最近大家在讨论智能汽车的时候，总会聊到一个听起来特别高科技的词儿——激光雷达。
很多人买车的时候，销售顾问也会特别自豪地指着车顶或者车头那个小小的凸起，说这是咱们车的“火眼金睛”，有了它，不管刮风下雨还是黑灯瞎火，都能把路上的情况看得一清二楚，安全感满满。
听起来，这东西简直就是智能驾驶的标配，是未来汽车的必备神器。
但奇怪的事情发生了，在智能驾驶领域跑在最前面的特斯拉，不仅自己不用，它的老板马斯克还时不时地公开表示，用激光雷达是走了弯路，是个愚蠢的选择。
回头再看看我们国内的汽车市场，你会发现，虽然总有那么几款车把激光雷达当作最大的卖点，但放眼整个市场，真正装上这个“金贵”玩意儿的车型其实并不多。
这到底是怎么回事？
一场本该是技术路线“神仙打架”的好戏，怎么好像快要变成个别企业的“独角戏”了呢？
咱们先来看一组数据，可能会让很多人感到意外。
根据一些行业机构的统计，目前在国内市场上销售的、带有智能驾驶功能的汽车里面，搭载了激光雷达的车型，总共加起来的比例大约只有17%。
这个数字可能比很多人想象的要低。
不过，更关键的信息还在后头。
在这17%的份额里，经过仔细分析会发现，其中有将近四成的销量，都来自于同一家我们都非常熟悉的国内造车新势力。
这就很有意思了，这说明激光雷达的热度，很大程度上是由这一家企业凭一己之力撑起来的。
换句话说，这并不是一个行业普遍认同的趋势，更像是一个“领头羊”带着少数跟随者的特定选择。
绝大多数的汽车厂家，对于要不要花钱装激光雷达这件事，其实都还处在观望，甚至是已经默默放弃的状态。
那么，那些没有选择激光雷达的车企，他们都在忙什么呢？
答案可能会让你觉得有些戏剧性：他们中的很多人，都把目光投向了特斯拉，开始潜心研究和模仿特斯拉的纯视觉技术路线。
这背后有一个很重要的催化剂，那就是特斯拉在技术上实现了一个叫“端到端”的重大突破。
我们可以用一个比较好理解的比喻来解释。
以前的自动驾驶系统，就像一个分工明确的厨房，摄像头、毫米波雷达这些传感器是“采购员”，负责收集食材（路况信息）；然后有专门的“切菜师傅”（感知算法）来识别这些食材是什么；接着有“配菜师傅”（规划算法）来决定这道菜怎么做；最后由“掌勺大厨”（控制算法）来执行操作。
这个流程环节多，任何一个环节出问题都会影响最终的菜品。
而特斯拉的“端到端”技术，就像是请来了一位米其林三星大厨，他看一眼食材，就能直接在大脑里构思出从处理到烹饪的全过程，然后一步到位做出美味佳肴。
这种方式大大简化了流程，效率和学习能力都得到了质的飞跃。
这个技术的出现，给国内的同行们带来了巨大的震撼。
据说，国内有一家在智能驾驶领域投入巨大、原本也重点发展激光雷达的头部车企，专门组织高管团队去美国实地考察了特斯拉的最新技术。
回来之后，这家公司的策略发生了180度的大转弯，立刻对外宣布，将集中全部资源，全力攻克纯视觉识别技术。
无独有偶，另一家技术实力同样雄厚的智驾方案供应商，也悄然调整了研发方向，把重心转向了视觉技术。
这种集体转向的背后，其实是一种深刻的战略焦虑。
他们清楚地看到，特斯拉在纯视觉这条赛道上已经跑出了惊人的速度，并且领先优势还在不断扩大。
如果自己还坚持“多条腿走路”，既要研究激光雷达，又要兼顾视觉，很可能因为资源分散，最终哪一条路都走不精，导致和特斯拉的技术差距被越拉越大。
