近日，有家康迪科技集團公司宣布，將在美國市場發布兩款純電動汽車——康迪K27和K23。這兩款新車定位低端電動車，將于8月18日在美開啟預售。
康迪不是第一家宣布殺入美國市場的中國車企，其實國內汽車企業一直沒停止過進軍美國市場，出發前聲勢浩大，一副不干翻美利堅不回頭的氣勢，但最后無論是國有還是民營汽車企業，都被美利堅大陸教育的服服帖帖。
那為什么都要鍥而不舍的進軍美國呢？
第一：有機會瓜分這塊大蛋糕。美國是僅次于中國的第二大汽車市場，經濟發達，消費力巨大；
第二：意味著品質得到認證。美國的汽車行業標準極其嚴苛，與國內的標準差異相當于中保研與五星批發部的區別，能在這種標準下站穩腳跟的車型，去了其他國家考慮的可能是減配了。
第三：意味著口碑得到認同。美國有著全球最成熟的汽車消費者，他們18~20歲就擁有自己的汽車，30歲前已經有3次以上的換車經驗，沒有真材實料的車型根本忽悠不了這些消費者。從銷量榜就能看出來，能讓美國消費者掏錢的無一不是經典車型，比如猛禽、高爾夫、思域、凱美瑞等等，保時捷泰那種車在美國是不會有生存空間的。
可眾泰汽車偏偏表示不服，2018年，他們官宣眾泰與美國汽車銷售商HAAH（漢姆控股公司）簽署了分銷協議，并成立了眾泰美國公司，計劃從2020年開始在美國分銷眾泰的產品，并通過100個市場的經銷商在美國銷售中國產的眾泰SUV車型。
首款進入美國市場的車型是眾泰T600。T600是令眾泰一舉成名的功臣，與大眾途銳極為相似的外表，也讓廣大網友吐槽不已。
令人難以置信的是，眾泰美國公司的CEO Duke Hale公開表示，對眾泰T600未來在美國市場的表現很有信心，這款車獨特的造型和豐富的配置應該會受到美國家庭的歡迎。
按照計劃，預計在2020年登錄美國之際，眾泰汽車在美國的線下渠道將會擴展到325家門店。
但沒等到2020年的牛皮吹爆。2019年，眾泰汽車在國內市場已經節節敗退，不僅銷量嚴重下滑，還面臨著經銷商退網、資金鏈度單列、拖欠供應商貨款等一系列問題，董事長金浙勇因為一起經濟糾紛，拿不出9萬塊錢被限制高消費，眾泰進軍美國市場的計劃至此再無下文。
大家別以為只是眾泰太自信，其他同學的自信心也很足。
早在2002年6月10日，夏利轎車就出口到美國，成為第一個吃螃蟹的自主品牌。
同樣，還沒等到國外火起來，自己就后院起火，2012年起，一汽夏利經營每況愈下，公司經營性現金流持續為負。
在一汽集團2019年的自主業務整改，一汽夏利成為棄子，上市公司的殼轉讓給中鐵物晟，汽車業務則通過與博郡汽車成立合資公司“天津博郡”延續下去，由于博郡汽車資金鏈斷裂賣身自救，無暇顧及天津博郡的注資和經營，天津博郡無疾而終，一汽夏利才發現遇到的全是“街溜子”，“混改”夢碎，至此別提進軍美國了，連一汽夏利都沒了。
廣汽傳祺接棒進軍歐美。從2013年開始，傳祺便開始出海，并在集團“1513戰略”的指導下陸續進軍海外市場，并且不斷參加底特律和北美車展，相繼在美國設立硅谷研發中心、洛杉磯前瞻設計中心、底特律研發中心等機構，為進軍北美市場做準備，接下來更是一頓操作猛如虎。
2015年1月，廣汽集團作為唯一的中國自主品牌登陸底特律車展，并花了三年多時間去研究北美的相關法律法規。可惜計劃趕不上變化，在2017北美車展上，傳祺代表中國自主品牌第一次站上了車展主舞臺。當時，一位車評人在傳祺展臺，在FACEBOOK上直播解說，當他坐進那輛內飾酷似寶馬i3的GE3并試圖打開手套箱時，手套箱的把手居然斷了。雖然是一件小事，但對非常注重產品可靠性和耐用性的美國人來說，卻會因此認為傳祺品牌乃至中國品牌粗制濫造。顏面掃地啊！
