孟繁岐这话倒也不是危言耸听，目前他为特斯拉打造的骨干网络，也只是尽量减小他们的计算成本罢了。
撑死了也就是自家停车场测一测检测效果的级别，想要上路测试都比较吃力。
“你在这方面有什么建议吗？”马斯克先前两次与孟繁岐的交流，主要以特斯拉方的优化需求为主，他还没有正式地就整体的算法系统和孟繁岐交流过。
不是因为别的，单纯是觉得孟繁岐太年轻了。即便他见过不少少年天才，但也不至于到20岁就能参与到他特斯拉那么大一个车辆公司的自动驾驶算法系统设计当中来的。
但经历了两次算法的更新之后，他感觉自己太过傲慢了。
对方的算法实力实在远超他的想象。
马斯克不是一个要面子的人，尤其是在这种专业领域技术领域。
他察觉过来不对劲之后，马上询问请教。
“计算机视觉今年热度不低，做一些智能操作还算是可以，可要说到与车辆这种传统的重工业结合，势必要与图形学融合。”
“骨干网络只是第一步，3d的障碍物空间分析，如何从多个摄像头构建精确的鸟瞰图，甚至于真实场景的仿真模拟都会是难题。”
使用摄像头识别出图像内的车辆，行人，障碍物等物体，只是第一步中的第一步，自动驾驶的难题实在太多。
3d分析，是为了确认平面图像上的物体距离车辆的距离。
构建鸟瞰图，有上帝视角，才方便规划车辆的行进路径，避开其他车辆行人。
至于真实场景的模拟，则是为了专门训练针对一些奇葩的场景。
比如大卡车横在马路中央，这种正常情况下很难收集的情况，却是一定要针对处理的问题。
否则到时候，算法说，嚯，路中央有个大卡车，这你也没教过我怎么做啊，还在犹豫的时候，已经直接一头创了上去。
那就要了人命了。
“而且我个人觉得，即便摄像头装满八个十个，前视广角，前视中焦，前视长焦，左右再来两颗侧向前视，翼子板侧向后视，屁股上再装一个后视鱼眼。”
“终究还是有很大的缺陷的，最大的问题还是对四维数据的获取有很大困难，不靠毫米波雷达这样的设备，纯依靠算法的情况下准确获取其他车辆的速度信息实在是一个大难题。”
“我倒不是说特斯拉做不到，作为AI算法工程师，我当然还是希望用纯视觉算法的形式来解决问题，只是不知道目前特斯拉所能承担的计算能力大概能到多少S（每秒一万亿次操作）？”
“我想，应该不足10S吧？恐怕5S都勉强。”
“.....确实。”马斯克抿了抿嘴，心说好家伙，这小子是把自己的底裤都给看穿了啊....
他原本以为，孟繁岐只是一个算法天才，属于实验室内称王称霸的那种。
技术能力没得说，但未必和他一样，了解工业生产中的那些难点。
如今看来，他对总体系统的把握也相当不得了，要知道现在特斯拉的自动驾驶方案完全还没有对外发布过任何消息。
在自己没有透露任何内部情报的情况下，能够基本看穿他的想法和总体情况，对几个比较麻烦的地方也有提前预判。
不管是摄像头的设计和方案，还是接下来的几个主要里程碑，都被完完全全看透了。
尤其是对特斯拉硬件计算能力的估算，这别说是看到底裤了，就是底裤里面也被看光光啦！