在这样严峻的竞争形势下，与其被动地落后，不如主动出击，在特斯拉选定的战场上，用同样的规则和它一较高下。
说到这里，我们必须得回到最初的问题，为什么特斯拉从一开始就如此坚决地排斥激光雷达呢？
其实，最初的原因非常现实，就是成本。
在自动驾驶技术发展的早期，一颗性能不错的激光雷达，售价高达数万美元，折合人民币几十万，这比当时一辆普通家用轿车的价格还要贵。
而一个车载摄像头，成本可能只需要几百块钱。
如此悬殊的成本差距，对于立志要将电动智能汽车推广到寻常百姓家的特斯拉来说，是一个根本无法接受的负担。
当然，成本只是一个起点。
真正让特斯拉坚定走纯视觉路线的，是其背后的一套哲学思想，也就是马斯克经常提起的“第一性原理”。
他的逻辑很简单：人类是地球上最优秀的驾驶员，而人类开车靠的是什么？
不就是两只眼睛和一个超级发达的大脑吗？
既然人类可以用视觉信息来处理如此复杂的驾驶任务，那么理论上，只要摄像头的性能足够好，算法足够强大，汽车就完全可以模拟甚至超越人类的驾驶能力。
基于这个信念，特斯拉投入了海量的资源去训练它的神经网络。
就在不久前，特斯拉甚至展示了一项令人惊叹的功能：一辆全新的汽车从工厂下线后，可以完全自动地行驶，穿越复杂的城市道路，最终自己开到车主的家门口。
这无疑是纯视觉技术路线优越性的一个强有力证明。
现在，我们再把目光转回国内市场。
一边是特斯拉的纯视觉方案高歌猛进，吸引了越来越多的追随者；另一边是激光雷达的应用场景并没有如预期那样快速铺开，支持者显得有些形单影只。
这种局面可能会产生一种“马太效应”，让那些本就犹豫不决的车企，更加倾向于放弃激光雷达。
毕竟，在一个缺乏盟友、前景不明朗的技术路线上孤军奋战，需要巨大的勇气和资本。
除了市场和战略选择的因素，阻碍激光雷达在中国普及的，还有两个非常现实的难题。
第一个难题，依然是成本。
虽然经过国内产业链的奋力追赶和激烈的市场竞争，如今激光雷达的成本已经大幅下降，据说有的已经降到了200美元左右，也就是一千多块人民币。
但这只是“相对”便宜了。
相比之下，一个摄像头的成本可能只有一两百块钱。
在当前国内汽车市场价格战打得异常惨烈的大背景下，车企们对于成本的控制已经到了极致，每一分钱都要花在刀刃上。
多出来的这一千多块钱，对于一辆十几万的家用车来说，可能就是影响消费者最终决策的关键因素。
第二个难题，则更加核心，那就是算力的挑战。
智能驾驶系统的训练和运行，背后需要极其庞大的计算能力，我们通常称之为“算力”。
你可以把它理解为汽车的“大脑”有多聪明。
特斯拉之所以能够领先，一个重要原因就是它拥有像Dojo这样的自研超级计算机，可以处理海量的行车数据来“喂养”和训练它的自动驾驶模型。
国内的车企在算力基础设施方面，与特斯拉相比本身就存在一定的差距。
如果他们选择激光雷达和视觉融合的方案，就意味着汽车的“大脑”需要同时处理两种完全不同的数据信息：摄像头提供的二维彩色图像，以及激光雷达提供的三维空间点云。
这两种数据的处理逻辑和算法完全不同，要将它们完美地融合在一起，对算力的消耗是巨大的。
这就好比一个学生，本来准备一门功课就已经很吃力了，现在非要让他同时学习文科和理科，并且两门都要名列前茅，难度可想而知。
因此，对于很多国内车企来说，与其在复杂的融合方案上耗费宝贵的算力资源，不如集中精力，先在纯视觉这条已经被验证过的道路上把基础打扎实，这或许是一种更加务实和明智的选择。
全部评论 （0）