只有氫燃料能救現代汽車

熱衷于“拉仇恨值”的馬斯克不久前再次不負眾望，貢獻了四月最后一個瓜——激光雷達愚人論。有一種說法是，激光雷達是自動駕駛的“眼睛”。換句話說，任何一個想搞自動駕駛的廠商，首先要拜激光雷達這座“山”。然而，在4月24日的“Autonomy Day”產品發布會上，身在空中的馬斯克卻將自己的大炮對準了激光雷達。原話是這樣的，“激光雷達是傻瓜的差事”，只有傻瓜才用激光雷達，現在誰(做自動駕駛)還依賴激光雷達，誰就在劫難逃！不信你就知道了！言辭之激烈，內容之放肆，多少讓馬斯克這個“愛吹牛的人”有些吃驚。于是乎，一夜之間，AI圈、汽車圈、朋友圈都爆了。各路大腕紛紛落幕，從技術爭論到人物諷刺，盡可能的熱鬧，媒體群里也洋溢著一片歡樂的氣氛:頭條穩了！馬斯克花了一周時間，像葫蘆娃一樣給大家貢獻了《一根藤上的七個瓜》。diss Musk一幫“司機”的觀點，時宇科技、文遠智行、Autowise等出行公司，以及威力登等激光雷達公司的重要領導都明確表示，自動駕駛完全擺脫激光雷達是不可能的。然而，馬斯克本人并不孤單。很快科學作家史蒂夫·切尼(Steve Cheney)出來聲援，認為“所有明智的人都會在三年內拋棄激光雷達”，理由和馬斯克一樣，因為(激光雷達)“沒有必要，而且非常昂貴”。不得不說兩邊大佬的觀點都是有的...老生常談。事實上，關于自動駕駛的實現是靠激光雷達還是攝像頭，這個話題已經爭論了很多年。更讓我們感興趣的是，“激光雷達傻瓜理論”出現在這個時間節點可能不是偶然的。背后隱藏的是自動駕駛汽車長期沒有解決的痼疾，確實是時候重新思考方向了。今天我們就用一篇文章幫你說清楚。當老板們談論激光雷達時，他們在談論什么？當眾Diss激光雷達？馬斯克說:坐下來正常操作！在吃瓜之前，我們先來看看自動駕駛和激光雷達的密切關系:如果我們要做一輛自動駕駛汽車，需要完成幾個必要且關鍵的步驟:首先需要感知，即獲取外部信息，然后進行判斷，主要依靠云算法，最后做出決定，什么時候停，什么時候走。可見，感知階段是自動駕駛汽車性能最基本、最重要的信息源和體驗保障。目前主流的感知模式是通過雷達、攝像頭、激光雷達來實現的。這三種方式各有利弊，其中“激光雷達”一直是業界關注的焦點。原因也很簡單。激光雷達具有雷達的測距能力，但分辨率高于雷達。它具有照相機的感知能力，但可以不受光線條件的限制。它唯一的缺點是太貴，無法大規模用于量產車。在過去的幾年里，幾乎所有的自動駕駛廠商都無法回避激光雷達。區別只在于誰能讓三者的排列組合更高效、更精準、更廉價。例如，豐田TRI研究所制造的無人駕駛汽車在車身上配備了七個威力登激光雷達。谷歌自動駕駛公司Waymo在獨立后做的第一件事就是試圖將激光雷達的成本從原來的7萬美元降至7500美元。相比業界對激光雷達的追捧，馬斯克完全是個異類。他堅持認為使用激光雷達是一個錯誤的選擇。在目前的智能駕駛量產車中，特斯拉是唯一一個依靠攝像頭的。這至少說明馬斯克并不“誠實”，而是真心實意地認為激光雷達對自動駕駛的未來毫無價值。說到這里，“課代表”就給大家總結一下“反雷派”(diss lidar的一部分)的幾個重要論點:1。激光雷達成本太高。由于激光雷達“不可替代”的特性，相應的價格也很高，使得汽車廠商和芯片公司很難在激光雷達的前提下實現盈利。那么為什么不考慮降低成本呢？目前激光雷達市場主要由汽車行業支撐，短期內幾乎不可能有新的大規模需求，機械式激光雷達的生產組裝效率也無法快速提升，邊際成本自然居高不下。