车载 AI 的三个阶段：能看、能算、能决

把车载 AI 想成一个要一步到位的东西，基本都会烂尾。按三个阶段走，每一步都有明确的门槛和验收方式。

阶段一：能看（存下来）

目标只有一个：稳定地把路上的画面存下来，不丢、不坏。门槛是供电、散热、存储循环、断电保护。验收方式很土：连续跑一周，回放看有没有断点。

阶段二：能算（看得懂）

在"能看"的基础上加识别：车牌、行人、车道、前车距离。这一步最容易高估——实验室里准确率很好，真实路况的夜间、逆光、雨天会掉一大截。

一个真实的坑：H.265 这类压缩后的画面是有损的，小目标的识别精度会明显下降。所以识别用的那一路，尽量走过去掉压缩或轻压缩的画面，别拿最终留存的片源去喂算法。

阶段三：能决（闭环）

到这一步才需要"机器自己动"。门槛一下变了：延迟要够低、失效要能兜底、任何自动动作都要有明确的退出条件（人一介入就交还控制权）。

阶段一二的投入不是浪费——它们是把阶段三的风险，提前用便宜的方式暴露出来。

给自己的验收清单

• 阶段一：连续 7 天无断点。
• 阶段二：夜间与逆光下的准确率单独统计过。
• 阶段三：有兜底、有退出条件、有人工接管。