cenbiq

论坛里很多人没干过这种小公司（尤其是自带电脑的公司），其实这种情况保留核心源代码在一些小行业小公司还是存在的，只不过从法律层面来说这种操作肯定有问题，但这里最关键的是，你已经跟公司表示过你有源代码了，那么你基本只有一种选择就是交给公司，千万别跟他们去对抗。正确的保留一手的做法是你声称你借用业内大佬朋友的库实现的，你没有全部的源代码，接下来他们要么之后找你解决关键问题，要么他们自己重新实现。但最后这种做法仍然不值得推荐，吃饭的家伙应该是你的行业经验而不应该是你保留的部分业务代码

我一直是微软出啥我用啥，推什么更新我就更新什么，就跟我用 macOS 一样用，从 windows xp 到 windows 11 十多年用下来没碰到过什么问题，好奇你们都碰到啥问题了

单机游戏基本上就是新鲜一两年，玩多了你会发现还是对战类游戏好玩，LOL 、DOTA 、CSGO 、PUBG 这些

@mingtong Blazor 好久没关注了我记得貌似还是和 next 一样的服务器渲染初始页，再到浏览器中水合动态执行来着？

并非 AGI ，现阶段在生产力方面使用 AI 的用户群体，必须拥有对输出的可靠性验证能力，这与使用它的目的相背了，所以目前应该只能广泛用于替代重复带动力上。

我感觉双缝干涉应该是被误传了，还有那个薛定谔的猫，人家原本想表达的重点是量子叠加态的宏观矛盾体现，现在传来传去已经是“未知状态”的代名词了

@cenbiq 然后给定 S=4 （每类 4 个） P=3 （ 3 类传感器），求 C 的收益最大化临界值，它给的结论是
“
- 当 C < 37 ，提升 C 的收益更大，优先优化决策与规划能力（如更好的 AI 训练、强化学习）。
- 当 C > 37 ，感知能力的提升开始逐渐接近甚至超过 C 的提升收益，合理分配资源。
- 当 C >= 60 ，感知能力的提升变得更有价值，因为决策系统已经足够成熟，可以利用更丰富的感知数据。
”
并最终建议
“
对于 S = 4, P = 3 这样的较强感知系统：
- 如果 C < 37 ，应该主要投入资源优化决策与规划能力。
- 如果 37 <= C <= 60 ，可以同时考虑提升感知能力，但提升 C 仍然更重要。
-如果 C >= 60 ，感知能力的提升成为主要瓶颈，应重点优化传感器融合、数据处理能力等。
”
结合 GPT 的意见，再考虑到融合传感器带来的成本，尤其是考虑到目前 FSD 方案下纯视觉完全没有融合传感器的情况（这可能放大了融合的成本），FSD 极有可能目前仍然认为提升 C 值更具有性价比（并可同时提升 S 来放大 C 的收益，只要不提升 P 也就是传感器维度成本不会爆增加，也就是不融合其它传感器只是加强学习驾驶和增加摄像头，如果 FSD 如此，那么其它投入更小的自动驾驶方案呢？），但这也预示着最终提升 C 、S 值不再具有性价比，到时 FSD 必然只有提升 P 这一个选项，也就是增加传感维度。

@param 我找 GPT 大致推导了一个公式，D=C/100·(1+a·S·P)。S 为传感器量化数，P 为传感器类型维度； S·P 为总体感知能力； a 为感知能力对驾驶水平的影响系数 GPT 提示约为 0.02~0.05 ；