為了降低整車價格，一些企業采用了更便宜的固態激光雷達，但也帶來了新的問題，即這種雷達無法360度旋轉，無法探測到后面的情況，需要引入新的傳感器，在經濟效果上不可行。2.激光雷達在實際應用中存在bug。一種是激光雷達無法跟蹤目標，因為無法識別顏色；同時，激光雷達在高速運動中要處理的信號越多，海量像素會干擾廣播電視探測器，導致識別進度下降；另外，激光雷達需要額外的外接適配器充電，使用起來比較復雜。3.更關鍵的是，將激光雷達作為提高汽車感知的捷徑，也催生了科技公司和汽車廠商的懶惰。主要體現在高級自動駕駛方案中對激光雷達的過度依賴和堆砌，使得他們或多或少回避了對自動駕駛至關重要的視覺識別算法和芯片等基礎問題。換句話說，激光雷達不僅不能解決實際問題，還可能讓創業者陷入一場盲目堆砌資源的金融戰爭。聽起來合理嗎？試想，如果去掉激光雷達，全面引入視覺識別算法和高性能計算硬件，并不會節省大量的激光雷達部署成本。對于自動駕駛廠商和躍躍欲試的潛在車主來說，無疑是一個福音。確實有公司這么做。除了特斯拉，初創公司AutoX還讓一輛只有7個攝像頭的林肯MKZ浸泡在無人駕駛狀態下的普通車道上。然而，更多的汽車公司和無人駕駛技術公司正在抱怨激光雷達的高昂價格和“業務能力”，他們不得不夜以繼日地研究如何讓激光雷達變得更好。當然，這并不是因為他們有自己的“抖M”體質，而是與其他技術方案相比，激光雷達是當時能找到的最佳方案。你能行，你能行:視覺算法能扛起王者的大旗嗎？在大會上，特斯拉人工智能高級總監安德烈·卡帕西(Andrej Karpathy)是這樣說的——我們人類是完全視覺駕駛的，那么為什么我們必須使用激光雷達才能到達機器呢？這是特斯拉的另一種技術實現思路:通過多攝像頭方案采集數據，然后借助還原實際環境的模擬器訓練神經網絡，通過智能視覺實現車輛對交通狀況的“認知”。特斯拉在現場發布了一組數據，其全視覺感知方案已經能夠處理99.999%的場景。每天，特斯拉汽車有10萬次變道，沒有發生任何交通事故。而且，用戶使用這個視覺模擬系統越多，神經網絡的性能就越好，特斯拉在預測和處理交通狀況方面就會越熟練。當然，特斯拉并沒有把3D圖像處理的訓練工作全部交給用戶，而是圍繞算法做了很多重要的工作，比如通過軟件算法讓圖像數據更加魯棒，從而實現圖像的深度感知。為了保證無人車終端的算法效率，特斯拉還內置了全自動駕駛硬件。然而，盡管做了一系列準備工作，還被激光雷達“祭天”，馬斯克的相機“視知覺”理想真的可靠嗎？至少在某些堅定的“雷派”看來，是不能接受的。他們反駁的理由并非空穴來風:首先，堅持用攝像頭做傳感器的特斯拉已經在之前的事故率上打了自己一巴掌。根據特斯拉官方公布的2019年第一季度數據，使用Autopilot的事故數量較以往有所增加。每行駛287萬英里，就會發生一次事故。近年來，關于車禍的新聞報道成為新聞媒體和電視臺的常客。更重要的是，攝像頭+視覺感知技術+芯片的技術矩陣沒能帶來令人驚喜的結果。比如特斯拉的Autopilot已經是目前所有輔助駕駛功能中最好的了，但就是這樣一個系統，每隔幾分鐘就會提醒人工干預，一些曲率較大的道路彎道會猶豫直接停車。在一些特殊的天氣環境下，單個相機傳感器系統更是捉襟見肘。對此，有網友出現在黑客新聞上說:幾周前芝加哥下雪了，我的自動駕駛儀關閉了，因為大雪遮住了攝像頭。所以我不會買這些“沒有激光雷達的自動駕駛”。在這種情況下，真的很難相信3D視覺感知技術已經成熟到可以完全拋棄激光雷達。根據康奈爾大學的最新研究成果，偽激光雷達的3D深度表示比之前的最優圖像方法精確一倍，在KITTI 3D目標探測排名中已經達到最高水平，但它只將立體相機系統和激光雷達系統的性能差距縮小了一半。