欢迎关注“新浪科技”的微信订阅号：techsina
文/贾浩楠
来源：量子位（ID:QbitAI)
蔚来1个、小鹏2个、威马3个…智能汽车“军备竞赛”正在上演 。
今年一年间 ， 几个国内头部造车新势力先后推出带激光雷达的量产车 ， 数量一个比一个多 。
表面看好像行业内卷 ， 硬件越堆越多 ， 能力却是未知数 。
但这其实是智能汽车、自动驾驶的两条路线之争 。
得益于国内的基建、供应链优势 ， 以激光雷达为标志的融合感知方案 ， 第一次有了对垒特斯拉纯视觉路线的底气 。
而数年如一日喷激光雷达的马斯克 ， 在创业初期如果有国内新势力的条件 ， 恐怕现在的特斯拉就是另一幅模样了 。
视觉 ， 还是激光雷达？
2020年初 ， 国产特斯拉Model 3上市 ， 中国乘用车市场的竞争 ， 迅速被拉到“智能”层面 。
特斯拉的智能驾驶方案方案 ， 视觉是绝对的主力 ， 8个摄像头覆盖360°视野 。
汽车对目标的感知、以及选择行驶策略的根据 ， 主要依靠摄像头捕捉的图像数据 ， 能力高低 ， 全凭算法决定 。
但从自动驾驶技术发展来看 ， 早期大部分厂家的测试车辆 ， 无一不背着一个“小花盆”：
这就是Lidar ， 中文翻译过来就是激光雷达 。
它代表了另一条技术路线：融合感知 。
行驶决策的依据 ， 不只依赖摄像头 ， 而是综合考虑激光雷达的点云图、视频图像等等数据 。
不同传感器之间的数据在算法层面进行融合互补 。
算法对于图像 ， 可能出现目标漏检误检 ， 这时就能通过雷达回波的点云图“兜底” 。
但是 ， 这样多冗余的方案 ， 却被马斯克嗤之以鼻 。
马斯克认为 ， 既然人类能仅凭两只眼睛开车 ， 那么AI也一定能 。 所以特斯拉的追求 ， 就是打造一个与人类别无二致的“AI司机” 。
采取多传感器方案的 ， 都是算法能力不足的体现 ， “血统”不纯 。
为此 ， 特斯拉的算法、开发平台都围绕图像数据建立 ， 甚至不惜自研芯片、自建超算来打磨算法 。
客观的说 ， 视频图像在数据层面 ， 的确已经包括了驾驶所需的一切信息 ， 但在算法层面 ， 能不能准确感知识别 ， 却是一个大问题 。
去年6月 ， 国内一辆Model 3在开启Autopilot情况下 ， 车辆完全没识别出路上已经出事故侧翻的白色货车 ， 一头怼了上去：
这次所幸无人伤亡 ， 但类似Autopilot这样以视觉为主的智能驾驶方案导致严重后果的的 ， 也不在少数 。
摄像头肯定看到了 ， 但是算法却没能识别 。
视觉方案的缺陷也在于此：恶劣天气、复杂路况 ， 道路上非常规的异形物对系统影响太大 。
且以超大数据“暴力”迭代算法 ， 永远不能覆盖现实场景中所有异型车、障碍 ， 在中国复杂路情况下尤其如此 。
系统失效的风险永远存在 。
所以 ， 要在中国落地真正让用户敢用、愿意用的智能驾驶产品 ， 感知识别是必须补的科目 。
军备竞赛 ， 为什么从激光雷达开始
对于自动驾驶来说 ， 激光雷达是个老朋友了 。
Waymo、百度 ， 以及后来一众创业公司 ， 都在用 。
激光雷达能做什么？
其实就是像周围环境发射激光束 ， 然后从回波信号来计算目标信息 ， 比如距离、方位、高度、速度、姿态、甚至形状等参数 。
激光束遇到目标一定会产生回波 ， 信号也一定能被系统接收 ， 这就与图像目标可能的漏检错检形成本质差别 。