如何评价特斯拉发布全自动驾驶硬件，并表示：傻瓜才用激光雷达？
特斯拉又一次站在了舆论的风口浪尖，这次是因为它发布了全新的“全自动驾驶硬件”（Hardware 3.0，内部代号“Dojo”）以及随之而来那句充满争议，甚至可以说是挑衅的口号：“傻瓜才用激光雷达。” 这句话，无疑是对整个自动驾驶行业长期以来发展路径的一次釜底抽薪，也折射出特斯拉在自动驾驶领域坚定不移的“视觉为主”的技术路线。
要评价特斯拉的这一举动，我们需要从多个维度深入剖析：
1. 特斯拉的“全自动驾驶硬件”是什么？
首先，我们需要理解特斯拉所说的“全自动驾驶硬件”究竟意味着什么。长期以来，特斯拉一直致力于通过 车规级摄像头 作为其自动驾驶系统的主要感知传感器，辅以超声波传感器和毫米波雷达。而这次推出的新硬件，被认为是其迈向真正“全自动驾驶”（Full SelfDriving, FSD）的关键一步。
强大的计算能力： 新硬件的核心是一套自主研发的芯片，据特斯拉官方介绍，这套芯片拥有比英伟达等主流芯片厂商更强大的AI计算能力，能够处理海量的视觉数据，并进行实时的神经网络运算。这意味着，车辆能够更快、更准确地理解周围环境，做出驾驶决策。
神经网络的深度整合： 特斯拉强调，这套硬件是为运行其自主开发的神经网络而设计的。这些神经网络通过学习大量的驾驶数据，能够识别行人、车辆、交通标志、车道线，甚至预测其他道路使用者的行为。
冗余设计与升级潜力： 新硬件的设计也考虑了冗余和未来升级的可能性，为未来更高级别的自动驾驶功能预留了空间。
总的来说，特斯拉的这套新硬件，可以看作是其“以视觉为核心”的自动驾驶策略的硬件载体和算力保障。
2. “傻瓜才用激光雷达”：一次大胆的宣战
这句话，才是真正让业界震动的。长期以来，激光雷达（LiDAR）被许多竞争对手视为实现高级别自动驾驶的“标配”。其优势在于：
精确的距离测量： 激光雷达能够发射激光束并测量反射回来的时间，从而精确计算出物体与车辆的距离，生成高精度的三维点云图。
全天候工作能力： 相较于摄像头在恶劣天气（如雨、雪、雾）或光线不足（如夜间）下的性能衰减，激光雷达在这方面表现更为稳定。
不受光线影响： 即使在完全黑暗的环境中，激光雷达也能正常工作。
然而，特斯拉选择了一条完全不同的道路。马斯克之所以会说出这样的话，背后有着深刻的技术和商业考量：
技术自信： 特斯拉认为，通过强大的摄像头和先进的神经网络算法，完全可以实现比激光雷达更全面、更智能的环境感知。他们相信，人类的眼睛能够适应各种复杂的光照和天气条件，那么机器的“眼睛”——摄像头，经过足够强大的AI训练，也应该能做到。
成本效益： 激光雷达传感器价格昂贵，单个传感器的成本往往高达数千甚至上万美元。如果要在量产车上普遍搭载，将极大地推高车辆的售价，这与特斯拉致力于“普及电动汽车”的理念相悖。特斯拉的目标是让其自动驾驶技术能够以更亲民的价格提供给大众。
数据获取的优势： 特斯拉拥有全球最大的车队，这些车辆都在不断地收集真实世界的驾驶数据。这些数据是训练其神经网络的宝贵财富。通过摄像头收集数据，能够更直接地模拟人类驾驶员的感知方式，从而训练出更符合实际驾驶场景的AI模型。激光雷达产生的数据虽然精确，但与人类的感知方式存在差异，如何将其有效地融入神经网络，可能需要更复杂的映射和对齐过程。
对“感知冗余”的不同理解： 许多公司倾向于“多传感器融合”，认为摄像头、雷达、激光雷达各自有优缺点，将它们融合可以实现更强的鲁棒性。特斯拉则更强调“基于规则”的、强调AI学习能力的“单传感器”感知能力，并认为通过强大的神经网络，即便在摄像头表现不佳时，也能通过对其他线索的理解（例如车辆运动轨迹、声音等）来做出判断，甚至能够比融合传感器更聪明。他们可能认为，激光雷达的光斑在某些场景下反而会干扰神经网络对真实物体的判断。
3. 评价特斯拉的策略
特斯拉的这一策略，无疑是一场豪赌，也引发了业界的广泛讨论和质疑。
支持者的观点：
