三位智驾大佬回应：Cybercab上路后，L4还需要激光雷达吗？

小马智行张宁、北醒李远、欧摩威Ahmed Irathni，三位自动驾驶高管谈L4感知路线之争。

作者 | 吴雨晴

编辑 | 田 哲

Cybercab已经真正上路，一场关于自动驾驶感知路线的老争论，也再次被推到了台前。

9月3日，特斯拉在奥斯汀低调上线了Cybercab。和过去高调的新品发布不同，这次活动并未面向媒体大规模开放，但这款没有方向盘、没有踏板、完全依赖摄像头和AI系统的Robotaxi，已经开始进入实际运营。

而就在Cybercab上线前一周，Waymo车载软件副总裁Srikanth Thirumalai发布了一篇长文，总结公司在超过2亿英里完全无人驾驶里程中得到的10条AI经验。

文章虽然没有直接点名特斯拉，但其中关于感知路线的判断非常明确：Waymo认为，只依赖摄像头并不足以支撑真正的L4无人驾驶，随着系统安全水平不断逼近极限，感知能力本身会成为继续提升可靠性的瓶颈。

Waymo联席CEO Dmitri Dolgov此前也表达过类似观点。

他以凤凰城沙尘暴为例，当摄像头几乎无法看清环境时，激光雷达仍然能够识别行人。在Waymo看来，多传感器融合的意义并不只是提高日常场景下的识别能力，更重要的是为那些低概率、极端场景留下更高的安全上限。

这恰好与特斯拉的路线形成了鲜明对照。特斯拉长期坚持纯视觉路线，其自动驾驶负责人Ashok Elluswamy也曾明确表示，只依靠摄像头，就可以实现安全、舒适且成本可控的自动驾驶。

马斯克早在2019年就公开将激光雷达称为“注定徒劳的尝试”，甚至断言“任何依赖激光雷达的人都会失败”。在他的判断里，只要机器视觉和神经网络能力足够强，自动驾驶并不需要依赖昂贵的激光雷达。如今，Cybercab真正进入无人驾驶运营，相当于把这条路线从技术主张进一步推向现实验证。

于是，一个争论多年的问题再次变得被推到台前：

随着AI模型能力不断提升，摄像头的物理感知边界究竟能在多大程度上被算法弥补？到了L4阶段，自动驾驶最终会走向更少传感器+更强AI，还是激光雷达、毫米波雷达等多模态感知长期共存？

围绕这个问题，我们邀请了小马智行、北醒、欧摩威三家公司代表，从Robotaxi运营、自动驾驶系统和感知供应链等不同视角，谈谈他们对下一阶段自动驾驶感知路线的判断。

小马智行副总裁张宁：

传感器和大模型两者必须同步突破，才能跨过L4这道门槛。

摄像头在暗光或过亮光线下容易看不清，激光雷达可以直接给出物体的距离和三维结构，毫米波雷达能提供速度信息，而且在雨雪、雾气里也能保持一定感知能力。

因此，通过多个传感器融合，系统可以降低单一感知方式失效带来的风险。

但光有传感器还不够，还需要通过训练模型提升系统对长尾复杂场景的常识推理和泛化能力，比如路边冒烟的车、突然出现的烟花、交警打出的特殊手势。如果无法理解背后的因果关系，车辆依然无法安全决策。

北醒创始人兼CEO李远：

摄像头和激光雷达并非对立关系，摄像头是被动的，负责采集色彩信号；激光雷达是主动的，直接做物理探测。当前，最大的技术红利是大模型。

尽管摄像头因数据广泛而更早贴近大模型，但激光雷达对大模型的意义在于提供物理真值，这也是进一步提升大模型能力的关键。两者结合，是必然的趋势。

欧摩威自动驾驶及出行事业群中国区负责人Ahmed Irathni先生：

的确，AI算法会让摄像头越来越“聪明”，比如可以看懂前车的刹车意图。但这种理解力的提升本质上仍是基于可见光信息的“最优推测”，而非“直接测量”。

如摄像头遇到纯白障碍物，或镜头被泥污冰霜覆盖，算法也无能为力。L4无人驾驶要求“失效可运行”，可验证的安全冗余是底线。

因此未来一定是多模态长期共存。核心原因有三：

一是物理互补。摄像头看语义，激光雷达高精度测距，毫米波雷达测速和保证全工况运行；

二是安全冗余，单一传感器失效必须有异构兜底；

三是这三种传感器的产业链已非常成熟，成本不是大阻力。

如果把视线放到海外，围绕同一个问题，不同公司的答案也并不一致。

其中最鲜明的一条路线，仍然来自特斯拉：尽量减少传感器，把更多能力交给AI。

2025年Q2财报中，特斯拉明确表示，其自动驾驶采用纯摄像头架构，并依靠全球数百万辆车产生的数据训练神经网络，希望借此持续改善安全表现，同时更快扩大Robotaxi网络。

到了2026年，特斯拉仍在官方文件中把Tesla Vision纯摄像头感知系统列为重要技术选择，并强调其有助于降低成本、实现大规模部署。

与之形成对照的，是Waymo这类L4公司。它们并不否认AI和摄像头能力正在快速进步，但仍然选择保留激光雷达、毫米波雷达和摄像头等不同物理原理的传感器。

Waymo在第六代Waymo Driver上，虽然通过减少传感器数量来降低成本，但依然保留摄像头、激光雷达和毫米波雷达三类感知硬件。

Mobileye则采取了另一种比较特别的冗余方式。

一方面，它开发了可独立依靠摄像头完成驾驶任务的系统。另一方面，到了L4阶段，又额外建立一套由毫米波雷达和激光雷达组成的独立感知链路。

两套系统分别建立环境模型，即使其中一套漏掉关键目标，另一套仍可继续发挥作用。

Mobileye把这种设计称为“True Redundancy”，即“真正的冗余”。

到了今天，国外自动驾驶公司的路线之争其实已经比纯视觉还是激光雷达更加具体。

而随着Cybercab、Waymo和Zoox陆续把真正没有安全员的Robotaxi推向公开道路，这些不同的技术选择，也开始从过去的理念之争，进入更长期的真实运营验证。

本文作者长期关注自动驾驶前沿动态，欢迎添加微信 Qing371_ 交流。