隨著大模型等AI技術的不斷發展，數據驅動的端到端方案逐漸成為行業新寵，激光雷達這一曾被視為高階智能駕駛系統必備組件的技術正面臨挑戰。
9月初，自動駕駛技術公司Mobileye宣布終止下一代調頻連續波（FMCW）激光雷達的內部開發，為行業“去激光雷達”的論調再添一把火。
視覺中國
在智能駕駛領域，特斯拉CEO馬斯克一直是純視覺方案的堅定支持者。他曾直言，“只有傻子才會用激光雷達”。
這一觀點隨即遭到反擊。華為常務董事、終端BG董事長、智能汽車解決方案BU董事長余承東曾表示，“以特斯拉FSD（完全自動駕駛）為代表的純視覺方案，上限很高，下限也很低”。
事實上，對于要不要拋棄激光雷達，當前業內的意見并不統一。“端到端是一種軟件算法技術，激光雷達是硬件傳感器，兩者完全可以共存。無論軟件算法技術如何發展，對智能駕駛的實現而言，激光雷達必不可少。”速騰聚創相關專家對《每日經濟新聞》記者表示。
但在極越CEO夏一平看來，想要實現端到端解決方案，純視覺技術是目前的最佳選擇。
激光雷達價格不斷下滑
作為純視覺自動駕駛路線的堅定支持者，馬斯克經常盛贊視覺技術的優越性，并三番兩次怒懟“激光雷達昂貴且沒有必要”。他認為，依靠攝像頭和神經網絡，結合強大的算法和算力，就能夠實現高效且安全的自動駕駛體驗。
有業內人士指出，以往特斯拉不使用激光雷達而走純視覺路線，主要是因為當時處于行業發展早期，單顆激光雷達單價超過1000美元，這對于量產車而言過于高昂。
蔚來CEO李斌也曾表示，不同的階段，激光雷達發揮的作用是不一樣的，當年特斯拉做Model S和Model Y時，國外的激光雷達單價高達幾萬美元，而特斯拉的車型售價并沒有那么高。
然而，隨著規模化量產以及價格戰的持續進行，曾經價格高昂的激光雷達，價格也在迅速下降。前述速騰聚創相關專家向《每日經濟新聞》記者表示，當前，量產激光雷達的單位成本已經做到500美元（約合人民幣3500元）以內。預計到2025年，部分新產品的單位成本將降至200美元以內（約合人民幣1400元）。
禾賽科技方面也向記者表示，其主力產品AT128系列（車規級超高清遠距激光雷達）的售價今年將下跌10%~20%。
與此同時，車企的策略也開始分化。蓋世汽車研究院報告顯示，目前，越高等級的自動駕駛功能，對激光雷達裝載偏好越高，尤其是在L2++領域，具備高速NOA功能車型的激光雷達裝載率超60%，而城市NOA場景中這一比率更是接近100%。
另一方面，高階智駕也在走向下沉市場。高端車型中，消費者對安全性和先進技術的需求更高，因此激光雷達成為標配。而在20萬元以下的車型中，車企則傾向于采用成本更低的純視覺方案，以吸引價格敏感的消費者。激光雷達作為智駕系統中成本僅次于智駕芯片的零部件，被砍掉后能夠幫助車企省下大量BOM成本（Bill of Material Cost，指制造一輛汽車所需的所有原材料、零部件、組件以及其相關費用的總和），也能在價格戰中占據主動權。
對此，極氪副總裁林金文提出了不同的觀點。他認為，“激光雷達確實成本很高，但配合算法軟件能實現的極致安全性，是純視覺（方案）做不到的，不用激光雷達就是在為降本找理由”。
兩種方案各有所長
據記者梳理，純視覺方案依賴攝像頭捕捉的圖像數據，并通過深度學習算法進行處理和分析，以實現環境感知和決策。而激光雷達方案則通過發射激光束來測量物體與設備間的相對距離，獲取精確的三維環境信息。
