“今天我们店里全员全天候在线。”新款小米SU7发布前的最后一个下午，销售经理李伟的手机响个不停，微信消息列表中满是咨询新车的客户。尽管售价尚未公布，但店内展车的车顶那颗显眼的激光雷达，已经成为销售话术中的核心卖点。
3月19日晚，新款小米SU7正式上市，雷军在现场宣布，新车全系标配激光雷达和小米辅助驾驶功能。相比老款标准版缺失激光雷达而遭用户诟病，这次配置升级意味着消费者无需为硬件短板而妥协，但随之而来的是全系涨价4000元的现实。
这背后折射出一个更深层的问题：当特斯拉在全球范围内坚持“纯视觉”路线时，国内车企却纷纷将激光雷达作为高端智能驾驶的标配。这场始于技术路线的分歧，如今已演变为一场关于安全、成本与用户体验的“军备竞赛”。
新款小米SU7将激光雷达作为全系标配，这一决策在行业内引发了广泛讨论。从硬件配置看，新车搭载了碳化硅高压平台、V6sPlus超级电机、激光雷达、700TOPS算力英伟达DriveAGXThor芯片、4D毫米波雷达等众多高规格硬件，标准版就具备了顶配级的智驾硬件和性能配置。
然而，这种“硬件堆料”策略带来了直接的成本增加。根据资料显示，单颗激光雷达的成本在2023年时仍高达1.5万至2万元，即便到2026年降至5000至8000元，依然是一笔不小的支出。雷军在发布会上坦言，由于配置升级、供应链成本上涨，新一代SU7不得不进行价格上调。
这种趋势并非小米独有。从整个行业看，曾经局限于高端车型的激光雷达配置，正加速向中低端市场下沉。2025年1-11月，城市NOA（领航辅助驾驶）销量达312.9万辆，渗透率为15.1%，自主品牌占比达81.1%。曾经专属豪华车的功能，如今开始在20万元级车型中普及。
问题随之而来：激光雷达究竟是智能驾驶的必备硬件，还是车企在技术路线分歧中的被动选择？抑或只是市场竞争压力下的“军备竞赛”产物？
要理解激光雷达的价值，必须先从两种技术路线的底层逻辑说起。
激光雷达的工作原理类似“三维扫描仪”：通过主动发射激光束，测量光线从发射到返回的时间差，精确计算出与物体的距离，输出由数十万甚至上百万个点组成的三维点云图。每个点都包含空间坐标，有些高端雷达还能附带反射率信息。
这种主动测距方式的优势非常明显：不受光照环境影响，在夜间、雨雾等低能见度条件下仍能稳定工作；直接输出厘米级精度的距离信息，无需依赖算法推断；可精准识别障碍物的形状、尺寸和位置，尤其在静止物体检测方面表现出色。
相比之下，纯视觉方案模仿人类视觉系统，通过摄像头阵列捕捉环境图像，再通过深度学习模型识别物体、判断距离。特斯拉的FSD系统就是这一路线的典型代表，依赖多摄像头实时捕捉2D图像，通过算法还原3D环境信息。
纯视觉路线的核心优势在于硬件成本极低。一套多摄组合加上算力芯片，总成本可控制在3000元以内，远低于激光雷达方案。同时，视觉系统模仿人类驾驶的感知方式，人类驾驶本质上依赖视觉（90%以上信息来自视觉），这种模拟人类的感知逻辑使其在某些场景下表现更加“拟人”。
但从安全冗余角度看，多传感器融合方案正在成为行业共识。激光雷达+摄像头+毫米波雷达的组合，能够在不同环境下形成互补：摄像头在良好光照条件下提供丰富的纹理和颜色信息；激光雷达在恶劣天气和低光照环境下保证感知稳定性；毫米波雷达则负责长距离测速和运动物体跟踪。
有分析指出，在暴雨天气中，雨水附着在摄像头表面会形成折射，导致图像模糊，摄像头可能将积水路面误判为干燥路面；夜间会车时，对向车辆的强光会造成“逆光盲区”，摄像头无法清晰识别前方行人。这些场景下，激光雷达的补充作用显得尤为关键。
对于普通消费者而言，更关心的是激光雷达在日常驾驶中能带来哪些实际的体验提升。
城市NOA功能的普及，将激光雷达的价值推向了前台。城市道路场景复杂，无保护左转、行人“鬼探头”、施工占道、非标准交通标识等“长尾场景”层出不穷，单一传感器难以实现全场景覆盖。当车企将“零接管”作为城市NOA的核心目标时，激光雷达凭借其独特的感知原理，成为填补传统传感器短板的关键力量。
有技术分析显示，城市NOA对感知系统的要求可以概括为“全、准、快”——全场景覆盖、精准识别目标、快速响应变化。而摄像头与毫米波雷达的组合，在城市复杂环境中存在难以规避的“感知死穴”。
例如在“鬼探头”场景中，行人突然从视觉盲区冲出，纯视觉系统需要通过算法进行三维重构，在距离测算上存在误差，可能导致决策延迟。激光雷达直接输出精确距离信息，反应时间更短，为紧急制动赢得宝贵时间。
在恶劣天气环境下，激光雷达的表现优势更加明显。雨、雪、雾天气中，摄像头感知能力大幅下降，毫米波雷达对非金属目标的反射率较低。激光雷达（尤其是1550nm波长雷达）穿透力强，在雨雾、黑夜中仍能稳定工作，虽然对镜面反光物体可能产生噪点，但整体稳定性优于纯视觉方案。
