文 |   极智 GeeTech

近期，特斯拉官方微博发文强调其视觉处理决议的要紧性，宣称"坚抓视觉处理决议，让东谈主东谈主买得起安全智能的产物"。

就在上个月，特斯拉 CEO 埃隆 · 马斯克通过应酬平台 X 晓谕，特斯拉行将推出基于纯东谈主工智能期间的"通用型全自动驾驶（FSD）不休决议"。这一决议延续了公司自 2016 年起坚抓的"视觉优先"战术，将透顶烧毁激光雷达，仅靠录像头和自研芯片扫尾 L4-L5 级自动驾驶。

一边是特斯拉 All in 纯视觉决议，另一边是激光雷达的热销。外洋商场连系与战术接头机构 Yole Group 发布《2025 年全球车载激光雷达商场敷陈》深入，全球乘用车激光雷达商场抓续高速增长，2024 年同比扩增 68%，商场领域攀升至 6.92 亿好意思元。为止 2025 年 3 月底，中国全商场有录用量的激光雷达配置车型达到 94 款，比拟上一年度翻了一倍。

禾赛 CEO 李一帆曾在期间绽开日上示意，车载激光雷达正从"可选功能件"进化为"必选安全件"；同期，用了 8 年傍边的时分，将激光雷达的资本砍掉了 99.5%（从数千好意思元降至 200 好意思元傍边）。

在智能辅助驾驶领域，激光雷达与纯视觉的道路之争已抓续很永劫分，于今仍无定论。岂论是仅用录像头的"纯视觉派"，照旧选用激光雷达 + 毫米波雷达 + 录像头的"多传感器和会派"，这场不合的试验，是期间理念、资本逻辑与商场策略的三重博弈，预示着智能辅助驾驶期间道路之争将再度升级。

通向皆备自动驾驶"第一性旨趣"

特斯拉在发文中示意，公司的视觉处理决议搭配端到端神经网罗架构，已通过数十亿确凿寰球数据样本磨真金不怕火，见效扫尾了多场景、更安全的智能驾驶期间旅途。这一表态进一步阐明了特斯拉在智能辅助驾驶领域的期间遴荐与战术定位。

与业内其他依赖激光雷达等多传感器和会决议不同，特斯拉强调"用实力解说先进的期间不需要不菲紊乱的传感器"。

家喻户晓，特斯拉的 FSD 智能辅助驾驶系统是现时寰球独一的纯视觉决议，致使连毫米波雷达都已弃用，只依靠录像头和 AI 系统。

早在 2021 年，马斯克在承袭媒体采访时就曾宣称："自动驾驶汽车应当使用与东谈主类司机相易的嗅觉驾驶汽车，东谈主依靠眼睛和智商驾驶汽车，自动驾驶汽车也应当这么。"

马斯克以为，谈路和交通章程自己是基于东谈主类视觉联想的，纯视觉决议能最迫临东谈主类驾驶风气，是通向皆备自动驾驶的"第一性旨趣"。他屡次品评激光雷达是"邪恶的不休决议"，称其在复杂谈路环境中效力低下，而视觉系统集中生物神经网罗才是最优解。

之是以特斯拉只选用视觉决议，是为了让车载野神思愈加"专注"，一朝增多雷达等关总共据，会使系统获取高出它处理才气的冗尾数据，如斯会对软件产生负面影响。

从期间角度看，纯视觉决议是一种基于录像头感知系统的期间道路，其中枢想路是欺诈录像头捕捉环境的 RGB 图像数据，通过深度学习算法提真金不怕火语义特征，完成对车辆周围环境的感知、识别和决策。

