纯视觉 VS 激光雷达，不是非此即彼的问题

辅助驾驶里面到底用纯视觉，还是激光雷达，是个既陈旧又新鲜的话题。2022年特斯拉成为坚定的视觉派，大多数国内车企站在他的对面。到了2024年，有些已经推出多款搭载激光雷达产品的品牌，开始转而推纯视觉产品。今年3月之后，好像这个“烧饼”又翻过来了，激光雷达派又开始占优。

看似折腾，实则和掌握的技术阶段（算力和算法、传感器的技术水平）有关系。因此可以预见，这个话题还将持续下去，直到没有明显的技术瓶颈。

机器学习的四阶段

先要澄清一下，不存在“纯视觉 PK激光雷达”这个对决关系。没有哪一辆车只装了激光雷达不装摄像头。激光雷达定位就是打辅助的角色。所以合适的对垒双方，应该是纯视觉VS视觉+激光雷达。

乍一看，后者的传感器组合多了一个“帮手”，就像二郎神有三只眼一样，多少会对眼神有帮助吧。不过问题比“乍一看”要麻烦得多。

最初像Waymo尝试做L4、L5一步到位的企业，测试车上都顶着“花盆”——昂贵的机械旋扫雷达，价格当时高达10万美元，比街上跑的绝大多数车都贵。当时不仅是摄像头能力不行的问题，而在于当时的算法认知，还停留在“专家学习系统”层面，就是将知识和规则，用算法的方式定好，交给机器去执行。

后来往前走了一步，简称为“特征工程”。就是将特征提取出来，交给机器去学习。这和人开车的思路，开始有点像了，因为人类天生对变化特别敏感。比如颜色、形状、大小、位置变了，对注意力影响大。注意力机制也是构建AI架构的灵感来源。人倾向于将车窗外的场景变化，简化为“可驾驶”、“不可驾驶”两种状态，再叠加常识（运动推断）和交通规则，决定驾驶行为。

到了第三阶段，即“机器学习”，可以直接将原始数据和少数标签交给机器，让机器自己学习特征。这一阶段，AI取得了惊人的发展。机器在图像（语音）识别、分类能力上开始超过人类。

这个时候，特斯拉发明了一个算法，叫“Occupancy NetWork”（占用网络）。简单说，就是将运动路径上三维空间虚拟切割无数立体小方块，如果检测到某个小方块被占用，还分为移动和非移动，那么就可以规避。不会出现以前那种、只有识别出是啥东西才能响应的弊端。以前特斯拉有过无视翻倒的货车、突然出现的牛等“非结构性”障碍等负面案例。

这一技术是特斯拉走纯视觉路线的最大底气。不过马斯克说，既然人能用两只眼开车，纯视觉就没什么问题。

这属于偷换概念。原因在于，机器尚未达到第四阶段，即机器可以像人一样感知和理解世界；像人一样在几乎所有环境当中进行学习和适应，即实现“通用人工智能”。因此，纯视觉至少现在还比人的能力低。

纯视觉不如人眼，问题在于大脑

这种前提下，讨论AEB（主动刹车）的速度上限，其实没有太大价值。可以理解为商业话术。

纯视觉劣于人的能力，已经不再是“眼神”（也就是传感器能力）问题。人的大脑，出生时自带一个模型，准确说只有一个模型框架，数据量非常少。比如出生3个月的婴儿，视觉已经没大问题（能感知5米外的物体，但缺乏细节），从未见过蛇。当其见到蛇的视频之后，表现出明显不安——瞳孔收缩、肢体语言僵硬、哭闹等。这就是模型残留的少量参数。大量参数都是后天习得，而且在此过程中（0-3岁），人类裁剪了大量不活跃的脑神经连接——代价是人丧失了这段时间的长期记忆。

相对人的能力，智能机器很难预测行为的所有潜在后果。其行为经常出现“不可解释”的现象，因为它缺乏人类的经验。任何形式化的方法，不可能为所有对象和行为建立模型。比如，如何与其他智能体互动、合作，并预料到会导致什么。机器智能仍有重大缺陷。这不是训练量可以解决的。

