「作为汽车产品的一线缔造者，工程师是最了解汽车产品和技术的人群。产品好不好，技术深不深，用料真不真，在 36 氪「工程师来信」栏目，你能看到更真实的一面。」
特斯拉踏入了 L4 级自动驾驶竞技场。
近日，在美国得州奥斯汀道路上，特斯拉首批 Robotaxi（自动驾驶出租车）车队正式上路。这支车队由 2025 款 Model Y 组成，不用激光雷达，也不用毫米波雷达，在车辆摄像头与自研 AI 芯片的加持下，" 端到端 " 模型在海量数据里学习驾驶技能。
这被视为纯视觉方案的一次巨大胜利。在国内， 车企小鹏也同样走上了视觉方案路线，明确将激光雷达移出核心感知架构。
激光雷达与视觉方案的对立，由来已久。但事实反差是，激光雷达在中国市场的热销——去年全球车载激光雷约 160 万销量中，国内市场占九成。今年以来，激光雷达已从 30 万以上高端车型下沉至 15 万元级大众市场。
激光雷达究竟是 " 情绪价值 "，还是作为 " 安全刚需 "、为视觉方案兜底？36 氪汽车与多位激光雷达相关人士进行了交流。
有激光雷达从业者告诉 36 氪汽车，视觉方案存在难以逾越的物理局限：夜间信噪比衰减、异形障碍物识别歧义等痛点持续存在。
" 不是谁都有能力做到特斯拉那么好的数据驱动能力，视觉方案的代价远远高过一个千百块钱的激光雷达。"
而激光雷达的优势是 " 检测即所得 "，是一种确切的物理量。当下，行业主流辅助驾驶方案基本能实现 150 米有效检测。行业人士认为，激光雷达是一种性价比更高、可靠性更强的方案。
同时，" 激光雷达的使用，是强者恒强 "。该行业人士向 36 氪汽车表示，要把激光雷达用好，首先得把视觉做好。激光雷达本身是来增加置信度的，让物体的表征更具体。
随着底层制造优化，激光雷达成本仍在持续下探，未来将以更低价格实现更高的线束与更密的点云。
与视觉方案的交锋，激光雷达尚未落入下风。
对话人士 X：激光雷达行业资深人士
36 氪汽车：会把激光雷达作为买车的必选项吗？为什么？
答：会。从底层逻辑来讲，摄像头的深度学习本质上是一种概率论，但激光雷达是很确切的物理量，发射回波到接收回波，检测前面有无东西。这种确定性更符合我对技术的预期。
加了激光雷达后，像 AEB 功能比前几年成熟太多了步。而且我们在设计产品时，本身就会着手于视觉方案失效的场景，从这里看到视觉产品的边界，而激光雷达确实能 cover 更多 case。
36 氪汽车：纯视觉方案，在哪些场景下可能容易失效？
答：现在 " 端到端 " 模型最大的进步是数据驱动，但它并不直接解决 Sensor（传感器）本身的物理特征量，摄像头到了夜间一定出现信噪比下降。
端到端的 OCC（占用网络）其实也是用一定像素密度去表达目标特征，但视觉的特性是 " 远近高低各不同 "，遇到非标的、异形的、加上光线强烈变化的，还有阴影歧义、语义歧义、深度歧义，都可能失效。视觉方案的构建要花很大代价，但还是没有办法弥补固有的技术缺陷。
36 氪汽车：视觉方案大部分时间都是 work 的，那失效场景的占比有多高？
答：我和车企经常探讨这个问题，最后结论是—— 90 分之前都是 0。但凡 AEB 误刹一两次，可能用户就会把功能关了，所以这其实是辅助驾驶系统的可用和置信度问题。现在除了特斯拉以及小鹏之外，其他车企还是很依赖激光雷达的权重。
36 氪汽车：有激光雷达公司宣称能检测前方 200 米的距离，当下量产方案能做到什么水平？
答：不是单纯看测距能力，结合激光雷达的线束数量和角分辨率，才表征为目标探测有效距离，这些概念是强相关的。实际检测效果，也取决于车企对激光雷达的理解能力，怎能做自动化数据标注、怎么分布数据样本、怎么解决 bad case，车企中间有能力上的区别。
200 米的基本就是大车能检测到，人会很小，基本反射回来就是点云图里的点。所以角分辨率是比较重要的考量指标。现在市场主流出货的产品线束有 64 线、128 线、192 线。线束越多，角分辨率越大，再乘以测距的能力，才形成实际的检测分布。
36 氪汽车：所以激光雷达不只是一个情绪价值产品？
答：我在这个行业六七年，过去几年激光雷达饱受质疑，我自己也一度认为它是个情绪价值的东西。但我的转变，有两个大的节点。
一是 3 年前跟某家车企一起探索 AEB 时，很清晰地看到了激光雷达的表现，视觉方案还是差了一截。二是尽管行业视觉派、激光雷达派不断争辩，但大家基本都承认跟特斯拉的 gap 还比较大。
