在角逐自動(dòng)駕駛的高風(fēng)險(xiǎn)競(jìng)賽中，多年來逐漸形成了一道深刻的理念與工程分歧。

一方是幾乎整個(gè)汽車與科技行業(yè)，他們推崇名為 ** 傳感器融合（sensor fusion）** 的方案 —— 一種 “雙保險(xiǎn)” 式的思路，將攝像頭、雷達(dá)與激光雷達(dá)（LiDAR）結(jié)合，構(gòu)建出冗余、多層級(jí)的環(huán)境感知體系。

另一方則只有特斯拉孤身一人，它大膽且極具爭(zhēng)議地押注在單一感知模式上 ——純視覺、基于攝像頭的感知方案。

特斯拉主動(dòng)拆除并停用雷達(dá)等硬件的決定，曾遭到廣泛質(zhì)疑，但這一舉措源于其對(duì)人工智能與自然智能本質(zhì)的、基于第一性原理的堅(jiān)定信念。想要理解特斯拉為何下此重注，首先必須弄明白：特斯拉究竟否定了什么。

1、什么是傳感器融合？

傳感器融合的概念其實(shí)非常簡(jiǎn)單。它的目標(biāo)是利用不同類型傳感器各自的獨(dú)特優(yōu)勢(shì)，為車輛周圍環(huán)境構(gòu)建一個(gè)單一、統(tǒng)一且高度魯棒（穩(wěn)定可靠）的模型。每種傳感器都有其優(yōu)缺點(diǎn)，理論上，將它們?nèi)诤显谝黄鹂梢詮浹a(bǔ)各自單獨(dú)使用時(shí)的短板。

• 攝像頭能提供最豐富、分辨率最高的數(shù)據(jù)，像人類一樣以色彩和紋理感知世界。它們可以識(shí)別路牌文字、區(qū)分交通燈顏色，并理解復(fù)雜的視覺場(chǎng)景。其主要缺點(diǎn)是：在惡劣天氣和低光照條件下性能會(huì)下降，且難以精確測(cè)量相對(duì)速度。

• 雷達(dá)非常擅長測(cè)量物體的距離和速度，即使在極端天氣下也能正常工作。它能輕松 “看穿” 雨、霧、雪，但缺點(diǎn)在于分辨率較低。無論如何計(jì)算，想要在單一方向上達(dá)到單個(gè)攝像頭的分辨率，需要一個(gè) 12 英尺 × 12 英尺、成本高達(dá)數(shù)百萬美元的雷達(dá)陣列。它能告訴你 “有東西” 以及 “它移動(dòng)得多快”（前提是物體在運(yùn)動(dòng)），但很難判斷物體是什么，也難以識(shí)別靜止物體。

• 激光雷達(dá)（LiDAR）工作原理類似雷達(dá)，但使用激光，能生成環(huán)境的精確3D 點(diǎn)云地圖。它在測(cè)距和形狀感知上精度極高，可以構(gòu)建極其精細(xì)的三維環(huán)境模型。主要缺點(diǎn)是：成本相對(duì)較高，且在惡劣天氣（尤其是霧、雪、雨）中性能會(huì)下降。激光雷達(dá)還有一個(gè)短板：采集的數(shù)據(jù)量極大，僅第一步數(shù)據(jù)處理就需要巨大的算力。

這是行業(yè)內(nèi)成熟的技術(shù)方案，Waymo、Cruise 等公司都在采用：將三類傳感器的數(shù)據(jù)融合，打造一套具備內(nèi)置冗余的感知系統(tǒng)。

2、特斯拉的起點(diǎn)：多傳感器方案

對(duì)很多人來說，這已是一段被遺忘的歷史，但特斯拉并非從一開始就采用純視覺路線。從推出到 2021 年，早期的 Autopilot 系統(tǒng)同時(shí)配備了攝像頭和前向雷達(dá)，雷達(dá)由博世等專業(yè)汽車傳感器廠商提供。

這是一套常規(guī)的傳感器融合方案：雷達(dá)作為主要傳感器，用于測(cè)量前車距離與速度，從而實(shí)現(xiàn)交通感知巡航控制以及早期版本的 FSD Beta 功能。

多年來，這種多傳感器方案一直是行業(yè)標(biāo)準(zhǔn)。即便特斯拉自研了專屬 FSD 芯片，外界仍普遍認(rèn)為雷達(dá)會(huì)繼續(xù)作為核心部件，成為不斷發(fā)展的視覺系統(tǒng)的安全兜底。

然而在 2021 年，特斯拉做出了一次極為激進(jìn)的轉(zhuǎn)向。

3、轉(zhuǎn)折點(diǎn)：特斯拉為何放棄雷達(dá)方案

這一轉(zhuǎn)變始于 2021 年夏天，特斯拉宣布將在新款 Model 3 和 Model Y 上移除雷達(dá)，全面轉(zhuǎn)向名為 ** 特斯拉視覺（Tesla Vision）** 的純攝像頭系統(tǒng)。