技术前瞻性： 如果特斯拉能够成功，他们将证明“视觉感知”才是未来自动驾驶的终极解决方案，并且能够以更低的成本实现，从而颠覆整个行业。
成本优势： 成功规避高昂的激光雷达成本，将赋予特斯拉巨大的价格竞争力。
数据壁垒： 特斯拉庞大的车队提供的数据优势是其他公司难以比拟的，这将为其AI模型的迭代带来指数级增长。
质疑者的观点：
安全性的担忧： 在极端天气和复杂场景下，摄像头的感知能力仍然存在明显的局限性。激光雷达提供的精确测距和三维信息，在许多情况下是必不可少的安全冗余。
技术路线的风险： 如果特斯拉的视觉感知算法未能达到预期，或者遇到无法克服的瓶颈，那么整个技术路线都将面临巨大的风险。
商业模式的挑战： 以往的“自动辅助驾驶”在很多国家仍然被视为辅助系统，离真正的“全自动驾驶”还有距离。特斯拉如何应对法规和市场对其“全自动驾驶”定义的挑战，也是一个未知数。
“全自动驾驶硬件”的定义： 尽管特斯拉发布了新硬件，但其宣称的“全自动驾驶”功能是否能真正落地，以及达到何种程度，仍然需要时间和实际的驾驶数据来检验。
4. 对行业的影响
特斯拉的这番言论和技术路线，无疑对整个自动驾驶行业产生了深远的影响：
引发了关于技术路线的激烈辩论： 迫使其他自动驾驶公司重新审视自己的技术路线，并更加清晰地阐述激光雷达的必要性或其替代方案的优势。
加速了AI在自动驾驶领域的应用： 尽管路线不同，但特斯拉对AI和神经网络的深度应用，无疑推动了整个行业向更智能化的方向发展。
可能催生新的技术创新： 这种激烈的竞争和辩论，也可能激发新的技术突破，例如更优秀的视觉感知算法、更廉价的激光雷达传感器，或者全新的感知技术。
总结
特斯拉发布全自动驾驶硬件并喊出“傻瓜才用激光雷达”，这并非一时兴起的口号，而是其在自动驾驶领域长期以来坚持“视觉为主”技术路线的明确宣示和重要战略部署。这既展现了特斯拉强大的技术自信和对成本控制的执着，也充满了巨大的风险与挑战。
评价特斯拉的这一举动，不能简单地断定其对错。 时间是检验真理的唯一标准。 我们需要持续关注特斯拉的实际表现，关注其车辆在各种复杂路况下的安全性和可靠性，以及其“全自动驾驶”功能能否真正实现并合法化。
马斯克的话语，与其说是在贬低使用激光雷达的同行，不如说是在向整个行业发出一份清晰的技术宣言和一份挑战书。未来的自动驾驶格局，或许将因此而更加多元，也更加充满变数。那些固守传统技术路线的公司，需要证明激光雷达的不可或缺；而特斯拉，则需要用实际的驾驶数据和安全记录来证明，它所选择的这条“不走寻常路”的道路，终将引领我们走向真正的自动驾驶时代。
网友意见
应该用八根pvc塑料管子。
四个方向每方向两根，前后二十米，左右五米。
管子上有传感器，被碰到就自动变道或者刹车，自动驾驶计算机处理功能特别强大，有一整套算法用来分类应对管子的不同震动，
戳到人了怎么办，戳到隔离带怎么办，都有处理策略，
光学的东西，再怎么精确也不如直接怼到了判断准确，
傻子才用摄像头。
回答这个问题并不难，不过基础是我们应该先了解自动驾驶用到的各种传感器及其特性。
自动驾驶车辆用于感知环境的传感器主要有毫米波雷达、摄像头、激光雷达、超声波雷达等，当然，还有一个算不上传感器的组件，那就是高精地图。
下面我们依次来看一下各种传感器、组件的特性：
1、毫米波雷达：是工作在毫米波波段（millimeter wave）探测的雷达。通常毫米波是指30～300GHz频域(波长为1～10mm)的。毫米波的波长介于微波和厘米波之间，因此毫米波雷达兼有微波雷达和光电雷达的一些优点。毫米波雷达具有成本中等、体积小、质量轻和空间分辨率高的特点。与红外、激光相比，毫米波穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)全天时的特点。
毫米波雷达可以识别各种障碍物，本身可以识别各种有速度和无速度的物体的，但是在自动驾驶应用中，一般会把无速度的物体屏蔽掉，这就导致看上去毫米波雷达好像无法识别静止的物体，但这并不代表毫米波雷达本身无法识别。