2017年4月郁俊接手總經理職位后，把進軍北美市場的時間點一再推遲。到了2019年底，又因為傳祺的英文名“Trumpchi”與美國現任總統特朗普Trump重名，再次推遲發布車型，此后又受到兩國貿易摩擦的影響，入美計劃再度延遲。
都說“前途（汽車）沒前途”，但其實前途汽車也曾有過理想。
2018年年底，前途母公司長城華冠與美國電動汽車科技公司Mullen簽訂協議，擬于2020年將電動跑車前途K50引入美國市場，Mullen將會扮演著前途K50在美國市場生產與銷售的角色。
2019年年初，前途K50以12.35萬美元（折合人民幣86萬元）的指導價在美國開啟預售。 且不說前途K50國內補貼后售價為68.68萬，遠低于在美國市場的指導價，就這個價格比地頭蛇特斯拉的Model X還貴，有人會為這個名不見經傳的品牌買單嗎？
放心，沒有。大家也不用為前途汽車的前途操心，目前，因為拖欠員工工資、董事長被限制高消費，前途汽車正努力尋求資本方接盤，美國行的計劃也變成到此一游。
奇瑞汽車是走出國門里混得最好的自主品牌，目前其產品已經覆蓋全球80余個國家和地區，在海外建立了1300余家銷售和服務網點，累計出口超過150萬輛，連續16年蟬聯中國乘用車品牌出口第一。
2020年年初，奇瑞放出消息稱將進軍美國市場，為其提供服務的公司正是曾經與眾泰汽車簽訂協議的HAAH。據悉，雙方將采用Vantas這一全新品牌，于2021年年底或2022年年初開始在美國組裝和銷售基于奇瑞平臺的車型。
也就是說，奇瑞的汽車將會以Vantas這個品牌在美國銷售。新品牌還發布了全新LOGO造型，旗下的車型將會以奇瑞星途作為原型車。最后是搶灘登陸還是到此一游，有待時間驗證。
最后說說個人看法，對于登陸美國市場，漫哥暫時還不看好，并不是針對奇瑞，而是說所有自主品牌三五年內都不會在美國市場站穩腳跟。因為美國的車實在便宜，消費者花兩三千刀就能買到高配置、高顏值的二手好車，所以自然免疫自主品牌在國內賴以成名的三板斧：堆配置、打顏值、刷低價。
但與此同時，漫哥舉雙手支持自主品牌搶灘美國市場。因為只有走出去真刀真槍的練兵，咱們才會知道差距在哪，才能知恥而后勇，早日造出一款綜合實力強大的車型。
圖|網
文|漫流尾袋
本文來源于汽車之家車家號作者，不代表汽車之家的觀點立場。
p274415的回答都是吹的，都是拿一些現在的狀況來說的，其實，如果美國靠制度來取勝，那歐盟為什么還這么不行？俄羅斯為什么幾次超過美國？
其實，美國在二戰中毫發未損，很快騰飛，而英國則在二戰消耗了幾乎所有外匯，迅速下滑，德國則變成一片廢墟。這樣，由于美國鼓吹的自由，導致二戰末期德國一些掌握有世界最先進水平的科學家竟然冒死（黨衛軍對科學家監督很嚴格）從蘇軍的將到路線上逃脫，向另一邊的美軍投降，馮布勞恩就是這樣干的，順帶捎走了以噸記的實驗資料；英國在戰后有大量的技術人員移民到美國，很多技術，如超音速飛機技術，英國早在1942年就開始了，但實在不能分出精力來了，便把技術給了美國（順帶說一下，這個超音速計劃比后來美國的X-1要先進很多，因為動力是渦噴的）。
而投入本身的目的成果就是技術，把別國的實驗技術帶來最直接，更何況是把人直接移民過來，像錢學森來的時候美國媒體竟說他捎走了實驗資料，實際上，工程技術的精華在于思想，人員本身的素質比任何實驗材料都寶貴。