對于成熟的汽車制造商和科技旅游公司來說，…ey需要面對市場和用戶的重重考驗，以及政府監管和公共安全的基本約束，需要最大程度的保證無人車的穩定性和準確性。反饋給大眾，“激光雷達”已經成為不可或缺的存在，哪怕只是作為拋鍋道具或者安慰劑。所以，如果一定要爭論這個“激光雷達傻瓜理論”，結果顯然是無論是工業界還是學術界都在傳遞一個明確的信號:在短時間內，期待相機+視覺系統是必要的，也是必須的。這種情況下，老板們是不是有點閑，留下那么多問題沒解決，忙著吵架？目前看來，這場爭論的最大意義在于消解激光雷達長期以來神圣不可動搖的產業意義，試圖尋找新的解決方案。硬或軟或兩者兼而有之:誰將決定自動駕駛的未來？馬斯克此時站出來反對激光雷達，雖然有點激進，但也可能指出了上一階段自動駕駛廠商身上的“皇帝的新衣”確實不適合繼續穿下去。關于這一點，很多業內人士也是認同的。比如時宇科技創始人兼CEO吳甘沙認為，完全不用激光雷達肯定有問題，純視覺方案的魯棒性肯定長期不如視覺加激光融合方案。但從更長的維度來看，靠激光雷達真的沒有未來，因為相機視覺可以有更豐富的維度去理解世界。一些高精地圖創業公司也強調從成本出發，采用低成本的相機方案采集高精數據。在一片喧囂聲中，一場關于硬件和軟件主導權的爭論已經悄然開始。為了理解這一點，我們來更全面的看一下特斯拉除了diss激光雷達還做了什么。一個是硬件3.0的發布，一個強大的全自動駕駛硬件。每個HW3.0包含兩組FSD硬件，每秒可處理高達2.5千兆像素和36.8 TOPS。據說浮點運算能力是NVIDIA Drive Xavier的7倍。值得注意的是，FSD只運行特斯拉加密軟件，不支持非特斯拉軟件。馬斯克也恨恨地說，“特斯拉從來沒有設計過芯片。它怎么可能一下子做出世界上最好的芯片？但它就這么發生了。”二是虛擬仿真系統。基于特斯拉電動汽車的量產(50萬輛且仍在快速增長)，特斯拉擁有訓練神經網絡的關鍵資源。例如，如果特斯拉無法解決車上有一輛自行車的問題(因為會被系統識別為兩個物體)，它會命令汽車將“問題”圖片上傳到總部，特斯拉會對這些圖片進行標記，然后導入神經網絡繼續訓練，直到視覺系統能夠熟練掌握識別技能。比如只通過雷達和攝像頭，只要兩者得到的距離相匹配，神經網絡就可以估算出車輛之間的距離。從這個角度來說，特斯拉的野心并不是向整個行業扔一枚重磅炸彈，而是要打造一個軟硬件一體化的自動駕駛解決方案。在底層技術方面，特斯拉通過自主研發的高性能AI芯片，實現了底層硬件的“彎道超車”，解決了對計算能力的迫切需求，同時擺脫了供應商的限制，最大程度地掌握了核心部件的主動權。特斯拉在軟技術壁壘方面也越來越強。在算法方面，特斯拉擁有基于現實生活數據的神經網絡訓練平臺，同時擁有實時生成的海量詳細數據。至此，已經拿出軟硬件一體化解決方案的特斯拉再次拉開了與同行的競爭差距。同時也做出姿態，以軟硬兼施的方式吸引更多的合作伙伴加入自己的陣營。這場爭論雖然始于“挑釁”，但也離不開營銷炒作的一貫寫法。但同時，人們可以清楚地看到一件事。就像沒有發明汽車的年代，人們只是想要一輛更快的馬車。當自動駕駛到了行業的冷靜期，技術的快速迭代，生存的如履薄冰，讓廠商不得不時時警醒。但沉浸在這種“技術恐慌”中，很容易忘記人類需要的是發明汽車，而不是制造更快的馬車。從這個意義上說，特斯拉的自主博士……ing帝國正在以最具創造性和顛覆性的風格成形。在過于惹眼的裝飾背后，未來的冰山一角已經隱約顯露。