Vynikajúci výkon spoločnosti Tesla v teste Dachedi je do značnej miery spôsobený jej dlhodobou čisto vizuálnou technológiou. Na rozdiel od multissenzorového fúzneho riešenia „Lidar + Millimeter Wave Radar + Camera“, ktoré bežne prijíma iné automobilové spoločnosti, Tesla sa spolieha iba na kameru, aby zhromažďovala vizuálne informácie a realizuje environmentálne vnímanie a kontrolu rozhodovania prostredníctvom pokročilého spracovania algoritmov. Táto voľba technológie vykázala v testovaní niekoľko významných výhod a tiež spôsobila pokračujúcu kontroverziu v priemysle.

Cenovo efektívna výhoda je najintuitívnejšou konkurencieschopnosťou čistých vizuálnych riešení. Podľa priemyselných údajov sú náklady na inteligentný systém vozidla Tesla Model 3 o 40% nižšie ako náklady M9 vybavené LIDAR. Náklady na jeden kus Lidar sú stále okolo 500 dolárov, zatiaľ čo priemerná kamera, ktorú používa Tesla, je iba niekoľko desiatok dolárov. Tento rozdiel v nákladoch umožňuje TESLA investovať viac zdrojov do vývoja algoritmov a spracovania údajov pri zachovaní vysokých ziskových marží. Komentáre spoločnosti Netizens k tomu sú dosť ostré: „Čistá vízia je tou správnou cestou, pretože skutočný svet je pripravený pre ľudí a hardvérové ​​náklady Lidar zbytočne odpadujú.“

Najpôsobivejšou vecou v teste je humanoidná logika rozhodovania, ktorú zobrazuje systém Tesla. V scenári „Construction Road sa stretne s nákladným autom“, keď sa model 3 priblíži k prekážkovej oblasti rýchlosťou 130 km/h, nielen včasné identifikuje prekážku vpred a začne brzdy, ale tiež dokončí sériu komplexných operácií, ako je zmena jazdného pruhu a pomalé odlepenie po krátkej pauze, a nakoniec plynulo prechádza v úzkom priestore iba 2,55 metrov. Táto schopnosť „hladká, hodvábna a dokonca„ logická “riešiť kritické scenáre“ odráža základné výhody neurónovej siete Tesly End-to-end-nielen jednoduchú „reakciu vnímania“, ale tiež simuluje proces komplexného úsudku ľudských ovládačov.

Inovácia technologickej architektúry spoločnosti Tesla je tiež dôležitým dôvodom jej vynikajúceho výkonu. FSD V12 prijíma architektúru Vision Transformer Architecture a priamo realizuje mapovanie zo vstupu obrazu na riadenie pokynov prostredníctvom modelu end-to-end. Algoritmus predikcie riedkej trajektórie skráti čas odozvy na rozhodnutia o zložitých križovatkách na 120 milisekúnd, blízko ľudskej úrovne. A čo je dôležitejšie, systém Tesla prijíma návrh „jednotlivých rozhodovacích tokov“, ktorý sa vyhýba problémom s viacerými systémami konfliktov. Počas testu cisára Dongche M9 prinútil funkciu NCA (automatická navigačná pomoc) po tom, čo bol stavebný scenár spustený AEB (automatické núdzové brzdenie), čo malo za následok nehodu v systémovej stratégii; A systém FSD spoločnosti Tesla prijíma zjednotenú architektúru a neexistuje žiadna situácia „pravákovej vzájomnej konfrontácie“, vďaka čomu je rozhodnutie koherentnejšie a stabilnejšie.

Čisté vizuálne riešenia však čelia mnohým pochybnostiam a obmedzeniam. Spor o metódy testovania a výber scenára je prvým ovplyvneným. Vedúci reklám Huawei zdôraznil na sociálnych médiách: „Skutočná súťaž inteligentnej jazdy by mala byť v zložitých scenároch, ako sú mestské dediny a zeleninové trhy, namiesto uzavretých diaľnic.“ Všetky testy dongchedi sú v skutočnosti scenáre diaľnice a nezahŕňajú zložité podmienky mestskej cesty jedinečné pre Čínu, ako napríklad nechránené pravé otáčky a nemotorická zmiešaná premávka vozidla, ktoré sú iba slabými stránkami rozpoznanými čistými vizuálnymi riešeniami. Skutočné testy vo februári tohto roku ukázali, že FSD porušila 34 porušení mestských ciest v Číne a jeho schopnosť identifikovať miestne charakteristické dopravné prvky, ako sú autobusové jazdné pruhy a prílivové pruhy, je zjavne nedostatočná.

