特斯拉要做一个违背“祖宗”的决定了！

听说了吗，特斯拉要改祖制，上激光雷达了！

众所周知，特斯拉一直以来，都是纯视觉自动驾驶最坚定的支持者。马斯克本人更是个十分激进的“激光雷达黑”，对采用这一路线进行无人驾驶技术开发嗤之以鼻。在2019年的特斯拉“Autonomy Day”产品发布会上，他甚至直言“任何依靠激光雷达（开发自动驾驶）的人注定完蛋。这些昂贵的传感器毫无必要，就像是长了一堆昂贵的阑尾，你们会明白的。”

然而全球科技圈，心口不一的事情见得多了。

一位来自佛罗里达的自动驾驶行业顾问，Grayson Brulte，近日在推特上发布了几张照片，称看到一辆特斯拉顶着一套“疑似”激光雷达的设备。

市场沸腾了——雷达制造商LUMINAR的股价一飞冲天。马斯克就像大洋彼岸的罗老师，带什么货都有模有样，不论是浪费能源的加密货币，还是自己根本不想用的激光雷达。理念冲突不重要，反正效果是出来了。

但且慢，事情可能不是这样。

陈闷雷丨作者

放大灯团队丨策划

说话算话马斯克

好吧，整件事其实就是个大乌龙，充斥着脑补、捕风捉影和空穴来风。

事后当地车管局证实车辆牌照确实属于特斯拉，但雷达出自哪家制造商则纯粹是市场猜测。没有任何官方消息表明特斯拉与LUMINAR有合，唯一可追溯的，仅是几个“匿名人士”提供给彭博社的“私人信息”，称LUMINAR为特斯拉提供雷达用于“测试与开发”。

但这些信息既无法证实，也不说明任何问题。

首先，这不是第一次有人发现特斯拉在车顶安装“疑似雷达”的装置。2020年6月，在加州的特斯拉总部附近就有类似的目击记录。

其次，特斯拉安装雷达就一定是要走雷达技术路线吗？这可不一定。一位Guidehouse Insights的分析师就表示特斯拉改走激光雷达路线“很不现实”。

“（特斯拉）更有可能只是在利用激光雷达技术，测试他们基于摄像头（视觉识别）的全自动驾驶系统。如果更换路线，会导致已经交付的车辆严重贬值——特斯拉不可能改装100万量已经卖出去的车。”

最后，马斯克在自动驾驶的技术选择上是非常，非常，非常极端的——何止是激光雷达，他什么雷达都不想要。

5月26日，特斯拉发布公告，称将继续推进Tesla Vision过渡：从5月份开始，为北美市场生产的Model 3 和 Model Y两款车型将不再搭载雷达。这将是特斯拉首次完全依赖摄像头视觉和神经网络处理来实现自动驾驶、全自动驾驶和某些主动安全功能。

这可比发推特喷激光雷达激进多了。这意味着特斯拉将放弃一切雷达，用摄像头作为唯一的感知设备——这对于当前的自动驾驶行业，是极为超前，甚至鲁莽的。

这合理吗？其实，在“摄像头vs雷达”背后，是自动驾驶长久以来的技术路线之争。

路线之争

根据美国汽车工程师学会，自动驾驶被划为6个等级，等级越高则车载系统参与的决策与控制比例越高。

图片来源：德邦证券

自动驾驶可大致分为为感知、决策、执行三大步骤。其基本原理，是通过感知层的传感设备获取环境信息，随后由决策层分析处理接收的信息，最终通过执行层进行车辆的行为控制。感知层获取的信息，是后续能否做出正确判断和控制的前提条件。因此，自动驾驶的进步，十分依赖前段传感器的技术升级。

当前广泛应用的传感器主要包括摄像头和雷达，其中：

（1）摄像头：利用计算机视觉判别周围环境与物体，判断前车距离；

（2）雷达：分为毫米波雷达、激光雷达、超声波雷达三类，利用发射波和反射波之间的时间差、相位差获得目标物体的位置和速度等数据。

目前广泛“上车”的是L2级自动驾驶，仅具备在限制条件下可用的辅助驾驶功能，也是目前法律法规允许的最高等级。L2不需要做出复杂决策，不依赖精确的环境信息，低精度摄像头与超声波雷达便足以满足需求。

