@cenbiq
你的比喻很形象，表达能力比我强，能说出我心里表达不出来的想法。

另外当传感器已经达到一定数量后，再去堆叠传感器，带来的提升也是边际效益递减的，同样的成本用来提升视觉理解能力反而智能提升更明显。

也许是其他厂商没有特斯拉这么好的条件、没有这么好的 gpu 、没有这么好的算力去提升视觉理解能力，在视觉理解能力上达到瓶颈了，所以增加传感器带来的提升比钻研视觉理解能力所带来的提升更大。于是这些厂商选择使用激光雷达，对于他们自身的情况是没错的。

而特斯拉可能因为 ai 的发展、算力的发展，恰恰使他们在视觉能力上的大幅度提升成为可能，于是他们就没有精力采集激光雷达数据做融合多模态训练，而是选择先把基础的视觉理解能力提升上去。当特斯拉在视觉理解能力的提升上遇到了瓶颈，与此同时激光雷达也降到了合适的低价，那时也未必不去考虑增加多一种传感器。正如 llm 的智能提升遇到瓶颈再去搞推理模型一样。