4月30日，中國嵌入式系統產業聯盟和通用人工智能AGI專委會主任顧澤蒼宣布：自動駕駛技術迎來新紀元。

近期，馬斯克親自前往北京推動FSD在華落地，取得顯著成效。此舉對中國自動駕駛團隊影響深遠，既可能帶來壓力，亦可能激發動力。

部分曾自詡技術領先的團隊需重新審視自身，反思失敗原因，或對自動駕駛難題認知不足，過于樂觀。2021年6月，特斯拉首次推出自動駕駛產品后，發生多起惡性事故，令馬斯克感嘆：“自動駕駛為何如此艱難？”他意識到，自動駕駛需要具備人類智慧的AI。

特斯拉正是借助強化學習決策模型及4億英里的人為駕駛數據，成功研發出FSD產品。特斯拉對AI理解深入且技術路徑明確，難以被復制。

相較而言，我國團隊在科研態度方面有待提升，過度追求商業炒作。盡管一時之間，眾多團隊宣稱與特斯拉同等水平的端對端自動駕駛，但業內人士深知，在AI底層技術尚未成熟的情況下，過分宣揚技術優勢實屬荒謬。

自動駕駛領域的P=NP算法、混沌世界表征等關鍵理論仍未解決，盲目開發只會浪費大量資金，注定以失敗收場。為讓公眾了解自動駕駛中圖靈機不可解NP問題的復雜性，我們設計了一款程序，并已發布至官網供大眾體驗。

（注：該網址提供的體驗自動駕駛中圖靈機不可解NP問題復雜性的演示程序的文字說明如下：當前，特斯拉FSD的推出為自動駕駛商業化帶來曙光。

然而，特斯拉為何進行長達4億英里的訓練，能否確保未來量產版FSD的安全性？對比之下，谷歌自動駕駛歷經十年發展，路測里程足以環繞地球一周半，卻始終低調行事。

其中究竟隱藏著何種奧秘？實際上，自動駕駛在決策過程中面臨類似于組合理論中圖靈機不可解的NP問題。

為使公眾更直觀地理解，我們將自動駕駛與周圍八輛同行車輛間近32個以上的組合要素進行直接組合，以此證明現階段若無法解決NP問題，僅憑大數據訓練，無論如何聲稱技術領先，在AI底層技術無實質突破的情況下，實現真正的車規級安全自動駕駛仍存在困難。本程序可供下載驗證，誠邀廣大用戶參與！）

該程序直接將自動駕駛的至少32個決策要素進行組合計算，且組合過程永無止境。