特斯拉AI总监阿肖克·埃卢斯瓦米提出核心观点，自动驾驶的瓶颈并非传感器，而是人工智能。他认为，随着AI能力的飞跃，摄像头已能捕捉足够信息，传统传感器如雷达已变得多余，这为自动驾驶技术路线提供了全新视角。
智能速览
自动驾驶的根本是AI问题，而非传感器问题。
摄像头已包含足够的环境信息，关键在于AI的提取能力。
过去使用雷达，是因为当时的AI技术不够强大。
AI能力大幅提升后，其他传感器变得多余。
技术焦点应从硬件堆砌转向AI软件的认知能力。
精华内容
围绕自动驾驶的传感器之争，特斯拉给出了明确的答案。其核心逻辑并非硬件的堆砌，而是对人工智能潜力的极致信任，认为AI的进化足以颠覆传统技术路径。
问题本质：AI而非硬件
自动驾驶领域的普遍认知曾倾向于通过增加更多、更先进的传感器来提升安全性，如激光雷达、毫米波雷达等。然而，这一观点被重新审视，问题的本质被定义为人工智能。核心挑战不在于收集多少数据，而在于AI系统如何像人脑一样理解、认知并预测周围复杂的动态环境。
摄像头：信息已足够
摄像头作为视觉传感器，能够捕捉到丰富的色彩、纹理和形态信息，这与人类驾驶员获取信息的方式高度一致。实际上，摄像头画面中已经包含了自动驾驶所需的大部分信息，例如交通信号灯、车道线、行人、车辆等。真正的瓶颈在于如何让AI从这些二维图像中，实时、准确地构建出三维世界的理解。
雷达：时代的产物
回顾自动驾驶技术发展史，雷达等传感器之所以被广泛采用，是因为当时的AI算法还不够成熟，尤其是在恶劣天气或光照不足等复杂场景下，纯视觉方案表现不佳。雷达作为一种补充，提供了额外的维度（如距离和速度），为尚不完美的AI系统提供了“拐杖”，是一种技术妥协的产物。
AI进化与硬件冗余
随着深度学习和神经网络技术的突破，AI的图像识别和环境理解能力实现了质的飞跃。如今的AI能够更精准地解析摄像头数据，甚至在某些方面超越人类。在这种背景下，特斯拉认为，继续保留雷达等多余的传感器不仅增加了系统复杂性和成本，还可能引入数据融合的冲突，简化为纯视觉方案是更优解。
特斯拉的纯视觉路线，为自动驾驶的发展提供了新思路，将行业竞争从硬件的军备竞赛引向AI算法的深层较量。这一极具前瞻性的策略能否最终胜出，并成为行业标准，将成为未来几年技术路线争论的焦点。
关键评论
有观点认为纯视觉方案注定过时，缺乏硬件冗余保障安全。
有网友巧妙比喻，雷达如同蝙蝠的回声定位，摄像头则是人眼，二者结合或更稳妥。
部分评论对特斯拉的纯视觉策略表示怀疑，认为其未来竞争力堪忧。
