这次，我要旗帜鲜明地支持智能汽车堆料

文 | 乔伊

大概一年多前，有人来问我超声波雷达、毫米波雷达、以及激光雷达三者之间究竟存在着怎样的差异。一时间，这个问题可着实难住了我。当时我脑海中跳出的第一个念头是，它们一定是有差异，不论是形式的差异，还是功能特性的差异，必然是在车上各司其职的。否则厂家不会为了要搭载上它们而搭载，如果真的是功能重叠的堆料，其实并不符合汽车厂商节约造车成本的原则。

但事实是，尽管它们的工作方式不同，但这三种雷达的工作原理，都是在介质遇到障碍物后反弹，并通过计算自身介质的回传速度，来判断障碍物的距离，这有点类似于蝙蝠探测异物的原理。

当然，超声波雷达与毫米波雷达也有各自的局限。比如超声波雷达探测的精度不高；而毫米波雷达则受到天气影响较大，更容易受到车上大功率元器件的干扰。因而这两款不同的产品堆在一起，无疑是要起到互补的作用。

相比这两类雷达，激光雷达可实现的功能则更为丰富。除可探测障碍物的距离外，其还可以探索出障碍物的方位、高度、速度、姿态，甚至形状。也就是说，如果说以往超声波雷达、毫米波雷达更多地是实现车辆智能跟车、及时制动，以及低车速下智能泊车的功能的话，那么激光雷达，无疑就是为更高阶智能驾驶技术而生的。

因此，相信也就不难理解为什么如今的智能汽车，都纷纷开始将激光雷达加入到新车必备的配置清单中了。最近，凭借智能驾驶视频大火的极狐阿尔法S就装备了三颗激光雷达；同样在今年备受关注的蔚来ET7也表示将搭载激光雷达；而一出生就没有搭载的车型也必然是不想在这一点上让对手占了先机。

比如今年上海车展开启预售的智己L7就表示，尽管一开始没有，但预留了升级的接口，未来可以给用户们升级激光雷达的配置。显然，激光雷达似乎已经毫无争议地成为了下一个世代汽车技术发展的方向了。

不过，这个世界从来不差“杠精”。就在几天前，特斯拉宣布从5月份开始，北美市场的Model 3和Model Y将不再配备雷达传感器，取消车前方的毫米波雷达，仅使用摄像头作为自动驾驶系统的信息采集渠道，那就更不要说采用激光雷达了。显然，以马斯克在智能纯电汽车界的影响力，这个宣告无疑是一个重磅炸弹。那么，特斯拉此次弃用雷达，是否会将已经渐渐明晰的智能驾驶技术发展方向，再一次给带复杂了？

马斯克对于激光雷达的无名厌恶其实早已不是什么秘密了。他曾经毫不避讳地将激光雷达称为人类身上的“阑尾”，并在多个场合疯狂Diss这个看起来很高级的配置。在马斯克看来，自动驾驶技术对于外界周边环境的探测，应该建立在摄像头的基础之上，完全模拟人的视觉感知模式。通过人的眼睛（摄像头），传输给大脑（计算芯片），再让身体（车）来进行动作。

在马斯克的这套理念加持下，智能驾驶技术感知的方式出现了一个全新的分水岭，也就是激光雷达派和视觉感知派。在马斯克所倡导的视觉感知派中，摄像头所获取的数据将与人眼感知的世界最为相似，图像被摄像头捕捉后，将进行识别与分类，进而为车辆下一步的行动提供依据。

在此过程中，特斯拉将把日常道路行驶中所见到的物品进行分类建模、上传，以便在日常行驶过程中，对摄像头捕获的物品进行比对，也就是常说的Rule base算法。但采用这个模式，有一个门槛很难跨越，也就是Rule base算法最大的痛点——Corner Case，即长尾问题。也就是日常行车过程中，你无法穷尽所有建模，总有漏网之鱼，一旦车辆无法识别，做出错误判断，就有可能出现很大的问题。

Corner Case的问题其实在特斯拉身上已经出现过多次。此前，特斯拉在中国台湾发生过一起车祸。车辆在高速公路上遇到横卧在道路中间的白色货柜车，因为将其判断为蓝天白云，而直接撞了上去，造成了非常严重的事故。如果说，视觉感知是让人可以看到的物体让车也能看到，那么建模算法就需要将人能够判断的物品，让车也能判断。

这是一个长期的过程，但在消灭穷尽所有长尾问题的过程中，必然会出现各种问题，并付出不小的代价。毕竟，谁也不愿意在智能驾驶技术不断成熟的进程中，花钱去做小白鼠。

事实上，不要说激光雷达到底用不用了，就是光取消毫米波雷达，就已经在北美市场引起了巨大的争议，包括了美国国家公路交通安全管理局(NHTSA)、《消费者报告》和美国公路安全保险协会(IIHS)在内的多家机构，将暂停或取消特斯拉Model 3和Model Y车型的部分安全背书。

特斯拉所受的打击还远不止这些。在EV Sales刚刚公布的全欧洲新能源车型销量排名中，4月特斯拉Model 3在欧洲市场的交付量仅为1244辆，与3月28184辆的交付量相比下跌95%。这样的下跌成绩已经不能用“断崖式”来形容了，根本就是“跳楼式”，显然谁也不能否认，安全问题实实在在地影响了消费者对特斯拉品牌的信任度。

在另一边，激光雷达自身已经能将障碍物的距离、大小、形状等一系列数据都探测清楚。车辆感知到了障碍物，但并不需要完全了解其究竟为何物，只需要采用正确合理的方式将其规避，就能够为用户创造更为安全的智能驾驶体验。显然，在目前的技术阶段，数据建模无法穷尽的环境下，激光雷达的这一特性无疑将成为更合适的智能驾驶感知解决方案。

当然，激光雷达也并非“全知全能”，它也与其他类型的雷达一样，会受到天气的影响，在雨雪等极端天气环境下，测距精度会受影响；同时，其对物品的识别能力也同样存在很大的进步空间。更要命的是，目前激光雷达的价格十分高昂。

因此，激光雷达目前仍然不可避免地需要与毫米波雷达、超声波雷达，以及摄像头一起，共同组成一个互补的感知体系，来为安全的智能驾驶提供支撑。

显然，在很长一段时间内，激光雷达与视觉算法的智能驾驶技术路线之争，依然会存在于整个汽车圈内。但就目前而言，我将会毫不犹豫地选择拥有更多探测感知硬件的技术路线，毕竟在这个技术疯狂演变的时代，互补型的堆料，无疑是更能够保障用户生命安全的方式。

与此同时，如果有朝一日，当所有人都在使用激光雷达而使得这一设备的规模化、产业化真正成熟起来后，成本的下降将快速到来。届时，相信即便倔强如马斯克，也未必还会坚持对这一“阑尾”说不了。