Environmentálna závislosť je ďalšou veľkou výzvou. Presnosť rozpoznávania čistých vizuálnych riešení v extrémnych prostrediach, ako je silné dažďy a podsvietenie, môže klesnúť o 30%. Aj keď hardvér Tesla HW5.0 je vybavený 12 kamerami odolnými voči poveternostným vplyvom, pomocou prispôsobených šošoviek spoločnosti Samsung, vykurovacích prvkov a hydrofóbnych povlakov môže udržať efektívnu detekčnú vzdialenosť 250 metrov v daždivom a zasneženom počasí, výkyvy výkonnosti sa môžu stále vyskytovať v skutočnom zložitom prostredí. Naopak, viacsenzorové fúzne roztok môže poskytnúť stabilnejší výkon vnímania za závažných poveternostných podmienok prostredníctvom aktívnych detekčných schopností LIDAR.

Je potrebné poznamenať, že medzi technickými trasami neexistuje úplná opozícia a priemysel vykazuje trend integrácie. Huawei ADS 3.0 boli prispôsobené stratégii „Lidar ako hlavného a vízie ako pomocného“; A Tesla tiež ticho zlepšuje algoritmus. Najnovšia verzia FSD Beta 13.2 predstavila viac sémantických technológií segmentácie a presnosť rozpoznávania sa zlepšila o 27%. Konsenzus v priemysle sa postupne formuje: neexistuje žiadna absolútna optimálna trasa, iba kombinované riešenie, ktoré je najvhodnejšie pre konkrétne trhové prostredie a ekosystém technológie. Výkon spoločnosti Tesla v teste Dongchedi dokazuje uskutočniteľnosť čistého vizuálneho riešenia za špecifických podmienok, ale to neznamená, že táto cesta má vo všetkých scenároch univerzálne výhody.

Po uvoľnení výsledkov testu na jazdu asistovaným Dongchedi, hoci sa vyskytla rozsiahla pozornosť, vyskytla sa aj rozsiahla pozornosť, kontroverzia o metodike, spravodlivosti a reprezentatívnosti samotného testu. Tieto kontroverzie odrážajú nielen pozornosť verejnosti na inteligentný systém hodnotenia riadenia, ale tiež odhaľujú nedostatky v odvetví v štandardizačnej výstavbe. Hĺbková analýza týchto kontroverzných bodov je rozhodujúca pre správne pochopenie praktického významu výsledkov testu.

Testovanie premennej kontroly je jedným z najviac spochybnených aspektov. Mnoho odborníkov v oblasti odvetvia a automobilových spoločností zdôraznilo, že kľúčové parametre v teste, ako napríklad rýchlosť vozidla a vzdialenosť následnej kontroly vozidiel, nemajú zjednotené normy. Napríklad v testovacom projekte „Auto pred nami náhle zmizne“, scénické podmienky, ktorým čelia rôzne modely, sú rôzne - niektoré autá majú prázdne jazdné pruhy a môžu sa obliecť; Zatiaľ čo niektoré autá majú ľavé jazdné pruhy a sú obsadené inými vozidlami a nemožno ich vôbec obliecť. Podobne vzdialenosť od automobilu prijíma nastavenie „stredného rozsahu“ prispôsobené rôznymi automobilovými spoločnosťami, ale tento štandard sa veľmi líši: „stredná časť“ spoločnosti Tesla môže zodpovedať asi 120 metrov následnej vzdialenosti (7 bielych čiary), zatiaľ čo „stredný dosah“ vo svete je iba asi 45 metrov (3 biele čiary). Táto nekonzistentná situácia štartovacej čiary sťažuje porovnávanie výsledkov testov horizontálne.

Tvárou v tvár týmto pochybnostiam cisár Dongche odpovedal: „Premenné sú skutočne nemožné byť úplne konzistentné, ale celkovou logikou je byť blízko skutočných vysokorýchlostných scenárov využívania, a nie vykonávať štandardné laboratórne testy.“ Zdôraznili, že účelom testu nie je pozerať sa na „kto je najchytrejší“, ale pozrieť sa na „kto je najmenej nesprávny“. Táto pozícia má určitú racionalitu, pretože skutočné cestné prostredie je plné premenných a inteligentné systémy jazdy musia mať schopnosť vysporiadať sa s neistotou. Ako porovnávacie hodnotenie je však primeraná kontrola kľúčových premenných stále základnou požiadavkou na zabezpečenie vedeckosti výsledkov.