值得注意的是，激光雷达在高精度地图与即时定位（SLAM）中也发挥着重要作用。通过点云数据实时构建环境地图，与预存的高精地图进行匹配，可提升车辆定位精度。这种技术对自动驾驶系统在隧道、高架桥等GPS信号弱的场景中保持稳定运行至关重要。
“涨的不多，能够接受。”在新款小米SU7的准车主群里，有消费者这样表示。对于4000元的涨价幅度，多数意向用户表现出较高的接受度。但更深层的问题是：普通用户在日常驾驶中，究竟能感知到激光雷达带来的多少价值差异？
从用户体验角度看，多数用户对硬件配置无直接感知，他们更关注功能的流畅性、稳定性和安全性。在日常通勤中，激光雷达的“存在感”可能并不明显，只有在极端场景下——如夜间暴雨天气中的自动紧急制动、复杂路口的无保护左转、狭窄车位的自动泊车等——硬件冗余的优势才会显现。
消费者对智能驾驶功能的支付意愿正在发生变化。随着智能平权趋势的加速，曾经专属高端车型的配置正在向中低端市场下沉。资料显示，15万~20万元级车型中，多屏联动、手机互联等进阶功能渗透率已超80%，城市NOA功能也开始出现在20万元级车型上。
品牌竞争下的配置内卷，让用户在一定程度上成为被动接受者。当行业主流选择“激光雷达+视觉+毫米波雷达”的多传感器融合方案时，没有搭载激光雷达的车型可能在宣传上处于劣势。但这种配置是否真的符合用户需求，仍需市场检验。
一个值得关注的趋势是，2025年上市新车标配激光雷达新车平均价位为31.27万元，相比2024年降幅为14.21%；到2025年下半年进一步降至30万元以内。预计2026年，15-25万价位车型将成为市场贡献主力。成本的下探让更多消费者有机会体验到激光雷达带来的安全冗余。
站在行业发展的十字路口，技术路线的选择不仅关乎企业战略，更影响着整个智能驾驶产业的发展方向。
激光雷达的成本下降速度远超预期。2023年，一颗车载激光雷达的价格还在1.5万至2万元之间，而到了2026年，单价已经降至5000至8000元，降幅超过60%。部分头部企业如华为推出的固态激光雷达，采用硅光芯片技术，量产成本甚至降至5000元以内，较机械式激光雷达成本降低70%。
技术进步是推动成本下降的关键因素。激光雷达从机械式向固态化、芯片化演进，发射端从边发射激光器转向垂直腔面发射激光器，接收端从雪崩光电二极管升级为单光子雪崩二极管或硅光电倍增管，这些变化不仅提升了性能，还大幅降低了成本。
与此同时，纯视觉路线也在持续进化。特斯拉通过影子模式持续优化数据闭环，基于1000万Clips训练数据，让端到端神经网络决策更拟人。但纯视觉方案对算法和数据积累的要求极高，需要海量的真实场景数据和强大的仿真训练能力。
从行业实践看，融合路线正在成为主流。国内车企普遍选择“激光雷达+视觉+毫米波雷达”的多传感器融合方案，以硬件冗余提升安全性。有分析认为，短期来看，技术路线仍将分化，特斯拉坚持纯视觉，其他车企选择多传感器融合；但长期来看，随着成本下降和技术成熟，融合方案可能成为行业共识。
一个值得注意的现象是，不同场景下的配置差异化正在显现。高端车型可能标配多颗激光雷达实现360度全覆盖，中端车型可能采用“前向激光雷达+环视摄像头”组合，而入门级车型可能暂时仍以纯视觉为主。这种分层配置策略，既考虑了成本因素，也兼顾了不同价位车型的目标用户需求。
回到最初的问题：小米SU7全系标配激光雷达，究竟是技术升级还是“军备竞赛”？答案可能介于两者之间。
从技术角度看，激光雷达在当前阶段的价值确实在于补充感知冗余，提升复杂场景下的可靠性。尤其是在中国特有的交通环境中——人车混行、施工频繁、天气多变——多传感器融合方案确实展现出更强的适应性。
但争议的本质并非技术本身，而是成本、安全与用户体验之间的平衡。当一颗激光雷达的成本仍占据整车价格的2-4%时，车企需要权衡：这部分成本是否真的转化为了用户可感知的价值？还是仅仅为了在营销宣传中不落下风？
从安全角度出发，任何技术路线都应以提升行车安全为首要目标。无论是激光雷达的硬件冗余，还是纯视觉算法的持续优化，最终都要服务于降低事故率、保护驾乘人员安全这一根本宗旨。在智能驾驶技术快速发展的今天，保持对技术的敬畏、对安全的坚守，比单纯追求技术路线的“政治正确”更为重要。
未来几年，随着固态激光雷达成本进一步下探、AI算法能力持续提升，技术路线可能走向更深层次的融合。或许有一天，激光雷达会像安全气囊一样，成为所有车辆的标配；又或许，纯视觉算法的突破会让硬件冗余变得不再必要。
但在此之前，消费者需要做的，是基于自身用车场景和预算，做出理性的选择。毕竟，技术终究是工具，而驾驶的核心，始终是安全抵达目的地。
在你看来，智能驾驶应该优先发展硬件冗余的激光雷达方案，还是算法驱动的纯视觉路线？面对日益复杂的交通环境，什么样的技术组合才能真正保障行车安全？
全部评论 （0）