1080线，这个数字像炸弹一样在车主群里爆开了。
有人说，比亚迪要在4月份的智驾发布会上直接上速腾聚创的EM4千线级激光雷达，量产版干到1080线，首批落地仰望U7和腾势Z9GT。 消息一出，预定了腾势Z9GT的人炸了锅。 谁不怕花钱买到“老款”？ 谁不怕刚提车就成“上一代”？
传闻在2026年3月底开始发酵，各大社交平台迅速传播。 不少准车主因此陷入焦虑，部分已下定的车主担忧配置被淘汰，纷纷在网络上表达不满。 传闻称，比亚迪即将于四月的智驾发布会上亮出速腾聚创EM4激光雷达，线数高达1080，并率先应用于仰望U7和腾势Z9GT车型，后续还会下放到多款主力车系。
事态反转来得也快。 腾势销售事业部总经理李慧在社交平台上回应了车主的求证，用了四个字“友商的烟雾弹”。 她态度明确，把这条传闻直接否认了。 这一回话，像一枚定心丸，也像一把火把谣言烧了个干净。 比亚迪一品牌负责人在回复老车主背刺质询时，同样表示这是“友商的烟雾弹”，正式辟谣该传闻。
腾势用一句“友商的烟雾弹”立刻把风口压了下来，也暴露出厂商对用户心理的高度敏感。 在智能驾驶技术快速迭代的2026年，任何关于硬件升级的传闻都能轻易触动消费者的神经。 车主们担心自己刚买的车转眼就落后，这种焦虑在新能源汽车市场尤为明显。
比亚迪的天神之眼智能驾驶辅助系统，在2026年已经发展到了5.0版本。 2026年1月28日，比亚迪发布了天神之眼高阶智能驾驶辅助系统的5.0版本。 官方给它的标语是“比老司机开得更稳、停得更准、反应更快”。 到了2026年2月22日，这个5.0版本已经以V1.3.1稳定版的形式，完成了对汉L、唐L、方程豹钛7、2026款夏等主力车型的全量推送。
天神之眼5.0最引人注目的能力提升体现在AEB自动紧急制动上。 官方数据显示，升级后的系统可以实现日间130公里每小时对静止前车的避障，以及在隧道内以135公里每小时的速度对静止前车进行刹停。 这意味着在高速行驶时，面对前方隧道内突然出现的故障车辆这种极端“鬼探头”场景，系统的反应可能比绝大多数人类驾驶员更快、更稳定。
在仅余60厘米余量的窄路会车、突发鬼探头等场景下，系统展示了自主借道绕行临停车、窄路一把调头等能力，其决策被描述为“像十年驾龄老司机般果断丝滑”。 为了让不同预算的用户都能享受到智能驾驶，比亚迪将“天神之眼”分成了A、B、C三个版本。
2026款比亚迪夏中低配车型搭载天神之眼C-辅助驾驶三目版，搭载英伟达Orin-N芯片，算力84 TOPS，配备12个摄像头、12个超声波雷达和5个毫米波雷达共29个智能传感器，支持高速领航辅助驾驶、智能泊车、主动安全等功能。 顶配版车型则搭载天神之眼B-辅助驾驶激光版，配备英伟达Orin-X芯片，算力254 TOPS，并新增1颗激光雷达，共计30个智能传感器，支持城市领航辅助驾驶、全场景智能泊车等功能。
比亚迪的天神之眼C版本采用全球独创前视三目5R12V12U方案，通过“二郎神”三目摄像头实现高阶智驾。 这个方案包括5个高精度毫米波雷达，12个高清摄像头，12个超声波雷达高感知系统，具备高快领航辅助、泊车辅助等功能。 全场景泊车辅助搭载泊车辅助、下车泊入、手机遥控泊车等功能，通过超声波雷达和环视摄像头探测车辆周围环境信息。
速腾聚创的EM4激光雷达，确实是目前行业内的顶尖产品。 EM4是RoboSense全新数字化架构EM平台的首款产品，融合了数字化架构、串扰消除、全工况光电信号处理、数据无损压缩等多项先进技术，拥有最高1080线、最远600米测距，以及2592万点/秒成像能力等顶尖性能，引领车载激光雷达进入“千线”时代。