这一决议的最大特质在于其以算法为中枢启动，通过模拟东谈主类的视觉系统扫尾对复杂驾驶场景的知晓。

比年来，跟着野神思视觉和深度学习期间的快速发展，纯视觉决议的感知才气权贵提高，尤其是在物体检测、场地追踪和旅途筹画等枢纽任务上取得了冲破性进展。

从决议部署角度，纯视觉决议主要依靠录像头这一单一硬件，镌汰了系统集成难度和硬件资本。但其依赖的算法对场景的高效感知与知晓，非凡是在恶劣天气（如大雾、大雨或积雪环境）和受光照条目影响较大的复杂工况下，奈何确保可靠性仍是其中枢挑战之一。

其次，该决议需要处理大批的图像数据，这对自动驾驶系统的数据处理和存储才气提倡了更高的要求，增多了系统的复杂性和能耗。

而国内诚然也有宣称纯视觉决议，试验上应该是"主视觉"，因为除了录像头，现时依旧保留了有其他传感器，仅仅去除了激光雷达。

本年 4 月，特斯拉 CEO 埃隆 · 马斯克通过其应酬平台晓谕，特斯拉行将推出基于纯东谈主工智能期间的"通用型全自动驾驶（FSD）不休决议"。

从商场反应看，特斯拉 FSD 在北好意思商场渗入率超 30%，诚然纯视觉决议在好意思国进展出了优异性能，但可能低估了中国路况的复杂程度。比拟之下，中国车企更擅长集中中国的试验谈路环境成就智能辅助驾驶期间，从而在驾驶格调、安全性等层面扫尾"超车"。比如针对常见的"鬼探头""加塞"情况，中国车企都会在决议中加入更有针对性的不休宗旨。

从效力来看，中国商场中大多数高阶智能辅助驾驶照旧领有了相配出色的完成度，而针对中国路况的优化又会带来更多安全感，这些都是纯视觉决议暂时莫得的特质。

将传感器武装到牙齿的"安全冗余"

自动驾驶的四大中枢期间分别为环境感知、精确信位、旅途筹画、线控奉行。试验的自动驾驶汽车面对的路况远比实验室仿真或者试车场的情况要复杂得多。因此，在行车进程中，自动驾驶汽车需要准确识别相近环境，尤其是及时动态环境数据的精确识别与分析。

在自动驾驶感知系统中，环境感知的中枢场地是全面了解周围环境中的静态和动态元素，包括车谈线、交通标记、其他车辆、行东谈主以及可能存在的破损物。通过对这些元素的准确感知，车辆冒失在复杂的交通场景中构建清亮的环境模子，为后续的驾驶决策提供可靠依据。

环境感知是通过录像头、传感器、雷达对自动驾驶行径的参与方环境的监控以及信息获取，圆善的环境感知期间决议需要多方的信息谐和组成。其中录像头可约略分为单目次像头、双目次像头、环顾录像头等；雷达可分为激光雷达、毫米波雷达和超声波雷达等，因万般雷达旨趣不同，其性能特质也各有千秋，可扫尾不同的功能。

感知系统的扫尾依赖于多个期间模块的协同运作，其中包括传感器数据网络、特征提真金不怕火、数据和会以及语义分析等。

数据网络是感知系统的起首，通过激光雷达、录像头、毫米波雷达、超声波雷达等多种传感器的勾通，感知系统冒失粉饰从远距离到近距离的全场地感知需求。

特征提真金不怕火则通过复杂的算法从原始数据中提真金不怕火如检测车辆范畴、分割行东谈主详细以及识别谈路标记等有价值的信息。

随后，系统通过数据和会期间将来自不同传感器的信息整合为调处的环境模子，以弥补单一传感器可能存在的弱势。比如，激光雷达的数据不错提供高精度的三维点云，但难以别离物体类型，而录像头不错补充视觉信息，增强系统的语义识别才气。

此外，自动驾驶感知系统的联想还需要恬逸高效性和可靠性的要求。在复杂的驾驶场景中，系统需要在极短的时老实处理大批数据，并给出准确的识别和分析完了。

因此，当代感知系统频频借助东谈主工智能期间，非凡是深度学习算法，在场地识别和分类方面取得了权贵的进展。为了草率万般极点天气和光照条目的挑战，感知系统在传感器硬件联想和算法鲁棒性方面也进行了多层优化。

