特斯拉为什么不用激光雷达？一个更底层的答案

自动驾驶争论了十多年，最大的分歧始终围绕一个问题：到底需不需要激光雷达？

9 月 3 日，在奥斯汀 Cybercab 发布会上，特斯拉 AI 软件副总裁 Ashok Elluswamy 用一句话给出了特斯拉坚持纯视觉路线的理由：

“世界上没有任何传感器能够预知未来。”

这句话并不是否定激光雷达的价值，而是在强调一个更底层的观点——决定自动驾驶能力的，不是传感器，而是智能。

回到 12 年前，自动驾驶刚刚起步时，行业几乎形成了统一共识。

当时绝大多数专家认为，仅靠摄像头几乎不可能实现自动驾驶，必须同时配备激光雷达、毫米波雷达以及高精地图，通过多传感器融合来保证安全和可靠性。

原因也很直观。

激光雷达能够直接获得三维距离信息，毫米波雷达擅长测速，高精地图则提前告诉车辆道路结构。大家普遍认为，传感器越多，系统越安全。

但特斯拉从一开始就提出了另一种思路：传感器只是眼睛，不是大脑。

Ashok 表示，自动驾驶真正困难的地方，并不是知道前方有什么，而是理解它为什么会出现，以及下一秒会发生什么。

例如，一名行人站在人行道边缘。

激光雷达可以准确测出距离，摄像头可以识别这是一个成年人，雷达能够判断相对速度，但没有任何一种传感器能够直接告诉车辆：这个人会不会突然横穿马路。

这个答案来自预测，而预测来自 AI。

为了说明这一逻辑，特斯拉引用了一个最简单、也是最具争议的例子——人类驾驶员。

人每天都在用两只眼睛驾驶汽车，从高速公路到城市道路，从白天到夜晚，大多数情况下并不依赖激光雷达，也没有实时生成三维点云。

两只眼睛，本质上就是一套视觉传感器。

真正让人能够安全驾驶的，并不是眼睛本身，而是大脑持续不断地理解环境、推理意图，并预测未来几秒钟的变化。

看到一辆车缓慢靠近路口，我们会判断它可能要并线；看到一名孩子追着皮球奔跑，我们会提前减速；看到公交车停靠，我们会预判后方可能有人突然出现。

这些能力都不是“识别”，而是“理解”。

特斯拉认为，自动驾驶要做的事情，就是找到一种方法，把这种人类驾驶能力迁移到数字计算机上。因此，其近年来几乎所有技术投入，都集中在端到端神经网络、世界模型（World Model）以及大规模视频训练，而不是不断增加新的传感器。

如果说特斯拉代表的是“软件优先”，那么 Waymo 则代表“硬件冗余”。

目前 Waymo Robotaxi 通常采用 4 个激光雷达、13 个摄像头，再配合毫米波雷达与高精地图，通过多传感器融合构建极高精度的环境模型。

而特斯拉 Cybercab 则坚持纯视觉方案，希望用更强的 AI 模型替代部分硬件能力。

两家公司走的是同一条无人驾驶道路，却选择了完全不同的技术路线。

真正的区别，不是谁看得更清楚，而是谁能够更准确地预测世界的变化。

发布会上，特斯拉还宣布了另一个重要节点：无人监督 Robotaxi 累计完成 100 万英里（约 160 万公里）行驶里程。

相比过去需要安全员随时接管的测试，这意味着越来越多的数据来自真实运营环境，也意味着系统开始接受城市道路最复杂场景的持续检验。

更值得关注的是，奥斯汀已经成为两条路线首次正面交锋的试验场。

一边是 Waymo 的激光雷达、多传感器融合方案；另一边是特斯拉的纯视觉与端到端 AI。它们行驶的是相同的城市道路，面对的是相同的行人与交通流。

自动驾驶争论十多年，如今终于开始从“理论正确”走向“数据正确”。

最终决定谁更接近未来的，或许不是论文、参数，也不是传感器数量，而是奥斯汀街头那 45 辆 Robotaxi 每一天积累下来的真实事故率、接管率与运营数据。

因为正如 Ashok 所说，传感器负责看见世界，而 AI 才负责预测未来。