昨天，激光雷达再次流行起来。
起因是一位名为“AlphaSense”的推特用户分享了自动驾驶汽车专家的会议纪要。
这位自动驾驶专家表示，特斯拉已经设计了自己的激光雷达，并正在与大陆集团合作，将其为未来汽车开发的雷达技术集成到其系统中。
受此影响，激光雷达龙头公司禾赛股价大涨36.4%。
不管这个消息是真是假。但从目前能收集到的信息来看，特斯拉拥抱激光雷达很可能是一个美丽的“误会”。
今天我们就来说说为什么特斯拉不太可能拥抱激光雷达，以及其背后的另一个热门话题：自动驾驶走向纯视觉深度逻辑。
01 为什么拥抱激光雷达是一个误区？
事实上，这并不是特斯拉拥抱激光雷达的传闻第一次出现。
今年10月，有人在北加州拍摄到一辆配备激光雷达设备的特斯拉Model X测试车。
今年上半年，美国上市激光雷达公司Luminar在第一季度财报中透露，特斯拉在2024年第一季度已成为其最大客户，占其营收比例超过10%。
根据财报公布的数据，特斯拉采购了超过210万美元的激光雷达。
很多人据此猜测，特斯拉并没有完全放弃这条路线，甚至还计划将激光雷达集成到系统中。
但在鸦君看来，这样的判断更有可能是一场误会。原因有以下三个：
首先，在当前的智能驾驶行业中，有两种以激光雷达为主要传感器的路线和一种以摄像头为主要传感器并放弃激光雷达的纯视觉路线。特斯拉一直是纯视觉路线的坚定支持者。
自2015年以来，马斯克多次强调激光雷达对于自动驾驶汽车来说毫无意义。 12月2日，马斯克再次公开批评激光雷达，称其为“错误的解决方案”，并重申了自己的一贯观点：
在复杂的道路驾驶环境中，模拟生物神经网络和眼睛的视觉系统是最有效的方法。
目前没有证据表明马斯克会允许特斯拉安装激光雷达。因为这无异于打自己的脸。
其次，特斯拉在采购激光雷达之前也这么做过。
2021年5月，有媒体透露，特斯拉与Luminar签署合同，使用激光传感器技术进行测试和开发。
当时，有人猜测激光雷达将被集成到特斯拉的自动驾驶系统中。但随后特斯拉否认了这一说法，并表示：“我们定期针对其他传感器测试我们的技术，以校准我们的系统。”
这一次，虽然特斯拉已经成为Luminar最大的客户。但 Luminar 并不知道为什么要购买这些激光雷达。该公司首席财务官汤姆·芬尼莫尔在财报电话会议上表示：
“这不是特斯拉第一次向我们订购激光雷达，但不是定期的，而是间歇性的。他们到底在做什么，我们只能猜测。”
第三，也是最重要的，自从特斯拉发布端到端智能驾驶系统以来，自动驾驶的技术路线开始向纯视觉倾斜。
今年7月，何小鹏在美国亲自测试FSD后明确表示，小鹏新车将采用端到端的纯视觉解决方案。
今年9月，Mobileye发表声明，决定放弃激光雷达的研发。
今年11月，奔驰在中国展示了“无图化”L2++全场景高端智能驾驶系统，采用不依赖高精度地图的纯视觉解决方案。
股价表现也可以反映投资者对激光雷达的态度。自去年上市以来，禾赛股价一直在下跌。经过昨日的大幅上涨，禾赛股价报13.92美元，较上市首日开盘价下跌41.39%。
要知道，禾赛是激光雷达领域绝对的王者。据YOLE数据显示，禾赛在2023年全球激光雷达市场排名第一，市场份额为37%。在L4级自动驾驶（含Robotaxi）领域，禾赛是绝对领先者，市场份额达74%。
考虑到以上三点，克劳很难想象特斯拉会拥抱激光雷达。尤其是端到端技术出现后，激光雷达的逻辑正在遭受巨大的冲击。
02 视觉能力决定智能驾驶的上限
今年1月，特斯拉FSD基于“端到端”升级至V12版本。
其重要性怎么强调都不为过。因为这改变了行业企业以往模块化智能驾驶解决方案对规则和激光雷达感知信息的依赖，即从传统解决方案的规则驱动性转向AI驱动、数据驱动的“端到端”。 ”解决方案。
传统的自动驾驶算法框架是模块化结构，感知、决策、执行三个环节是分离的。
具体来说，当车辆上的摄像头、雷达等传感设备收集到真实世界的数据时，将其发送到传感模块进行语义分析。提取关键信息后，发送至决策模块，与相应的执行策略进行匹配。最后，车辆将执行与操作相对应的动作。
以道路图片为例。计算机需要识别图片中的“汽车”、“行人”、“建筑物”或“交通标志”等物体，然后整理出这些物体之间的对应关系。 ，如“行人过马路，汽车等红灯停车”。
如何判断这些事物之间的逻辑关系并做出决策，取决于开发者预设的规则和逻辑，比如各种弯道限速、路口限速、红绿灯限速，甚至是接近其他车辆的限速。限速....
