小鹏智驾为何坚持纯视觉,高算力方案真优于激光雷达吗
4月15日,小鹏GX技术发布会发布了基于L4标准的智能驾驶方案,核心参数达到3000TOPS算力,并明确指向L4级别自动驾驶。值得注意的是,该方案并未搭载激光雷达,而是采用了纯视觉大模型路线。这种“高算力加纯视觉”的组合方案引发了外界关于安全冗余的讨论,尤其是在雨雾、逆光、夜间及道路施工等复杂场景下,仅依靠视觉方案能否满足L4级别的安全标准成为关注焦点。
01技术路线:纯视觉与多传感器的博弈
L4智驾技术路线选择
纯视觉路线(小鹏GX)
依托端到端大模型与3000TOPS高算力,侧重软件迭代与数据驱动。
优势在于成本控制及数据规模,避免多传感器融合带来的算法架构重排。
物理边界明显,受低能见度、强眩光及镜头污染影响较大。


多传感器融合(主流L4)
采用多颗激光雷达叠加,配合毫米波雷达及摄像头,强调独立硬件冗余。
具备远距探测与环视无盲区能力,旨在压低极端场景下的风险。
工程链路复杂,涉及数据对齐、融合策略及算力调度的综合挑战。
02工程逻辑:算力能否替代硬件冗余
在L4级别的工程共识中,安全冗余是核心指标。现行法规虽未强制绑定传感器类型,但行业对“能跑起来”与“能长期安全运营”有严格区分。目前公开道路运营的L4无人出租车普遍采用多传感器堆叠策略,目的在于消除单点故障隐患。相比之下,小鹏GX坚持纯视觉方案,若要引入激光雷达,意味着需重构数据标注、融合策略及验证体系,这涉及时间、资金与人才资源的巨大消耗。因此,不加激光雷达在一定程度上是基于工程路径与投入产出比的选择,而非单纯的配置取舍。
03行业现状与现实压力
纯视觉路线的物理局限性在现实环境中依然存在。近期美国国家公路交通安全管理局(NHTSA)升级了对约320万辆搭载纯视觉FSD特斯拉车辆的调查,重点关注低能见度条件下的识别失效及相关碰撞风险。这表明,即便算力提升,摄像头的物理感知约束依然难以通过算法完全消除。尽管小鹏GX保留了毫米波雷达,并将算力推向新高,但消费者对于家用车安全的心理预期更倾向于多一层独立冗余带来的确定性,尤其是在产品目标设定为L4时,这种对安全兜底的需求更为强烈。
综合来看,对于普通用户而言,技术路线的争论最终归结为在极端天气与混乱路况下的系统可靠性。无论是相信纯视觉大模型的持续进化,还是看重多传感器冗余带来的确定性,市场最终期待的是可验证且长期复现的安全体系。
当前文章无评论,是时候发表评论了