多模态传感器期间是感知系统的基础，亦然感知才气的要紧保险。每种传感器针对不同应用场景领路其独有作用。

激光雷达最大上风在于测距精度终点高，频频不错达到厘米级别，远高于传统的雷达和录像头期间。

通过高密度、高精度的三维点云数据，激光雷达冒失精确感知周围环境中的物体位置、体式和距离，被鄙俚应用于构建周围环境的几何模子，非凡是在复杂城商场景中，它的高空间分辨率和测距才气极地面提高了破损物识别和建图精度。

激光雷达不依赖环境光照条目，冒失在白昼、夜晚以及直快复杂的环境中责任，这使得激光雷达非凡适用于多变的户外环境，如城市街谈、纯正和夜间驾驶等场景。

录像头行为模拟东谈主眼的视觉用具，能拿获丰富的语义信息，用于识别车谈线、交通标记、行东谈主和车辆类型等。录像头在好天和光照清雅的条目下进展出色，但强光、暗影和夜间等复杂光照条目会权贵镌汰其性能。

毫米波雷达在感知速率和距离信息方面进展优异，尤其在雨雪天气和低可见度环境中，冒失可靠责任。但其空间分辨率不及以精确识别静态或复杂花样的物体。

超声波雷达则更多应用于如停车场景中的破损物检测短距离环境感知，但其探伤距离较短，无法恬逸复杂场景需求。

因此，为了克服单一传感器的局限性，多传感器组合已成为自动驾驶的主流不休决议。比拟于依靠录像头的纯视觉感知决议，激光雷达与录像头的和会感知决议，不错带来全局信息获取才气的提高，为行驶安全增添了多重保险。

以华为、梦想汽车为代表的企业是激光雷达的坚韧拥护者。华为智能汽车不休决议 BU CEO 靳玉志在公开步地曾示意，将来走向 L3、L4 级自动驾驶时，汽车必须配备激光雷达。

比如 Waymo 的第五代 Robotaxi，配备了 8 颗录像头、5 颗雷达和 3 颗激光雷达，而第六代 Robotaxi 更是配备了 13 颗录像头、4 颗激光雷达、6 颗毫米波雷达以及一系列外部音频接管器，为驾驶员提供 360 度环顾视线，最远探伤距离达 500 米，极大提高了车辆在不同光照条目、极点天气下的相宜才气。

在 2024 年 12 月的梦想 AI Talk 对话节目中，梦想汽车 CEO 李想被问及"特斯拉莫得用激光雷达，你们为什么要用"时，他坦言保留激光雷达是为了安全。

李想示意，中国路况与好意思国不同，夜深驾驶时可能会碰到尾灯损坏的大货车，致使大货车会停在主路上。在这种情况下，激光雷达不错看到 200 米远的距离，而录像头在无光环境下的可视距离只好 100 多米。这使得激光雷达冒失扫尾 130 公里 / 小时的 AEB 自动进攻制动功能。

AEB 的枢纽性能方针包括刹停速率与误报率，激光雷达能扫尾更远距离的探伤，对物体的检测也愈加灵敏，在高速场景里保证了更高的刹停速率，在城区里则有用镌汰误报率。因此，不少业内东谈主士以为，激光雷达除了承担安全冗余的扮装，更是扫尾 AEB 功能必不能少的感应器，是"功能件"。

事实上，特斯拉与国内车企的道路不合试验是"算法启动"与"硬件启动"的理念之争。特斯拉压押注于通过海量数据磨真金不怕火出"万能算法"，最终扫尾"无雷达"的纯视觉自动驾驶；而国内车企则遴荐用硬件堆砌安全冗余，通过多传感器互补草率复杂场景。

单一期间的安全阻拦在于安全冗余才气的不及，视觉可能"看不见"，激光雷达可能"看不懂"。在确凿场景中，一场大雾足以让视觉系统失效，一个反光物体可能让激光雷达误判，任何单一传感器的"脆弱性"都可能成为系统性风险的导火索。