Spor o ľudské zásahy zahŕňa spravodlivosť procesu testovania. V testovacom videu scenára scenára M9 vo Wenjie sa vozidlo náhle obrátilo na smer a spôsobilo zlyhanie akcie vyhýbania sa. Niektorí Netizens spochybnili pomalé video, ktoré vodič zasiahol do ovládania vozidla. Technik Dongchedi vysvetlil, že išlo o konflikt systému spôsobený prerušením funkcie NCA po spustení systému AEB a nejde o ľudský zásah. Aj keď je toto vysvetlenie primerané, odhaľuje tiež problém nedostatočnej transparentnosti počas procesu testovania - dá sa takýmto sporom vyhnúť, ak tester môže uverejniť podrobnejšie prevádzkové postupy a kritériá úsudku.

Základnejšia kontroverzia spočíva v reprezentácii testovacieho scenára. Test Dongchedi sa zameriava na 15 vysokorizikových scenárov, z ktorých všetky sú vopred štandardizované situácie. Skutočné cestné prostredie je omnoho zložitejšie a premenlivejšie, najmä dopravné javy jedinečné pre čínske mestá, ako sú elektrické vozidlá, ktoré prechádzajú podľa vlastnej vôle, chodci, ktorí prechádzajú zábradliami, a nemotorické vozidlá, ktoré sa pohybujú opačným smerom, ktoré sa v teste neodrážali. Kritika Huawei Ads Head zasiahne necht na hlave: „Skutočná súťaž inteligentnej jazdy by mala byť v zložitých scenároch, ako sú mestské dediny a zeleninové trhy.“ Obmedzenia testovacieho scenára sťažujú výsledkom úplné odrážanie rozdielov vo výkone každého systému pri skutočnom použití.

Stojí tiež za to, že sa oplatí venovať pozornosť. Niektorí Netizens poukázali na to, že Sequoia Capital, investor za Dongchedi, tiež investoval do Tesly, a mal podozrenie, že test môže mať zaujatosť voči „kapitálovým bábik“. Aj keď Dongchedi zdôraznil, že test bol spoločne organizovaný s CCTV a v celom videu nedošlo k úpravám, kapitálové spojenia môžu skutočne ovplyvniť dôveru verejnosti. Oficiálna reakcia HongMeng Zhixingovej „bez komentára“ tiež naznačovala, že niektoré automobilové spoločnosti majú výhrady k spravodlivosti testu.

Za týmito kontroverziami sú hlboko zakorenené problémy s nedostatkom štandardného systému v inteligentnom odvetví jazdy. V súčasnosti Čína nezaviedla zjednotené národné alebo priemyselné štandardy inteligentného riadenia testov. Každá hodnotiaca agentúra navrhla testovací plán sám o sebe, čo sťažuje porovnanie výsledkov. Li Xiang, generálny riaditeľ spoločnosti Ideal Auto, má konštruktívne návrhy: „Mal by sa stanoviť zjednotený testovací štandard, ktorý pokrýva 100 000 scenárov, pokrývajúci extrémne prostredie, ako sú silné dážď, nočné obdobie a tunely.“ Uvádza sa, že združenie Čínskeho automobilového priemyslu spustilo formuláciu „špecifikácií hodnotenia testov inteligentných jazdných systémov“ a má sa implementovať v roku 2026, čo pomôže zlepšiť vedu a dôveryhodnosť hodnotenia priemyslu.

Ďalším kľúčovým problémom sú funkčné hranice systému L2. Všetky modely v teste boli vybavené jazdnými systémami na úrovni L2 a ich pôvodným dizajnom malo pomôcť namiesto nahradenia ľudských ovládačov. Wang Qiang, zástupca riaditeľa správy premávky ministerstva verejnej bezpečnosti, objasnil: „Inteligentné riadiace systémy vybavené automobilmi predávanými na čínskom trhu nemajú funkciu autonómnej jazdy.“ To znamená, že bez ohľadu na to, aké sú výsledky testov, vodič musí udržať svoju pozornosť počas celého procesu a byť pripravený kedykoľvek prevziať vozidlo. Niektoré automobilové spoločnosti nadmerne propagujú schopnosť „autonómnej jazdy“, čo vedie k nerealistickým očakávaniam spotrebiteľov na výkon systému, čo je tiež dôvod, prečo existuje priepasť medzi výsledkami testov a vnímaním verejnosti.