我就是 16G 开发用 docker ，日常内存压力>60%，swap 更是日常 10G 左右，对于那些当心 swap 的，我记得之前看过测评，24 小时高强度 swap 十年左右才能损失 1%的 SSD 的寿命，幸好我的 mac 并不打算用 10*100 年

@KingHL 看了你的和上面一些评论，我发现这个程序员论坛居然还有挺多人不知道 checksum 是什么，电话号码没有规律并不影响 checksum ，checksum 的作用是检查输入是否具有意义。比如说第一个为 1 第二个为 2 第三个为 3 ，那么最简单的 checksum 就是依次相加，得到第四位是 6 ，也就是说当你输入 1-2-3 的时候，第四位如果不是 6 就一定是个错误的电话号码，当然相加得出来可能>9 ，所以真实情况会用别的 checksum 算法，比如 CRC ，或者异或。

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 ；

@param 是的，我虽然不是行内人，但也能大致理解到自动驾驶存在两个方面，一是驾驶理解能力（ 0-100 分，可以假设 60 分为拟人也就是等同于成年人对驾驶的理解），二是感知能力（最低拥有两个摄像头则类似人的水平）。如果驾驶理解能力不足（ 6 岁孩童），那么给他增加感知设备带来的总体驾驶水平收益可能是极低极低的，甚至可能是负担。

@shunia 行我明白了，你的结论基于你认为纯视觉的 FSD 和其它家方案不存在差距，或则存在高于 FSD 水平的差距，那么可以看下 [FSD 对比 ADS 被吊打，第三梯队果然不过如此-哔哩哔哩] https://b23.tv/sBAgVoy FSD 国内版本和 ADS 同路段日常小路对比，我想开过几年车的应该都能看懂。

@shunia 但国内自动驾驶即使使用了多维感知方案却仍和 FSD 有差距，这是否说明纯视觉仍然有较大空间？现在存在一套纯视觉自动驾驶方案 > 几乎所有其它多维/纯视觉自动驾驶方案，那么关键因素在哪难道不明确吗？

@shunia 但如果总和其它传感器带来的总成本投入（考虑批量生产和额外算法成本）分配到纯视觉方案算法升级带来的智能收益 > 仅投入传感器和相应算法所带来的智能收益呢？

我发现这个论坛似乎很多人没法理性思考了，自动驾驶是一个多加一个传感器就多厉害一分的事吗？显然并不是吧。纯视觉方案还远未达天花板，在这之前当然可以引入激光雷达，但问题是你的本职工作自动驾驶这个事你还没能解决的很好，多引入一个两个传感器会有什么质的变化吗？一旦纯视觉接近天花板，给纯视觉巨大的投入也只能得到非常微不足道的回报的时候，再考虑如何引入并融合其它传感器来提升智能才是最佳时机。

不懂为什么喷 1 楼，感觉有些人似乎逻辑能力非常不过关，甚至还有说 1 楼说话不看场合这种问题的，我觉得 1 楼是典型的说话看场合的正面案例，OP 问 GLC 和 YU7 的选择，1 楼简单引用近期新闻不带任何情绪渲染去提醒 OP 选择 YU7 可能带来的风险，这不是非常合理且符合时宜的言论吗？