在討論這個(gè)問題之前我們先來認(rèn)識(shí)一個(gè)行業(yè)基本誤區(qū)。目前行業(yè)將沒有激光雷達(dá)的方案統(tǒng)稱為純視覺方案，但其實(shí)國內(nèi)很多車企即便沒有激光雷達(dá)，大部分都有毫米波雷達(dá)，嚴(yán)格意義上來說，應(yīng)該是攝像頭為主的視覺方案。但特斯拉的純視覺是只有攝像頭，除了激光雷達(dá)，連毫米波雷達(dá)都沒有，這才是所謂的純視覺。

這時(shí)候我們再來看馬斯克拋棄激光雷達(dá)的原因在哪里。馬斯克的邏輯其實(shí)很簡單，攝像頭是人的“眼睛”，既然人眼能看清，相機(jī)也能看清。但是攝像頭存在的基本事實(shí)無法忽視，缺少深度信息的攝像頭天然就存在“視覺欺騙”的缺陷。比如把白色車輛識(shí)別成白云，將路邊的廣告牌上內(nèi)容識(shí)別為汽車。

問題出在哪里，來看看前特斯拉工程師的回答：

“多個(gè)信息流確實(shí)能提供更多的信息，但是你要解答一個(gè)問題，難道攝像頭本身的信息不夠嗎？還是算法挖掘信息的算法能力不足？比如說緊急剎車、在城市道路的時(shí)候有頓挫感，其實(shí)根源就是它對(duì)周圍物體的速度估計(jì)、它的角度估計(jì)不足，如果是這個(gè)原因，那確實(shí)激光雷達(dá)要比攝像頭好很多，因?yàn)樗軌蚪o你提供更直接的信息，就是攝像頭本身其實(shí)也給你信息了，只不過我們的算法不足夠好，能夠挖掘出這樣的信息。”（摘自《硅谷101》）

這里面存在兩個(gè)問題：在智駕系統(tǒng)里，攝像頭給的信息夠不夠？算法能不能很好地挖掘并處理這些信息？

上述工程師的觀點(diǎn)顯然非常明確，對(duì)于第一個(gè)問題，他認(rèn)為并不是攝像頭收集到的信息不夠，而是算法的能力不行，沒有很好地挖掘和處理攝像頭收集到的信息，也就是第二個(gè)問題的答案。他的論證依據(jù)是，特斯拉V12端到端架構(gòu)上來以后這些問題明顯改善，也就是大家常說的端到端的上限提高了。雖然現(xiàn)在V12依然存在很多問題，但他認(rèn)為這些問題并非傳感器不足導(dǎo)致的，核心問題依然出在算法上。

至于為什么拋棄雷達(dá)？我們可以來看一下特斯拉拿掉毫米波雷達(dá)的案例。

特斯拉之前的自動(dòng)駕駛系統(tǒng)有毫米波雷達(dá)，然而傳感器融合其實(shí)是一個(gè)很復(fù)雜的算法，特斯拉工程師發(fā)現(xiàn)，毫米波雷達(dá)在智駕里的作用小于攝像頭，但是加上毫米波雷達(dá)就增加了算法的復(fù)雜度，甚至可能帶來一些信息干擾導(dǎo)致系統(tǒng)誤判。如果不能實(shí)現(xiàn)1+1＞2的效果，傳感器越多反而是累贅。

特斯拉的實(shí)踐似乎將了雷達(dá)企業(yè)一軍，來看激光雷達(dá)派是如何反駁的。

現(xiàn)在不管是Cruise、Waymo等主流L4公司都是激光雷達(dá)為主。以Waymo的Robotaxi來看，它的傳感器配置可以說是武裝到了牙齒，裝了 5 顆激光雷達(dá)， 30 顆攝像頭，6 顆毫米波雷達(dá)。僅攝像頭就有好幾類，一類是正常攝像頭，一類是專門提升夜視能力的攝像頭，有看 LED 燈的，有熱成像的，還有盲區(qū)攝像頭，外加紅外線的閃光燈。一共五類相機(jī)。

他們的理由是，激光雷達(dá)可以直接拿到位置信息，對(duì)于算法本身的要求相對(duì)會(huì)比較低一些，并且很多可以直接通過傳感器來拿到這些3D的信息，提升系統(tǒng)的安全性和魯棒性，解決很多長尾問題會(huì)更輕松。

