主题：果子家：从泰坦到泰坦尼克（一） -- mrFaint

账号上那么多现金，之前4G时代搞不定BP，现在完全搞不定自动驾驶。

为什么呢，还是大方向上格局太小，失去了打大会战的能力。哪怕微操再厉害，选的人再NB，不过是绵羊带领的一群猛兽。当然了，这也是富二代骨子里的毛病，能靠权力卡别人脖子挣大钱，合并要苦哈哈砸钱搞突破。

我之前的回帖里为什么会看好谷歌有机会搞定自动驾驶，自然是因为谷歌十几年不间断投入，水果内部效率这么低，这么多年才投了100个亿，没有投入一万个亿的决心，根本就没希望。

美国这些大公司效率比起华为，差的有点大

Iphone 算是商业史上的一个奇迹，但是奇迹也是小概率事件。如果认为奇迹对自己是大概率，那么失败也是大概率。现在又全面转向AI，个人并不看好。是的，苹果有自己的天量数据，买显卡就行，堆算力。但是，常言道：祸不单行。当年决定造车是用了很长时间来调研，然后一步步开始做。现在说做AI，好像是非常快的决定。真的可以吗？

有点出乎意料。

具体是什么原因呢？有没有深层分析。投入不足是一个表面上的原因，组织效率不足也是。

从诞生以来，苹果就是消费者的另外一个平行选择：非PC，非windows，非安卓。而且苹果卖的贵，有了些奢侈品的味道，因为你不大可能和豪贵们住同样的别墅，穿同样的衣服，但是你可以和他们用一样的手机。所以以前所有，我是说所有，软件，硬件，都需要为苹果专配，这其实是成本，当然成本出在消费者身上。

到了汽车，由于零配件太多，硬件系统要求可靠性太高，出于成本售价和消费者接受度的问题，其实不可能有产业链专门为苹果配套了（苹果在这个赛道没有Mac那样的先发优势）。苹果的轮胎，玻璃，座椅，电池，以及它的汽车电脑，都得去和现有产业匹配，从而就失去了其平行宇宙的奢侈品味道。

在这个赛道上，苹果汽车必败无疑。

Apple Park 的设计确实非常注重自然通风和被动式冷却系统，以减少对传统空调系统的依赖。根据搜索结果中的信息，Apple Park 内部依靠的是自然通风，通过建筑的设计和材料选择来调节室内温度。园区内部有个叫做“Breathing Building”的建筑，是室内通风的调节器。为了确保室内温度保持在舒适范围内，他们在地板和天花板的混凝土中都内藏了“毛细管网”来调节温度和湿度。这些设计使得 Apple Park 在一年中的大部分时间（大约9个月）不需要使用空调或暖气。

尽管 Apple Park 依赖自然通风和被动式冷却系统，但在极端气候条件下，可能仍需要辅助的空调系统来确保室内温度的舒适性。Apple Park 的目标是实现零能耗建筑，通过自然通风和太阳能电池板等可再生能源技术来达到这一目标。因此，虽然在大部分时间内 Apple Park 可以不依赖传统空调系统，但在必要时，可能会使用一些高效的空调系统来辅助调节室内温度，以确保员工的舒适和工作效率。

按照官方说法，果子其实很早就认识到AI的重要性，但是他的方式不是一个独立的AI产品比如chatGPT，而是号称“把AI嵌入到人们日产生活的App”里面。果子在2018年从狗狗挖来John Giannandrea做AI的头，一直是直接汇报给库帮主的。

于是大家会问，哪些果子家的产品有AI？四日算一个，相机里面的各种场景设置，摄影，地图里面一些小功能，其他还有什么大家能想起来的？

非常震撼的一个建筑，从设计到各种新工艺新材料，还有建筑过程都是很讲究的。他的通风系统非常好，在里面没有普通建筑里吹空调风那种不舒适的感觉。里面全部是玻璃墙和实木家具。这个建筑是教科书般的高端大气上档次。

天天在这一个震撼游客的的好地方里面上班是倒是一件比较痛苦的事情（因人而异）

1.安全性 - 刚搬进去的时候经常有人走着走着撞到玻璃墙，轻的流血，重的送医。后来在玻璃墙上贴了很多白色的贴纸提醒走路看手机的人前面有障碍才好一些。

2.隐私 - 玻璃墙使得每个摸鱼的打工人就像在玻璃鱼缸一样，很远就能看见。

3.共振 - 大玻璃，联通的曲面空间对声音的反射和共振使得人在里面一直听到嗡嗡的声音。如果有高跟鞋走过更是很远能听见。

4. 拥挤 - 按照乔帮主的本来设计里面坐几千人，后来搬进去一万多还是两万，有些部门在里面的办公室比中学课桌还要挤。

5.停车场很远 - 停车场走到上班的地方最远需要20分钟。运气好能找到共享自行车，运气不好真的比较郁闷。这个圈圈周长是一英里。如果要去对面（比如3点方向去9点方向）还真的得花不少时间。

知道这个公司还是因为赵晓卉，赵美女太厉害了，脱口秀顺便玩玩就上了春晚，却没被冲昏头脑继续搞老本行造车去了，还进了头部公司，哪像童漠男，从教培的大坑里爬出来，又掉进脱口秀的坑里。。。

他自己不造车，和他合作的车厂好像也少

最近网上夸的有华为有小鹏，连骂百度的都没有，完全无存在感

Andrej 基本把纯视觉方案做到头了，输出干净后才离开tsla。

而且是最先使用tranformer 的公司之一。

bev， hydranet，rnn融合， 都是tsla 落地，国内争相学习。tsla all in

给其他人吃了定心丸，只需要模仿就行了。

自动重建，标注，直接让自动驾驶离开高精度地图的限制。国内都能拿出一个

bev fusion的网络，但是没见哪一个想tsla那么牛的，标注和仿真才是tsla藏着掖着的

东西。

非路面的自动标注需要精准的深度估计和panoptic segmentation、精确定位、point matching。

获取了单帧语义视觉点云，把前景给抠出来单独检测跟踪可自动标注动态障碍物。

把没帧语义点云通过定位串起来形成致密语义点云，可自动标注静态障碍物。

而对于路面，每一个clips训练一个神经辐射场MLP，可自动标注路面元素。上述哪一个技术要做好都是十分有难度。

去年还是前年的脱口秀大会上赵美女亲口说想让笑果交五险一金，可是笑里没有表示，结果去了北京和老总一谈就成了。当时李诞在台上只是笑笑没接花茬。我看八卦说是笑果不要赵美女，但事实是否如此还是赵美女拼段子就不知道了。

他们建筑所的作品还有世界各地的很多苹果店，本国的大英博物馆中庭、伦敦小黄瓜，北京机场T3、香港汇丰银行总部，还有柏林国会大厦的旧房改造工程等等。

阿波罗好像是两三个星期前在武汉展开了24/7的无人驾驶出租车运营，全世界第一家。waymo都没有比得过。

这些花哨的软件运行的目的如果只是做localization的话值得吗？耗电量的增加直接导致续航里程的下降。从系统整体效能上是不是得不偿失？

而且这样拿到的localization比不上直接用sensor fusion得到的可靠。我不是软件工程师，我觉得不划算。从商业上来说，特斯拉成为meg 7里面最拉垮的，已经开始全面推开fsd了。这是为了提振股价的不得已还是马院士的行为艺术？

说起马院士的行为艺术，我记得几年前他说要用前置摄像头+computer vision的算法来探测下雨。相比之下雨感传感器已经完全普及，大众的一个雨感传感器10块钱多一点点人民币。。。。算出来的下雨还不可靠。