通过将激光雷达、录像头、毫米波雷达等多种传感器的感知数据进行和会处理，冒失提供更为准确、圆善的环境信息。这种和会感知期间冒失充分欺诈万般传感器的上风，通过在时分和空间上对不同传感器的信息进行对皆和优化，从而弥补单一传感器的弱势。

比如在和会激光雷达和录像头时，激光雷达提供准确的空间位置和深度信息，而录像头则补充色调、纹理等语义信息，二者集中冒失扫尾更全面的场地检测和识别。

不外，和会感知期间的引申仍靠近资本、期间和法例等多方面的挑战。起初，和会感知期间需要集成多种传感器，这增多了系统的复杂性和资本。其次，不同传感器之间的数据和会需要高精度的校准和同步，这对期间扫尾提倡了很高的要求。

单车智能以外的另一条旅途

诚然特斯拉无间为纯视觉道路掩旗息饱读，但当今纯视觉道路仍未是智驾的终局，好意思国针对纯视觉道路的反想与计划从未停歇。出于安全的议论，激光雷达也还远未到被淘汰之时，其行为车企的要紧营销卖点，短期内都不会出现变化。

从国内的期间才气动身，现阶段要扫尾去激光雷达还有难度。特斯拉之是以捍卫纯视觉道路，是基于其在数据、算力与算法三方面的巨量干涉。

在议论资本的时候，不冒失只看到硬件资本，试验上更要议论背后所需要万般研发做事和资源干涉，也便是"全资本"——除了冰山上头的显性资本，还有大批被惨酷的隐性资本，包括算法、路测、云野心、数据标注、仿真磨真金不怕火和系统软件等。

换句话说，特斯拉功课并不好抄，其用数据和算力构建起的门槛和壁垒都极高。

早期，智能辅助驾驶供应链刚刚起步，激光雷达尚未能达到相配踏实的性能进展，且造价憎恨，以万元为单元，车企们退守三舍，激光雷达只可搭载在 Robotaxi 以及高端车型。

但跟着产业发展，激光雷达照旧有了更高的可靠性与资本进展，售价降至千元级别，这亦然高阶智能辅助驾驶冒失渐渐下千里的根底原因。

本年，高阶智能辅助驾驶来到了 20 万元以内的汽车商场，在这个价钱带里，遴荐激光雷达上车的车企越来越多。

试验上，只消资本降到一定程度，车企就无法完了激光雷达的上车，因为激光雷达与先进的算法架构并不冲突，反而能提高智能辅助驾驶系统的鲁棒性。

除了单车智能，通过 AI 网罗细密贯穿路侧传感器、车载末端、云表算力中心等各个节点因素，扫尾对环境数据信息的及时感知、智能决策与精确规定，可证据不同交通场景动态调配野心资源，辅助超视距感知、多车协同规定、交通流优化等复杂任务。

通过与大模子相互配合，AI 网罗构建起及时物理寰球数字镜像，通过万般化的传感器和会、边云协同野心与城市级 V2X 部署，系统可感知整条旅途上的交通动态，并及时推送给前后车辆，扫尾集体颖悟下的自主决策，从而将"单车智能"进化为"系统智能"。

现时，智能辅助驾驶正从早期试点迈向领域化普及阶段，这一进程需要期间翻新与用户体验的均衡共进。激进的期间冒进可能对行业普及程度酿成冲击，而以用户为中心的安合座验远胜于期间"炫技"。

智能辅助驾驶的行业终局尚未了了开云体育(中国)官方网站，但行业共鸣果决清亮：岂论期间旅途奈何遴荐，安全历久是不能最初的底线。在关乎人命安全的领域，稳步构建可靠的期间体系，让用户在每一次出行中感受到有温度、真实赖的期间防守，才是智能辅助驾驶期间普惠大家的正确掀开神气。