Kaiyun - 中国官方网页 | 企业入口

　　我很推崇马斯克的第一性原理：既然人不需要激光雷达就能开车，那么自动驾驶车就不需要！剩下的困难，只不过是发展过程中的短暂痛苦罢了，终究会克服。

　　摄像头这个东西吧，说实话能力并不强，和人眼睛相比差远了。究其原因，是之前的摄像头只是用于拍摄记录的，并不是为了自动驾驶专用的摄像头。当时没需求，就没发展出来自动驾驶专用的。摄像头传感器与人类眼睛在感知能力上差异还是较大的：

　　这里提出一个观点：谁说摄像头一定是当下摄像头的感知能力？随着自动驾驶的普及，未来大概率会出现自动驾驶专用摄像头。并且专用摄像头系统需要具备远超人类眼睛的能力，而不是当下逊色于人类视觉的状态。如果基于此的话，摄像头完全可以平替激光雷达。

　　而摄像头的突破是不是有可能呢？回归第一性原理，从本源出发。如同人类视觉感知就是在感受“电磁波”一样，人造设备感受的电磁波的能力（波长）不同，我们给他们起了不同的名字：毫米波雷达，摄像头，激光雷达。。。。当然如果有需要，我们人类还可以发明出来其他的传感器，去感知特定频段（波长）的电池波。这里如果我们打开思路，摄像头不是非要感知可见光波长的范围，为了适应自动驾驶（雨天，黑天等），我们完全可以搞出来“暗环境摄像头”，来满足自动驾驶的需求。

　　最初选择激光雷达在于3D成像能力。特斯拉的BEV（鸟瞰视角）算法和OCC占用网络的引入，使得多目摄像头也能具备感知纵深的能力，结果就是给2D图片添加了一个维度，成为3D立体视觉。这个时候昂贵成本的激光雷达就比较尴尬了。

　　雨天！不受光线影响‌：激光雷达原理是通过发射激光并接收反射信号来工作的，不受光线变化的影响。即使在雨天，激光雷达仍然能够正常工作，提供准确的距离和空间信息‌。但是很难想象，我们的需求是：雨天，自动驾驶车辆也要高速狂奔！？人类也是在降速行驶啊。这点，人眼的纯视觉能做到雨天降速行驶，如果再叠加上改良后的暗环境摄像头，纯视觉雨天自动驾驶也是完全可以实现的。

　　人类为啥没有进化出激光雷达，其实源于自然选择，更重要的是激光雷达的方案更消耗能量。早期人类获取食物活着就很艰难了，哪有多余的能量用于发射激光雷达。反观车辆，一样的道理，我们要的不是昂贵的、高大上的自动驾驶，而那种低成本却刚好解决问题的方案才是最优解！

　　对比之下，纯视觉具备巨大的成本优势，更易于普及。纯视觉更进一步的成本压力在于对算力的需求，因为更高算力意味着更贵的芯片。而DeepSeek的出现却指出了另外的方向：谁说自动驾驶AI算法一定要高算力？下面这段话虽然难以让人理解，但是给我们展示一种低算力高性能的大模型前进方向。这就是纯视觉的进一步压缩成本的解决方案！未来“片上AI”或许真的可以到来。

　　DeepSeek采用广义强化策略优化技术，通过纯强化学习直接提升模型推理能力，无需依赖海量标注数据。传统方法需收集大量思维链（CoT）数据，而DeepSeek-R1-Zero仅用规则奖励机制（如准确性奖励、格式奖励）即实现推理能力的涌现，节省了数据准备阶段的算力消耗。通过模型蒸馏技术，将大模型能力迁移至小参数模型。例如，Qwen-14B在桌面级硬件即可运行，性能接近32B闭源模型，推理成本降至OpenAI o1的1/30。引入MLA（多注意力低秩压缩）和MoE（混合专家）架构，动态激活部分参数，减少计算冗余。例如，DeepSeek-V3通过MoE架构将训练效率提升3倍。

　　基于以上种种，我们现在可以看到各大整车厂在提供两种自动驾驶产品：城市NOA和高速NOA。就当下的技术来讲，城市NOA必然配备激光雷达，而高速NOA则可以完全依赖纯视觉实现。受限于当下的技术条件，这种选择是明智的。但是发展方向呢？

　　一个视力受损的盲人，无奈选择了一根拐棍作为盲杖，当有一天他视力恢复了，盲杖必然会被遗弃。因为纯视觉还处于发展的阶段，卡在了“拍照摄像头”和“模型算力”的瓶颈阶段，激光雷达成为当下可选、好用的拐棍，以用来实现更加可靠的城市NOA方案。但是这并不意味着未来的纯视觉就会落寞，反而“技术平权”驱动下的成本压力会被放大，更多的企业具有先天“降低成本、占据市场”的原动力，视觉瓶颈必然会被突破，拐棍必然会被遗弃，纯视觉自动驾驶也必然成为主流!kaiyun中国网页版登录kaiyun中国网页版登录