纯视觉 = 仿生人眼？别逗了，这是对现代摄像头的最大误解

关于自动驾驶，坊间总流传着一个看似无懈可击的逻辑：人只用眼睛就能开车，所以车也应该只用摄像头。

支持者认为这是第一性原理的胜利，反对者则嘲笑这是马斯克为了省成本而强行模拟人类的生理局限。毕竟，人眼有盲区、怕强光、夜视能力差，所以我们需要激光雷达来做安全冗余。

这种争论真的很无聊，因为双方都搞错了一个前提：把摄像头当成了机械版的人眼。

实际上，摄像头的感知能力，在物理层面上早就把人眼甩开了几条街。

人眼的盲区，反而是摄像头的舒适区

人眼的感光能力真的很局限。我们的视网膜只能接收 380nm 到 760nm 的可见光。超出这个范围，不管是红外还是紫外，在我们看来就是一片黑。

但车载摄像头用的是 CMOS 传感器。半导体材料对光子的响应范围宽得多，轻轻松松覆盖到 1000nm 甚至更远。你在家拿手机镜头对着电视遥控器，能看到红外光，就是最好的证明，你的眼睛看不见，但传感器看得清清楚楚。

激光雷达的那点秘密，早就在摄像头射程里了

然后是波长。

现在满大街跑的主流车载激光雷达，工作波长通常是 905nm。

再看一眼 CMOS 的感光曲线，905nm 刚好落在摄像头的感光范围里。这意味着，从物理接收光子的角度看，摄像头完全有能力捕捉激光雷达那个频段的信息。

以前做普通成像，为了照顾人类的视觉习惯，工程师会在镜头前加一片红外截止滤光片，把这些多余的红外光砍掉，否则画面颜色会偏红。

但在自动驾驶领域，摄像头要获取的是路况信息而不是要拍好看的照片。完全没必要加上红外截止，把红外光放进来。这时候的摄像头，根本不是什么仿生眼，它就是一个宽光谱的雷达。

既然能看见，为啥还要激光雷达？

肯定有人问，既然摄像头物理上能覆盖激光雷达的波段，那之前各家车企为什么非要装激光雷达？

这其实是算力和算法的锅。

激光雷达自带答案。光子发出去收回来，时间一算，距离是多少米，直接告诉你，不需要脑子猜。因此算法能力差的公司，会更依赖激光雷达来做智驾。因为简单，用if else就能做个勉强能用的版本。

而摄像头虽然接收了同样波段的光，它只是数张 2D 的平面图。想从这张图里反推 3D 空间，对于以前的芯片来说太难了。

但现在情况变了，端到端大模型上来了。现在的 AI 能够通过海量的视频流，配合时序分析，直接在神经网络里重构出 3D 空间。既然脑子够用了，那把所有波段的光子信息一股脑喂给它就行。

到底谁更强？

纯视觉路线被骂了这么多年，很多人只看到了马斯克抠门。

但回到物理底层，摄像头是效率更高的，而且摄像头获取的信息完全包含了激光雷达获取的信息。摄像头的动态范围更高（不怕出隧道的强光）、光谱响应更宽（能看到红外线）、分辨率更细。

当算法已经能理解这些海量信息时，再去纠结像不像人已经没意义了。这套系统在物理感知上，本来就是奔着超越人类去的。