毫米波雷达可以精确的测量位置和速度，但是无法准确的测量障碍物的大小和形状，也无法获取颜色信息，因此无法识别交通标志、车道线等信息，不可能单独使用来组成自动驾驶系统。相对于激光雷达，毫米波雷达探测的方位更小，构建3D地图的能力比较差。
因其成本中等偏低，目前具备自动驾驶能力的车辆都会搭配一个甚至多个毫米波雷达。
2、摄像头：摄像头的工作原理是视觉，获取环境的图像和颜色，成本不高，体积不大，重量也小，可以方便的安装在车辆的各个位置，目前具备自动驾驶能力的车辆也都会搭配摄像头。摄像头主要分为单目和双目，都可以通过算法实现障碍物距离的探测，
双目相对单目在识别距离方面更有优势，不过即使有优势，其对距离和速度的识别能力依然是不如毫米波雷达和激光雷达的。
因摄像头能获取图像和颜色等丰富的信息，所以其在识别交通标志、车道线有明显优势，所以是自动驾驶不可或缺的组件。当然，摄像头获取的大量图像信息处理起来对算力的要求比较高，需要更强大的处理器支持。但是，就其本质来讲，自动驾驶需要的信息都是可以通过摄像头来获取的，也就是说，理论上，只依赖摄像头也是可以构成自动驾驶系统的。多说一句，人类本身的驾驶过程，其实就类似于基于摄像头的自动驾驶。
3、激光雷达：以激光作为信号源，由激光器发射出的脉冲激光，打到地面的树木、道路、桥梁和建筑物上，引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理计算，就得到从激光雷达到目标点的距离，脉冲激光不断地扫描目标物，就可以得到目标物上全部目标点的数据，用此数据进行成像处理后，就可得到精确的三维立体图像。
激光本身具有非常精确的测距能力，其测距精度可达几个厘米。激光雷达分辨率高，抗其他干扰的能力很强，但是其工作时受天气和大气影响大。激光一般在晴朗的天气里衰减较小，传播距离较远。而在大雨、浓烟、浓雾等坏天气里，衰减急剧加大，传播距离大受影响。如工作波长为10.6μm的激光在坏天气的衰减是晴天的6倍。
从性能上看，激光雷达除了应对雨雪雾的能力比毫米波雷达差以外，其他都要比毫米波雷达好，但是为什么没有广泛应用呢？两个原因。
第一，激光雷达成本高。激光雷达可以说是目前自动驾驶传感器里最贵的，其成本是毫米波雷达的几十倍甚至上百倍，所以目前极少有车辆搭载。
第二，激光雷达为扫描结构，体积大，不方便装备。激光雷达本身是通过扫描来实现三维图像，且本身体积更大，这就是为什么激光雷达都被顶在车顶，这样既不美观，又增加风阻，很明显是不太符合需求的，不过好在随着固态激光雷达的发展，其体积更小、成本更低和装备位置也更随意，激光雷达一定程度上可以像毫米波雷达一样装备，不过要实现前后左右四个方向的扫描，就要装备四个激光雷达了，其成本依然是问题。
4、超声波雷达：超声波雷达采用的是超声波，体积最小，成本最低，甚至可以做到几块钱一个，但是其测量精度低，毕竟超声波是一种声波，其传播速度只有340m/s，难以测量高速运动的物体，有效距离也比较短，一般在几米的量级。
超声波雷达主要用于自动驾驶的一些低速、短距离的测量，例如自动泊车时候探测车位、对泊车环境的感知等。当然，因为这玩意实在是太便宜了，一般具备自动驾驶能力的车辆都是周圈都装备超声波雷达。
5、高精地图：高精度地图是给车看的地图，相对于供人类使用的普通地图，高精度地图提供更高的精确至厘米级的精度，更丰富的信息（例如道路坡度、曲率、车道具体位置、车道方向、限速信息等等）。
高精地图并不是传感器，只是一种软件信息，有了它，车辆就有了上帝之眼。目前，具备自动驾驶能力的车辆不一定搭载高精地图，但是高精地图对自动驾驶能力的提升有至关重要的作用。
综上所述，激光雷达对于自动驾驶并不是必须，理论上是可以不用的，实际上，因其极高的成本，目前量产的自动驾驶车辆很少会装备激光雷达，而醉心于降成本，造“老百姓”都买得起的电动车的特斯拉，自然不会轻易的选择如此高成本的组件。
