第1257章 花裏胡哨還是比格拉滿?
重生我隻想撩撩美女賺賺錢 作者：風中的風瘋了 投票推薦 加入書簽 留言反饋
所有人都看向了劉洋，吳波皺著眉頭道:
“新的架構設計現在還不成熟，在現有條件下想快速的提高人工智能芯片的性能，讓係統穩定運行的話是有難度的。”
劉洋也不反駁吳波的話，還點頭認同。
“嗯，是的，吳總說得沒錯，我們現在的新一代人工智能芯片設計還不成熟，可能是沒法現階段用上。
但是我們可以創造其他條件啊。
我們都知道人工智能還有一個提高性能的途徑，那就是需要更多的數據來進行訓練和調教。
而這種調教和訓練不僅僅隻是需要在模擬場景、封閉場地進行測試就可以了的。
實際道路上的情況更加複雜多變，因此，我們需要收集車輛在真實環境中的停車數據。
這些數據包括不同城市不同停車場的布局和管理規定、不同地區駕駛員的停車習慣等。
我們現在隻有最近十幾萬車主的數據連接到後台數據中心，說實在的，太少了。
所以我建議把原來所有的老車型全部采集數據加入到後台數據庫，這樣的話才會有更多的數據拿來進行調教和訓練。
這樣一來這顆人工智能芯片的性能絕對可以得到更好更快速的提高。”
在坐的所有人都不是小白，當然知道他說的辦法有沒有用。
人工智能芯片的提升確實需要大量數據進行訓練和調教。
海量數據是人工智能芯片訓練模型、提升性能的關鍵基礎。
通過大量的數據輸入，芯片能夠學習到各種不同的模式、特征和規律。
而且豐富的數據可以幫助人工智能芯片不斷調整和優化模型的參數，提高模型的準確性。
同時，大量的數據還能增強模型的泛化能力，使芯片在麵對新的、未曾見過的數據時，也能做出準確的預測和判斷。
就以自動泊車為例！
自動泊車過程中，車輛需要準確感知周圍環境，包括車位的位置、大小、形狀，以及周圍的障礙物如其他車輛、柱子、牆壁等。
不同的停車場環境差異巨大，有露天停車場、地下停車場，其光線、空間布局等各不相同；
車位類型也多種多樣，有垂直車位、平行車位、斜車位等。
人工智能芯片隻有通過大量的數據訓練，才能學會在各種場景下準確識別這些信息。
例如，在光線較暗的地下停車場，芯片需要根據傳感器收集到的數據準確判斷車位線和障礙物，這就需要基於大量類似場景的數據訓練，讓芯片掌握不同光線條件下的識別能力。
並且停車場並非靜態環境，可能會有行人走動、車輛行駛等動態情況。
人工智能芯片要能夠實時感知這些動態變化，並根據變化及時調整泊車策略。
這就需要大量的動態場景數據進行訓練，讓芯片學會識別和預測動態物體的運動軌跡，以便在自動泊車時避免碰撞。
而且自動泊車需要規劃出一條既安全又高效的泊車路徑，使車輛能夠順利地停入車位。
這涉及到車輛的轉向角度、行駛速度、刹車時機等多個因素的精確控製。
通過大量的數據訓練，人工智能芯片可以學習到不同車輛尺寸、不同車位條件下的最佳泊車路徑，從而提高自動泊車的準確性和效率。
在實際泊車過程中，車輛的傳感器可能會存在一定的誤差，例如雷達的測量誤差、攝像頭的視覺偏差等。
人工智能芯片需要通過大量的數據訓練，學會對這些誤差進行修正和優化，以確保泊車路徑的準確性。
例如:根據以往的數據經驗，芯片可以判斷出在某個特定的停車場中，某個位置的雷達測量數據可能會存在一定的偏差，從而在路徑規劃時進行相應的調整。
最後就是在自動泊車過程中，可能會出現一些特殊情況，如車位被占用、車位線不清晰、車輛故障等。
人工智能芯片需要通過大量的數據訓練，學會識別這些特殊情況，並采取相應的應對措施。
例如，如果芯片識別到車位被占用，就需要重新搜索其他可用車位；如果車位線不清晰，芯片需要根據周圍的環境信息進行推測和判斷。
總之采集到大量車主的數據拿來調教訓練這科芯片，絕對是可以讓這個芯片得到提升。
在這方麵是沒有捷徑可以走的，可不像後世某新勢力，前前後後隻有10萬輛左右的車在路上跑，就敢說根據這些數據調教出來的輔助駕駛功能可以進入第1梯隊。
反正現在的陳長流肯定是不信的。
僅僅隻是自動泊車功能而已，種花家已經有十幾萬輛有倒車影像的車數據是傳到後台的，但依然還沒能調教到穩定。
更何況難度更高的智駕呢。
...........