攝像頭需要大量的訓(xùn)練數(shù)據(jù)去學(xué)出缺乏3D的信息，這樣的話缺乏監(jiān)管，因?yàn)闆]有一個(gè)參照物，很難去拿到一個(gè)現(xiàn)實(shí)中的一個(gè)ground truth（真值數(shù)據(jù)），如果完全通過這種半監(jiān)督的學(xué)習(xí)方法，想要達(dá)到系統(tǒng)的一個(gè)安全性難度很高。

馬斯克將攝像頭等同于人的研究，但在很多L4技術(shù)人員看來，攝像頭完全不能跟人眼相提并論。

首先，人眼的上限非常高，像素能夠達(dá)到5億，并且能夠自動(dòng)聚焦收縮，但是攝像頭是人為設(shè)計(jì)出來的產(chǎn)物，性能參數(shù)，探測距離都有其局限性。目前像素最高的智駕視覺相機(jī)像素也才800萬，跟人眼完全不是一個(gè)數(shù)量級(jí)。

其二，在可視范圍內(nèi)，人眼只需關(guān)注與自己駕駛行為相關(guān)的信息，而智駕相機(jī)需要關(guān)注可視范圍內(nèi)的所有元素，隨時(shí)排查可能的風(fēng)險(xiǎn)。這樣增加了相機(jī)本身和算法的“工作量”。這些問題可以通過激光雷達(dá)來彌補(bǔ)。

一個(gè)有意思的事情是，雖然很多L4從業(yè)者并不認(rèn)可特斯拉去掉激光雷達(dá)的說法，但是他們也認(rèn)為，信息并不是越多越好，因?yàn)樘囝~外的無效信息會(huì)加劇算法的負(fù)擔(dān)。

這一點(diǎn)讓視覺派有了“可乘之機(jī)”，試圖去找到激光雷達(dá)自身的“漏洞”。他們認(rèn)為，激光雷達(dá)是通過發(fā)出光束來測距，雨雪天氣會(huì)影響激光反射，這些對(duì)智駕就是干擾信息，增加了算法的壓力。

激光雷達(dá)派對(duì)于上述觀點(diǎn)反駁稱，現(xiàn)在的算法技術(shù)已經(jīng)非常成熟，激光雷達(dá)的降噪抗震動(dòng)等問題并不會(huì)對(duì)系統(tǒng)產(chǎn)生太大的影響，激光雷達(dá)能夠產(chǎn)生的價(jià)值遠(yuǎn)大于它的問題。

很多人關(guān)注到一個(gè)事情，今年激光雷達(dá)制造商Luminar在第一季度財(cái)報(bào)中透露特斯拉的訂單達(dá)到了10%，是其最大客戶。

對(duì)此特斯拉工程師解釋是為了讓激光雷達(dá)在測試車上采集訓(xùn)練神經(jīng)網(wǎng)絡(luò)的ground truth（真值數(shù)據(jù)），因?yàn)槿斯o法標(biāo)注物體距離，必須要用專門的傳感器來標(biāo)注。

在兩方battle之外，我們來看一些基本事實(shí)：

目前全球知名的L4公司清一色都是激光雷達(dá)的客戶，包括國內(nèi)的百度，文遠(yuǎn)，小馬，國外的Cruise、Waymo等。至少在L4公司的決策里，激光雷達(dá)并不是備選項(xiàng)，而是必選項(xiàng)。

有意思的是，純視覺和激光雷達(dá)之間也在相互滲透。比如一直堅(jiān)持雙目視覺的卓馭科技（原大疆車載）年初發(fā)布了激目傳感器，把激光雷達(dá)和攝像頭融合在一起形成一個(gè)全新的傳感器，并計(jì)劃于2026年上車。而蔚來，小鵬，華為等原來在激光雷達(dá)領(lǐng)域激進(jìn)的企業(yè)也都在今年推出了純視覺方案，很大一部分原因得益于軟件算法的進(jìn)步。在L2企業(yè)看來，上不上激光雷達(dá)更多是商業(yè)上的考量。

值得注意的是，最近美國聯(lián)邦政府對(duì)特斯拉FSD展開了調(diào)查，理由是能見度降低情況下的檢測和響應(yīng)能力，有分析將矛頭指向了沒有激光雷達(dá)導(dǎo)致信息密度較低。

對(duì)于馬斯克來說，自證的辦法非常簡單，就是其最近新推出的Robotaxi，也采用沒有激光雷達(dá)的純視覺方案，如果馬斯克真能通過純視覺搞定了L4場景，那恐怕所有人都會(huì)閉嘴了。但這一天真的會(huì)來嗎，到底是什么時(shí)候，沒人說得清楚。