EM4具备最高0.050°×0.025°角分辨率和超长测距，为汽车提供1080P的高清三维感知力，可精确识别远处的轮胎、锥桶、纸盒等远处小物体。 作为目前测远能力最强的数字化车载激光雷达，EM4凭借300米@10%测距能力和600米最远测距，最高可让智能驾驶系统响应时间增加70%，让系统决策响应更从容，为用户提供极致安全与舒适的驾乘体验。
自2025年7月起，速腾聚创陆续为极氪、智己等品牌旗舰车型定制了超500线高性能激光雷达并成功实现规模量产应用。 依据平台化设计，EM4支持还可定制520线、720线、1080线、2160线等技术方案。 速腾聚创表示，其也是行业唯一具备为车企定制从520线到2160线超高清激光雷达成熟技术方案能力的科技企业。
2026年智能驾驶领域迎来了一场足以改变行业格局的技术变革。 华为乾崑正式发布全球量产最高规格的896线双光路图像级激光雷达，标志着车载激光雷达正式从“点云级”迈入“图像级”时代。 这一技术突破不仅刷新了车载感知硬件的性能天花板，更在智能辅助驾驶向高阶演进的关键节点引发了新的技术路线讨论。
在智能驾驶两大发展路线上，长期存在着“激光雷达与纯视觉感知”两大路线。 纯视觉感知路线选择以机器视觉为核心，利用毫米波雷达+摄像头解决方案实现自动驾驶，主要代表有美国特斯拉的FSD、中国百度的Apollo Lite、以色列Mobileye的SuperVision三大主流纯视觉感知方案。 而激光雷达方案则选择以高精地图+激光雷达为核心传感器实现自动驾驶，代表企业有Waymo、百度Apollo、小马智行等。
除了百度Apollo选择两条路线并行之外，其他大部分企业都选择了押宝单个路线。 两条路线之争，缘于其优缺点的明显差异。 激光雷达方案，可以帮助车辆在现有技术条件下实现快速3D建模，比较精准的还原路况信息，形成计算机可以快速识别、快速处理、快速应对的方案。
然而，由于激光雷达方案成本高昂、且对芯片算力需求大，在现阶段无法在所有级别车型上完成搭载，这让意图使特斯拉成为“智能车中的大众、福特”的马斯克所不能忍受，为此他公开表示，激光雷达是“只有傻瓜才会用”的方案。 纯视觉感知路线的优势则比较明显，其不仅成本更低，且符合人眼逻辑，在数据积累达到一定规模后更会产生质变，直至达到比肩、超越激光雷达方案的自动驾驶表现，是一种在技术上更领先的方案。
为此，小鹏汽车副总裁吴新宙直言：“长期来看，视觉是无所不能的”。 但纯视觉方案也非完美无缺，在恶劣环境下，摄像头完成感知任务的难度也会随之提升。 纯视觉方案的局限性也十分突出。 摄像头属于被动传感器，性能高度依赖环境光照，在逆光、眩光、黑夜、大雨、大雾等复杂场景下，感知能力会大幅衰减，远不及激光雷达的稳定性。
以激光雷达为核心的多传感器融合阵营则认为，在可见的未来，机器智能难以复刻人类基于经验的常识与直觉，恶劣环境下必须依靠激光雷达等硬件冗余，来弥补软件算法的不足。 简言之，纯视觉路线将技术压力全部集中于算法，赌的是AI智能化的突破。 多传感器融合则更侧重工程落地的安全性，选择的是经过验证的稳妥方案。
目前，Waymo、小鹏、蔚来等主流车企与自动驾驶公司，均站在多传感器融合阵营，在他们看来，安全是自动驾驶不可逾越的红线，而硬件冗余是保障安全的核心途径。 值得一提的是，两条路线并非完全割裂，正呈现相互融合的趋势：纯视觉方案开始引入更多类型的传感器补充感知能力；多传感器融合方案中，视觉算法的地位也持续提升，成为理解场景语义的关键核心。
即便在多传感器融合阵营内部，也存在一场关于传感器选型的细分争议：毫米波雷达成本仅数百元，而早期激光雷达动辄数万美元，为何车企仍愿为激光雷达投入高额成本？ 激光雷达可通过发射激光束并测算返回时间，构建出超高精度的3D点云图像，能精准解决其他传感器难以应对的极端场景。 其角分辨率极高，可清晰识别行人姿态、车辆轮廓，甚至路面微小障碍物。
