我记得我上高中的时候第一次了解到 Google X 登月实验室，那时候我觉得那就是世界上最酷的地方。 谷歌眼镜、登月电梯、无人驾驶汽车、热气球互联网、无人机、机器人… 今天回头看，除了谷歌很成功的 PR 外，很大程度上，天马行空的项目本身就是很有魅力的。 时隔十多年回头看，Google X 几乎一件事儿都没做成，这么说比较残酷，但事实如此，让人唏嘘。 前两天，有一个从 Google X 跳到特斯拉 Autopilot 部门的工程师试图解释这个现象，我放在下面： 「当我在 Google X 工作时，Ta 的研发预算可能比特斯拉和 SpaceX 加起来还要多，致力于各种未来项目——谷歌眼镜、热气球、自动驾驶汽车、机器人… 但我们正在烧钱，我问我的老板 Marc Levoy，为什么被成为登月工厂的 Google X 很难把这些项目在现实中落地。 那次谈话后不久，谷歌眼镜被关停了，我们转到了研究部门，然后 Google X 的各个项目要么被取消，要么被剥离（我们称之为毕业）。 几年后，我跳到了特斯拉，一家强迫你 think big 的公司，在这里把你的想法工程化落地要相对容易，你可以一边规划工作的方向一边继续大胆的头脑风暴。 也许这就是区别，我仍在思考为什么会这样，以及如果 Google X 采取不同的道路，历史会如何演进？ 谷歌的软件工程师就是软件工程师，字面意思，但特斯拉/SpaceX 没有软件工程师，如果你需要来个人拿起螺丝刀修个什么东西，自己上手，别等硬件工程师来。 曾经有段时间，特斯拉包括 Autopilot 工程师在内每个人都要去工厂轮班制造 Model 3，这就是特斯拉文化的硬核程度。 特斯拉和 SpaceX 都有过类似的故事，包括在巡航高度救下最后一枚猎鹰 1 号。 你能想象 Google X 的员工为了拯救公司在工厂轮班制造谷歌眼镜吗？ 我老婆总是难以理解我以软件工程师的身份在特斯拉什么都干，这不是适合每个人的文化，但我很 OK。 有些人会非常生气并大喊「这不是我的事」，我能理解这种想法但如果可以选的话，我个人觉得亲自上手会更好。」 他的分享结束了，现在我来跑个题。 去年特斯拉 Autopilot 有一个技术，在微博上还引发了一些讨论。就是特斯拉基于光子计数训练，即摄像头数据不再经过 ISP 处理，直接输入深度神经网络。 因为 ISP 处理这个环节是为了把图像的观感调得更讨好人眼，但这个处理过程也可能改变和丢失很多关键的细节，所以图像不经 ISP 直接给深度神经网络，系统反而会取得更强的感知性能，尤其是在低能见度的暗光场景下。 这是特斯拉不依赖激光雷达路线上非常重要的一个技术，是一个叫 Yun-Ta Tsai 的 Autopilot 资深工程师做出来的，Yun-Ta Tsai 对这个技术非常骄傲，给自己的简介里直接标 Photon Count guy，翻译过来就是，光子计数哥吧。 但其实几年前 Yun-Ta Tsai 工作上并不是很顺利，郁郁不得志，最后从 Google X 跳槽去了特斯拉。所以怎么说呢，也不算跑题吧：）