激光雷達，正毫不留情的打臉馬斯克

在前段時間的2025智能網聯汽車大會上，前工信部部長苗圩再次給多傳感器融合方案站臺，引發了部分鍵盤俠的不滿。

這種爭議說明，在日常行車任務中，純視覺方案和帶激光雷達的多傳感器融合方案的實際表現基本上在同一個水平線，

要不然，這一架也不至于吵了這么多年。

鑒于行走的第一性原理代言人馬斯克多年來始終力挺純視覺方案，鄙視激光雷達。

今天，我們搬出更為重磅的第一性原理-空間智能，看看在這個全新的維度和視角之下，激光雷達的價值和作用到底體現在哪兒。

身體永遠比語言更誠實。

近日，小鵬汽車公開宣布其圖靈AI智駕轉向世界模型，意味著曾經被理想、小鵬和元戎啟行們力挺的VLA技術路線完敗于華為和特斯拉力挺的世界模型。

之所以會出現這樣的局面，是因為和VLA的核心-語言智能相比，世界模型的核心-空間智能顯然更加接近駕駛任務的本質。

在語言智能和空間智能這兩種智能形式里，語言智能以一維序列信息處理抽象的符號和邏輯，空間智能重在理解物體在三維空間中的位置、形狀、深度、運動等幾何屬性以及各類物體之間的物理關系。

很顯然，比起一維的語言智能，三維的空間智能更加適合自動駕駛這種需要在三維空間中完成的任務。

站在空間智能的視角下，可直接提供三維信息的激光雷達正是為自動駕駛系統提供三維空間理解能力、構建空間智能的核心傳感器。

通過發射激光束并測量其返回時間，激光雷達能直接生成周圍環境的三維點云，每個點都包含精確的XYZ坐標，相當于為車輛實時繪制出高精度的幾何素描。

這種基于物理測量的深度信息意味著原生的三維能力，在準確性、可靠性和穩定性上，優于只能提供二維信息、并通過算法間接推斷三維深度的攝像頭傳感器。

這種維度上的天然優勢，是視覺方案的支持者無法回避的。

有關維度之間的差異，家長們應該是門清的。

輔導過娃娃作業的朋友們都知道，在小學六年級的時候，孩子們會學習點動成線、線動成面、面動成體的概念。

一條線中有無數個點，一個面里有無數條線，一個立體中又有無數個面。

從 0.5維（點）到一維（線），從一維到二維（面），再從二維到三維（體），維度的每一次躍遷，信息的豐富度都得到了無數倍的延展。

說完三維建模，再來看行為預判。

地平線掌門人余凱高屋建瓴地指出，“預判”才是L3、L4高等級自動駕駛的關鍵。

也就是說，自動駕駛系統需要基于距離和速度追蹤行人、車輛的運動軌跡，預測其下一步意圖，才能實現安全、高效、舒適的駕駛體驗。

在對自動駕駛的決策規劃至關重要的測距和速度測量方面，激光雷達同樣具備天然的高精度優勢。

從空間智能需要的三維空間理解能力來看，依賴強大的算法腦補、反推深度和幾何關系，識別物體、進行測距和速度測量的視覺方案天然不如原生具備三維測量能力的多傳感器融合方案。

攝像頭提供豐富的語義信息，激光雷達提供精確的幾何信息，兩者融合，理論上可以實現更好的效果。

既然如此，為何特斯拉、小鵬們還堅持視覺方案呢？

理想很豐滿，現實很骨感。

當理論的指導落實到具體的實踐上，在自動駕駛算法完成的核心任務-3D 目標檢測、語義分割以及軌跡預測上，多傳感器融合方案理論上的1+1>2的效果或許真不如只有其一沒有其二的視覺方案。

原因無他，數據融合的問題實在太難了。

從當前硬件系統的實現和學術界的研究工作來看，如何有效地融合攝像頭、激光雷達、毫米波雷達這些多模態傳感器的數據并非易事。

首先也是最重要的，如果攝像頭和激光雷達安裝在不同的位置上，由高度、角度不一帶來的視角差異會導致不同傳感器觀測到的環境目標可能不同。

比如激光雷達安裝在車頂位置而相機安裝在保險杠位置（或者相反），當前方有障礙物時，由于相機和激光雷達存在高度的差異，兩者觀測到的環境目標可能是不同的，如果單純利用相機和激光雷達的外參進行投影融合，就會產生因遮擋導致探測的目標不一致的問題。

這個難題或許正是小鵬汽車拋棄激光雷達、轉向純視覺方案的重要原因之一。

其它幾乎所有車企都選擇將激光雷達安裝在車頂上，與前視攝像頭相近的位置，大大緩解了因安裝位置不一致導致的空間對齊問題。

但是，小鵬汽車把兩顆角毫米波雷達安裝在前保險杠兩側，和前視攝像頭的視野存在相當大的不同。

這時，它必然遭遇因安裝位置不同導致環境目標感知不同這種很難克服的難題。

除了安裝位置導致的橫看成嶺側成峰、遠近高低各不同，不同傳感器在時空相位、數據幀率、信息尺度上也會存在差異。

激光雷達的幀率在10-20Hz之間，攝像頭的幀率在30-60Hz之間，激光雷達和攝像頭這兩個傳感器的數據在時間維度上天然就是非對齊的，這種效應在汽車快速運動下表現得尤其明顯。

因此，簡單地利用內外參將點云投影到圖像平面，會導致點云和像素無法對齊的情況。

在硬件層面，可以為所有傳感器都提供統一的時間基準，再通過精確時間協議或傳感器硬件觸發接口直接控制傳感器在相同的時刻進行采集。

在軟件層面，可以通過時間戳對齊與數據插值，為不同時間戳的數據建立關聯，并通過算法估計或預測同一時刻的數據狀態。

如果不采用前融合，可以將不同傳感器提取的特征映射到統一的空間后，再在BEV或OCC空間內進行融合。

至于其它難題，兵來將擋，水來土掩，總歸是有辦法解決的。

作為曾經豪言要將特斯拉打得找不著東的小鵬汽車致敬的標桿，特斯拉執拗地選擇純視覺路線。

一則是因為過去的激光雷達太貴，馬斯克沒有預見到激光雷達的價格會在中國產業鏈的帶動下呈現近乎雪崩式的下降。

二則是為了規避激光雷達和攝像頭數據不一致的風險。

第一性原理并非特斯拉的出發點。

基于第一性原理，安全的關鍵在冗余，多樣性是保證魯棒性的關鍵，既然如此，為什么還要排斥激光雷達呢？