在L4/L5级商业自动驾驶领域，激光雷达是唯一能同时满足高精度感知与静态物体检测的传感器，为了实现基础自动驾驶功能与安全冗余，这笔成本堪称车企必须支付的“入场券”。 但激光雷达并非完美无缺。 激光本质是红外光，波长极短，当雨滴、雾滴、雪花、烟尘等颗粒的尺寸与激光波长接近时，会引发激光散射与吸收，产生大量“噪声”点云，严重影响感知精度。
4D毫米波雷达则恰好能弥补这一短板，其具备全天候工作能力，在恶劣天气下可凭借强穿透性，率先探测前方障碍物并输出距离、速度数据。 不过，毫米波雷达的回波点极为稀疏，仅能形成少量点云，无法像激光雷达那样勾勒物体轮廓与形状，还可能因电子干扰出现“幽灵识别”的误判。 低分辨率的缺陷，决定了它只能作为辅助传感器上车，无法成为感知核心。
特斯拉前深度学习负责人、智能驾驶研发商Nullmax纽劢科技创始人兼CEO徐雷对此有自己的见解。 他说，摄像头获取道路场景信息的频率和丰富程度都明显高于激光雷达，因此视觉方案有着更高的能力上限。 而在现阶段的一些融合感知方案中，当不同传感器提供的信息发生冲突时，智驾系统倾向于更相信激光雷达——这从侧面印证了厂商视觉处理能力的不足。
“激光雷达能让智驾系统快速实现量产上车，但最终要达到一定高度，还是要把视觉AI能力做好。 ”徐雷告诉我们，他并非完全排斥激光雷达，而是对不同传感器的使用都持开放态度。 但无论采用哪种方案，都必须将视觉感知作为最核心、最优先发展的能力。 在他看来，过度依赖激光雷达虽然是能让产品快速上车的“捷径”，但最终会限制智驾系统的长远发展和性能天花板。
视觉传感器和激光雷达各有优势。 摄像头属于被动感知，能提供分辨率更高的图像、颜色和纹理特征等丰富信息，帧率可达每秒30帧。 激光雷达虽能主动发射激光、通过ToF测距，但点云密度和分辨率比摄像头低，信息没有视觉传感器丰富，帧率通常只有每秒10帧。 在理想状态下，如果车辆能同时搭载两种类型的传感器，且控制器算力足够强、算法足够好，那性能天花板肯定最高。
不过汽车作为消费品，需要考虑成本和价位差异。 单独使用激光雷达会因帧率低、点云稀疏而限制智驾系统性能上限。 纯视觉方案在算法和算力足够的情况下也能开得挺不错，但仍会受到算力水平等因素制约。 因此，智驾系统的传感器选择需要综合考虑性能、成本等多方面因素，并不是单纯的理论问题。
激光雷达对算力的消耗实际上比视觉传感器更小，因为激光雷达的点云信息量相比800万像素摄像头的视频流要稀疏很多，帧率也更低。 摄像头捕捉到的信息量更大，关键在于如何充分利用这些海量信息。 如果重度使用激光雷达，而视觉处理能力不足，智驾方案会受限于激光雷达的性能天花板。 然而，对于需要快速博弈和迅速反应的场景，仅靠激光雷达难以有效处理，视觉能力必须跟上。
从信息输入看，激光雷达每100毫秒才获得一次点云，而摄像头每33毫秒就能提供800万像素的图像——视觉传感器的信息更丰富，获取频率更高。 开车需要在电光石火间作出决策，如果输入帧率和信息量跟不上，虽然车也能行驶，但在需要快速反应的场景下，智驾方案的能力确实会差一些。 激光雷达虽然通过直接测距降低了处理难度，但它的信息量少、观测间隔长，构建周围环境可能不够及时、精确。 对一些需要准确及时理解的场景，表现相对较弱。
以特斯拉为例，它没有在量产车上搭载激光雷达，系统必须靠纯视觉理解三维世界。 而我了解的一些以激光雷达为主的方案，对激光雷达的依赖度非常高。 一些以激光雷达为主传感器的车，它的视觉处理能力可能跟不上。 摄像头虽然每秒输入30张图像，但系统可能只处理10次结果。 这种对激光雷达的强依赖可能导致系统在极限测试场景下表现不佳。
