 年说，它公开了公开，说：“自动化仍然使用精确地图，但未来的开发不应依靠高精度地图和汽车道路协作。
”自那时以来，米彭电动机主席西奥彭说，高精度地图只能用于迁移。
在4 月的上海汽车展上，华为将为华为带来新的ADS2 .0高级智能驾驶我们发布了系统解决方案。
理想情况下，我们还宣布，NOA导航援助将在ADMAX 3 .0上进行。
两者都计划在今年的第三季度使用，两者都在删除高精度地图的情况下进行了智能驾驶。
没有地图，这意味着许多地图供应商会发现很难生存。
例如，雷达路线。
在过去的几年中，特斯拉逐渐放弃了各种雷达。
在故事的背后，特斯拉纯粹的视觉路线技术已经大步前进。
通过改进的算法，摄像机完成了雷达功能的模拟，以低成本达到视觉雷达效果，价值三个。
面对这种史诗般的进化，雷达可以接一个地毕业。
自去年年底以来，Chatgpt的受欢迎程度警告了自动驾驶行业。
AI模型可以导致智能驾驶的破坏性演变。
绝对不可能说将减少多少硬件使用情况。
时代引起共鸣，汽车行业也导致“世纪的变化”。
从汽车电气化的角度来看，中国正在通过持续的投资取得成果，从而减少了技术的困难。
但是，汽车情报仍然需要对技术路线，商业模式等进行研究，并在等待人员面前面临更大的挑战。
这是一个注定要因动荡而注定的行业。
那些参与的人可能注定要学会与变革作斗争。
