巴黎街头智驾大考：为何欧洲车企集体缺席？小鹏与特斯拉的路线之争，谁才是真赢家？
巴黎车展搞了个名为“智驾实验室”的硬核项目，这可不是那种让你在展台对着参数表发呆的常规操作，而是直接把车开进巴黎错综复杂的街头，让几百家媒体坐在副驾和后排，在真实的公共道路上进行一场全方位的“路考”。
起初，官方发出的邀请函几乎覆盖了所有参展车企，据说光是中国品牌就有二十多家接到了邀请。然而，当真正到了要上路、要被全程围观评判的关键环节时，报名的企业却锐减至两家：一家是美国的特斯拉，另一家则是中国的小鹏汽车。
令人玩味的是，欧洲本土的车企竟然无一敢应战，全部选择了沉默。更有意思的是，这两家敢于“亮剑”的企业，恰好代表了智能驾驶行业争论多年的两条截然不同的技术路线：小鹏汽车坚持搭载激光雷达，走的是多传感器融合感知的路子；
而特斯拉则一如既往地坚守纯视觉方案，试图用算法解决一切问题。这场“考试”之所以值得被严肃对待，是因为其规则极其严苛。活动安排在巴黎车展期间，每场测试时长为25分钟，车辆必须行驶在开放的公共道路上，且全程有全球媒体随车监督。
在活动开始前，就有超过400家媒体提交了报名申请。这与品牌方自己包下一块封闭场地、提前踩好点、再剪辑出完美视频给观众看有着本质的区别。在真实的路况下，一次不必要的急刹、一次该变道却犹豫不决、或者一次对障碍物的识别失误，都会被在场的媒体看得清清楚楚，没有任何重拍或修饰的机会。
巴黎的道路环境对智能驾驶系统来说，堪称地狱难度。老城区内单行线密布、环岛众多、无保护左转路口随处可见，行人和电动自行车随意穿行，交通标志也与国内大相径庭。最具代表性的挑战莫过于凯旋门处的巨型环岛，12条大道在此交汇，路况复杂至极。
何小鹏亲自乘坐搭载NGP系统的车辆通过了该路段，事后他评价这套系统在复杂路况下的表现“像个经验丰富的欧洲老司机”，从容且稳健。那么，备受争议的激光雷达究竟是个什么存在？
可以做一个通俗的理解：这就好比在夜晚你打开手电筒照射墙壁，通过光斑的位置和返回时间，你能大致估算出距离墙壁有多远。
激光雷达所做的正是类似的事情，只不过它在一秒钟内能发射出几十万束激光，每一束激光都会精确计算“发射、碰到物体、反射回来”的时间差，最终将所有的数据点拼接成眼前环境的3D轮廓，这就是所谓的“点云”数据。
凭借这种技术，系统能够清晰分辨出50米外的那个黑影，究竟是一个穿着黑衣的行人，还是一辆停放的黑色轿车。这项技术的核心优势在于它是主动发光的，不依赖外界的环境光线。
因此，在夜间没有路灯、对向大货车开启远光灯造成眩目、或者刚从隧道出来遭遇强光突变等极端场景下，摄像头可能会因为过曝或光线不足而“致盲”，但激光雷达受到的影响则微乎其微，依然能保持稳定的探测能力。
相比之下，特斯拉的纯视觉方案走的则是另一条路。其核心理念认为，人类仅靠双眼就能驾驶汽车，那么给车辆装上一圈摄像头，再配合足够强大的人工智能算法，理应也能实现同样的效果。
特斯拉通过车身周围的摄像头采集画面，依靠深度神经网络将二维画面还原成一个三维的“向量空间”，再由模型去判断哪里是车、哪里是人、哪里是路以及具体的距离信息。特斯拉的底气来源于其庞大的数据积累。
FSD（完全自动驾驶能力）在海外已经积累了海量的行驶里程，见识过各种稀奇古怪的场景。模型见过的案例越多，遇到新情况时就越不容易慌乱，泛化能力也就越强。
如果将这两条路线进行对比，不难发现：激光雷达融合派的优势在于黑夜、逆光、恶劣天气等极端条件下的稳定性更高，多了一层硬件带来的安全冗余，但代价是硬件成本高昂，导致整车售价居高不下；
而纯视觉派的优势在于硬件成本低、装车规模大、数据迭代速度快，但其短板也同样明显，即对光线条件和算法模型的依赖极重，在极端场景下的表现全靠模型的“泛化能力”来兜底。
聊到这里，可能很多人期待得到一个非黑即白的结论，比如“激光雷达必胜”或者“纯视觉才是未来”。但客观来说，这两个结论都过于片面。网上大部分的争论，其实都没有抓到问题的本质。
第一个常见的误区是认为激光雷达数量越多越安全。事实并非如此。有的车型安装一颗、三颗甚至四颗激光雷达，许多消费者在购车时也习惯先数数量。但真正决定体验效果的，是探测距离、点云分辨率以及背后的算法能力。
堆砌一堆性能一般的硬件，不如选用一颗高性能的顶级雷达。硬件只决定了能力的上限，而算法才决定了车辆能否触达这个上限。第二个误区是认为纯视觉就是技术落后或厂家抠门。
这也不准确。特斯拉敢于大规模铺开纯视觉方案，依靠的是其深厚的模型积累和数据壁垒，这恰恰是行业中最难攻克的部分。
