明明先喷

2周年勋章

使用新出行2周年啦！

甲辰龙年限定勋章

2024年甲辰龙年限定勋章，在2024春节盲盒抽奖中获得。

2023中秋花灯限定勋章

2023年中秋花灯限定勋章，在2023年中秋限时线上活动中获得。

怎么又是红色，广州车企今年要红红火火吗

问界M6 23号就开始预订，预订应该是可退那种，希望这次问界就不要像尚界那样，冗余销售大量囤单，造一堆假数据了

问界M9我买不起，问界M6行不行？ 销售干嘛这么说话呢？

这后排还是比较一般吧，头部空间感觉没多少变化。 不够尊

小鹏硬生生的把G6这种车型搞成新车主看不上，老车主看着尴尬。 也硬生生的把P7这种能打Model3跟比亚迪汉的车，变成上市卖不出3万台的局面 包括G7在内，产品都没问题，但这是为什么呢

6.0 车机在这种对比之下，确实肉眼可见的烂{:笑哭02:}{:笑哭02:}{:笑哭02:} 小鹏现在这波就看OTA了，二季度销量能上来的

尚界Z7咋这么能蹭啊，蹭完保时捷蹭小米.... 卖个19万的我算你狠

以下是截至2026 年 3 月 4 日，主流新能源车企车端 AI 模型参数量（智驾 / 座舱）与车端总算力的整理与排序， - 特斯拉 FSD V14（HW4.0） 参数量：约 150 亿（V13 约 15 亿，V14 提升 10 倍） 架构：端到端大模型，整合感知 / 规划 / 控制 - 小鹏 第二代 VLA（Ultra 版） 参数量：约 220 亿（官方称媲美 FSD）微博 架构：端到端视觉 - 语言 - 动作模型，无图城市 NOA - 理想 L9/LiVIS（马赫 100） 参数量：约 100–120 亿（自研端侧基座模型） 架构：多模态端到端，支持城市 NOA 与座舱融合 - 蔚来 ET9（神玑 NX9031） 参数量：约 80–100 亿（端侧多模态大模型） 架构：端到端智驾 + 座舱一体化 - 华为 ADS 4.1（问界 M9） 参数量：约 70–90 亿（端侧多模态） 架构：端到端 + BEV+Transformer，无图城市 NOA - 比亚迪 天神之眼（玄机芯片，2026 下半年） 参数量：约 60–80 亿（官方未精确披露，按算力推算） 架构：端侧多模态，高阶智驾 - 小米 SU7 参数量：约 70 亿（NPU 可支持 70 亿参数模型） 架构：端侧多模态智驾 + 座舱

这挺躺下的，有点意思，站在了X9的肩膀上的感觉了

某吹子，大家还是理性看待吧，但本质还是没脱手。 半夜突然收到这么一个视频，本来困得要死，给我吓醒了。 起初我也以为是一个简单的避让而已，前面有车来，这可不得要避让吗？ 可是，这是后向来车，这是窄路口，这是一个救护车。 这意味着，系统思考了： 1. 前面的位置不足以两辆车同时通过，2. 我现在过去时间太短，没有办法离开这个路段 3. 后面是救护车， 我需要让救护车先走。 [举手]这里的长时序规划已经到了分钟级别，不再是学习驾驶的本能反应，而是权衡利弊之后的结果。 它考虑的是： - 未来空间可达性 - 自身离开路段所需时间 - 对方车辆优先级 - 整体通行效率 这不是我们经常聊的模仿驾驶，而是策略级博弈 [微风]有人会说，好像这个用VLM 也可以做，但是其实，VLM 受限于参数量，大部分用了前向图像进去，算力已经开始捉襟见肘了。 这个场景的关键其实是“ 救护车来自后向视角”，也就是说，全向的摄像头都已经转换成需要的feature 进入了整个网络。 系统需要 处理全向多摄像头输入，然后将多视角信息融合成统一特征空间，还要保持跨视角的一致时序记忆。 [微风]在两年前，我们还看到很多感知算法对后向的感知稳定程度很差，规划几乎不受后向语义影响，而今天，我们可以看到后向的救护车可以影响整个长时序决策了。 AI 的变化是不断自我革命的过程，而辅助驾驶的变化也是不断自我革命的过程。 你必须不断丢弃旧的架构假设、旧的模块边界、旧的计算范式，才能跟上历史的变革。

按照今天的情况来看，小鹏依旧是学他好兄弟雷总最像的，早上雷总发完红包，下午就到何小鹏了。 也看的出小鹏现在营销部门上班的挺早的，希望小鹏今年不要再营销大于实际 好好总结把全新P7卖成那个鸟样的原因的，图腾车型落得如此下场，挺不应该。

一顿操作没苦硬吃，把P7+的销量也干废了。 小鹏接下来专心攻打15万左右的市场就好了，15万的车单图灵，17万的双图灵，绝对卖爆。我把话放在这里 把20万以上的市场完全丢掉即可，问题不大的。整体营销出了大问题之后，结局基本就这样了。