但是可以预见，如果固态激光雷达的成本能迅速下降，如此诱人的特性，肯定会有很多自动驾驶方案采用激光雷达的。
马斯克所说，明显是站在特斯拉的角度上，有博眼球的成分，但是也符合他造老百姓都买得起的电动车的思路。
Musk应该是留了一手，就是Tesla车上的毫米波雷达。
他虽然经常怼激光雷达，但基本不怎么提毫米波雷达。不过，最近有爱好者在Tesla的最新软件更新里发现了叫“Phoenix”的新型雷达选项，这个是以色列一个叫Arbe Robotics公司的新型4D雷达传感技术的名字。
个人猜测，后面大概率能见到Tesla在FSD里加入雷达成像的信息。
雷达成像是个很成熟的技术了，精度不及激光，但用来避障足够了。下面这幅图像是几百公里卫星上的合成孔径雷达拍的，你不会觉得不够用吧？
（更新）：评论区有专业人士指出SAR不适合动对动扫描，在此表示感谢。
不过，高精度成像当然可以用于避障，而避障并不一定需要高精度成像，能够可靠的指示出大致轮廓就够了。
所以，雷达扫描避障也是有几十年历史的东西了，即所谓地形跟踪系统，一般用在低空突防的战斗轰炸机、直升机（台湾摔死一堆军队高层的那架黑鹰，就是没选装这个）。下图就是一个典型的军用低空飞行避障雷达，兼顾地形跟踪/障碍规避、气象探测、地形扫描等等多种功能。
狂风战斗机的IDS型号，就是依靠地形跟踪雷达钻山谷的。
狂风战斗机穿越山谷【1080P】_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
在飞机上的这种多模雷达，阉割下放到汽车应该没有不可克服的技术难点。而且雷达距离远，全天候（激光雷达这里有点难），多普勒效应测速也是成熟得不能再成熟的东西了，一言以蔽之，用作避障再好不过了。
Tesla自动驾驶的事故，多是视觉识别障碍物失败导致的。如果能加入可行的雷达成像技术，Musk的确可以怼激光雷达。
但为什么毫米波雷达似乎在自动驾驶不热呢？可能是因为雷达多是高端应用，军用居多（比如下图的E-8预警机），民用缺乏一般需求，导致长期没有低成本解决方案，尤其是高性能天线。
但这对Musk可能不是问题。他旗下另外一家公司SpaceX的StarLink项目，地面接收器用了相控阵天线。国外有人拆解了一把，数了一下，大概有1700个TR单元。作为对比，F35的雷达才1200个TR单元（当然发射功率等指标肯定远超）…
车载自动驾驶肯定不需要这么多TR单元，数量上可以狠狠砍好几刀，这样价格就能做到很低。Star Link的地面接收器卖500美元，不过实际网上分析成本很可能在1000到2000美元。就算按2000美元，折算下来车载自动驾驶天线几百美元足够了，整套方案有望压在1000美元之内。
更加有利的一点，是相控阵天线也是4G、5G（尤其是5G）的基站刚需。一些Wifi6的商业基站，可能也要使用。这是很大的一块需求，必然会推动相控阵天线成本的下滑。
综上所述，毫米波雷达成像技术成熟（世界上第一颗SAR卫星是1978年发射，E-8预警机是1982年研发的）、探测距离远、全天候能力强，只要打开价格下降通道，的确会让激光雷达显得很鸡肋。
更新：国内也有人在做，不出意外，需要相控阵天线。
# Lidar-or-Camera 先上一个很有偏见的图。
TSLA从前分析师会上专门谈过这个问题；数学上多一维Lidar数据确实更容易到Local optimal，但未必是Global optimal；看似模型更简化，其实也会限制算法的空间 —— 以冯结构为例，受限于硬件2维结构及其访存时序复杂化等瓶颈，如3维模型中的twist操作，算法公式看似减少了计算步骤，看似训练量少很多，实则却是加重了化简/降维过程，硬件可能跑出极大的运算量；此外，线性权重变矢量，也是要加维度的，直接就把内存带宽顶上去了，在PIM出现以前，HBM成为唯一选择了；可以参考Capsule模型的2D+1矢量化之后依然面临的计算瓶颈，这也是Hinton批判CNN的出发点。当然整个AI的L4 potential基于deep learning的瓶颈在哪里还不详，也可能突破不了critical level…