如果不考虑成本，我当然希望有冗余配置，比如在车里放两台发动机，一台坏了就换另一台。 但冗余不仅涉及传感器，算法融合本身的技术挑战也很高。 所以像特斯拉，选择在发展过程中先做好视觉，同时它考虑到要卖车，加那么多激光雷达对成本也是挑战。 我的想法是：第一，肯定要以视觉为主，一定要把视觉能力做好。 如果车上有视觉和激光雷达，却只把激光雷达做好，视觉只处理到10帧，那我不能接受。 第二，对于车上的传感器，无论是激光雷达、4D毫米波雷达还是将来的新东西，我都持开放态度，我不认为车上只能有摄像头。
你会看到，那些车的摄像头也不少。 理论上，装了这么多摄像头，还有激光雷达，智驾系统的能力不应该比特斯拉差才对。 有些厂商说，用激光雷达是为了在夜间、雨雾等场景下更快识别前方不规则障碍物，这样更安全。 我个人认为，在漆黑的恶劣天气下，建议不要行驶。 这不适合自动驾驶甚至人工驾驶。 摄像头有局限性，不过传感器也在进步，车上还可能有4D毫米波雷达等其它传感器。
激光雷达能看到的东西，其他传感器也能看到，但能否准确识别是个问题，因为会有误报的挑战。 激光雷达在雨雪天气也会受影响。 有这些传感器当然更好，但这涉及产品定义：我们的产品边界在哪？ 到底要识别多大的障碍物？ 根据国家智能驾驶标准，视觉加4D毫米波的方案能够解决这些问题，并不一定要上激光雷达。 现在国内头部厂商基本在10FPS左右，特斯拉至少达到20多FPS。
不一定是纯价格原因。 包括海外一些车企，他们可能觉得激光雷达难以布置，会影响车辆造型。 马斯克还说过，当摄像头和激光雷达的识别结果不一致时，听谁的也是个问题。 这就是融合时的难点。 两个不同源的信息，到底信谁，或者怎么综合？ 国内用激光雷达的厂商解决这个问题了吗？ 大部分厂商还是更相信激光雷达，这可能是因为他们还没有把视觉处理到比较好的状态。 有激光雷达至少能让车先开起来，只是遇到挑战性场景时处理不好。 在国内，大家更关心如何让智驾方案快点儿上车。
特斯拉主要做对了哪些事情？ 第一性原理比较重要，就是即使有挑战，也坚持走正确的路。 我们认为，用激光雷达像拐棍或捷径，能让智驾系统快速实现量产上车，但最终要达到一定高度，还是要把视觉AI能力做好，这没那么急功近利。 无论是视觉加激光雷达，还是视觉加毫米波雷达，首先要把视觉能力提到足够高，这会决定系统上限。
激光雷达派认为，成本略高，但安全可靠。 激光雷达显然是多数派，在《汽车纵横》的《风向突变，融合感知路线又崛起？ 》一文中，多位产业界人士为之站台。 他们认为，虽然暂时存在成本问题，但是未来走向L3/L4一定要有激光雷达。 极氪林金文认为，激光雷达融合感知路线配合算法软件能实现的极致安全性，是纯视觉做不到的，不用激光雷达就是在为降本找理由。
而华为靳玉志认为，从技术上看，激光雷达的原理决定了不需要认识障碍物，但一定能够检测出，从而进行刹停或避障。 有关成本问题，《汽车与配件杂志》在《借智能电动车发展之势，激光雷达前景如何？ 》文中，采访了Yole Group高级分析师Pierrick Boulay，“如何解决激光雷达性能与成本之间的折衷问题，这是每一家主机厂都要面对的课题，往往需要结合实际的应用场景去思考与权衡。 ”
对于对激光雷达“成本”这个Bug，禾赛科技施叶舟有不同的看法。 他认为，“综合成本不仅包括硬件成本，还应考虑背后的研发服务和资源投入，包括算法、路测、云计算、数据标注、仿真训练和系统软件等隐性成本。 ”所有激光雷达派的一致认为，纯视觉的摄像头本质上是“模拟人的眼睛，看不清楚会带来风险”，“纯视觉方案的相机在一些场景中会受限制，包括光线很暗、下暴雨等”。
有关“激光雷达派”对纯视觉的弱光场景诟病，《时代汽车》的《浅析纯视觉感知自动驾驶安全问题》作出详细解释，并举出三个技术方案来应对。 两种技术路线之争，本质上是两种科学和哲学的碰撞。 视觉派遵循“仿生学”，走的是“少即是多”的极简主义，激光雷达派则遵循“工程学”，信奉冗余即安全。 但是二者追求的目标是一致的，都是为用户提供更强大更全的高阶辅助驾驶。
