特斯拉的(de) Andrej Karpathy 在今年國際電腦視覺與圖形識別會議 (CVPR) 上的(de)演講，具體來說是在 CVPR 自動駕駛研討會上的(de)演講。他(tā)是特斯拉人(rén)工智慧高(gāo)級總監，負責領導公司所有的(de)神經網路開發工作。CVPR 是「電腦視覺與圖形識別」的(de)縮寫，是電腦視覺領域的(de)重要會議。

特斯拉的(de)最新版軟體完全依賴於視覺。Andrej 將整合了(le)雷達的(de)軟體版本稱為「遺留堆疊 (legacy stack)」。他(tā)堅持認為，更合理(lǐ)的(de)做(zuò)法是「找對方向」，並且避免雷達堆疊和(hé)感測器融合堆疊的(de)額外複雜性和(hé)投資。演講中的(de)一些例子顯示帶有雷達的(de)遺留堆疊沒有搞清楚路況 (橋臺、停著的(de)卡車)，而隻有視覺的(de)版本卻表現完美(měi)。當然，他(tā)不會展示相反的(de)例子，所以這可(kě)能隻是一面之詞。對於隻有視覺 (沒有雷達或光(guāng)學雷達) 的(de)軟體版本而言，最大(dà)的(de)挑戰在於深度感知。他(tā)在這方面進行了(le)詳細探討。此外，他(tā)還展示了(le)在雨(yǔ)雪(xuě)中駕駛的(de)例子。而對於這樣的(de)天氣條件，其他(tā)人(rén)會認為雷達必不可(kě)少。

要實現基於視覺的(de)自動駕駛，需要：

	一支能夠生成資料的(de)車隊 (否則無法涵蓋足夠多(duō)的(de)罕見條件)
	大(dà)量的(de)存儲空間 (以 PB 計)
	強大(dà)的(de)電腦能力 (超級電腦，見下(xià)文)

特斯拉相對於競爭對手的(de)一大(dà)優勢在於，它部署了(le)大(dà)量的(de)車輛，從而不斷收集資料。即使車輛未處於任何自動駕駛模式之中，也(yě)會並行運行、「思考」處理(lǐ)方式，並留意不同之處，比如「人(rén)類刹車了(le)，而我們不會這樣做(zuò)」。因此，這產生了(le)大(dà)量資料，遠遠超過擁有幾百輛汽車的(de) Waymo。

神經網路的(de)訓練是離線完成的(de)。這意味著它不受即時約束，因此隻需少量的(de)人(rén)工幹預，對許多(duō)圖像的(de)標注便可(kě)以自動完成；因為系統可(kě)以花時間自己解決。