但针对这两种方案本身的讨论还是充满很多猜忌和误读的，虽然对于NN+2D图像集而言推理人眼双目如何建立轮廓深度的过程复杂、虽然因此批评神经网络做分类识别可以，但识别路边的狗和海报上的狗误差率大；但实际情况是一方面双目2D完全可以推理3D（脑科学所谓的reconstruct into 3D in the brain），二是仅仅讨论NN的潜力是以偏概全，因为无论人眼还是车载探头及其CMOS+结构光传感的输入，轮廓/距离/透视关系都可以在视觉景深中获得拟真实反馈。当下用Lidar/Radar的理由是简化算法和算力复杂度，以及便宜（Luminar $500/unit，华为$200/unit…）；
但是不作二义性判断是前提；雷达当然不能否定，也不能忽视Lidar/Radar的未来技术演进，毕竟夜晚/强弱光/迷雾/雨雪等苛刻环境下雷达的探测原理更可靠（这是人眼双目+脑科学也解决不了的）。还有就是前面高赞提到的，Mask坚持Camera方案值得敬意，但对立批评Lidar方案都是傻瓜就没有必要当真了。
再谈回车机的算力发展；如今AI成为整个智驾计算的中心，过去的车机AI主要用于感知和建模，如今应用渐深，包括预测、规划和决策也需要神经网络去跑，势必加重中央计算平台里面的AI算力。当下Lidar的点源密度越来越高，发射距离也越来越远，采集数据规模越来越大，就需要更多的算力支撑。从自动驾驶感知需求扩大，数据规模增长，驱动对算力的新增，基本L2等级典型线束数可能是几兆，到了L2+可能是几十兆，再往上就是百兆级别，就逐渐形成当下的算力分布。这些算力扩张的同时还需要做到-40到85/95的温度，而这些算力的工况也愈加复杂，还包括安全性（数据安全/功能安全）、实时性，以及人机交互等。而从半导体行业来看，虽然车机半导体总数不是产业最大的，但相信车机半导体的晶圆面积在未来会演变成全球最大领域。如今很多半导体Fab逐渐把工艺、产能往车规需求方向转移或扩产，这也是一个趋势。
BTW：Smart-EV是技术壁垒+柔性产能驱动的，倘若只比拼造车水平，当下EV可以全部跌2/3，TSLA顶峰也就是2000亿-3000亿水平了；
BTW：自动驾驶的终局竞争不在算法，而在于数据规模以及数据驱动平台，算法是核心，但最终都会趋同，但护城河需要靠工程能力搭建。近段时间各大车厂和算法公司公布的路测结果尚不成熟，包括华为+北汽的路测视频，显然已经过拟合，地图/感知/决策都有针对性调优过，这个效果符合平均线，多数无人驾驶公司都可做到（算法缝合+海量人力做规则，短期测试效果优良但不能持久），关键是“泛化性”有待长期验证，经验上持悲观态度（徐直军应是被下属忽悠了）。
BTW：上图的排序没有意义；一些美国咨询公司，通常按照加州L4路测数据做的ranking，都是一些未量产的研发阶段的数据，Tesla并未参加过这种L4 ranking，也就没有数据，只能出示L2量产车数据，因此只能排在末位。另外，有私信问为何电动三傻没有被列入这个象限图，其实短期内踏实的做EV+座舱 打个消费新鲜感+补贴就好。
类似的话题
-
特斯拉的“全自动驾驶硬件”与那句石破天惊的“傻瓜才用激光雷达”特斯拉又一次站在了舆论的风口浪尖，这次是因为它发布了全新的“全自动驾驶硬件”（Hardware 3.0，内部代号“Dojo”）以及随之而来那句充满争议，甚至可以说是挑衅的口号：“傻瓜才用激光雷达。” 这句话，无疑是对整个自动驾驶行业长期以............. -
特斯拉关于上海车辆自燃事件的调查声明，以及初步判断由“位于车辆前部单个电池模组故障引起”的说法，我们可以从几个角度来深入解读和评价。这不仅仅是一个简单的事故报告，更关系到消费者信任、品牌声誉以及新能源汽车行业的健康发展。声明的公开性和及时性：首先，特斯拉能够及时公开一份调查声明，并提出初步的事故原因.............