此舉源于埃隆?馬斯克基于第一性原理的核心理由：傳感器數(shù)據(jù)沖突會(huì)帶來安全風(fēng)險(xiǎn)—— 這一觀點(diǎn)他至今仍在堅(jiān)持。

激光雷達(dá)和雷達(dá)會(huì)因傳感器沖突而降低安全性。如果激光雷達(dá) / 雷達(dá)與攝像頭的數(shù)據(jù)不一致，該信誰？ 這種傳感器信息模糊帶來的是風(fēng)險(xiǎn)上升，而非下降。這就是 Waymo 無法在高速公路上行駛的原因。 我們?cè)谔厮估详P(guān)閉雷達(dá)，就是為了提升安全性。

埃隆?馬斯克的觀點(diǎn)是，傳感器融合會(huì)催生一個(gè)全新且更危險(xiǎn)的問題：傳感器沖突。

當(dāng)兩種不同的傳感器系統(tǒng)給出相互矛盾的信息時(shí)，車輛該相信哪一個(gè)？哪種傳感器才算 “更精準(zhǔn)” 或 “更安全”？是由車輛在當(dāng)下實(shí)時(shí)判斷，還是由工程師提前設(shè)定好優(yōu)先級(jí)？傳感器信息的模糊性本身就存在風(fēng)險(xiǎn)，因?yàn)闆Q策模塊可能會(huì)因此陷入癱瘓，尤其是在安全優(yōu)先的場(chǎng)景下。

這并非單純的理論思辨，特斯拉的完全自動(dòng)駕駛（FSD）工程師也給出了具體實(shí)例。在同一討論中，特斯拉人工智能工程師蔡允達(dá)指出，雷達(dá)存在根本性缺陷：它無法正確區(qū)分無法產(chǎn)生頻率偏移的靜止物體、橫截面細(xì)小的物體，或是雷達(dá)反射率低的物體。這正是過去困擾特斯拉的 ** 無故急剎（幽靈剎車）** 問題的根源 —— 車輛可能會(huì)把路邊靜止的天橋或丟棄的鋁罐誤判為停下的車輛，從而觸發(fā)不必要的制動(dòng)。

在特斯拉看來，實(shí)現(xiàn)通用化自動(dòng)駕駛的路徑，是攻克視覺感知。人類依靠雙眼這兩臺(tái) “生物攝像頭” 和強(qiáng)大的神經(jīng)網(wǎng)絡(luò)就能駕駛。他們的核心判斷是：如果能讓計(jì)算機(jī)視覺做到完美，那么其他任何傳感器往好了說是多余干擾，往壞了說就是危險(xiǎn)歧義的來源。

4、當(dāng)下方向：純視覺路線的愿景

如今，每一輛全新特斯拉都完全依賴特斯拉視覺系統(tǒng)（Tesla Vision），由 8 顆攝像頭提供支持。該系統(tǒng)通過復(fù)雜的神經(jīng)網(wǎng)絡(luò)構(gòu)建出三維矢量空間的環(huán)境模型，車輛據(jù)此進(jìn)行分析與行駛決策。

關(guān)于純視覺路線，還有一段耐人尋味的插曲。特斯拉推出第四代硬件（現(xiàn)稱 AI4）時(shí)，新款 Model S 和 Model X 都搭載了全新的高清雷達(dá)。但為堅(jiān)定踐行純視覺路線，特斯拉從未在完全自動(dòng)駕駛（FSD）功能中啟用這些雷達(dá)。

事實(shí)上，F(xiàn)SD 表現(xiàn)最成熟的反而是特斯拉銷量最高的車型 Model Y，而非配備額外傳感器的車型。盡管特斯拉可能會(huì)從這些雷達(dá)采集部分?jǐn)?shù)據(jù)、驗(yàn)證系統(tǒng)性能，但雷達(dá)并未真正納入 FSD 的感知體系。

5、 二選一的結(jié)局：非成即敗

特斯拉放棄傳感器融合方案，是其自動(dòng)駕駛路線與行業(yè)其他廠商最核心的區(qū)別。這是一場(chǎng)孤注一擲、高風(fēng)險(xiǎn)高回報(bào)的豪賭，而目前來看，特斯拉明顯占據(jù)上風(fēng)。

特斯拉、埃隆?馬斯克、阿肖克及特斯拉 AI 團(tuán)隊(duì)一致認(rèn)為：想要打造一套具備類人智能、可規(guī)?；?、通用型的自動(dòng)駕駛系統(tǒng)，唯一路徑就是徹底攻克視覺感知難題。如果這一判斷正確，他們將打造出比競(jìng)品那些造價(jià)高昂、堆滿傳感器的車型成本更低、擴(kuò)展性極強(qiáng)的系統(tǒng)。

如果判斷失誤，他們最終可能遭遇性能瓶頸，只能回頭加裝傳感器 —— 但到目前為止，這類瓶頸尚未出現(xiàn)任何端倪。

如今，特斯拉已全力押注純視覺系統(tǒng)，其技術(shù)進(jìn)展與能力毋庸置疑。

（來源：notateslaapp、半導(dǎo)體行業(yè)觀察）

—— 芯榜 ——

更多精彩內(nèi)容，點(diǎn)擊看：