馬斯克的主要商業版圖是汽車與火箭這樣的重工業，其實原本與這個時間點的人工智慧關係沒有那麼大。
不過他個人的確是想法極其前沿又激進的一個人，造普通的車可不是他的風格。
特斯拉不僅要帶電，還要帶自動駕駛！
不僅如此，面對孟繁岐在視覺演算法上的接連突破，他有一個大膽的想法。
那就是希望為自己的特斯拉電車產業打造一個純計算機視覺系統，而不借助其他技術手段。
這是導致他此次再次來尋找孟繁岐，追求技術突破的主要原因。
個人來說，他其實已經對上次的結果非常滿意了，只不過他給自己的目標定的太高，想要完成這還遠遠不夠。
自動駕駛在深度學習發展起來之前就已經有了一些不錯的成果，不過那些內容都是基於雷達和感測器居多。
主要透過鐳射雷達或者其他感測器來檢測物體，以及這些物體距離車輛的距離。
不過馬斯克覺得，這與人類操作車輛的方式不大一樣，太不酷了。
想想人類是怎麼開車的？
一個人在駕駛汽車的時候，基本上就是純視覺的，只靠看就能駕駛。車輛上那些鏡，主要就是為了方便人看到周圍和後面。
可能偶爾有一些聽覺的輔助效果，比如鳴笛，不過不是特別關鍵。主要還是視覺系統在起到作用。
馬斯克稱之為第一原理思維，他希望做出的智慧系統完全按照人類的邏輯去駕駛車輛，而不是藉助感測器，畢竟人類可沒有這樣的超能力。
但是視覺系統完全是基於大量的相機的，非常依賴高精度的檢測演算法，這就會帶來很多的問題。
如果檢測到的東西資料集中沒有見過怎麼辦？那還能檢測到嗎？
基於鐳射雷達的感測器辦法，不管碰到什麼，總是可以檢測到粒子和物體，它的原理像不像人類不說，至少不那麼容易直接撞上去。
純依靠視覺的智慧系統那可就不好說了，必須先用網路處理影象，然後加以分析。
一旦分析出錯，出現了誤判，那是必撞無疑，肯定會發生車輛事故，一頭創死在上面。
馬斯克激進的技術策略和喜好導致了一個問題，那就是人工智慧演算法要做的事情太多了。
想要完全棄用感測器，那四面八方都得安裝車載攝像頭才行，才能保證前後左右都看得清楚。
此外，還有一個重要的事情，那就是距離的估計。
對於人類來說，根據一張圖片去判斷其中距離的遠近，實在太過容易，可這對人工智慧視覺演算法來說，不是一件容易的事情。
以現在的技術條件，需要進行非常複雜的標註，去分析樣例圖片中各個部位和畫素的距離遠近。
因為圖片畢竟是2D平面的，而自動駕駛是一個需要掌握好空間距離的任務。
透過大量不同角度的平面圖片，來重構一個三維的空間，甚至鳥瞰視角的三維空間是必要的。
不過現在這還只是空中樓閣，馬斯克再次聯絡孟繁岐的來意非常簡單，就是希望這個作為骨幹的神經網路可以再快一點，或者計算量再小一點。
否則以目前的情況看，特斯拉很難負擔得起這個運算量。