馬斯克放個屁都是香的？

當特斯拉要出異形方向盤時，豐田立馬跟上。當馬斯克在社交平臺上帶貨狗狗幣時，狗狗幣立馬從一文不值成為了市值第四大的加密貨幣。當馬斯克準備收購推特時，推特股價當天暴漲。

似乎，無論特斯拉或者馬斯克做什麼，都會有人立馬跟風，資本也好，車企也罷，特斯拉對它們的影響力都毋庸置疑。

但是，在自動駕駛這一塊，特斯拉沒能拿捏死。眾所周知，在自動駕駛技術上，特斯拉一直堅持純視覺方案，甚至已經拿掉了部分北美車型上的毫米波雷達，把一切交給攝像頭。馬斯克也不止一次表態：鐳射雷達是垃圾。

放眼國內車企，蔚來ET7裝了一顆鐳射雷達，小鵬P5裝了兩顆，威馬M7裝了三顆，長城沙龍則表示：四顆以下別說話。這也是為啥，我們最近看到這些車企的新車，都長了幾個奇怪的犄角。

為什麼國內車企和特斯拉在自動駕駛方案選擇上大相徑庭，鐳射雷達和純視覺技術到底誰更靠譜呢？節省時間，先說答案，鐳射雷達更靠譜。

想要完成自動駕駛，需要讓汽車完成感知——決策——執行三大步驟。我們所談的鐳射雷達與攝像頭，都屬於感知這一塊的。

鐳射雷達能透過發射鐳射來測量周圍事物的距離，粗糙形容整個過程，就很像是我們用一個球，砸向一個障礙物，然後透過球在兩點之間往返的時間，計算出兩點之間的距離。當球越來越多，發射頻率越來越快，覆蓋的角度越來越全，我們就能以此繪製出一個3D空間。

鐳射雷達還具有穿透能力強、抗擾能力強和全天候工作的優勢，這些優勢，正是車規級部件所需要的。

但鐳射雷達，也有一個致命的缺點：貴。過去，一顆鐳射雷達的價格可達8萬美元，相當於一臺車的錢了。當時，特斯拉就是因為鐳射雷達太貴被勸退，最終選擇了純視覺方案。視覺方案背後的邏輯大概就和人開車一樣，人用眼睛感知路況，用大腦決策，用手腳執行，智慧汽車為什麼不行？

於是特斯拉選擇用攝像頭去觀察路況，再將資訊傳送給汽車的大腦進行決策，最終由各種電控系統執行。乍一聽，這個方案行得通，因為我們都是這麼開車的嘛~而且，相比較鐳射雷達閉著眼測距，攝像頭還能看到顏色資訊，簡直完美。

但攝像頭只能捕捉到2D畫面，關鍵的是，它受外界的影響很大，如果碰見個雨雪天氣，就是睜眼瞎。

所以，從硬體上論優勢，還是鐳射雷達更靠譜一些。更何況，採用鐳射雷達的車型，多數使用的是攝像頭+雷達的融合方案。放心，咱只要有“鈔能力”，鐳射雷達看不見顏色、圖案的事兒也能解決。

聽到這，你肯定認為，特斯拉選擇攝像頭，那就是為了省錢啊！

別急，你要直接這麼“斷章取義”，我今兒這篇文章就算是白寫了。前面提到，完成自動駕駛，總共分三步，感知——決策——執行，我們剛剛所講的原理，都僅僅關乎於“感知”，卻沒有聊到後面的決策，而決策又要基於兩大指標產生，即算力和演算法。

算力方面，純視覺方案要比鐳射雷達費力很多。攝像頭採集的是圖片資訊，鐳射雷達採集的則是資料資訊，不用手指頭算都知道，攝像頭拍下的圖片資訊絕對要比雷達產生的位元組資訊大很多。因此，特斯拉才要燒錢研發更高算力的FSD晶片。

在演算法上，特斯拉也要付出更多代價。為了讓演算法和人類的大腦一樣，能夠準確處理“眼睛”採集到的資訊，特斯拉既要教會演算法啥是行人，啥是轎車，啥是大貨車；也要教會演算法如何把各方位的2D圖片，變成3D資訊；更要教會演算法如何識別這些資訊以什麼速度，往什麼方位運動。

要想實現這些，不僅要進行沒日沒夜的“訓練”，更需要海量的資料，而這些資料，由廣大的特斯拉車主提供。這也是其餘車企為啥不敢貿然採用純視覺的原因之一。

總而言之，這種從咿呀學語一直到高才博士的培養，是一定會消耗大量時間成本和研發成本的。如果說特斯拉用純視覺方案純是為了省成本，那這種拆了東牆補西牆的行為，馬斯克自己都會覺得蠢。

到這，認真聽講的同學就會想了，特斯拉費這麼半天勁的事，鐳射雷達不就能解決嗎？這是不是意味著我們能反超了？

不對。

因為即便鐳射雷達能夠減輕一部分算力和演算法壓力，但車企仍要做好“決策”這一步。這就像是在一場高數考試中，特斯拉全靠腦子算，而其它車企拿了一個計算器，最終成績如何，不是一個計算器能夠決定的。所以，想要在自動駕駛上爭高低，演算法仍是關鍵。

對於遠在天邊的自動駕駛，實現它的正確路徑絕不止一條，也不一定只有“純視覺”和“雷達攝像頭融合”這兩條。我們並不能站在現在這個時間節點，去直接判斷未來的對與錯。但我想說的是：安全無小事，在你攝像頭看不見的時候，鐳射雷達幫一把不是更好嗎？

當然，過多的冗餘也是一種浪費。現如今很多品牌在鐳射雷達的數量上“內卷”，個人認為大可不必。因為自動駕駛目前還沒有進階到需要那麼多鐳射雷達的地步。換句話說，對於最多使用L2+的消費者來說，過多的鐳射雷達只是擺設。