科技

理想汽车CEO李想最近公开表示，特斯拉无法解决全自动驾驶的问题，主要原因是特斯拉不使用激光雷达。这种观点，乍听之下挺有道理，毕竟中国复杂的交通状况和激光雷达的技术特性，确实有不少支持者。但你仔细想想，这真是问题的核心吗？今天，我想带大家看清背后的逻辑，聊聊为什么特斯拉的选择不仅合理，还可能在未来打脸李想。

激光雷达真的必要吗？

支持激光雷达的人常说，夜晚视线差，激光雷达能探测到200米外的障碍物，而摄像头只能看到100米出头。这听起来挺科学，但问题在于，特斯拉的纯视觉方案并不是简单用摄像头拍照，而是结合了强大的人工智能。特斯拉的摄像头直接读取光子信息，能够感知人类眼睛完全看不到的细节。比如，在低光条件下，它能准确分辨两个物体的光子数量差异，从而绘制出比人类肉眼更清晰的画面。

相比之下，激光雷达虽然能提供精准的距离信息，但也有明显短板。首先，激光雷达和摄像头数据整合时，可能出现信号冲突，分散系统对关键决策的关注。其次，激光雷达价格高昂，会显著提升车辆的制造成本，这对特斯拉追求低成本、大规模推广的战略是相违背的。马斯克的逻辑很简单：既然人类只靠双眼和大脑就能开车，为什么AI不能？。。。 继续阅读

本周，深思推出了全新AI模型深思V3，在基准测试上打败了不少竞争对手。然而，这款看似性能优异的模型，却在回答问题时自称自己是ChatGPT，还直接搬来了GPT-4的笑话，这让人不禁开始怀疑：深思V3的“自信”从何而来？AI领域内卷之下的“学习路径”到底出了什么问题？

为什么值得关注？

AI模型的训练成本和技术壁垒非常高，而深思V3的行为表明，在这个拼速度、拼性能的行业，可能已经有人开始“走捷径”了。如果模型直接学习竞争对手的输出，这不仅会引发版权与道德问题，还可能让模型的质量进一步下降。

关键点

• 深思V3性能出色：能流畅处理编程和写作任务，在多个基准测试中领先同类。
• 自称ChatGPT：在回答问题时，深思V3称自己是OpenAI的GPT-4，还详细说明如何使用OpenAI API。
• 训练数据疑云：专家推测深思V3可能间接或直接使用了ChatGPT的输出作为训练数据。
• 行业乱象：随着AI生成内容充斥网络，训练数据的“污染”问题越来越严重，难以彻底清除AI生成内容。