2024年3月，特斯拉發布FSD V12版本，以Occupancy+ Transformer框架作為基礎模型，實現了感知和決策規劃兩大模塊的算法“端到端”。FSD V12的一個顯著特點是，其99%的決策由神經網絡給出，大幅減少了對硬編碼編程的依賴。通過開發專門的計算機視覺模型和高分辨率攝像頭，FSD V12能夠在各種復雜的道路環境中準確識別車輛、行人和其他障礙物。
夏一平認為，純視覺方案的3D精度能達到厘米級，其感知能力甚至能超越主流激光雷達。激光雷達雖然能夠探測到障礙物，但無法識別障礙物具體是什么，無法實現自我成長和進步。而通過視覺方案，車輛可以像人眼一樣觀察世界，學習并記住不同的物體和它們的行為。
小鵬汽車董事長、CEO何小鵬也支持這一觀點。他認為，端到端大模型能讓智駕更加“類人”，并無限接近L4級別的自動駕駛。
然而，Momenta CEO曹旭東對此持有不同看法。他指出，在一些長尾的安全場景下，如暗光環境下的行人橫穿，或是進出隧道時的光線變化，激光雷達的效果確實會更好，因為它提供了更穩定的光源和更精確的距離測量，從而帶來更好的安全保障。
前述速騰聚創相關專家也強調了純視覺方案在攝像頭“看不見”或“看不清”的情況下的局限性。如，強光照射、夜晚弱光環境、前景物體與背景顏色相同導致無法區分等情況，這些都可能導致嚴重的事故。
此外，美國國家公路交通安全管理局（NHTSA）對特斯拉汽車的調查，也反映了監管機構對純視覺方案安全性的關注。當地時間10月18日，在收到多起關于配備FSD功能的特斯拉車型的事故報告后，NHTSA宣布對241萬輛特斯拉汽車展開調查。
純視覺需更多資源投入
車百智庫研究院的報告指出，智能駕駛任務可以通過規則算法和模型兩種方式完成，前者由工程師人工定義規則，后者則基于數據訓練迭代，也就是機器模式。特斯拉FSD的創新，在于其真正實現了數據驅動。
在數據驅動的體系中，算法、云端算力、數據和工具，共同決定了企業的智能駕駛技術水平。算法像是“菜譜”，云端算力是“燃料”，數據是“食材”，工具則是“廚具”。
夏一平認為，智駕背后一定是數據驅動的，一旦把數據驅動跑通，智駕能力迭代的速度會更加夸張。而對于追求高度泛化能力和端到端解決方案的品牌來說，純視覺技術可能是目前的最佳選擇。
以特斯拉為例，在算力層面，截至2023年一季度，特斯拉云端算力達到35 EFLOPS（簡稱E），超過華為車BU（3.3E）、百度極越（2.2E）、長城（1.64E）、蔚來（1.4E）、理想（1.2E）、吉利（0.81E）、小鵬（0.6E）等企業已公開自建算力總和的3倍。
數據方面，公開資料顯示，截至2024年4月，特斯拉全球保有量超過600萬輛，FSD累計行駛里程已達12.5億英里（20億公里）。作為對比，小鵬汽車XNGP累計行駛里程為0.7億公里。
此外，特斯拉采用純視覺感知方案，各車型采用標準化硬件配置以保證采集數據的格式統一。根據車百智庫研究院報告，特斯拉FSD累計學習的高質量視頻片段已超過2000萬個，這樣規模的數據量僅采集成本就需要50億~80億元。
短期內，去除激光雷達可以降低成本。但從長遠來看，車企需要為這一選擇投入更多的研發資源。禾賽科技戰略負責人施葉舟表示，成本不僅包括硬件成本，還應考慮背后的研發服務和資源投入，包括算法、路測、云計算、數據標注、仿真訓練和系統軟件等隱性成本。
輕舟智航產品負責人許諾也表示，現階段單純依靠視覺方案，很難應對中國城市道路中的各類Corner Case（邊緣場景）。