熱衷于“拉仇恨值”的馬斯克不久前再次不負眾望，貢獻了四月最后一個瓜——激光雷達愚人論。有一種說法是，激光雷達是自動駕駛的“眼睛”。換句話說，任何一個想搞自動駕駛的廠商，首先要拜激光雷達這座“山”。然而，在4月24日的“Autonomy Day”產品發布會上，身在空中的馬斯克卻將自己的大炮對準了激光雷達。原話是這樣的，“激光雷達是傻瓜的差事”，只有傻瓜才用激光雷達，現在誰(做自動駕駛)還依賴激光雷達，誰就在劫難逃！不信你就知道了！言辭之激烈，內容之放肆，多少讓馬斯克這個“愛吹牛的人”有些吃驚。于是乎，一夜之間，AI圈、汽車圈、朋友圈都爆了。各路大腕紛紛落幕，從技術爭論到人物諷刺，盡可能的熱鬧，媒體群里也洋溢著一片歡樂的氣氛:頭條穩了！馬斯克花了一周時間，像葫蘆娃一樣給大家貢獻了《一根藤上的七個瓜》。diss Musk一幫“司機”的觀點，時宇科技、文遠智行、Autowise等出行公司，以及威力登等激光雷達公司的重要領導都明確表示，自動駕駛完全擺脫激光雷達是不可能的。然而，馬斯克本人并不孤單。很快科學作家史蒂夫·切尼(Steve Cheney)出來聲援，認為“所有明智的人都會在三年內拋棄激光雷達”，理由和馬斯克一樣，因為(激光雷達)“沒有必要，而且非常昂貴”。不得不說兩邊大佬的觀點都是有的...老生常談。事實上，關于自動駕駛的實現是靠激光雷達還是攝像頭，這個話題已經爭論了很多年。更讓我們感興趣的是，“激光雷達傻瓜理論”出現在這個時間節點可能不是偶然的。背后隱藏的是自動駕駛汽車長期沒有解決的痼疾，確實是時候重新思考方向了。今天我們就用一篇文章幫你說清楚。當老板們談論激光雷達時，他們在談論什么？當眾Diss激光雷達？馬斯克說:坐下來正常操作！在吃瓜之前，我們先來看看自動駕駛和激光雷達的密切關系:如果我們要做一輛自動駕駛汽車，需要完成幾個必要且關鍵的步驟:首先需要感知，即獲取外部信息，然后進行判斷，主要依靠云算法，最后做出決定，什么時候停，什么時候走。可見，感知階段是自動駕駛汽車性能最基本、最重要的信息源和體驗保障。目前主流的感知模式是通過雷達、攝像頭、激光雷達來實現的。這三種方式各有利弊，其中“激光雷達”一直是業界關注的焦點。原因也很簡單。激光雷達具有雷達的測距能力，但分辨率高于雷達。它具有照相機的感知能力，但可以不受光線條件的限制。它唯一的缺點是太貴，無法大規模用于量產車。在過去的幾年里，幾乎所有的自動駕駛廠商都無法回避激光雷達。區別只在于誰能讓三者的排列組合更高效、更精準、更廉價。例如，豐田TRI研究所制造的無人駕駛汽車在車身上配備了七個威力登激光雷達。谷歌自動駕駛公司Waymo在獨立后做的第一件事就是試圖將激光雷達的成本從原來的7萬美元降至7500美元。相比業界對激光雷達的追捧，馬斯克完全是個異類。他堅持認為使用激光雷達是一個錯誤的選擇。在目前的智能駕駛量產車中，特斯拉是唯一一個依靠攝像頭的。這至少說明馬斯克并不“誠實”，而是真心實意地認為激光雷達對自動駕駛的未來毫無價值。說到這里，“課代表”就給大家總結一下“反雷派”(diss lidar的一部分)的幾個重要論點:1。激光雷達成本太高。由于激光雷達“不可替代”的特性，相應的價格也很高，使得汽車廠商和芯片公司很難在激光雷達的前提下實現盈利。那么為什么不考慮降低成本呢？目前激光雷達市場主要由汽車行業支撐，短期內幾乎不可能有新的大規模需求，機械式激光雷達的生產組裝效率也無法快速提升，邊際成本自然居高不下。為了降低整車價格，一些企業采用了更便宜的固態激光雷達，但也帶來了新的問題，即這種雷達無法360度旋轉，無法探測到后面的情況，需要引入新的傳感器，在經濟效果上不可行。