不是谁都有能力做到特斯拉那么好的数据驱动，视觉方案的代价远远高过一个千百块钱的激光雷达，不用做深度估计、误差为几厘米、天然轮廓信息很好，能大幅度减少开发的工程量，检测效果大大提升。
所以激光雷达的使用，是强者恒强。有能力的公司会做出更好的东西，用好激光雷达其实有壁垒。
36 氪汽车：不同激光雷达产品之间的性能差异大吗？
答：如果是两年前，我的回答是有差异，但现在，我觉得激光雷达未来的路线肯定是 SPAD（单光子雪崩二极管）时代。
激光雷达可以分为三个核心部分：发射端、接收端和信号处理端。SPAD 属于接收端核心器件，有超高灵敏度，在雾霾天等弱光环境下也能精准测距。现在手机摄像头里的图像传感器 CMOS 都是索尼的，而索尼把手机 CMOS 工艺用到 SPAD 生产上。华为、速腾、禾赛现在也都在用索尼 SPAD 芯片，会慢慢替代掉现有的 SiPM 方案。
好处是，激光雷达线束会越来越多，只要前几年几分之一的价格就能达到相近性能。半导体技术的进步，可能会从 2025、2026 年带来比较好的激光雷达产品性能。
当有一种技术占据强势地位时，行业技术是很容易趋同的。毫米波雷达行业前几年，也是各种技术路线 " 群魔乱舞 "，但现在路线和性能差异已经不大。
36 氪汽车：激光雷达成本还会进一步下降吗？
答：现在已经降到 1000 多块钱了。虽然没有摄像头和毫米波雷达便宜，但激光雷达真是一个性价比很高的产品，能让车企少走很多弯路。大家就嘴上都是特斯拉，身体其实都很诚实。
36 氪汽车：如果激光雷达变得越来越日常，消费者的使用和维护有哪些门槛？
答：车企有专门售后可以换件。前几年激光雷达创业公司可能偏重技术，进入车企供应链后，已经建立起质量体系、供应链体系、管控体系，可以保证产品批量一致性。
我自己觉得，花小几千块钱换个件还是可以接受的。现在中国汽车行业有点畸形，供应商正收益都很低。我的理念是，没有博世大陆很难有 BBA，还是要有正收益让行业健康发展。
36 氪汽车：AEB 要成为强制国标，要求 AEB 系统在 20km/h-60km/h 范围内有效识别行人和两轮车，这个似乎不用激光雷达也可以实现，您怎么看？
答：完全没错，但典型的 AEB 只能对车、行人刹停，面对更复杂场景就不太 OK 了。国标只是一种底线。而激光雷达对 AEB 的增持表现在几个维度，第一是提高触发速度，第二是提高场景可用性。
并且蔚来、理想、小米都有激光雷达，很多车企也在跟进，用户买车也会比对，这是一种竞争带来的进步。
36 氪汽车：如果真有一天特斯拉的纯视觉方案谜题被解开，也被国内同行学习领悟，激光雷达也可能会被真正挤压？
答：特斯拉从 2021 年开完 AI day 之后就一直没有再开过技术发布会，可以适当理解为，特斯拉没有到达逃逸速度。它在国内的表现可能也没有完全达到预期，而且定价、商业模式在在中国并不见得有竞争力。
我从来没有否定过视觉的价值，甚至我认为，要把激光雷达用好，首先得把视觉做的好，大模型、MOE 专家模型都要做好。激光雷达本身是来增加置信度的，让物体的现实表征更具体。
特斯拉有很多信仰，视觉是第一性原理。但用很便宜的价格把激光雷达的线束做的特别高，对我来讲也是一种第一性原理。它很物理，物理地构建世界，物理地表征世界，比概率让我感觉更确切。
36 氪汽车：那激光雷达以后也会跟电池一样，拼到最后就是极致的工艺和技术原料突破吗？
答：是的，像动力电池就要回到化学本身去研究了。而激光雷达的线束还能继续往上堆、摄像头性能也在优化，很多东西还没到瓶颈，还能再 update 一下。
对话人士 D：融合感知工程师，曾在车企与头部辅助驾驶公司任职
36 氪汽车：有些激光雷达参数写着可以实现 200 米测距，这在量产环节能否达到？
答：在感知融合环节，一般厂家能做到 80~120 米有效测距，也有小部分公司能做到 150 米，但是 120~150 米之间可能不太准。激光雷达产品线束越来越高，也有超过 200 线的，这种 200 米检测问题不是很大，但实际量产要考虑可用性、可靠性，以及价格的平衡。
36 氪汽车：激光雷达公司也在推出一些算法，来过滤雨雾雪天气的影响，这能解决问题吗？
答：激光雷达在民用方面的使用时间确实比较短，没有摄像头那么成熟。激光雷达确实对于玻璃、水面等物体有高反射率，形成干扰；在雨雾雪天气下，也会影响激光雷达的检测准确度。确实可以设计相应算法，一定程度上解决问题，但可能无法完全消除物理层面的局限。