从来没有人说仿生学与工程学不能交叉，价值未来随着传感器性能升级、价格降级，可以预见，未来可能会形成稳定的共存格局。 比亚迪的员工刘博士在回应千线激光雷达传闻时表示“雷达不是重点”，并指出纯视觉的FSD也能做到第一梯队。 这个表态直接反映了比亚迪对智能驾驶技术路线的思考。 比亚迪推行“智驾平权”战略，天神之眼已覆盖10万级以上车型全系标配。
截至2025年8月，搭载天神之眼的车型累计销量突破120万辆，成为中国市场装车量最大的智能驾驶系统。 比亚迪推出“泊车无忧承诺”，为智能泊车功能提供全面兜底。 2026款比亚迪夏升级天神之眼5.0后，将搭载端到端大模型，可实现高快道路环境下紧急停车辅助、前车起步提醒、P档下可激活城市领航辅助、下车泊入失败后自动下电及第2次短信提醒、部分水平车位场景支持切换泊入方向。
比亚迪的天神之眼基于整车智能的璇玑架构，强调“架构先进、传感器先进、数据先进、算法先进”四大优势。 从智驾传感器、控制器、执行器等核心技术深度自研，实现全闭环端到端。 通过规模化应用和系统优化，实现高阶智驾的平民化普及。 智能驾驶的竞争不仅是硬件参数的比拼，更是系统能力、数据积累和用户体验的综合较量。
随着技术成熟和成本下降，智能驾驶将像安全带、安全气囊一样成为汽车标配。 辟谣事件反映了智能驾驶领域不同技术路线的竞争与博弈。 比亚迪更注重实际用户体验和安全性，而非参数营销。 坚持“智驾平权”战略，让更多消费者能够享受到高阶智能驾驶体验。 随着智能驾驶强制标准实施，高线数激光雷达从技术前沿走向市场焦点。
2026年激光雷达行业正迈入“千线”竞争时代，高线数激光雷达成为满足智能驾驶强制标准的关键选项。 华为乾崑正式发布全球量产最高规格的896线双光路图像级激光雷达，标志着车载激光雷达正式从“点云级”迈入“图像级”时代。 速腾聚创的EM4是全球首款1080线的激光雷达，具备最高0.050°×0.025°角分辨率和超长测距。
EM4支持定制520线、720线、1080线、2160线等技术方案。 速腾聚创是行业唯一具备为车企定制从520线到2160线超高清激光雷达成熟技术方案能力的科技企业。 EM4拥有最高1080线、最远600米测距，以及2592万点/秒成像能力等顶尖性能。 EM4凭借300米@10%测距能力和600米最远测距，最高可让智能驾驶系统响应时间增加70%。
EM4可精确识别远处的轮胎、锥桶、纸盒等远处小物体，助力智驾系统提升安全上限，超越NHTSA主动安全标准，为高阶智能驾驶与完全自动驾驶提供极致保障。 自2025年7月起，速腾聚创陆续为极氪、智己等品牌旗舰车型定制了超500线高性能激光雷达并成功实现规模量产应用。 激光雷达行业已进入数字化时代，速腾聚创发布了多款适用于车载及机器人领域的激光雷达新品。
面向车载市场，速腾聚创发布全球首款“千线”超长距数字化激光雷达EM4。 EM4是公司数字化架构EM平台的首款产品，融合数字化架构、串扰消除、全工况光电信号处理、数据无损压缩等多项先进技术。 任何新事物的产生，都会产生不同技术流派。 就像新能源车初期，同时存在氢燃料电池和纯电动等多种技术路线。
如今新能源动力之争接近尾声，纯视觉和激光雷达多传感器融合路线开始了“相爱相杀”。 虽然两者在性能表现上难分伯仲，但是工作原理截然不同。 纯视觉技术路线的鉴定支持者是特斯拉和小鹏，华为、蔚来、比亚迪、卓驭也有纯视觉方案。 马斯克一再声称，电车仅通过摄像头和神经网络就可以构建模型，正如人眼与脑的协同。
而“激光雷达+毫米波雷达+高清摄像头”多模态融合感知方案，通过多传感器数据融合，构建全维度环境认知模型，占据较大市场份额。 那么到底谁更胜一筹？ 今天与大家一起读几篇学术期刊/论文，借助文中的观点一起来对比一下“纯视觉”和“激光雷达”的寸长尺短。 激光雷达派认为成本略高，但安全可靠。 激光雷达显然是多数派，在《汽车纵横》的《风向突变，融合感知路线又崛起？ 》一文中，多位产业界人士为之站台。