2.激光雷達在實際應用中存在bug。一種是激光雷達無法跟蹤目標，因為無法識別顏色；同時，激光雷達在高速運動中要處理的信號越多，海量像素會干擾廣播電視探測器，導致識別進度下降；另外，激光雷達需要額外的外接適配器充電，使用起來比較復雜。3.更關鍵的是，將激光雷達作為提高汽車感知的捷徑，也催生了科技公司和汽車廠商的懶惰。主要體現在高級自動駕駛方案中對激光雷達的過度依賴和堆砌，使得他們或多或少回避了對自動駕駛至關重要的視覺識別算法和芯片等基礎問題。換句話說，激光雷達不僅不能解決實際問題，還可能讓創業者陷入一場盲目堆砌資源的金融戰爭。聽起來合理嗎？試想，如果去掉激光雷達，全面引入視覺識別算法和高性能計算硬件，并不會節省大量的激光雷達部署成本。對于自動駕駛廠商和躍躍欲試的潛在車主來說，無疑是一個福音。確實有公司這么做。除了特斯拉，初創公司AutoX還讓一輛只有7個攝像頭的林肯MKZ浸泡在無人駕駛狀態下的普通車道上。然而，更多的汽車公司和無人駕駛技術公司正在抱怨激光雷達的高昂價格和“業務能力”，他們不得不夜以繼日地研究如何讓激光雷達變得更好。當然，這并不是因為他們有自己的“抖M”體質，而是與其他技術方案相比，激光雷達是當時能找到的最佳方案。你能行，你能行:視覺算法能扛起王者的大旗嗎？在大會上，特斯拉人工智能高級總監安德烈·卡帕西(Andrej Karpathy)是這樣說的——我們人類是完全視覺駕駛的，那么為什么我們必須使用激光雷達才能到達機器呢？這是特斯拉的另一種技術實現思路:通過多攝像頭方案采集數據，然后借助還原實際環境的模擬器訓練神經網絡，通過智能視覺實現車輛對交通狀況的“認知”。特斯拉在現場發布了一組數據，其全視覺感知方案已經能夠處理99.999%的場景。每天，特斯拉汽車有10萬次變道，沒有發生任何交通事故。而且，用戶使用這個視覺模擬系統越多，神經網絡的性能就越好，特斯拉在預測和處理交通狀況方面就會越熟練。當然，特斯拉并沒有把3D圖像處理的訓練工作全部交給用戶，而是圍繞算法做了很多重要的工作，比如通過軟件算法讓圖像數據更加魯棒，從而實現圖像的深度感知。為了保證無人車終端的算法效率，特斯拉還內置了全自動駕駛硬件。然而，盡管做了一系列準備工作，還被激光雷達“祭天”，馬斯克的相機“視知覺”理想真的可靠嗎？至少在某些堅定的“雷派”看來，是不能接受的。他們反駁的理由并非空穴來風:首先，堅持用攝像頭做傳感器的特斯拉已經在之前的事故率上打了自己一巴掌。根據特斯拉官方公布的2019年第一季度數據，使用Autopilot的事故數量較以往有所增加。每行駛287萬英里，就會發生一次事故。近年來，關于車禍的新聞報道成為新聞媒體和電視臺的常客。更重要的是，攝像頭+視覺感知技術+芯片的技術矩陣沒能帶來令人驚喜的結果。比如特斯拉的Autopilot已經是目前所有輔助駕駛功能中最好的了，但就是這樣一個系統，每隔幾分鐘就會提醒人工干預，一些曲率較大的道路彎道會猶豫直接停車。在一些特殊的天氣環境下，單個相機傳感器系統更是捉襟見肘。對此，有網友出現在黑客新聞上說:幾周前芝加哥下雪了，我的自動駕駛儀關閉了，因為大雪遮住了攝像頭。所以我不會買這些“沒有激光雷達的自動駕駛”。在這種情況下，真的很難相信3D視覺感知技術已經成熟到可以完全拋棄激光雷達。根據康奈爾大學的最新研究成果，偽激光雷達的3D深度表示比之前的最優圖像方法精確一倍，在KITTI 3D目標探測排名中已經達到最高水平，但它只將立體相機系統和激光雷達系統的性能差距縮小了一半。