而歷史也并非是“勢”所決定的，有時候一個人也可以改變歷史，就像前蘇聯用落后的工藝，和不如美國的技術基礎，卻搶先發射洲際彈道導彈和衛星，實際上靠了一些少數人的功勞，如總師科羅廖夫，大膽用捆綁的主發動機作為火箭動力，而這是因為他們還沒能完全掌握火箭在高空迅速點火的技術，從常規思路看，這意味這他們不可能發射洲際火箭了，因為他們只能造單級的火箭！但蘇聯人硬是用方案繞了過去！！！！
可見，美國的空間技術發展，同高素質的技術移民是不可分的。
python為什么這么火？
原文摘要：深度學習可以讓那些擁有多個處理層的計算模型來學習具有多層次抽象的數據的表示。這些方法在許多方面都帶來了顯著的改善，包括最先進的語音識別、視覺對象識別、對象檢測和許多其它領域，例如藥物發現和基因組學等。深度學習能夠發現大數據中的復雜結構。它是利用BP算法來完成這個發現過程的。BP算法能夠指導機器如何從前一層獲取誤差而改變本層的內部參數，這些內部參數可以用于計算表示。深度卷積網絡在處理圖像、視頻、語音和音頻方面帶來了突破，而遞歸網絡在處理序列數據，比如文本和語音方面表現出了閃亮的一面。
機器學習技術在現代社會的各個方面表現出了強大的功能：從Web搜索到社會網絡內容過濾，再到電子商務網站上的商品推薦都有涉足。并且它越來越多地出現在消費品中，比如相機和智能手機。
機器學習系統被用來識別圖片中的目標，將語音轉換成文本，匹配新聞元素，根據用戶興趣提供職位或產品，選擇相關的搜索結果。逐漸地，這些應用使用一種叫深度學習的技術。傳統的機器學習技術在處理未加工過的數據時，體現出來的能力是有限的。幾十年來，想要構建一個模式識別系統或者機器學習系統，需要一個精致的引擎和相當專業的知識來設計一個特征提取器，把原始數據（如圖像的像素值）轉換成一個適當的內部特征表示或特征向量，子學習系統，通常是一個分類器，對輸入的樣本進行檢測或分類。特征表示學習是一套給機器灌入原始數據，然后能自動發現需要進行檢測和分類的表達的方法。深度學習就是一種特征學習方法，把原始數據通過一些簡單的但是非線性的模型轉變成為更高層次的，更加抽象的表達。通過足夠多的轉換的組合，非常復雜的函數也可以被學習。對于分類任務，高層次的表達能夠強化輸入數據的區分能力方面，同時削弱不相關因素。比如，一副圖像的原始格式是一個像素數組，那么在第一層上的學習特征表達通常指的是在圖像的特定位置和方向上有沒有邊的存在。第二層通常會根據那些邊的某些排放而來檢測圖案，這時候會忽略掉一些邊上的一些小的干擾。第三層或許會把那些圖案進行組合，從而使其對應于熟悉目標的某部分。隨后的一些層會將這些部分再組合，從而構成待檢測目標。深度學習的核心方面是，上述各層的特征都不是利用人工工程來設計的，而是使用一種通用的學習過程從數據中學到的。
監督學習
機器學習中，不論是否是深層，最常見的形式是監督學習。試想一下，我們要建立一個系統，它能夠對一個包含了一座房子、一輛汽車、一個人或一個寵物的圖像進行分類。我們先收集大量的房子，汽車，人與寵物的圖像的數據集，并對每個對象標上它的類別。在訓練期間，機器會獲取一副圖片，然后產生一個輸出，這個輸出以向量形式的分數來表示，每個類別都有一個這樣的向量。我們希望所需的類別在所有的類別中具有最高的得分，但是這在訓練之前是不太可能發生的。通過計算一個目標函數可以獲得輸出分數和期望模式分數之間的誤差（或距離）。然后機器會修改其內部可調參數，以減少這種誤差。這些可調節的參數，通常被稱為權值，它們