自動駕駛的“眼睛”之爭：激光雷達與純視覺
說起自動駕駛，人們最常問的一個問題是：車靠什麼“看”路？對這個問題的不同回答，分化出了智能駕駛領域最持久也最激烈的一場技術路線之爭——激光雷達與純視覺的路線之爭。一方堅信“硬件冗餘纔是安全的底氣”，另一方篤定“算法足夠強大就能復刻人類的感知”。兩種理念碰撞了數年，至今仍未分出絕對的勝負。
兩條路線的邏輯起點
純視覺路線的邏輯其實很樸素——人類靠一雙眼睛和一個大腦就能開車，機器爲什麼不能？特斯拉(TSLA)是這條路線最堅定的旗手。2021年，特斯拉做出了一個讓行業震動的決定：從新生產的車型中徹底移除毫米波雷達。此後推出的每一款新車都只依靠車身搭載的攝像頭和神經網絡算法來實現智能駕駛。特斯拉CEO馬斯克多次公開放話：“激光雷達是多餘的柺杖”。在他看來，增加傳感器類型只會帶來數據融合的混亂和決策的延遲。
而激光雷達陣營則信奉另一套哲學。激光雷達通過發射激光脈衝並測量回波時間，能直接獲取厘米級精度的三維點雲數據。這種“直接測量”在原理上就具備更高的可靠性與可解釋性。支持者認爲，視覺算法再強大，也只是對三維世界的二維投影進行推測，這種“間接感知”存在固有的信息損失。
因此有部分車企選擇了“視覺+激光雷達”的多傳感器融合方案，典型配置包括1到3顆激光雷達、多顆毫米波雷達和十餘顆攝像頭。各傳感器數據在底層融合後再輸入決策模塊——架構雖複雜，但天然具備冗餘性：當攝像頭在強光下失效時，激光雷達仍能正常工作。
成本曾是分水嶺，如今正在被填平
兩條路線最直觀的差異體現在硬件成本上。激光雷達曾經是不折不扣的“貴族傳感器”。早期自動駕駛測試中普遍使用的Velodyne 64線激光雷達HDL-64E，單車系統造價高達7.5萬至8萬美元——比當時作爲測試平臺的豐田普銳斯整車售價(約2.5萬美元)還高出數倍。相比之下，純視覺方案的攝像頭成本僅數十美元。這種懸殊的成本差距，讓純視覺路線在商業上具備了天然的優勢——馬斯克砍掉激光雷達，很大程度上也是爲了讓自動駕駛技術能夠大規模商業化。
然而情況在過去幾年發生了戲劇性的變化。隨着中國供應鏈的快速成熟和技術的迭代，激光雷達的價格出現了斷崖式下跌。據蓋世汽車研究院數據，2025年中國乘用車市場主激光雷達總裝機量達到275.6萬臺，乘用車整體滲透率突破11%。激光雷達從“買不起的高端配置”變成了越來越多車型的標配。成本曾經是純視覺路線最堅實的盾牌，如今這道護城河正在被快速填平。
各有各的短板，沒有誰是完美的
即便成本差距縮小，兩條路線在技術上的優劣勢依然鮮明。純視覺方案的優勢在於系統簡潔、延遲低、數據利用率高。更重要的是，量產車輛能收集海量真實路況數據，形成“數據飛輪”反哺算法迭代。但純視覺的短板同樣突出——攝像頭是被動傳感器，嚴重依賴環境光。在逆光、眩光、黑夜、大雨、大霧等場景下，感知能力會顯著下降。此外，純視覺對極端天氣、異形障碇物(如側翻的貨車、掉落的貨物)的識別，不是靠算法迭代和算力堆砌就能徹底解決的。
激光雷達則能彌補這些短板。它不受光照條件影響，在黑暗、弱光下仍能穩定工作。華爲ADS系統搭載的192線激光雷達，在無路燈道路的夜間行人識別準確率達98.3%，較純視覺方案高出12.7個百分點。但激光雷達也並非萬能——它對濃霧、沙塵等極端天氣同樣存在侷限性。而且，多傳感器融合面臨數據一致性的挑戰：當激光雷達和攝像頭同時感知環境時，兩者數據如果出現不一致，該以誰爲準？這正是馬斯克反覆強調的“傳感器衝突”風險。
市場正在給出自己的答案
有趣的是，市場並沒有一邊倒地倒向某一方，而是呈現出分層的趨勢。在10到15萬元的入門級市場，純視覺方案憑藉成本優勢仍佔有一席之地。而在20萬元以上的中高端市場，激光雷達的滲透率持續攀升。據高工智能汽車數據，2025年1至7月，中國市場標配激光雷達的新車累計交付104.84萬輛，同比增長69.73%，其中20到30萬元區間車型的標配率一度接近30%。
與此同時，政策也在施加影響。2026年6月，工信部公示了《智能網聯汽車 自動駕駛系統安全要求》強制性國家標準報批稿，擬於2027年7月1日實施。值得注意的是，該標準秉持“技術中立”原則，並未強制規定傳感器硬件類型——全文未出現“激光雷達”或“毫米波雷達”字樣。標準從性能層面劃定感知硬性門檻，要求系統具備感知衰退補償機制以應對雨、霧、逆光等複雜環境。業界普遍認爲，僅靠攝像頭的純視覺方案在夜間、低能見度等場景下達到該標準的感知性能要求難度極大，需搭配測距類傳感器形成冗餘。美國新澤西州則在推進編號S1677的法案，明確要求無人駕駛商用車輛必須搭載攝像頭外加至少兩種其他類型傳感器，在實際操作中即雷達和激光雷達。兩地法規共同指向一個趨勢：在L3以上的高階自動駕駛中，單一感知方案正面臨日益嚴苛的安全驗證要求。
兩條路正在走向交匯
回到最初的問題：激光雷達和純視覺，誰更靠譜？現實可能比非此即彼的選擇更復雜。兩條路線並非完全割裂，而是在相互學習和融合。純視覺方案開始引入更多類型的傳感器來補充感知能力；多傳感器融合方案中，視覺算法的地位也越來越高。正如華爲高管所言，每一路傳感器都有它獨特的優勢——激光雷達的小目標分辨率高，毫米波雷達測速及穿透雨霧塵的能力強，所以需要多傳感器的融合。
未來的自動駕駛，大概率不是“激光雷達殺死純視覺”或“純視覺淘汰激光雷達”的零和博弈。更可能的方向是：不同價位、不同級別的車型根據成本和安全需求，選擇不同的感知配置。入門級用純視覺控制成本，高端車型用多傳感器融合保障安全冗餘。而無論選擇哪條路，最終檢驗的標準只有一個——能否用更低的成本通過安全驗證。這場“眼睛”之爭，答案或許不在技術本身，而在消費者願意爲安全付出多少代價。