對于成熟的汽車制造商和科技旅游公司來說，…ey需要面對市場和用戶的重重考驗，以及政府監管和公共安全的基本約束，需要最大程度的保證無人車的穩定性和準確性。反饋給大眾，“激光雷達”已經成為不可或缺的存在，哪怕只是作為拋鍋道具或者安慰劑。所以，如果一定要爭論這個“激光雷達傻瓜理論”，結果顯然是無論是工業界還是學術界都在傳遞一個明確的信號:在短時間內，期待相機+視覺系統是必要的，也是必須的。這種情況下，老板們是不是有點閑，留下那么多問題沒解決，忙著吵架？目前看來，這場爭論的最大意義在于消解激光雷達長期以來神圣不可動搖的產業意義，試圖尋找新的解決方案。硬或軟或兩者兼而有之:誰將決定自動駕駛的未來？馬斯克此時站出來反對激光雷達，雖然有點激進，但也可能指出了上一階段自動駕駛廠商身上的“皇帝的新衣”確實不適合繼續穿下去。關于這一點，很多業內人士也是認同的。比如時宇科技創始人兼CEO吳甘沙認為，完全不用激光雷達肯定有問題，純視覺方案的魯棒性肯定長期不如視覺加激光融合方案。但從更長的維度來看，靠激光雷達真的沒有未來，因為相機視覺可以有更豐富的維度去理解世界。一些高精地圖創業公司也強調從成本出發，采用低成本的相機方案采集高精數據。在一片喧囂聲中，一場關于硬件和軟件主導權的爭論已經悄然開始。為了理解這一點，我們來更全面的看一下特斯拉除了diss激光雷達還做了什么。一個是硬件3.0的發布，一個強大的全自動駕駛硬件。每個HW3.0包含兩組FSD硬件，每秒可處理高達2.5千兆像素和36.8 TOPS。據說浮點運算能力是NVIDIA Drive Xavier的7倍。值得注意的是，FSD只運行特斯拉加密軟件，不支持非特斯拉軟件。馬斯克也恨恨地說，“特斯拉從來沒有設計過芯片。它怎么可能一下子做出世界上最好的芯片？但它就這么發生了。”二是虛擬仿真系統。基于特斯拉電動汽車的量產(50萬輛且仍在快速增長)，特斯拉擁有訓練神經網絡的關鍵資源。例如，如果特斯拉無法解決車上有一輛自行車的問題(因為會被系統識別為兩個物體)，它會命令汽車將“問題”圖片上傳到總部，特斯拉會對這些圖片進行標記，然后導入神經網絡繼續訓練，直到視覺系統能夠熟練掌握識別技能。比如只通過雷達和攝像頭，只要兩者得到的距離相匹配，神經網絡就可以估算出車輛之間的距離。從這個角度來說，特斯拉的野心并不是向整個行業扔一枚重磅炸彈，而是要打造一個軟硬件一體化的自動駕駛解決方案。在底層技術方面，特斯拉通過自主研發的高性能AI芯片，實現了底層硬件的“彎道超車”，解決了對計算能力的迫切需求，同時擺脫了供應商的限制，最大程度地掌握了核心部件的主動權。特斯拉在軟技術壁壘方面也越來越強。在算法方面，特斯拉擁有基于現實生活數據的神經網絡訓練平臺，同時擁有實時生成的海量詳細數據。至此，已經拿出軟硬件一體化解決方案的特斯拉再次拉開了與同行的競爭差距。同時也做出姿態，以軟硬兼施的方式吸引更多的合作伙伴加入自己的陣營。這場爭論雖然始于“挑釁”，但也離不開營銷炒作的一貫寫法。但同時，人們可以清楚地看到一件事。就像沒有發明汽車的年代，人們只是想要一輛更快的馬車。當自動駕駛到了行業的冷靜期，技術的快速迭代，生存的如履薄冰，讓廠商不得不時時警醒。但沉浸在這種“技術恐慌”中，很容易忘記人類需要的是發明汽車，而不是制造更快的馬車。從這個意義上說，特斯拉的自主博士……ing帝國正在以最具創造性和顛覆性的風格成形。在過于惹眼的裝飾背后，未來的冰山一角已經隱約顯露。

標簽：現代起亞北京東風索納塔

汽車資訊熱門資訊