在朋友圈中，有几个声名显赫的“友尽话题”，比如，你相信不相信中医药，你支持俄罗斯还是乌克兰。而在技术控或者汽车迷的朋友圈里，这两年吵翻天的一个题目是：自动驾驶的未来是激光雷达技术还是纯视觉算法。

特斯拉在2023年把自动驾驶技术逐渐进化到基于视觉技术的端到端深度学习。之后推出的FSD V12代，被称为自动驾驶的“ChatGPT”时刻，标志着其重大飞跃。马斯克将其描述为“端到端人工智能”，采用“视觉输入、控制输出”的方法。直接从原始输入（图像）到最终输出（控制指令），让网络自主学习整个过程。

而马斯克打个响指，在其软件上减少了30万条代码，可见其算法效率之强。

FSD的端到端学习理论上可以适应各种复杂场景，不需要为每种情况专门编程。随着数据的增加和模型的更新，系统可以不断改进，处理新的、罕见的情况。

而传统方法通常将问题分解为多个子任务（如物体检测、路径规划等），每个任务单独优化。如解析交通信号，行人机动车位置，从而制定处理规则。这使每个自动驾驶企业或主机厂，都要拥有一支庞大的自动驾驶软件工程师团队，去处理各种老的新的甚至互相矛盾的规则。

就是像老司机开车，瞅一眼周边的车辆行人，是立马该加油通过，还是点刹车让行，靠边开还是不让方向一系列动作就下意识的作出和执行。这得益于已经安装在跑在路上的几百万台特斯拉的视觉摄像头，把10亿英里海量真实世界的驾驶数据，用超过10亿参数的大规模的神经网络，从真人司机驾驶行为进行学习。

“这等于让一个有10亿英里驾驶经验的处理过各种状况的老司机，来给你开车” V12 FSD推出后，评论一片惊叹。

在今年6月份，何小鹏在美国体验特斯拉FSD后，发出了一条意味深长的微博。他毫无吝啬地溢美FSD “在硅谷和高速表现极好，可以达到很高的分数，很多路况处理都很丝滑。我非常感慨FSD在数月里有很大的进步”。

小鹏在国内新势力中可是自动驾驶技术的领军车企，而且被认为是“激光雷达”派的践行者。

在自动驾驶技术中，激光雷达可以通过持续扫描周围环境，生成高分辨率的三维点云图。这些点云图包含了环境中的所有物体及其相对位置，包括道路、建筑物、行人和其他车辆。自动驾驶系统利用这些数据，实时构建周围环境的详细模型，帮助车辆做出正确的决策。

激光雷达还能在恶劣天气条件下，如雨、雾和黑暗环境中，提供可靠的感知数据，确保自动驾驶系统的稳定性和安全性。这也是“激光雷达”派一致诟病“纯视觉”派的地方。

在2021年，小鹏推出了P5，这也是全球首款量产的激光雷达智能汽车。P5装载了2个车规级激光雷达，实现了多传感器的融合。其自动驾驶解决方案（XPILOT）也升级到了3.5版本，除了高速道路，更支持复杂城市道路的辅助驾驶。

因此，小鹏和特斯拉被认为是代表了两种不同的技术路线。

而在今年，据传小鹏将在下半年发布的代号为“F57”的新车，智驾系统会去掉激光雷达，搭载视觉方案以及3D毫米波雷达。这只是个别车型的差异，还是小鹏对于激光雷达技术的放弃？

相比于特斯拉庞大的用户基数，其他的搭载智能驾驶模块的车企显然拉下一大截。这时继续依赖视觉数据的机器学习，赶上特斯拉FSD的表现是极大的困难。因此国内的车企，纷纷把搭载激光雷达，过持续扫描周围环境，生成高分辨率的点云图作为感知的输入。这与特斯拉产生错位竞争，企图“弯道超车”。

可见的是，纯视觉技术，就着FSD v12 的上市，带来丝滑的用户体验，加上对比起激光雷达硬件诱人的成本优势。车企们对其把持不定是毫不意外的。

一个争议是在于视觉方案，在周边视线不佳之时，能否足够安全。

在昏暗环境中，激光雷达通过发射自己的光脉冲来"看清"世界，而不依赖外部光源。这意味着，即使在伸手不见五指的夜晚，激光雷达也能精确绘制周围环境的3D地图。相比之下，视觉系统在低光环境中就像戴上了墨镜的人，难以准确识别物体。

激光雷达提供的是精确的距离信息。它能直接测量到物体的距离，就像给每个物体贴上了精确的距离标签。可以快速创建周围环境的详细3D点云图。视觉系统则需要通过复杂的算法来估算距离，有点像用眼睛目测距离，准确性难免会受到影响。在雨雾恶劣天气条件下可能被严重干扰。

然而，激光雷达也并非完美无缺。极端恶劣的天气仍会影响其性能，而且它的成本和系统复杂度通常高于纯视觉系统。

现在还没有哪条路线可以完全宣称，解决了在这些场景的感知和计算。因此作为车企，大家不得不考量的是安全冗余和成本的关系。视觉系统擅长场景理解和物体识别，激光雷达擅长精确测距和3D环境mapping。两者结合可以互相补充，提供更全面的环境感知。如果一个系统失效，另一个可以继续工作，还可以通过比较两个系统的输出来检测潜在故障。

不考虑成本以及复杂度。能有多个不同传感器的感知安全冗余，肯定是解决方案需要考量的。

另外一个令很多行业内人士不安的是，深度学习是“黑盒子”，可解析性差。“老司机”在开车时往往不是一板一眼的按照书本上的交通规则。有些场合是需要有灵活度的，象前方意外事故造成车道被占必须跨越双黄线……这些都被FSD端到端学习出来了。品一下，这是否有点象《终结者》里头进化出自我意识后，对人类发动核打击的”天网“？

“纯视觉”派的一个很重要的观点是，激光雷达太贵了，搭载上车没有竞争力。

曾经，Velodyne的64线机械激光雷达售价曾高达8万美元，32线产品约2万美元。到了2024年，禾赛科技CEO李一帆表示，激光雷达的成本已经降到了3200元人民币，相比2019年的平均售价1.74万美元（约12万人民币）有了巨大的降幅。

这得益于技术进步，也来自市场的超高速成长带来的规模经济。预计到2025年，中国激光雷达市场规模将达到43.1亿美元，较2019年实现63.1%的年均复合增长率，其中车载领域即无人驾驶和高级辅助驾驶会是主要组成部分。

即使激光雷达变得非常便宜，纯视觉路线的车企是否采用它，作为辅助或者技术冗余，将取决于多个因素。

已经在纯视觉系统上投入大量资源的公司可能不愿意改变方向，以保持其技术路线一致性。添加新的传感器会增加系统复杂性，可能需要重新设计算法和架构。还包括处理额外的激光雷达数据需要更强的计算能力，可能增加成本。从物理上看激光雷达的物理存在仍可能影响车辆设计和空气动力学，特别在纯电车型设计上，风阻系数是工程师极端关注的指标。

但激光雷达可以提供精确的3D环境信息，特别是在夜间或恶劣天气条件下。增加一个额外的传感器系统可以提供更好的冗余，增强系统的鲁棒性。

目前NOA也好， FSD也好，都是L2的技术。说来不是自动驾驶，只是辅助驾驶。对于Level 3以上自动驾驶是否必须要用激光雷达，业内也是争翻天的。