他们认为，虽然暂时存在成本问题，但是未来走向L3/L4一定要有激光雷达。 极氪林金文认为，激光雷达融合感知路线配合算法软件能实现的极致安全性，是纯视觉做不到的，不用激光雷达就是在为降本找理由。 而华为靳玉志认为，从技术上看，激光雷达的原理决定了不需要认识障碍物，但一定能够检测出，从而进行刹停或避障。
有关成本问题，《汽车与配件杂志》在《借智能电动车发展之势，激光雷达前景如何？ 》文中，采访了Yole Group高级分析师Pierrick Boulay，“如何解决激光雷达性能与成本之间的折衷问题，这是每一家主机厂都要面对的课题，往往需要结合实际的应用场景去思考与权衡。 ”对于对激光雷达“成本”这个Bug，禾赛科技施叶舟有不同的看法。
他认为，“综合成本不仅包括硬件成本，还应考虑背后的研发服务和资源投入，包括算法、路测、云计算、数据标注、仿真训练和系统软件等隐性成本。 ”所有激光雷达派的一致认为，纯视觉的摄像头本质上是“模拟人的眼睛，看不清楚会带来风险”，“纯视觉方案的相机在一些场景中会受限制，包括光线很暗、下暴雨等”。
有关“激光雷达派”对纯视觉的弱光场景诟病，《时代汽车》的《浅析纯视觉感知自动驾驶安全问题》作出详细解释，并举出三个技术方案来应对。 两种技术路线之争，本质上是两种科学和哲学的碰撞。 视觉派遵循“仿生学”，走的是“少即是多”的极简主义，激光雷达派则遵循“工程学”，信奉冗余即安全。 但是二者追求的目标是一致的，都是为用户提供更强大更全的高阶辅助驾驶。
从来没有人说仿生学与工程学不能交叉，价值未来随着传感器性能升级、价格降级，可以预见，未来可能会形成稳定的共存格局。 比亚迪的辟谣行动，实际上是对自身技术路线的再次确认。 天神之眼系统已经证明了在现有传感器配置下的能力，日间130公里每小时对静止前车的避障，隧道内135公里每小时的速度对静止前车进行刹停，这些数据已经达到了行业领先水平。
在仅余60厘米余量的窄路会车场景下，系统展示了自主借道绕行临停车的能力。 窄路一把调头的功能，被描述为“像十年驾龄老司机般果断丝滑”。 2026款比亚迪夏中低配车型搭载天神之眼C-辅助驾驶三目版，配备12个摄像头、12个超声波雷达和5个毫米波雷达共29个智能传感器。 顶配版车型则搭载天神之眼B-辅助驾驶激光版，新增1颗激光雷达，共计30个智能传感器。
比亚迪的天神之眼C版本采用全球独创前视三目5R12V12U方案，通过“二郎神”三目摄像头实现高阶智驾。 这个方案包括5个高精度毫米波雷达，12个高清摄像头，12个超声波雷达高感知系统。 全场景泊车辅助搭载泊车辅助、下车泊入、手机遥控泊车等功能，通过超声波雷达和环视摄像头探测车辆周围环境信息。
智能驾驶领域的激光雷达与纯视觉之争，本质上确实是“硬件传感器冗余”与“AI算力替代”两种技术哲学的较量。 “更聪明的眼睛”和“更强大的大脑”的博弈在2025年已进入白热化阶段，2026年智能感知技术会倒向哪边？ 融合还是更加分裂？ 引言部分提到感知技术路线的十字路口，2026年开年智能驾驶领域迎来了一场足以改变行业格局的技术变革。
华为乾崑正式发布全球量产最高规格的896线双光路图像级激光雷达，标志着车载激光雷达正式从“点云级”迈入“图像级”时代。 这一技术突破不仅刷新了车载感知硬件的性能天花板，更在智能辅助驾驶向高阶演进的关键节点引发了新的思考。 自动驾驶“激光雷达VS纯视觉路线之争”烽烟又起，集度如何抉择？ 日前，丰田汽车旗下子公司Woven Planet Holdings宣布正在开发不使用激光雷达等昂贵传感器的自动驾驶技术。
