AI Day 理解有 20% 了，去年 AI Day 的两大创新的案例：1. 用 Transformer 的方法更准确地表示矢量空间；2. 构建视频模块建立更强的预测能力。

我觉得今年可以比拟去年这两大的是：1. Occupancy Network 占用网络，感知（并不识别）并预测所有动静态障碍物；2. 使用大型语言模型的方法重建车道检测网络，来深入解决城市里的车道问题（拍案叫绝！）。

这么看今年好像在回答两个问题：我们是如何不用 LiDAR 和 HD Map 做事的。

规控模块那个用两个轻量化网络互相 battle 着逼近最优解的思路也挺有意思的。

除此之外，特斯拉在仿真和自动标注领域也取得了很大的突破，自动标注尤其大一些，但主要是工程上的突破，没有上面那种全新的 idea。

QA 环节也有一些相对好玩的信息，比如大体上 Elon 还是倾向于认为 FSD 是一个弱 AI，Tesla Bot 才需要向强 AI 延展，同时自动驾驶汽车的感知也不需要是多模态的，未来只需要纳入声音的输入，声音 + 视觉就 OK 了，这也和 Tesla Bot 是有巨大差别的。

Tesla Bot 和 Dojo 还没有细看，需要一些时间。