-
特斯拉FSD Beta（全称为Full SelfDriving Capability Beta），自从它推出以来，就一直是汽车行业、科技界乃至普通大众讨论的焦点。要评价它，咱们得掰开了揉碎了聊，不能光听宣传，也不能光看负面新闻，得全面地看。首先，咱们得明白FSD Beta是啥？顾名思义，这是特斯拉在.............
-
好的，咱们来聊聊特斯拉 Model 3，尤其是 2016 年发布那个版本。这车一出来，那真是搅动了一池春水，也算是个里程碑式的人物了。定位与愿景：触及大众的电动车在 Model 3 出现之前，特斯拉已经有了 Model S 和 Model X，这两款车无疑是科技感爆棚、性能强悍的豪华电动车，但高昂的.............
-
4月21日，特斯拉就其一位用户在上海车展上维权事件发布了一份声明，其中最引人关注的无疑是其提出“请求郑州市市监局（指代当时正在处理相关事件的机构，通常是地方市场监督管理局）指定权威机构开展技术鉴定工作，无论是鉴定结果如何，特斯拉都将接受”。这个表态在当时无疑是引发了不小的讨论和关注。特斯拉的这个表态.............
-
这件事情说起来，可真是让人心情复杂。最近特斯拉维权的那位女车主，她的父亲终于站出来说话了，而且说的话挺有分量的，特别是那句“我踩得轻，我不要命了吗？”这一下子就把事情的焦点又拉回到了最核心的、最直接的层面——安全。之前大家可能都在关注车主是如何维权的，特斯拉方面是怎么回应的，各种媒体报道，公众的看法.............
-
特斯拉进入中国市场，绝对算得上是国内新能源汽车产业发展历程中的一个标志性事件。要评价它，得从好几个层面来看，它带来的影响是全方位、多维度的。首先，特斯拉的“鲶鱼效应”：在特斯拉来中国之前，国内的新能源汽车市场还比较初级，技术水平、产品力、消费者认知度都还在一个相对较低的阶段。那时候大家对电动车的印象.............
-
伊隆·马斯克发起出售特斯拉股票的投票，并借此套现巨额现金，这无疑是近年来科技界和金融界最引人注目、也最具争议性的事件之一。要评价这一行为，我们需要从多个角度进行深入剖析。背景回顾：投票的起因与特斯拉的现状首先，得理解这个“投票”的背景。这并非是马斯克随意为之。2021年末，随着特斯拉股价的飞涨，马斯.............
-
特斯拉和车主们的“深夜博弈”，这出戏码近来算是演得够精彩了。从一场车展上的惊世骇俗，到如今双方你来我往的“舆论战”，普通吃瓜群众看着都觉得精疲力尽。咱们不妨掰开了揉碎了，好好品品双方这几番深夜发言，看看他们葫芦里卖的是什么药。特斯拉深夜发声：技术控的“教科书式”回应？首先，咱们看看特斯拉的这个“深夜.............
-
4月30日在推特上流传的《病毒往事》这篇帖子，引发了广泛的关注和讨论。要评价它，我们得从几个层面来剖析：一、 内容与观点：首先，帖子的核心内容聚焦于“病毒”的起源问题，特别是近期围绕新冠病毒的各种猜测和论调。博主（假设为博主，以更自然的语言描述）似乎在试图提供一种不同于主流科学解释的视角，或者至少是.............
