在自動駕駛技術路線選擇的關鍵節(jié)點，小鵬汽車自動駕駛產(chǎn)品高級總監(jiān)袁婷婷近日公開對激光雷達方案提出質疑，直言“激光雷達看得遠是個偽命題”。這一觀點引發(fā)行業(yè)對傳感器技術路線的深度討論，也折射出小鵬汽車從激光雷達到純視覺方案的戰(zhàn)略轉向背后的技術邏輯。
袁婷婷從物理特性、環(huán)境適應性及信息處理效率三個維度，系統(tǒng)性拆解了激光雷達在遠距探測中的技術短板。
1. 能量衰減與點云密度瓶頸：激光雷達依賴發(fā)射近紅外光并計算反射回波時間（ToF）來定位障礙物，但這一原理導致其能量密度隨距離呈平方反比衰減。以行業(yè)領先的192線激光雷達為例，在200米外探測時，其回波信號強度和點云密度僅為近距離探測的千分之一，導致對輕質物體（如塑料袋）與危險目標（如橫穿電瓶車）的區(qū)分能力大幅下降。相比之下，800萬像素攝像頭在相同距離下仍能捕捉到豐富的紋理、顏色等語義信息，為算法決策提供更可靠的依據(jù)。
2. 多徑效應與低幀率加劇誤判風險：激光雷達在復雜場景中易發(fā)生多次反射，導致回波信號混疊。例如，城市立交橋結構曾引發(fā)某車型將橋墩陰影誤判為靜止車輛，導致十余次非必要急剎。此外，主流激光雷達的10Hz刷新率僅為攝像頭幀率的五分之一，在120公里/小時車速下，200米外的移動目標物會在兩次掃描間隔中位移超3米，進一步降低動態(tài)目標識別精度。
3. 極端天氣下的“致盲”困境：激光雷達對雨霧等天氣高度敏感。實測數(shù)據(jù)顯示，暴雨環(huán)境下其有效探測距離驟降至30米以內，且近場噪點增加五倍。而毫米波雷達憑借其長波長特性，在穿透能力上展現(xiàn)出獨特優(yōu)勢。今年廣東汛期路測中，純視覺方案車輛在能見度50米工況下的識別準確率反而比融合感知方案高出12%，凸顯了單一激光雷達方案的局限性。
袁婷婷強調，小鵬汽車轉向純視覺方案并非“技術降級”，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：在200米外探測場景中，攝像頭憑借800萬像素分辨率與紋理識別能力，可精準捕捉目標物的形態(tài)特征。例如，在區(qū)分塑料袋與電瓶車時，攝像頭能通過紋理特征快速判斷物體屬性，而激光雷達僅能提供稀疏的點云數(shù)據(jù)，難以支撐復雜場景下的決策。
2. 端到端模型打破傳感器依賴：小鵬汽車通過全量信息點收集與端到端算法迭代，實現(xiàn)了對傳感器硬件的“解耦”。袁婷婷指出，視覺與激光雷達版本的能力一致性，本質取決于模型對多模態(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鷹眼視覺方案，通過海量真實場景數(shù)據(jù)訓練，已能實現(xiàn)與激光雷達版本相近的復雜場景應對能力。
3. 成本與工程化的現(xiàn)實考量：從商業(yè)層面看，單顆激光雷達采購成本約占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%，為消費者帶來直接收益。這種“降本增效”的平衡，正是小鵬汽車推動技術路線轉向的核心驅動力。
盡管袁婷婷的質疑直指激光雷達痛點，但行業(yè)對傳感器融合的共識并未動搖。激光雷達在夜間探測、低矮障礙物識別（如井蓋、石塊）及異形目標檢測（如馬車）中的優(yōu)勢仍不可替代。例如，Waymo測試顯示，激光雷達在識別異形障礙物時比純視覺方案快0.3秒，顯著降低城市道路誤剎車率。
業(yè)內專家指出，自動駕駛的終極方案并非“非此即彼”，而是需要構建“攝像頭為主、多傳感器冗余”的感知體系。例如，毫米波雷達可彌補激光雷達在雨霧天氣的短板，而攝像頭則負責提供語義信息。這種“揚長避短”的融合策略，才是技術演進的正確方向。
袁婷婷的質疑，本質上是對自動駕駛技術本質的回歸：傳感器只是“眼睛”，而算法才是“大腦”。在數(shù)據(jù)與算力驅動的智能時代，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。
CONTACT US
ICC APP