但困难在于路上的情况是不可预测的，预设的规则是有限的。总有一些现实情况是无法提前预测的。这很容易导致问题。例如，如果车辆无法识别特殊物体，就会直接撞击该物体。
但端到端是不同的。所谓“端到端”，是指将一系列感知、决策的模块集成到一个大模型中。
这个大型模型的功能与人脑类似。通过这个大脑，可以将传感器采集到的感官信息转化为车辆方向盘转动角度、油门踏板深度、刹车力度等具体操作指令，让汽车实现自动驾驶。
这样做的好处是开发者不需要提前设定规则。 AI就像人类司机一样，可以根据看到的图像理解语义信息，比如识别行人、车辆、斑马线、红绿灯等，并理解它们之间的关系。之间的关系。
当然，前提是需要使用大量的学习资料进行训练。据称，特斯拉的FSD V12使用了来自世界各地的数百万个特斯拉车身视频作为训练材料，模仿人类驾驶员的驾驶决策。
当模型的信息处理能力大幅增强时，激光雷达的价值就大大降低。原因很简单。视觉可以提供更多信息进行判读，而激光雷达只能提供距离、奇怪障碍物等有限信息。
极岳车载产品经理贾秀江曾表示，传统车载量产激光雷达的传感数据量几乎是8兆高清摄像头的160倍。
这意味着影响收集信息量的视觉能力将决定自动驾驶系统的上限。提升视觉能力自然成为了自动驾驶系统后期优化的唯一方向。例如，小鹏汽车推出的AI Eagle Vision智能驾驶解决方案，提升了摄像头的全场景感知能力。
感知信息能力的巨大差距，再次让激光雷达陷入了尴尬的境地。而马斯克再次取得了对抗主流的胜利。
03 第一性原理的非主流胜利
在激光雷达和纯视觉的竞争中，马斯克始终站在大多数人的对立面。
长期以来，激光雷达一直是自动驾驶最主流的解决方案。除特斯拉以外的主流车企正在使用或即将使用激光雷达，包括全球电动汽车冠军比亚迪和乘用车领先者丰田。
此前很多人认为马斯克选择纯视觉路线是因为激光雷达的成本太高。但在克罗看来，马斯克追求第一性原理思维，决定了他不会选择激光雷达作为过渡解决方案。
所谓第一原理，是从最基本的物理或逻辑公理出发，不依赖任何经验或假设，通过逻辑推理得出结论。
简单来说，就是不被现状所影响，根据事物的本质寻找长期的、更有效的解决方案。
这种思维方式让马斯克总是能够取得偏离主流路线的胜利。
在火箭制造领域，比较主流的方式是通过购买和改造旧火箭来切入，但马斯克选择购买二手设备，从头开始建造火箭。在汽车工程领域，传统车企的生产线一旦建成就很少改变，但特斯拉会快速改变和升级生产线，以简化流程、降低成本。
回到自动驾驶领域，纯视觉路线也源自马斯克独特的技术理念。
马斯克早就判断，人工智能最终会达到人类思维，摄像头将完全有能力甚至超越人眼，实现自动驾驶。人们开车时主要依靠眼睛，不需要能够精确测量距离的感觉器官。
过去，纯视觉路线的最大问题是AI技术很难复制人脑的思维模式。直到大型模型的出现，马斯克的愿景变成了现实。
马斯克在新能源汽车和火箭制造领域两次获奖。这一次，他很有可能再次获胜。
本文来自微信公众号“乌鸦智谈”，作者：智能乌鸦，36氪授权发布。
