片去判断其中距离的远近，实在太过容易，可这对人工智能视觉算法来说，不是一件容易的事情。
以现在的技术条件，需要进行非常复杂的标注，去分析样例图片中各个部位和像素的距离远近。
因为图片毕竟是2D平面的，而自动驾驶是一个需要掌握好空间距离的任务。
通过大量不同角度的平面图片，来重构一个三维的空间，甚至鸟瞰视角的三维空间是必要的。
不过现在这还只是空中楼阁，马斯克再次联系孟繁岐的来意非常简单，就是希望这个作为骨干的神经网络可以再快一点，或者计算量再小一点。
否则以目前的情况看，特斯拉很难负担得起这个运算量。
实际上，马斯克没有对这件事情抱有特别大的希望。在他看来，孟繁岐上次给出的方案已经好到非常离谱了。
在这个大家才刚开始复现Dream，还没把残差的原理和一些变种搞明白的时间点，孟繁岐已经针对各种不同平台的其他运算设备，做了相当多的实验。
从而通过优化算子结构，调整特定计算过程的方式，将这个核心的骨干网络参数量减少了接近十倍。
运算快了这么多，性能却没什么变化，这已经非常不得了了。