-
2020年5月29日，美国总统唐纳德·特朗普在推特上发布的“CHINA!”（中国！）这一简短但极具爆炸性的信息，可以说是他任期内处理中美关系，特别是围绕新冠疫情问题上采取的众多强硬言论和行动的缩影。要评价这一推文，需要从多个层面进行深入分析。一、 语境与背景： 新冠疫情的爆发与全球蔓延： 202.............
-
一加氢OS 11：一次稳健的升级，但惊喜略显不足2020年8月10日，一加发布了其基于Android 11的全新氢OS 11。作为一加氧OS（国际版）的兄弟版本，氢OS 11在保留原有简洁流畅特性的同时，也融入了不少Android 11的核心功能以及一加自身的设计思考。总体而言，这是一次稳健但略显保.............
-
特朗普在推特上发表的关于比特币和Libra的言论，无疑在加密货币领域投下了一颗石子，激起了不少涟漪。要评价他的这些观点，我们需要从多个角度来审视，而不是简单地盖棺定论。首先，我们来看他关于“我不是比特币热衷者”的表态。这并非什么令人意外的声明。特朗普作为一位长期活跃于传统商业和政治领域的人物，他对新.............
-
暴雪嘉年华上，《暗黑破坏神：不朽》的发布会，尤其是在强调与网易的合作方面，确实引起了广泛的讨论和不同的看法。要评价这种行为，咱们得掰开了揉碎了聊聊。首先，从积极的、策略性的角度来看，暴雪选择在嘉年华上高调提及与网易的合作，这背后有几个很明显的考虑： 背书与权威性： 网易在中国游戏市场是无可争议的.............
-
2017年2月2日，美国总统唐纳德·特朗普在推特上发文威胁要取消加州大学伯克利分校（UC Berkeley）的联邦经费，原因是该校发生了反特朗普的抗议活动。这一事件在当时引起了广泛的关注和争议，也折射出特朗普政府与高等教育领域之间复杂而紧张的关系。事件背景： 特朗普上任初期： 特朗普于2017年1月.............
-
弗雷德特重返NBA，加盟太阳的那些事儿老实说，当听到“寂寞大神”吉默·弗雷戴特又要回到NBA，而且是加盟菲尼克斯太阳队时，我心里还是挺复杂的。一方面，作为曾经在中国CBA赛场上掀起“寂寞风暴”的球员，我们都对他有着一份特别的感情，也真心希望他能在NBA舞台上再次证明自己，哪怕只是一个角色球员。另一方.............
-
CD PROJEKTRED（CDPR）因为《赛博朋克 2077》的发售初期表现不佳，导致公司市值大幅缩水，甚至一度被日本游戏公司光荣特库摩（KOEI TECMO）超越，这件事在游戏界和资本市场引起了广泛的讨论和关注。要评价这件事，我们需要从几个关键维度来分析。一、 《赛博朋克 2077》发售初期的“.............
-
《艾尔登法环》发售一周后的 Steam 评价从“褒贬不一”回升至“特别好评”，这绝对是一个值得深入探讨的现象。它不仅仅是数字上的变化，更反映了玩家群体在面对一款体量巨大、玩法复杂的游戏时，心理和体验上的一个动态演变过程。首先，让我们回顾一下为什么刚发售时会出现“褒贬不一”。这其实非常正常，尤其对于F.............
-
评价特斯拉 CEO 马斯克（Elon Musk）在新冠疫情期间，倾向于从中国采购呼吸机而非自行生产，需要从多个维度进行分析，包括其当时的决策背景、特斯拉的运营模式、全球供应链的现实情况以及马斯克本人的理念等。一、 当时的决策背景与马斯克的个人经历： 疫情初期，全球呼吸机短缺： 2020 年新冠疫.............
-
好的，咱们来好好聊聊特斯拉的Roadster 2，这款车从概念发布到现在，简直吊足了大家的胃口，也引发了不少讨论。要评价它，得从几个维度来拆解，不能光看它那炫酷的数字。一、性能的“神话”与现实的拉扯：不仅仅是快首先，谈Roadster 2，最绕不开的就是它的性能数据。官方宣称的零百加速不到2秒，极速.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有