在智驾测试的残酷现实中，赢家是特斯拉。它凭借两款车型，以五项测试全部通过的成绩碾压了竞争对手，成为唯一一款在智驾领域完成如此突破的汽车。作为旁观者，你无需为特斯拉鼓掌，毕竟这不是一场电影，也不需要主角光环——残酷现实在于，其它智驾系统里，最多只完成了四项，其余多半只能靠两项成绩勉强入场。由此，所谓“更安全、更先进”的激光雷达+视觉融合技术，反而被特斯拉那套纯视觉识别技术一脚踢下神坛。
为什么在这场技术角逐里，纯视觉识别能够脱颖而出？答案很简单，这项技术本身简单。所有的数据都来源于图像，聪明的神经网络们无需在纷繁的信息之间左右为难，它们只需专心盯着那几页“通话记录”就行。你可以把纯视觉识别理解成一群只会看图说话的人工智能，速度自然快如闪电，因为它不需要对不同类型的数据来回切换、反复协调，对需要在毫秒之间作出决定的智驾场景来说，这句话比鸡汤更有营养。
如果你觉得到这里就可以分出高下，那还真把事情想简单了。摄像头技术年年进步，如今不光能拍个大头照，连障碍物的位置也能估算出来。一个车上装满摄像头，提供的角度分分钟让你“环视世界”，定位障碍物也不是什么难题。这与我们人类开车无异：两只眼睛夹个脑袋，什么时候在马路牙子上发现个猫，闭上眼也能猜个八九不离十。而神经训练系统不断自我进化，让视觉识别技术在障碍物定位上如虎添翼。
然而，国内智驾企业偏爱激光雷达、毫米波雷达这种“高大上”设备。原因很简单：它们能在夜間、大雾这种超级应试场景里清晰地看到障碍物，荣登安全配置榜首。但这些高级货和摄像头说话方式完全不同——一个讲数学，一个说故事。融合它们的数据就是工程师的噩梦，既要高超算法，又要算力爆棚。你以为这活好干？那是没见过程序员在键盘上掉头发的场面。
比如说，车前出现一颗小石头。激光雷达大义凛然地报警：“前方有障碍物！”但它并不知道这玩意儿是否真的对行车安全构成威胁。视觉识别则一边嚷嚷：“别慌，这只是块小石子，能不能碾过去还得看情况。”融合后的算法要在这种“分歧”中二选一，稍有不慎就可能上演一场“鸡同鸭讲”的混乱。
更有甚者，部分智驾企业为了让驾驶体验如丝般顺滑，选择降低安全阈值。换句话说，平时大家都在放水。但一到测试场，就把阈值调上去，测试成绩蹭蹭上涨。你是否发现某些智驾的AEB在实际道路上基本不发威？原因就在这里，测试机构优先体验，日常行车咬牙隐忍，安全只是变成漂亮的数据。
实际上，国内智驾企业也很委屈。特斯拉做视觉识别起步早，各项核心专利披露在前，只能玩命追赶。美国开创了图像识别技术，国内企业只能在起跑线后背着行李前进。再去折腾激光雷达，几乎要从零打造，压力比打工人还大。而且融合技术又远不成熟，工程师的头发瞬间变成稀疏地带。
还有算力的问题。特斯拉的算力，不光领先国内车企，甚至可以让市场对手望洋兴叹。它心无旁骛、一门心思搞视觉识别。反观国内选手，一边要兼顾激光雷达，一边再喂养视觉识别，还经常被算力卡脖子，勉强维持运转。没有足够的算力，算法就算再聪明，也只能在实验室吹牛，没法干实事。
综上所述，激光雷达+视觉识别在参数上很美好，硬件配置不输任何对手。但在算法融合和算力支持方面，处处被特斯拉碾压，智能和暴力的较量以“真香警告”收尾。结果导致，在实际测试里，靠单一视觉识别体系的特斯拉反而领先技术路线上看似更先进的激光雷达+视觉融合。
但也别用“技术奇迹”盛赞特斯拉。测试结果仍旧扎心——通过率只有35%。就算把所有光环扣在视觉识别头上，它也远远达不到自动驾驶应有的水平，最多只是个高阶辅助驾驶。那些鼓吹“驾驶员可以安心睡觉”、“人类只管玩手机”的宣传，是脱离实际的段子，最终还是要人在驾驶位上绷着神经，随时准备接管。
现实告诉我们，不论你站在哪条技术路线，智驾测试的真正赢家只有一个名字：“辅助”。距离自动驾驶的未来，特斯拉也只是看见了风景拍了张照片，离彻底解放人类双手——还早得很。
我们致力于提供真实、有益、向上的新闻内容，如发现版权或其他问题，请及时告知，我们将妥善解决。
全部评论 （0）