陳延峰接上劉洋的話沉聲道:
“劉總，如果把之前將近30萬台車的數據實時接入後台數據庫，不隻是要提升它們的車機問題，還要再加上一些配件。
那麽這個花費可不是三兩千萬就可以做到的，最起碼得花三個億以上。”
說到這裏，所有人都不出聲了，因為他們現在也不知道該如何選擇了，隻能看向陳長流！
陳長流沒有想太久，就直接拍板了。
“劉總，你和陳延峰做一個方案上來，我批了。
還是那句話，我們需要爭分奪秒，隻要能用錢解決，就能把技術上的問題更快解決，那麽我都會支持.........”
陳長流一錘定音，這事件是直接成為定局。
而與此同時，陳長流測試的現場視頻被一些路人給上傳到了網上。
不過這些都是那些後來陳長流出現之後才拍的視頻，基本上是集中在陳長流上車後和車機係統語音交互的場景。
雖然平台還沒有進行推流，種花家公關部也還沒下場。
但是陳長流這個名字所自帶的流量本身就很可觀，所以這些視頻的播放量雖然沒有達到爆的地步，但是其實也並不低。
而引起的熱議肯定是少不了。
“這什麽功能？沒見過啊，用語音就能控製這些功能，好像有點酷啊！”
“確實有點意思，在高速上就很實用。”
“你們不覺得花裏胡哨嗎？按兩下就能解決的事情，非得用嘴巴來講，也沒見得效率有多高啊？”
“籲，樓上的，看了你的主頁，你整天吹噓自己的卡某拉才是適合平民大眾使用的車。
如果這些功能出現在你的卡某拉上，你現在絕對是跪舔，而不是在這裏說這是花裏胡哨的功能！”
現在種花家和陳長流已經成為國內商界所有人都重點關注的對象，所以當這件事才有一點熱度的時候就已經有很業內人士看到這些視頻了。
然後每一個汽車廠商都眉頭皺了起來，因為這些功能他們現在根本無法做得到。
雖然他們從評論區裏麵可以看到有些人說這些功能是花裏胡哨的，但是他們的眼光可是和其他人不一樣。
不說其他的，就這逼格絕對是拉滿。
而種花家現在的車型全部主打的都是年輕時尚為主，而這樣的功能絕對是受這個年齡段的人所歡迎的。
他們已經可以想象的出來，當新款秦和宋上市的時候，a級轎車和緊湊型城市suv賽道的競爭將更加激烈。
原本就是排名前列的秦和宋的銷量估計還會更加好看。
這個視頻原本展示的是汽車的性能，按道理來說應該是這些車企高管擔心的事。
但是實際上有一個賽道的人看到這些視頻的時候，比那些車企的高管更加臉色大變。
ps:錯字先更後改。
“新的架構設計現在還不成熟，在現有條件下想快速的提高人工智能芯片的性能，讓係統穩定運行的話是有難度的。”
劉洋也不反駁吳波的話，還點頭認同。
“嗯，是的，吳總說得沒錯，我們現在的新一代人工智能芯片設計還不成熟，可能是沒法現階段用上。
但是我們可以創造其他條件啊。
我們都知道人工智能還有一個提高性能的途徑，那就是需要更多的數據來進行訓練和調教。
而這種調教和訓練不僅僅隻是需要在模擬場景、封閉場地進行測試就可以了的。
實際道路上的情況更加複雜多變，因此，我們需要收集車輛在真實環境中的停車數據。
這些數據包括不同城市不同停車場的布局和管理規定、不同地區駕駛員的停車習慣等。
我們現在隻有最近十幾萬車主的數據連接到後台數據中心，說實在的，太少了。
所以我建議把原來所有的老車型全部采集數據加入到後台數據庫，這樣的話才會有更多的數據拿來進行調教和訓練。
這樣一來這顆人工智能芯片的性能絕對可以得到更好更快速的提高。”
在坐的所有人都不是小白，當然知道他說的辦法有沒有用。
人工智能芯片的提升確實需要大量數據進行訓練和調教。
海量數據是人工智能芯片訓練模型、提升性能的關鍵基礎。
通過大量的數據輸入，芯片能夠學習到各種不同的模式、特征和規律。
而且豐富的數據可以幫助人工智能芯片不斷調整和優化模型的參數，提高模型的準確性。
同時，大量的數據還能增強模型的泛化能力，使芯片在麵對新的、未曾見過的數據時，也能做出準確的預測和判斷。
就以自動泊車為例！
自動泊車過程中，車輛需要準確感知周圍環境，包括車位的位置、大小、形狀，以及周圍的障礙物如其他車輛、柱子、牆壁等。
不同的停車場環境差異巨大，有露天停車場、地下停車場，其光線、空間布局等各不相同；
車位類型也多種多樣，有垂直車位、平行車位、斜車位等。
人工智能芯片隻有通過大量的數據訓練，才能學會在各種場景下準確識別這些信息。
