先從個人角度來說，我非常看好小米在智慧駕駛領域的發展。
在全球的自動駕駛解決方案市場中，我們觀察到很多企業盡管有能力研發先進的智駕技術，卻缺乏整車生產能力；而那些擁有整車生產能力的企業，其智駕技術團隊往往還未成熟。小米以外，基本只有特斯拉和華為，能在這一領域取得突破。
傳統汽車企業中負責自動駕駛的團隊，他們的薪酬體系完全超出了傳統車企的標準，這不僅帶來了管理上的麻煩，而且由於文化差異，雙方很難協同工作。
第三方智駕企業的問題在於，與汽車企業的合作和產品叠代需要時間，這樣一來一回的溝通時間拉長，技術的叠代速度也就相應變慢。
而小米則是少數幾家同時具備軟體能力和整車制造能力的汽車企業之一，小米的工程師文化體系相對來說與自動駕駛技術更為相容，即便退一萬步講，與各方打交道也相對順暢，更不用說雷軍本人就是中國最頂級的程式設計師之一。
但是，小米要追上問界背後的華為的智駕團隊，還需要時間。
比起純軟體領域，高階智駕是對系統整合的工程化能力要求很高的領域，不僅需要大量人力投入，也需要大量的實踐經驗和數據采集。
簡單點說，需要時間。
短期來看，小米的各種積累確實不如華為，但從中長期（時間可能不會太長，三五年以內），各家智駕可能會達到同一水平。
第一個需要時間的，是工程化。
自動駕駛是一項工程化的任務，需要時間積累。
有報道提到，華為目前的自動駕駛系統，無論是HI模式還是鴻蒙智行模式，都需要對汽車的傳感器和自動駕駛系統進行深度客製，這個過程中需要投入大量人力進行現場的溝通交流和校準。華為是希望未來能把這些做成標準化零部件與演算法，但目前暫時還沒有。
這很容易理解，因為汽車與手機不同，汽車會移動，不同汽車之間必然存在一定的誤差，不同廠商、不同生產線也會存在誤差。
如何校準這些誤差，如何做好這些工作，都需要時間和經驗的積累。
如果工程化不重要，按下面這個榜單，
引領BEV+Transformer+OCC的特斯拉應該遙遙落後吧。
waymo應該早就賺大錢了吧
Mobileye應該扭虧為盈了吧
輝達應該不需要吳新宙吧
關於數據的積累，小米同樣需要時間。
我之前簡單聊過關於數據的積累，目前在路上行駛的汽車產生的絕大部份數據其實是無用的，因為這些數據太普通了。
只有極端情況（Corner Case）下的數據對汽車廠商來說才是寶貴的，這些數據是各家廠商不會輕易出售的寶貝，市場上能買到的數據品質也不夠高。
當然，為了解決這個問題，一些廠商開始提供合成數據，但在常規數據還未收集完整的情況下，直接使用合成數據也不是最佳選擇。無論如何，小米需要足夠多的駕駛員在路上行駛，並回傳數據，以積累所需的數據。
一個有趣的數據采集Corner Case的極端例子是
——如果一架通航飛機在高速公路上應急降落，應該如何反應？
甚至雲端，也需要時間叠代演算法。
華為去年11月的時候表示，在2.8E算力下，每天學習1200萬+公裏。
模型也得 五天叠代一次 。
特斯拉甚至宣稱今年將購買7.5萬塊輝達的p00芯片。
小米受限於國內的整體情況，大算力芯片的進口比較困難，甚至可能不得不采購國產芯片。
但問題在於，小米目前在智慧駕駛領域的雲算力池還不夠大。
即使小米能夠采購到數據並開發出不錯的演算法，如果算力不足，也會導致演算法叠代速度變慢。
所以，我非常看好小米在智駕方面能力和體系的建設，他們在未來有達到世界t0級水平的潛力。但要追上問界背後的華為，現階段來說，還需要大量時間積累。
