在余凯看来，新摩尔定律还在用新的方式在延续，计算成本会越来越低，而传感器物理硬件成本下降较难。余凯将高精度地图方案目标成本定在1000、2000块钱左右。目前高精度地图方案正在和车厂合作进行初步联合验证。
深度学习是人工智能的唯一支撑点吗
“人工智能只靠深度学习，肯定是越走越偏了。”
2012年余凯回国，将深度学习带回中国，创建百度深度学习研究院（IDL）。当时余凯出席任何场合的演讲主题都围绕深度学习展开，台下也传出许多反对的声音“深度学习是什么玩意儿”。
7年前，国内了解深度学习的人寥寥无几，而如今深度学习已经被说“烂”了。比较直观的数据分析显示，中国学者在国际上发表的80%AI文章与深度学习有关，而美国的研究则相对较平衡。
深度学习对于自动驾驶的作用，行业内已一目了然。余凯提到，现在行业内强调的是深度学习已不是唯一。其局限在于仅在感知方面发挥作用，对于异常情况处理、结构化信息，甚至决策等应用效果并不理想。
深度学习要基于规则方式，并同贝叶斯 络结合。余凯提到，从感知到决策阶段，尤其是决策层面，贝叶斯 络规则的引入尤为重要。
自动驾驶这十年
“自动驾驶这十年，美国是突飞猛进的，而中国是失落的，日本和德国同样比较保守”余凯脱口而出，丝毫没有犹豫。
这位走在时代前沿的当局者对于自动驾驶格局进行了剖析：未来美国自动驾驶将早于国内实现。国内自动驾驶很长时间段里依旧停留在辅助驾驶及人机交互层面；2025年，类似于谷歌在凤凰城的自动驾驶运营服务，在美国将会越来越多，而这一现象并不会出现在中国。这是余凯的判断。
一则中国路况更加复杂；余凯将更大一部分的原因归属于内在：太多的发布会及PR充斥，自动驾驶汽车在真实场景内脚踏实地的进行每日常规性路测，积累数据，不断提升算法能力的公司少之又少。
在余凯看来，“场景为王”这句话总是对的，“但养分极少”。在限定场景下运行自动驾驶，是否推广到通用型场景，这依旧是个问题。谷歌、Cruise等自动驾驶公司依旧在比较开放的环境中进行自动驾驶测试，而非局限在具体场景。开放的环境对于自动驾驶系统的挑战更大，前者一旦突破，聚焦在园区内的企业将变得没有任何竞争力，这是余凯的逻辑。
相关资源：凯歌软件安装管理器1.0-其它文档类资源-CSDN文库
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！