例如，在光線較暗的地下停車場，芯片需要根據傳感器收集到的數據準確判斷車位線和障礙物，這就需要基於大量類似場景的數據訓練，讓芯片掌握不同光線條件下的識別能力。
並且停車場並非靜態環境，可能會有行人走動、車輛行駛等動態情況。
人工智能芯片要能夠實時感知這些動態變化，並根據變化及時調整泊車策略。
這就需要大量的動態場景數據進行訓練，讓芯片學會識別和預測動態物體的運動軌跡，以便在自動泊車時避免碰撞。
而且自動泊車需要規劃出一條既安全又高效的泊車路徑，使車輛能夠順利地停入車位。
這涉及到車輛的轉向角度、行駛速度、刹車時機等多個因素的精確控製。
通過大量的數據訓練，人工智能芯片可以學習到不同車輛尺寸、不同車位條件下的最佳泊車路徑，從而提高自動泊車的準確性和效率。
在實際泊車過程中，車輛的傳感器可能會存在一定的誤差，例如雷達的測量誤差、攝像頭的視覺偏差等。
人工智能芯片需要通過大量的數據訓練，學會對這些誤差進行修正和優化，以確保泊車路徑的準確性。
例如:根據以往的數據經驗，芯片可以判斷出在某個特定的停車場中，某個位置的雷達測量數據可能會存在一定的偏差，從而在路徑規劃時進行相應的調整。
最後就是在自動泊車過程中，可能會出現一些特殊情況，如車位被占用、車位線不清晰、車輛故障等。
人工智能芯片需要通過大量的數據訓練，學會識別這些特殊情況，並采取相應的應對措施。
例如，如果芯片識別到車位被占用，就需要重新搜索其他可用車位；如果車位線不清晰，芯片需要根據周圍的環境信息進行推測和判斷。
總之采集到大量車主的數據拿來調教訓練這科芯片，絕對是可以讓這個芯片得到提升。
在這方麵是沒有捷徑可以走的，可不像後世某新勢力，前前後後隻有10萬輛左右的車在路上跑，就敢說根據這些數據調教出來的輔助駕駛功能可以進入第1梯隊。
反正現在的陳長流肯定是不信的。
僅僅隻是自動泊車功能而已，種花家已經有十幾萬輛有倒車影像的車數據是傳到後台的，但依然還沒能調教到穩定。
更何況難度更高的智駕呢。
...........
陳延峰接上劉洋的話沉聲道:
“劉總，如果把之前將近30萬台車的數據實時接入後台數據庫，不隻是要提升它們的車機問題，還要再加上一些配件。
那麽這個花費可不是三兩千萬就可以做到的，最起碼得花三個億以上。”
說到這裏，所有人都不出聲了，因為他們現在也不知道該如何選擇了，隻能看向陳長流！
陳長流沒有想太久，就直接拍板了。
“劉總，你和陳延峰做一個方案上來，我批了。
還是那句話，我們需要爭分奪秒，隻要能用錢解決，就能把技術上的問題更快解決，那麽我都會支持.........”
陳長流一錘定音，這事件是直接成為定局。
而與此同時，陳長流測試的現場視頻被一些路人給上傳到了網上。
不過這些都是那些後來陳長流出現之後才拍的視頻，基本上是集中在陳長流上車後和車機係統語音交互的場景。
雖然平台還沒有進行推流，種花家公關部也還沒下場。
但是陳長流這個名字所自帶的流量本身就很可觀，所以這些視頻的播放量雖然沒有達到爆的地步，但是其實也並不低。
而引起的熱議肯定是少不了。
“這什麽功能？沒見過啊，用語音就能控製這些功能，好像有點酷啊！”
“確實有點意思，在高速上就很實用。”
“你們不覺得花裏胡哨嗎？按兩下就能解決的事情，非得用嘴巴來講，也沒見得效率有多高啊？”
“籲，樓上的，看了你的主頁，你整天吹噓自己的卡某拉才是適合平民大眾使用的車。
如果這些功能出現在你的卡某拉上，你現在絕對是跪舔，而不是在這裏說這是花裏胡哨的功能！”
現在種花家和陳長流已經成為國內商界所有人都重點關注的對象，所以當這件事才有一點熱度的時候就已經有很業內人士看到這些視頻了。
然後每一個汽車廠商都眉頭皺了起來，因為這些功能他們現在根本無法做得到。
雖然他們從評論區裏麵可以看到有些人說這些功能是花裏胡哨的，但是他們的眼光可是和其他人不一樣。
不說其他的，就這逼格絕對是拉滿。
而種花家現在的車型全部主打的都是年輕時尚為主，而這樣的功能絕對是受這個年齡段的人所歡迎的。
他們已經可以想象的出來，當新款秦和宋上市的時候，a級轎車和緊湊型城市suv賽道的競爭將更加激烈。
原本就是排名前列的秦和宋的銷量估計還會更加好看。
這個視頻原本展示的是汽車的性能，按道理來說應該是這些車企高管擔心的事。
但是實際上有一個賽道的人看到這些視頻的時候，比那些車企的高管更加臉色大變。
ps:錯字先更後改。