什么值得买App下载 App ›
连续签到专享现金活动

马斯克又向激光雷达开炮!没有人比我更懂激光雷达

近日,特斯拉CEO埃隆·马斯克在社交媒体上再次就自动驾驶技术路线发表看法,驳斥了外界对其激光雷达认知的质疑。针对“2026年仍为激光雷达辩护,结局已注定”的观点,马斯克回应称,自己曾负责监督龙飞船用于空间站对接的雷达开发,以此强调对传感器技术的熟悉程度。这一言论再次引发了业界关于激光雷达与纯视觉方案技术优劣的讨论。
01激光雷达方案面临的技术挑战
  1. 增加模型训练的模态复杂性
    神经网络需融合视觉、激光雷达、雷达及超声波等多源数据。每增加一个传感器,不仅未必带来有效信息增量,反而可能引入需要额外仲裁的数据冲突源,这种手工艺式的传感器融合被视为永久的技术债。
  2. 违背算力规模化应用趋势
    依据“苦涩教训”理论,在单一模态上规模化算力往往优于精心设计的多模态架构。特斯拉移除雷达与超声波传感器后,转向端到端纯视觉方案,其在极端案例处理上的进步速度反而加快。
  3. 缺乏语义理解能力
    激光雷达虽能精确捕捉几何形状,但无法识别物体语义及预测其运动轨迹。自动驾驶最后1%的可靠性问题属于认知范畴,单纯增加传感器无助于解决根本问题,反而可能增加系统噪声。
02纯视觉方案的实战验证与进展
纯视觉方案主张模仿人类驾驶的感知方式,利用摄像头与神经网络模拟人眼与大脑的协同,强调第一性原理。近期,特斯拉FSD(Full Self-Driving)的实测数据为该方案提供了有力支撑。
测试维度FSD V14.2 表现
行驶里程从洛杉矶至纽约,全程4958公里
接管次数0次(全程零接管)
环境适应经受加州浓雾、亚利桑那州暴雨及复杂施工路段考验
功能完成度自动完成进充电站与泊车操作

特斯拉FSD V14.2 长途实测数据

除上述实测外,特斯拉最新推送的FSD V14.3对底层架构进行了彻底升级。据称,新版本反应速度比此前提升20%。在技术路线上,通过世界模型与大算力的结合,纯视觉方案正试图解决自动驾驶的认知难题。
03行业路线分歧与现状

自动驾驶主流技术路线对比

以特斯拉、小鹏为代表
  • 依赖摄像头与神经网络,侧重数据驱动与端到端学习

  • 传感器精简,降低系统复杂度,信噪比高

  • 核心壁垒在于算力规模与世界模型建设

以Waymo及多数中国车企为代表
  • 搭载激光雷达等多种传感器,侧重多模态数据融合

  • 早期可提供高精度的几何感知,但在长尾认知问题上存在瓶颈

  • 运营成本较高,部分方案受限于特定区域

目前,中国国内大部分车商仍采用激光雷达方案,而小鹏等部分厂商已开始转向VLA(Vision-Language-Action)模型与纯视觉路线,并为此配备了高达3000PFLOPS的算力支持。业界对于两种路线的博弈仍在持续,但纯视觉方案在成本控制与泛化能力上的潜力正受到更多关注。

评论

评论区空态插画

当前文章无评论,是时候发表评论了