近日，汽车界吵得最热烈的一件事，就是懂车帝的高速事故场景大测试。

此前，懂车帝联合央视新闻对36款主流车型的辅助驾驶能力进行了全面测试。在高速和城市两大场景的15项高危事故模拟中，2023款特斯拉Model 3和Model X以高速场景5/6的通过率位居榜首。而一众炙手可热的国产车型表现让人大跌眼镜，部分车型通过率低至1/6。特斯拉对此回应称：不关注排名，对安全的要求没有上限。而被测成绩不佳者分别在官方社交媒体账号发文称：已看到某平台所谓“测试”，不予置评，来表达说不出口的委屈。

当下，特斯拉坚持纯视觉方案。因为人类驾驶仅依赖双眼和大脑（神经网络）就能开车。特斯拉是通过海量用户车辆收集真实道路数据，不断优化神经网络，适应长尾场景。因为视觉系统更接近人类驾驶逻辑，只要AI技术够发达，深度学习模拟人类对复杂环境的理解就能完全做到。这意味着特斯拉早在10年前就已经笃定AI之路，而不是近年来的心血来潮。至于不用激光雷达能降低让成本，是原因但非主因。因为规模经济和摩尔定律之下，激光雷达越来越便宜是迟早的事情。特斯拉特别在于早早舍弃雷达的参与，连毫米波雷达都不用，但是在高强度钢上却毫不吝啬。

相比之下，众多车企采用激光雷达+多传感器融合策略，始终是舍不得雷达的好处。因为激光雷达可精确测量距离和形状。由于这种依赖是立竿见影的有效，所以并不需要在AI方面做到很强。谁知道一辆车的决策是靠雷达多些，还是摄像头强些呢？激光雷达的“安全感”，导致很多企业放缓算法优化，虽然口头都说拥抱AI、说算法、买算力。实际上，装上激光雷达，根本就不用去苦苦训练了。所谓融合效果如何只有企业自己知道。正如一个身高两米的中学生打篮球，大家就会说他厉害，而内行就知道他靠身高还是靠技术。

两条路线各有长处，但是当雷达和摄像头获取信息出现矛盾时，该叫互补、互相佐证还是叫打架？那么内部就得先PK再决策和控制。

只依赖视觉算法的进步，不断精益求精是可能缩小硬件差距的。这就是第一性原则，先果断减法，再在单一道路上越“加”越强。何况从芯片到算法全栈自研，还能避免多供应商协作的技术碎片化。如此也不必整合不同供应商的激光雷达、算法，不用担心兼容性。

只要认识到特斯拉以纯视觉、AI为灵魂的特性，就能理解本次测试为什么这么多“融合”派的车都直接水平跳楼。这是因为现实中的变量不是固定的，是立体来袭的。只有通过数百万辆车的长期真实行驶数据训练算法，对常见高危场景的识别和响应才更成熟。各种危险场景都被车队大量覆盖，算法通过OTA持续优化，那么才能应对懂车帝这些个案。如果训练不足、数据缺乏，那么急于求成的企业，就只能堆砌传感器和雷达强行控制。如此一来，不但成本居高不下，但是AI水平并未见长。毕竟，雷达再好也是不具备AI适应能力的，是分辨不出马路上塑料袋和石头之间区别的。

文 | 羊城晚报全媒体记者 戚耀琪

图 | 网络截图