1 、驱动形式和智能化没有必然联系。12v 平台依然可以承载 L2 驾驶辅助（比如 T 系列的沃尔沃）。另外，轻、插电混动≠增程。增程的原罪是能量利用率太低。

2 、自动驾驶至少在目前的法规面前，没有“安全性”这个维度。因为任何异常工况都会立即让你接管。并且你开启辅助驾驶时会有免责条款。

3 、每个人对于车的需求和定义不同，不同维度的属性没有直观的比较意义，也并不存在排他性。机械素质并不比内饰做工高尚，反之亦然。你跟 RR 车主讨论机械素质、阿克曼角、转向比，RR 车主会说你神经病，毕竟他从来没有开过。反之，你跟法拉利车主讨论 NVH ，讨论“后排空间”，他也会认为你脑子有包。

前言：我把“通过 chatGPT”，替换成了“通过统计学 AI 模型”。如果楼主非要强调 chatGPT ，那么请无视。

1 、八股将不复存在。因为机器学习模型是统计学模型，这种背诵式的题目从统计学视角下没有意义。

2 、面试将更为友好。目前的面试是以面试官的技术沉淀为基点的，这就导致如果你和面试官的技术栈重叠度比较低，面试者就会比较痛苦。

3 、我个人推断，面试效果应该与面试官真人大差不差。
工作是人与人之间的协作，所以统计学模型筛选出的优胜者，不一定是岗位的最佳选择。可能需要面试官的二次确认。

4 、面试培训这个垂直领域将不复存在。

成本低，结构好，能力强。这三者在人力资源领域是不可能三角。

如何看待只取决于你的利益方向。

目前宝马的电车还是走的油改电路线（中性词）。
他的电动车定位是“电动力宝马”，和油车之间只是动力来源的区别。

这也就导致油车的优势和电车的优势他都放弃了。

用 web 实现的话，跟 C#有什么关系……

btw：如果一个规划，你没有能力拆解成里程碑，或者你没有其他参考的信息，那么说明这个目标对你来讲没有意义。（说明你压根不了解，或者说没能力了解你的目标。这个目标不在你自身的掌控范围内。）

做规划的前提是，只有对自己能掌控的事物做规划才是有效的。否则都是天方夜谭。

然后时间上，做规划，尤其是长期规划时，要参考其他人做相同事的时间节奏。同时对比你与他之间的资源、能力差别，进行理性计算。

最后，把长时间的规划拆解成小的里程碑，越细越好。只有这样才是一个有效的、可执行的规划。

1 、后续支持、维护能力不稳定。
2 、产品质量下降。
3 、产品设计、业务泄露。