针对此披露，外界普遍认为是丰田加入纯视觉自动驾驶技术阵营的重要信号。 丰田汽车为何会跳出自己提出的“激光雷达阵营”，而自动驾驶技术路线的争论，在量产商用领域又该如何定论？ 激光雷达VS纯视觉感知，谁才是自动驾驶的终局答案？ 众所周知，在智能驾驶两大发展路线上，长期存在着“激光雷达与纯视觉感知”两大路线。
纯视觉感知路线选择以机器视觉为核心，利用毫米波雷达+摄像头解决方案实现自动驾驶，主要代表有美国特斯拉的FSD、中国百度的Apollo Lite、以色列Mobileye的SuperVision三大主流纯视觉感知方案。 而激光雷达方案则选择以高精地图+激光雷达为核心传感器实现自动驾驶，代表企业有Waymo、百度Apollo、小马智行等。
可以说，除了百度Apollo选择两条路线并行之外，其他大部分企业都选择了押宝单个路线。 两条路线之争，缘于其优缺点的明显差异。 激光雷达方案，可以帮助车辆在现有技术条件下实现快速3D建模，比较精准的还原路况信息，形成计算机可以快速识别、快速处理、快速应对的方案。
然而，由于激光雷达方案成本高昂、且对芯片算力需求大，在现阶段无法在所有级别车型上完成搭载，这让意图使特斯拉成为“智能车中的大众、福特”的马斯克所不能忍受，为此他公开表示，激光雷达是“只有傻瓜才会用”的方案。 纯视觉感知路线的优势则比较明显，其不仅成本更低，且符合人眼逻辑，在数据积累达到一定规模后更会产生质变，直至达到比肩、超越激光雷达方案的自动驾驶表现，是一种在技术上更领先的方案。
为此，小鹏汽车副总裁吴新宙直言：“长期来看，视觉是无所不能的”。 但纯视觉方案也非完美无缺，在恶劣环境下，摄像头完成感知任务的难度也会随之提升。 纯视觉方案的局限性也十分突出。 摄像头属于被动传感器，性能高度依赖环境光照，在逆光、眩光、黑夜、大雨、大雾等复杂场景下，感知能力会大幅衰减，远不及激光雷达的稳定性。
以激光雷达为核心的多传感器融合阵营则认为，在可见的未来，机器智能难以复刻人类基于经验的常识与直觉，恶劣环境下必须依靠激光雷达等硬件冗余，来弥补软件算法的不足。 简言之，纯视觉路线将技术压力全部集中于算法，赌的是AI智能化的突破。 多传感器融合则更侧重工程落地的安全性，选择的是经过验证的稳妥方案。
目前，Waymo、小鹏、蔚来等主流车企与自动驾驶公司，均站在多传感器融合阵营，在他们看来，安全是自动驾驶不可逾越的红线，而硬件冗余是保障安全的核心途径。 值得一提的是，两条路线并非完全割裂，正呈现相互融合的趋势：纯视觉方案开始引入更多类型的传感器补充感知能力；多传感器融合方案中，视觉算法的地位也持续提升，成为理解场景语义的关键核心。
即便在多传感器融合阵营内部，也存在一场关于传感器选型的细分争议：毫米波雷达成本仅数百元，而早期激光雷达动辄数万美元，为何车企仍愿为激光雷达投入高额成本？ 激光雷达可通过发射激光束并测算返回时间，构建出超高精度的3D点云图像，能精准解决其他传感器难以应对的极端场景。 其角分辨率极高，可清晰识别行人姿态、车辆轮廓，甚至路面微小障碍物。
在L4/L5级商业自动驾驶领域，激光雷达是唯一能同时满足高精度感知与静态物体检测的传感器，为了实现基础自动驾驶功能与安全冗余，这笔成本堪称车企必须支付的“入场券”。 但激光雷达并非完美无缺。 激光本质是红外光，波长极短，当雨滴、雾滴、雪花、烟尘等颗粒的尺寸与激光波长接近时，会引发激光散射与吸收，产生大量“噪声”点云，严重影响感知精度。
4D毫米波雷达则恰好能弥补这一短板，其具备全天候工作能力，在恶劣天气下可凭借强穿透性，率先探测前方障碍物并输出距离、速度数据。 不过，毫米波雷达的回波点极为稀疏，仅能形成少量点云，无法像激光雷达那样勾勒物体轮廓与形状，还可能因电子干扰出现“幽灵识别”的误判。 低分辨率的缺陷，决定了它只能作为辅助传感器上车，无法成为感知核心。
全部评论 （0）