在自動(dòng)駕駛技術(shù)路線選擇的關(guān)鍵節(jié)點(diǎn)，小鵬汽車自動(dòng)駕駛產(chǎn)品高級(jí)總監(jiān)袁婷婷近日公開(kāi)對(duì)激光雷達(dá)方案提出質(zhì)疑，直言“激光雷達(dá)看得遠(yuǎn)是個(gè)偽命題”。這一觀點(diǎn)引發(fā)行業(yè)對(duì)傳感器技術(shù)路線的深度討論，也折射出小鵬汽車從激光雷達(dá)到純視覺(jué)方案的戰(zhàn)略轉(zhuǎn)向背后的技術(shù)邏輯。
圖片來(lái)源：小鵬汽車
袁婷婷從物理特性、環(huán)境適應(yīng)性及信息處理效率三個(gè)維度，系統(tǒng)性拆解了激光雷達(dá)在遠(yuǎn)距探測(cè)中的技術(shù)短板。
1. 能量衰減與點(diǎn)云密度瓶頸：激光雷達(dá)依賴發(fā)射近紅外光并計(jì)算反射回波時(shí)間（ToF）來(lái)定位障礙物，但這一原理導(dǎo)致其能量密度隨距離呈平方反比衰減。以行業(yè)領(lǐng)先的192線激光雷達(dá)為例，在200米外探測(cè)時(shí)，其回波信號(hào)強(qiáng)度和點(diǎn)云密度僅為近距離探測(cè)的千分之一，導(dǎo)致對(duì)輕質(zhì)物體（如塑料袋）與危險(xiǎn)目標(biāo)（如橫穿電瓶車）的區(qū)分能力大幅下降。相比之下，800萬(wàn)像素?cái)z像頭在相同距離下仍能捕捉到豐富的紋理、顏色等語(yǔ)義信息，為算法決策提供更可靠的依據(jù)。
2. 多徑效應(yīng)與低幀率加劇誤判風(fēng)險(xiǎn)：激光雷達(dá)在復(fù)雜場(chǎng)景中易發(fā)生多次反射，導(dǎo)致回波信號(hào)混疊。例如，城市立交橋結(jié)構(gòu)曾引發(fā)某車型將橋墩陰影誤判為靜止車輛，導(dǎo)致十余次非必要急剎。此外，主流激光雷達(dá)的10Hz刷新率僅為攝像頭幀率的五分之一，在120公里/小時(shí)車速下，200米外的移動(dòng)目標(biāo)物會(huì)在兩次掃描間隔中位移超3米，進(jìn)一步降低動(dòng)態(tài)目標(biāo)識(shí)別精度。
3. 極端天氣下的“致盲”困境：激光雷達(dá)對(duì)雨霧等天氣高度敏感。實(shí)測(cè)數(shù)據(jù)顯示，暴雨環(huán)境下其有效探測(cè)距離驟降至30米以內(nèi)，且近場(chǎng)噪點(diǎn)增加五倍。而毫米波雷達(dá)憑借其長(zhǎng)波長(zhǎng)特性，在穿透能力上展現(xiàn)出獨(dú)特優(yōu)勢(shì)。今年廣東汛期路測(cè)中，純視覺(jué)方案車輛在能見(jiàn)度50米工況下的識(shí)別準(zhǔn)確率反而比融合感知方案高出12%，凸顯了單一激光雷達(dá)方案的局限性。
袁婷婷強(qiáng)調(diào)，小鵬汽車轉(zhuǎn)向純視覺(jué)方案并非“技術(shù)降級(jí)”，而是基于數(shù)據(jù)積累與算法突破的必然選擇。
1. 高分辨率攝像頭的信息密度優(yōu)勢(shì)：在200米外探測(cè)場(chǎng)景中，攝像頭憑借800萬(wàn)像素分辨率與紋理識(shí)別能力，可精準(zhǔn)捕捉目標(biāo)物的形態(tài)特征。例如，在區(qū)分塑料袋與電瓶車時(shí)，攝像頭能通過(guò)紋理特征快速判斷物體屬性，而激光雷達(dá)僅能提供稀疏的點(diǎn)云數(shù)據(jù)，難以支撐復(fù)雜場(chǎng)景下的決策。
2. 端到端模型打破傳感器依賴：小鵬汽車通過(guò)全量信息點(diǎn)收集與端到端算法迭代，實(shí)現(xiàn)了對(duì)傳感器硬件的“解耦”。袁婷婷指出，視覺(jué)與激光雷達(dá)版本的能力一致性，本質(zhì)取決于模型對(duì)多模態(tài)數(shù)據(jù)的融合處理能力，而非單一傳感器的性能。例如，小鵬P7+搭載的AI鷹眼視覺(jué)方案，通過(guò)海量真實(shí)場(chǎng)景數(shù)據(jù)訓(xùn)練，已能實(shí)現(xiàn)與激光雷達(dá)版本相近的復(fù)雜場(chǎng)景應(yīng)對(duì)能力。
3. 成本與工程化的現(xiàn)實(shí)考量：從商業(yè)層面看，單顆激光雷達(dá)采購(gòu)成本約占BOM總成本的2%，而8攝像頭方案硬件成本可降低37%。更輕量化的傳感器布局還使車型續(xù)航提升5.2%，為消費(fèi)者帶來(lái)直接收益。這種“降本增效”的平衡，正是小鵬汽車推動(dòng)技術(shù)路線轉(zhuǎn)向的核心驅(qū)動(dòng)力。
盡管袁婷婷的質(zhì)疑直指激光雷達(dá)痛點(diǎn)，但行業(yè)對(duì)傳感器融合的共識(shí)并未動(dòng)搖。激光雷達(dá)在夜間探測(cè)、低矮障礙物識(shí)別（如井蓋、石塊）及異形目標(biāo)檢測(cè)（如馬車）中的優(yōu)勢(shì)仍不可替代。例如，Waymo測(cè)試顯示，激光雷達(dá)在識(shí)別異形障礙物時(shí)比純視覺(jué)方案快0.3秒，顯著降低城市道路誤剎車率。
業(yè)內(nèi)專家指出，自動(dòng)駕駛的終極方案并非“非此即彼”，而是需要構(gòu)建“攝像頭為主、多傳感器冗余”的感知體系。例如，毫米波雷達(dá)可彌補(bǔ)激光雷達(dá)在雨霧天氣的短板，而攝像頭則負(fù)責(zé)提供語(yǔ)義信息。這種“揚(yáng)長(zhǎng)避短”的融合策略，才是技術(shù)演進(jìn)的正確方向。
袁婷婷的質(zhì)疑，本質(zhì)上是對(duì)自動(dòng)駕駛技術(shù)本質(zhì)的回歸：傳感器只是“眼睛”，而算法才是“大腦”。在數(shù)據(jù)與算力驅(qū)動(dòng)的智能時(shí)代，如何讓“大腦”更高效地處理信息，或許才是行業(yè)需要思考的核心命題。
