純視覺 VS 激光雷達，不是非此即彼的問題

輔助駕駛里面到底用純視覺，還是激光雷達，是個既陳舊又新鮮的話題。2022年特斯拉成為堅定的視覺派，大多數國內車企站在他的對面。到了2024年，有些已經推出多款搭載激光雷達產品的品牌，開始轉而推純視覺產品。今年3月之后，好像這個“燒餅”又翻過來了，激光雷達派又開始占優。

看似折騰，實則和掌握的技術階段（算力和算法、傳感器的技術水平）有關系。因此可以預見，這個話題還將持續下去，直到沒有明顯的技術瓶頸。

機器學習的四階段

先要澄清一下，不存在“純視覺 PK激光雷達”這個對決關系。沒有哪一輛車只裝了激光雷達不裝攝像頭。激光雷達定位就是打輔助的角色。所以合適的對壘雙方，應該是純視覺VS視覺+激光雷達。

乍一看，后者的傳感器組合多了一個“幫手”，就像二郎神有三只眼一樣，多少會對眼神有幫助吧。不過問題比“乍一看”要麻煩得多。

最初像Waymo嘗試做L4、L5一步到位的企業，測試車上都頂著“花盆”——昂貴的機械旋掃雷達，價格當時高達10萬美元，比街上跑的絕大多數車都貴。當時不僅是攝像頭能力不行的問題，而在于當時的算法認知，還停留在“專家學習系統”層面，就是將知識和規則，用算法的方式定好，交給機器去執行。

后來往前走了一步，簡稱為“特征工程”。就是將特征提取出來，交給機器去學習。這和人開車的思路，開始有點像了，因為人類天生對變化特別敏感。比如顏色、形狀、大小、位置變了，對注意力影響大。注意力機制也是構建AI架構的靈感來源。人傾向于將車窗外的場景變化，簡化為“可駕駛”、“不可駕駛”兩種狀態，再疊加常識（運動推斷）和交通規則，決定駕駛行為。

到了第三階段，即“機器學習”，可以直接將原始數據和少數標簽交給機器，讓機器自己學習特征。這一階段，AI取得了驚人的發展。機器在圖像（語音）識別、分類能力上開始超過人類。

這個時候，特斯拉發明了一個算法，叫“Occupancy NetWork”（占用網絡）。簡單說，就是將運動路徑上三維空間虛擬切割無數立體小方塊，如果檢測到某個小方塊被占用，還分為移動和非移動，那么就可以規避。不會出現以前那種、只有識別出是啥東西才能響應的弊端。以前特斯拉有過無視翻倒的貨車、突然出現的牛等“非結構性”障礙等負面案例。

這一技術是特斯拉走純視覺路線的最大底氣。不過馬斯克說，既然人能用兩只眼開車，純視覺就沒什么問題。

這屬于偷換概念。原因在于，機器尚未達到第四階段，即機器可以像人一樣感知和理解世界；像人一樣在幾乎所有環境當中進行學習和適應，即實現“通用人工智能”。因此，純視覺至少現在還比人的能力低。

純視覺不如人眼，問題在于大腦

這種前提下，討論AEB（主動剎車）的速度上限，其實沒有太大價值。可以理解為商業話術。

純視覺劣于人的能力，已經不再是“眼神”（也就是傳感器能力）問題。人的大腦，出生時自帶一個模型，準確說只有一個模型框架，數據量非常少。比如出生3個月的嬰兒，視覺已經沒大問題（能感知5米外的物體，但缺乏細節），從未見過蛇。當其見到蛇的視頻之后，表現出明顯不安——瞳孔收縮、肢體語言僵硬、哭鬧等。這就是模型殘留的少量參數。大量參數都是后天習得，而且在此過程中（0-3歲），人類裁剪了大量不活躍的腦神經連接——代價是人喪失了這段時間的長期記憶。

相對人的能力，智能機器很難預測行為的所有潛在后果。其行為經常出現“不可解釋”的現象，因為它缺乏人類的經驗。任何形式化的方法，不可能為所有對象和行為建立模型。比如，如何與其他智能體互動、合作，并預料到會導致什么。機器智能仍有重大缺陷。這不是訓練量可以解決的。

