问界社区

    上周出行值:{{ score }},社区排名:第{{ rank }}

    该社区为问界专属独立社区,问界车友可以在此社区分享更多专属内容,参与互动和分享请注意遵守新出行社区规范。

    社区版主:
    签到日历
    连续签到{{userStore.user_info.sign_info?.sign_day || 0}}
    • 发文章
    • 发动态
    • 发点评

    旗下产品库相关车

    • 推荐
    • 鸿蒙智行新品发布会
    • 赛力斯销售公司更名问界
    • 问界第40万辆新车下线
    • 鸿蒙智行的第四界为“尊界”
    • 华为超充联盟
    全部话题
    动态

    问界M8 45天交付量突破2万台!此外,官方还公布了问界M8首批车主的选配信息。 1、版本选择:Max+版>Ultra版>Max版。 2、70% 用户选择 6 座版、30% 用户选择 5 座版。 3、外观以及内饰配色搭配:鎏金黑搭配赤茶橘(Top 1)、暖云白搭配星云红(Top 2)、鎏金黑搭配星云红(Top 3)。 4、选配信息:电动踏板、电动门(Ultra 版标配、Max+版可选、Max版不可选)、智能激光投影系统(Ultra 版标配、Max+版可选、Max版不可选)。

    阿迪同学
    新闻

    30+ 项升级功能 问界 M9 迎来 OTA 升级

    阿迪同学
    文章

    跃入中国自研 2.0 时代 一文看懂广汽丰田 2025 科技日

    阿迪同学
    动态

    突发!今晚有好几家车企已经官宣把账期保证在 60 天内。 目前已经官宣的有广汽,东风,一汽,赛力斯,吉利也在刚刚官宣了。 在这里和大家聊聊这玩意儿体现出来的主要价值观念。 首先简单理解就是:车企给供应商结账的时间更快了。要知道在这之前很多车企对于供应商的周转付款天数都是 80 天以上,甚至 100 多天。 现在缩短到 60 天,对于供应商来说肯定是绝对的利好,资金压力小很多。 其次对于整个供应链生态圈来说都是一个良性循环,大家想想这样的话,供应商现在有钱有信心帮车企去做研发做适配,长久来看都是一种能加强韧性和合作互赢的状态。 如果知道那么长时间收不到钱还得帮忙干,对供应商来说肯定是丧失活力的,甚至牵连到基层就业问题。 要明白这不是一两家供应商的事,我国汽车零部件供应商的数量多到大家不可想象,车上的气囊,座椅,甚至皮革,某些电控部件,其实都是车企与供应商共同开发设计的。 一个给方案,给标准,做标定,检验。一个设计,分析,生产…… 回到车企方面,对于车企来说当下最大的问题就是短期内对现金流的压力会比较大。 但是长远来看,也是体现也车企社会责任,实质性回馈也能优化采购成本(有更好的谈判空间)吸引更多供应商。 并且另一程度上避免了供应商一家独大的情况发生(大家想想如果这家供应商顶得住账期,有底气抢单,后续慢慢就会压缩其他供应商生存空间) 所以这件事目前看,除了来势汹汹,实际上对行业来说也是一个转接阶段,似乎有高人找到了价格战的切入点。 大家觉得后续车企的表现会出行那些不一样的行业势态呢

    广林同学
    • {{default_recommend=='new'?'最新':'按回复'}}
    • {{ { 1: '首页推荐', 2: '社区推荐', 3: '置顶推荐' }[recommend_cate] || '热门' }}
    • 精华
    • 闲置
    更新 {{manage.unread}} 条内容
    置顶 鸿蒙智行官方发布了《鸿蒙智行问界 M8 车友问答第一期》的文章,阿迪为大家摘选了一些重要信息。
    置顶 【新出行-问界各车型交流/车主群】

    德卤爱开车
    昨天11:15

    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?

    置顶 {{item.data.title}}

    来自#{{item.data.theme_info.title}}{{item.data.theme_info.number?`本周共 ${item.data.theme_info.number} 人参与,话题内容折叠显示`:'话题内容折叠显示'}}

    {{item.data.theme_info.number?'查看全部':'立即参与'}}
    {{item.data.author.username}}

    {{level.circle_title}}{{ { 1: '超', 2: '高' }[level.circle_level] }}活跃用户

    {{level.week_text}} {{level.remark}} 去看看
    {{item.data.author.user_honour}} 置顶
    {{item.data.create_time}}{{item.status==1 ? ' · 待审核':''}}{{item.data.author.car_list&&item.data.author.car_list.length?` · ${item.data.author.car_list.map(e => e.name).join('/')}`:''}}
    首页推荐 社区推荐 置顶推荐 精华
    NO.{{i+1}}热度 {{item.hot_total}}
    收录于周榜 TOP {{item.week_rank}} 收录于日榜 TOP {{item.day_rank}}
    视频文章

    {{item.data.title}}

    {{item.data.title}}

    {{item.data.title}}

    {{item.data.duration}}

    {{calculateAspectRatioFit(item.data.pics[0].width,item.data.pics[0].height).imgTag}} {{item.data.pics[0].video.duration_string}}
    {{img_url.video.duration_string}}
    +{{item.data.pics.length - 9}}
    ¥{{item.data.price}} ¥{{item.data.original_price}} 包邮 分类/{{item.data.garage_category_name}} 状态/{{item.data.garage_condition_name}}

    +{{item.data.imgs_url.length - 9}}

    {{item.data.series.name}} {{item.data.model ? item.data.model.name : ''}}

    个人评分{{item.data.contents.fraction}}

    点评:

    {{item.data.title}}

    {{related.theme.title}}

    {{item.data.title}} {{item.data.membernum}}人参与讨论

    参与讨论

    近期热议