但对L3以上自动驾驶，这远远不够。

从 L2 到 L3 的升级，是辅助驾驶到（有限）无人驾驶的升级，监控路况将由车辆完成，对环境信息精确度、实时运算能力的要求呈指数级增长。前端传感器的性能，直接决定系统能否构建路况的精确模型。

针对高级别自动驾驶，市场目前有纯视觉和强感知两种方案：

（1）视觉解决方案：由摄像头主导，配合毫米波雷达等低成本传感器实现纯视觉计算。这条路线的主要厂商为特斯拉，以及百度Apollo Lite（国内唯一自动驾驶纯视觉城市道路闭环解决方案，搭载于威马W6等车型）。视觉路线成本低，商业化比较简单。缺点是传感器的精度、稳定性和视野等方面均存在局限性，依赖算法弥补硬件层面缺陷，需要很强的研发能力。

（2）强感知方案：由激光雷达主导，配合摄像头、毫米波雷达等传感器组成。目前参与这一技术路线开发的公司众多，典型代表企业为Waymo、Uber、百度Apollo等科技和出行公司。

与视觉方案相比，激光雷达兼具测距远、分辨率优、受环境光照影响小的特点，且无需深度学习——这对于在软件开发没有优势的传统车企尤为重要。但激光雷达的性能和成本均面临瓶颈，虽被众多车企给予厚望，距离大规模装配仍有一定距离。

在一些城市，你已经可以体验到无人驾驶出租，这可能是你离激光雷达最近的机会。我们曾经体验了百度的无人驾驶出租，说真的，有点晕。

激光雷达，英文全称为 Laser Detecting and Ranging，即激光探测和测距，由发射系统、接收系统、信号处理与控制系统组成。基本原理是发射器射出一束激光，光束遇到物体后，经过漫反射返回至接收器，由信号处理模块计算与物体的距离及方位信息。同时，系统通过收集的环境信息绘制出三维环境地图，精度可达到厘米级。

从产品形态看，激光雷达目前有机械式、半固态和纯固态三条路线：

几种激光雷达路线的对比：

1． 机械旋转式激光雷达是最为成熟的技术方案，已经在Robotaxi／Robobus以及实验车型得到广泛应用。但该路线雷达的体积巨大且极为昂贵，高性能产品价格平均在3000美金以上，基本只能用来技术验证，不太可能商业化。

2． 微机电系统（Micro－Electro Mechanical System，MEMS）半固态激光雷达，或称MEMS雷达，是目前比较成熟的半固态激光雷达。该路线可大幅降低生产成本与传感器尺寸，是替代机械式雷达的首选路线。

3． 固态激光雷达是指无任何机械运动部件的产品，是技术最不成熟的类型，但前景十分可观。目前有光学相控阵（Optical Phase Array，OPA）与快速大面积扫描硬件（Fast Large Area Scan Hardware，FLASH）两条明确路线。

其中，OPA雷达具有扫描快、精度高、体积小及强可控、强抗振等一系列优势，且有比较明确的降低成本路线，被认为是最有希望在未来成为主流激光雷达的产品形态。

FLASH雷达是目前唯一不存在扫描系统的技术路线，其工作原理接近数字照相机，可达最高等级的车规要求，但存在测距短及分辨率不足的缺陷。去年年底，长城汽车宣布旗下旗舰SUV将搭载“全球首个全固态激光雷达”ibeo 4D，这颗FLASH激光雷达的探测距离为130米。

激光雷达，一种“钞能力”

如果仅从技术的角度讲，激光雷达确实是很好的技术，甚至可能是目前感知硬件的最优解。

特斯拉坚持纯视觉路线，与马斯克个人有关，但不一定是理性的选择。

特斯拉的技术人员曾表示“人可以用纯视觉驾驶汽车，为什么车不可以？”这一观点乍一看很有道理，却是一种诡辩。人之所以依赖视觉，是因为不具备其它复杂的感觉器官，但汽车并没有生理机能的限制——往上装设备就完事儿了。

一车搭载多种传感器正是目前业界主流，像特斯拉“一条路走到黑”的反倒仅此一家。利用不同的传感设备应对不同的驾驶场景，这无疑在灵活性和安全性上都更有保障，这些本就是自动驾驶所必须解决的。

