激光雷达看的远是“伪命题”？小鹏高管怎敢“冒天下之大不韪”？

当下的新能源汽车市场，激光雷达已成为高阶辅助驾驶的必要硬件配置之一，甚至被视为“高阶辅助驾驶的入场券”，同时其“看得远”的特性更是被车企广泛宣传的核心卖点。

然而，小鹏汽车自动驾驶产品高级总监袁婷婷近日却公开质疑这一“行业共识”，直言“激光雷达看得远是个伪命题”。一石激起千层浪，小鹏高管怎敢“冒天下之大不韪”？

实际上，小鹏高管所言确实有一定道理。激光雷达是基于飞行时间（ToF）原理，通过发射近红外光并接收回波信号计算距离，但这一机制存在能量衰减定律的天然限制：信号强度随距离呈平方反比衰减。以192线激光雷达为例，200米外的回波信号强度和点云密度仅为近距离的千分之一，导致对轻质物体（如塑料袋）与危险目标（如横穿电瓶车）的区分能力大幅下降。

而且激光雷达的多径效应与低帧率进一步加剧误判风险。例如，城市立交桥等复杂结构易引发激光多次反射，导致信号混叠。某车型曾因误将桥墩阴影识别为静止车辆，触发十余次非必要急刹。而主流激光雷达的10Hz刷新率仅为摄像头帧率的五分之一，在120公里/小时车速下，200米外移动目标在两次扫描间隔中位移超3米，动态识别精度显著降低。

极端天气下的表现更是激光雷达的“阿喀琉斯之踵”。暴雨环境下，其有效探测距离骤降至30米以内，近场噪点增加五倍。而毫米波雷达的长波长特性与纯视觉方案的泛化能力，在低能见度场景中反显优势。

不过，虽说小鹏高管的质疑直击激光雷达的痛点，但行业对传感器融合的共识并未动摇，并且激光雷达在夜间探测、低矮障碍物识别（如井盖）及异形目标检测（如马车）中仍具不可替代性。比如权威机构Waymo测试显示，激光雷达对识别异形障碍物的响应速度比纯视觉快0.3秒，能够显著降低误刹车率。

与此同时，自动驾驶的终极方案应是“摄像头为主、多传感器冗余”的融合体系。例如，毫米波雷达可弥补激光雷达的雨雾短板，摄像头则提供语义信息。这种“扬长避短”的策略既保留硬件优势，又避免单一传感器的局限性。

在数据与算力驱动的时代，如何优化信息处理效率，才是核心命题。无论是特斯拉的纯视觉路线，还是Waymo的融合方案，最终目标都是通过算法实现场景理解而非单纯障碍物识别。

结束语

激光雷达的“远视神话”虽被解构，但其在特定场景的价值仍不可忽视。未来的竞争，将不再是传感器参数的比拼，而是算法能否将多源数据转化为更安全、更流畅的驾驶体验。正如部分专业人士所言：“让辅助驾驶更高效，比争论激光雷达的数量更重要。”

场争议的真正意义，或许在于推动行业跳出“非此即彼”的思维定式，迈向更务实的技术融合之路。