端到端的中间结果，往往不可解释。对这类不可控的可能性，我们都是直接上硬规则来做兜底约束。比如，告诉机器，不管如何动作，绝对不能闯红灯。但是救护车、消防车就可以在确认安全前提下闯红灯。为了避免规则的复杂化，应用场景必然受限。

所以，尽管摄像头对于强光、照度快速变化、低照度、视线受阻（雨雪雾风）的应对能力提高了很多，但大问题在脑子里（算力和算法），因此也别指望当前阶段纯视觉能够替代人。

激光雷达是个好辅助吗？

这个时候，外挂（激光雷达）再度有了用武之地。预测能力不行没关系，真实世界是三维的，纯视觉的本质是三维世界的投影（二维图像）。缺少的信息维度（深度），激光雷达直接测得。而且，视觉是被动接受光信号，光线的影响不可控。其实人眼也有这个问题，同样一辆车，夜晚和白天看起来可能完全不同。激光雷达是主动照射，不受可见光影响。

视觉感知的是颜色和亮度，激光雷达感知的是轮廓。对同一辆车，外形轮廓往往更稳定，而颜色和亮度，在不同光线下是不稳定的。理论上，激光雷达测得的数据更可信。

但是，激光雷达的成本虽然压下来了（仍然比摄像头贵15倍），但激光雷达的缺陷也与其主动工作方式有关。距离远了，激光的发散角扩大，能量密度降低很快（和距离的平方成反比衰减）。

目前的技术水平，光照好的时候，对200米以外的物体，192线激光雷达可以获得的信息，其实不如800万像素的摄像头。这样的条件下，纯视觉算法可以轻易识别出类型，但视觉+激光雷达，花费大量算力处理点云-图像融合数据，结果辨识能力反而不如纯视觉。

一线的技术高管告诉我们，和刻板印象相反，激光雷达对天气非常敏感。如果不是特别大的雪，不会过于遮挡视线（人类大脑和视觉算法都会自动滤除），但这些半透明的小玩意，会在激光雷达几米处形成一团噪点，很难穿透雪花这种本该无视的障碍物。

真正能无视各种极端天气的，其实是毫米波雷达（波长：毫米波＞摄像头＞激光雷达），因为波长越长，绕射性越好。但也因为这一点，毫米波雷达的精度相当感人，无法精确测距。

实际应用中，激光雷达会扫射到很多物体，产生很多回波（多径效应），信号混叠在一起，给辨识带来困难。激光雷达处理的帧率，远不及摄像头。低帧率看远距离的高速物体，误差比摄像头大。这其实是算力的锅。激光雷达的信息密度大，无用信息多，吃算力也多。

也因为这些缺陷，激光雷达不能单独挑大梁，只用来补盲。这样一来，问题就变成激光雷达只作为特殊条件下辅助，值不值得。所谓特殊条件，低照度、简单路况、高速行驶，即摄像头看不了太远，但又需要系统提供较长“接管窗口”的时候，激光雷达是不错的补盲手段。

碰到这样的场景， 纯视觉辅助的驾驶者，想确保安全，有两种选择：一种是使用辅助驾驶，速度放慢（低照度时必须降至100公里时速以下），给可能的接管留出5~10秒的时间；另一种选择是人工开，不进入辅助驾驶。

激光雷达能解决类似的困境。综合成本贵上1~2万。何去何从，可以自己选择了。无论如何，理智的驾驶者会避免自身处于危险边缘。激光雷达的确能在某些场景带来更大的自由度。

当然，如果天气过于极端，如果多数人不敢出行的天气（比如超级大风、大雪大雨等），建议靠边等待，而非仰仗辅助驾驶，行人所不能之事。

如此看来，将两种不同适应宽度、不同成本的方案放在一起互掐，即便形成了结论，也要加繁琐的限定条件。而且，随着技术的发展，结论可能改变。

比如算力变得廉价，根本不在乎激光雷达吃掉一部分，或者滤波算法可以解决各种融合问题，能处理的极端场景也会增加。未来也可能出现其他传感器，低成本下实现更宽泛的视觉+3D测量，但至少目前我们还看不到。

注:图片部分来源网络，如有侵权，联系删除。

风阻争端，关于工程问题更为复杂

L3，今年真能商业化吗关税大战，裂解了全球汽车价值链