端到端的中間結果，往往不可解釋。對這類不可控的可能性，我們都是直接上硬規則來做兜底約束。比如，告訴機器，不管如何動作，絕對不能闖紅燈。但是救護車、消防車就可以在確認安全前提下闖紅燈。為了避免規則的復雜化，應用場景必然受限。

所以，盡管攝像頭對于強光、照度快速變化、低照度、視線受阻（雨雪霧風）的應對能力提高了很多，但大問題在腦子里（算力和算法），因此也別指望當前階段純視覺能夠替代人。

激光雷達是個好輔助嗎？

這個時候，外掛（激光雷達）再度有了用武之地。預測能力不行沒關系，真實世界是三維的，純視覺的本質是三維世界的投影（二維圖像）。缺少的信息維度（深度），激光雷達直接測得。而且，視覺是被動接受光信號，光線的影響不可控。其實人眼也有這個問題，同樣一輛車，夜晚和白天看起來可能完全不同。激光雷達是主動照射，不受可見光影響。

視覺感知的是顏色和亮度，激光雷達感知的是輪廓。對同一輛車，外形輪廓往往更穩定，而顏色和亮度，在不同光線下是不穩定的。理論上，激光雷達測得的數據更可信。

但是，激光雷達的成本雖然壓下來了（仍然比攝像頭貴15倍），但激光雷達的缺陷也與其主動工作方式有關。距離遠了，激光的發散角擴大，能量密度降低很快（和距離的平方成反比衰減）。

目前的技術水平，光照好的時候，對200米以外的物體，192線激光雷達可以獲得的信息，其實不如800萬像素的攝像頭。這樣的條件下，純視覺算法可以輕易識別出類型，但視覺+激光雷達，花費大量算力處理點云-圖像融合數據，結果辨識能力反而不如純視覺。

一線的技術高管告訴我們，和刻板印象相反，激光雷達對天氣非常敏感。如果不是特別大的雪，不會過于遮擋視線（人類大腦和視覺算法都會自動濾除），但這些半透明的小玩意，會在激光雷達幾米處形成一團噪點，很難穿透雪花這種本該無視的障礙物。

真正能無視各種極端天氣的，其實是毫米波雷達（波長：毫米波＞攝像頭＞激光雷達），因為波長越長，繞射性越好。但也因為這一點，毫米波雷達的精度相當感人，無法精確測距。

實際應用中，激光雷達會掃射到很多物體，產生很多回波（多徑效應），信號混疊在一起，給辨識帶來困難。激光雷達處理的幀率，遠不及攝像頭。低幀率看遠距離的高速物體，誤差比攝像頭大。這其實是算力的鍋。激光雷達的信息密度大，無用信息多，吃算力也多。

也因為這些缺陷，激光雷達不能單獨挑大梁，只用來補盲。這樣一來，問題就變成激光雷達只作為特殊條件下輔助，值不值得。所謂特殊條件，低照度、簡單路況、高速行駛，即攝像頭看不了太遠，但又需要系統提供較長“接管窗口”的時候，激光雷達是不錯的補盲手段。

碰到這樣的場景， 純視覺輔助的駕駛者，想確保安全，有兩種選擇：一種是使用輔助駕駛，速度放慢（低照度時必須降至100公里時速以下），給可能的接管留出5~10秒的時間；另一種選擇是人工開，不進入輔助駕駛。

激光雷達能解決類似的困境。綜合成本貴上1~2萬。何去何從，可以自己選擇了。無論如何，理智的駕駛者會避免自身處于危險邊緣。激光雷達的確能在某些場景帶來更大的自由度。

當然，如果天氣過于極端，如果多數人不敢出行的天氣（比如超級大風、大雪大雨等），建議靠邊等待，而非仰仗輔助駕駛，行人所不能之事。

如此看來，將兩種不同適應寬度、不同成本的方案放在一起互掐，即便形成了結論，也要加繁瑣的限定條件。而且，隨著技術的發展，結論可能改變。

比如算力變得廉價，根本不在乎激光雷達吃掉一部分，或者濾波算法可以解決各種融合問題，能處理的極端場景也會增加。未來也可能出現其他傳感器，低成本下實現更寬泛的視覺+3D測量，但至少目前我們還看不到。

注:圖片部分來源網絡，如有侵權，聯系刪除。

風阻爭端，關于工程問題更為復雜

L3，今年真能商業化嗎關稅大戰，裂解了全球汽車價值鏈