那阻止激光雷达上车的核心障碍到底是什么？

成本。

激光雷达实在是太贵了，早期甚至可以高达数万美元。据称，百度自动驾驶汽车曾采用的Velodyne机械式激光雷达价格高达70万元／台——一套设备比整车都贵，这个价格绝对不可能商业化。

因此，长期以来激光雷达路线最大的方向，就是降低成本。以色列雷达制造商Innoviz的首席执行官Omer Keilaf，在2020年底接受媒体时曾表示，如今的激光雷达组件已经有1000美元的方案可选，也明确有了可以将价格降至500美元的技术路线。

造更便宜的雷达，同样也是国内制造商的努力方向。90后评车团联合创始人王若然告诉放大灯：“目前一个雷达的硬件成本已经可以实现4000人民币左右，明年会大规模量产。但整套方案算上软件肯定不止这个数，最终价格要看议价能力。”

但从市场的角度讲，这个价格仍然不便宜。若一款车型安装3颗激光雷达，叠加配套算法，整套方案价格仍可能达到两万元左右。这对于均价也就10万～20万元之间，利润微薄的可以忽略不计，且终端购车者对价格极为敏感的国产车企而言，可能还是无法接受。

因此，最早装上激光雷达的，并不是造车新势力们，而是奥迪，其早在三年前就为旗下高端轿车装上4线机械式激光雷达，并宣称实现“全球首款量产L3汽车”；而在2021年，一批国产新车装上了各种新型的、成本更可控的激光雷达——这隐约成了车企秀肌肉、让自己看起来比别人更智能的“财富密码”。

数据来源：长城证券

花了这份钱，还不一定用得上。在自动驾驶仅有L2合规的大前提下，激光雷达的性价比确实一般。毕竟L2不要求特别复杂的决策能力，一套几万元的设备放在车上只做和摄像头差不多的事情，实在有些“杀鸡用牛刀”；而作为面向未来的能力储备，又显得不合时宜——毕竟技术发展实在太快了，今天的超前储备，过几年可能什么都不是。

另一方面，对车企而言，毫米波＋视觉的技术路线，也是一种商业上的捷径。

“选择毫米波＋视觉主要就是为了尽快实现量产，或者至少能够投入使用”，王若然表示，“搞一个没激光雷达的很快，技术也很成熟。加了激光雷达反而要解决算法融合问题，各方面都不划算。”

这种选择无疑是非常现实的——商业公司首先要做的必然是活下来和挣钱，推进人类文明进步可不是它们的义务。即使是雷达公司CEO，也承认马斯克在2018年前后关于激光雷达的发言没什么问题。

“五年前，当他必须为一款面向市场的车型做出选择时，还没有价格合适、性能良好、技术成熟的激光雷达。所以他做出了一个恰当的决定。”Omer Keilaf 说。

技术之外，商业之外

即使自动驾驶解决了路线之争，有了成熟的解决方案，实现了降本，具备大规模装配的条件，就万事大吉了吗？

答案是否定的。

自动驾驶作为一项技术，无疑有着巨大的潜在商业价值。但技术落地有时候并不只是商业问题，更是复杂的社会问题——对自动驾驶这种有着巨大社会影响力，甚至对人与技术关系有着颠覆性影响的技术而言，尤其如此。

技术无法孤立的存在于我们的社会之中，需要与人类交互才能实现作为工具的价值。但技术嵌入社会的过程本身，则是一个超脱于技术的复杂系统性工程：如何用新的技术伦理规范新技术的使用？如何建立民众对技术的信任？如何将新技术从限制场景植入通用场景？配套的法律法规能否及时跟上？重大事故发生后，如何修复民众对技术的不信任？

这些宏大的议题，无疑是单独一家企业无论如何也不可能解决的，特斯拉不行，百度亦然。

技术层面不算特别复杂的人脸识别，引起的关于技术滥用与侵犯隐私权讨论已足够多，更何况是能重塑人机关系的自动驾驶技术：当自动驾驶掌舵时发生的交通事故，责任如何认定？光这一个问题，恐怕就够一代法律人献出自己的头发了。

高级别自动驾驶技术需要的，不仅仅是自身与关联产业的协同发展，也依赖从官方到民间，全方位、系统性的制度建设。

在此之前，谈论任何大规模的商业化，都为时尚早。