理论上，大算力 + 大数据 + 云端大模型 是阶段性辅助驾驶迈向下一个台阶的关键。
但这里面，确实不出现了不同的分歧：
一个是『大算力 + 大数据 + 云端大模型 』 搭配 纯视觉；另一个是『大算力 + 大数据 + 云端大模型 』 搭配 多传感器融合。
但目前的实际情况是 『中算力 + 大数据 + 暂定是否云端模型』 搭配 多传感器，这个方案目前除了华为是周知的原因，那其他家其实也是延续着这个逻辑在走。
华为 比较特殊的原因在于，其实没人比华为更懂技术了，它的选择分为被动和主动，它现在的局面其实是被动选择，但它不讲道的地方在于，它主动的选择从 体验 倒推技术选择。
结果也很简单：这是体验派的第一名。
但我们能看到的是，现在其他的多传感器企业，它所用的雷达精度没那么高。
精度没那么高的雷达，对于 小、远、体态奇怪 的障碍物识别其实很差。
并且雷达没有语意信息，能够挖掘的潜力其实不够。
我们还是要看，纯视觉究竟能解决什么？
我们平时听了这么多公司的技术故事，务实或者说很功利地问，这些都有啥用？
宏观说解决『信息带宽』问题。
之前在特斯拉上OCC 写的内容里讲过，还是视频流里面蕴藏的信息量理论上靠模型 + 算力就可以挖掘出「存在性（lidar很擅长）」之外的信息，包括意图和未来的画面（预测推理）。
微观讲，有若干感知、预测、推理任务可以通过视觉信息来做，解决自动驾驶长链条上的一些垂类问题（可以举很多案例，比如各类道路参与者意图）。
举个例子，过马路的行人，视觉视频流里可以直接反映，人 脸的朝向，光这一点信息去判断人的行经轨迹是比较简单的。
但雷达则不然。
激光雷达工程师普遍还是认为是安全冗余，对物体存在性的一种保障。
视觉更有吸引力（挖掘视频量信息更有技术挑战，相关技术更符合大模型这种技术演进趋势）。
我们清楚了，视觉的潜力大，但对算力、数据、算法要求极高，极高。
但如果 同样是 大算力 + 大数据+ 大模型，但是多传感器呢？
