小鹏汽车自动驾驶产品高级总监袁婷婷老师，最近在微博发表了2篇涉及激光雷达应用的文章，在业内引起了广泛的讨论，本文也做一些探讨。

2025年5月8日，发表《小鹏的物理世界基座大模型，和行业现有的自动驾驶模型有什么区别？》：

原文：https://weibo.com/ttarticle/p/show?id=2309405164053256339668

2025年5月16日，发表《关于模型参数、蒸馏、模态和激光雷达》：

原文：https://weibo.com/ttarticle/p/show?id=2309405166942834262152

01

主要观点

在袁婷婷老师的原文中，和激光雷达相关的观点截图如下：

图片来源：https://weibo.com/ttarticle/p/show?id=2309405166942834262152

图片来源：https://weibo.com/ttarticle/p/show?id=2309405166942834262152

图片来源：https://weibo.com/ttarticle/p/show?id=2309405164053256339668

02

讨论的前提

笔者在2025年4月29日，曾经写过雪岭 · 为什么不建议你买一台“纯视觉”的智能驾驶汽车，来探讨感知方案。

先明确一下讨论的前提：

我们并不是讨论激光雷达能不能取代视觉。事实上，视觉是目前智能驾驶系统感知的绝对主力（除了一些特殊场景），激光雷达在很多方面是远不如视觉的，激光雷达肯定取代不了视觉。即便是使用激光雷达的智能驾驶系统，感知也是主要依赖视觉，激光雷达只是起到补充作用。

我们讨论的是，我们需不需要在自动驾驶系统中仅使用视觉，不使用除了视觉之外其他任何感知单元，就可以保证系统足够的安全和性能。

其实这个逻辑很简单：

智能驾驶系统的最重要的需求是安全和性能，如果目前视觉技术已经可以解决一切感知问题，那就用纯视觉。如果答案是否定的，肯定要考虑同时使用其他传感器。

对于视觉的弱势场景，业内早已讨论过很多。

没有传感器是绝对完美的，每种传感器都有其优势场景和弱势场景。多传感器融合的策略，能够最大化的弥补各自劣势，减少Corner Case，提升自动驾驶的整体安全性。

03

浅析

下面就袁婷婷老师的一些观点做一些粗浅的分析，个人观点，未必准确，供大家参考。

1）激光雷达分辨率低

袁婷婷老师观点：激光雷达在远距离的分辨力远低于高像素摄像头（例如800万），检测远距离目标最好的传感器不是激光雷达，而是高分辨率摄像头。

雪岭浅见：

没错，激光雷达的分辨率远低于摄像头，目前市面主流激光雷达的分辨率如下：

激光雷达不仅分辨率低于摄像头，并且还没有RGB信息，只有深度信息（FMCW激光雷达还有速度信息）。

激光雷达和摄像头的测量原理和感知器件差别巨大，目标识别和分类本来就是摄像头的长处，所以这类任务当然就应该主要采用摄像头来做，而不是激光雷达，这不是激光雷达的优势场景。

2）激光雷达有多径效应

袁婷婷老师观点：激光雷达存在多径效应，会有误报或者漏报。

雪岭浅见：

激光雷达不仅有多径效应，还会有高反碰撞、阳光干扰等问题。

例如笔者之前写过的一篇文章：《雪岭 · 激光雷达常见点云异常场景分析》

没有传感器是完美的，任何传感器都有误识别和漏识别，摄像头同样也有其弱势场景，例如将电线杆识别为行人，无法区分前景和背景等等。

前一段时间在YouTube上有一个爆火的测评视频《你能骗过一辆自动驾驶汽车吗？》，由美国国家航空航天局（NASA）前工程师Mark Rober拍摄，到目前已获得2千万人围观。

视频中，Rober分别针对强光、大雾、道路中突然出现儿童等极端场景，设计了6个测试项目，让带有美国Luminar激光雷达的车辆和特斯拉一同测试。

3）激光雷达帧率低

袁婷婷老师观点：激光雷达的帧率低，低帧率会让远距离且高速移动物体的识别误差进一步加剧。

雪岭浅见：

10Hz的更新频率在绝大多数的场景已经足够，并且已经有激光雷达可以做到20Hz，未来Flash激光雷达的帧率会进一步提升，帧率和视觉区别不会不大。

4）激光雷达帧率低

袁婷婷老师观点：激光雷达对于天气状况非常敏感，穿透雨雾主要依靠的是毫米波雷达。

雪岭浅见：

没错。激光雷达、毫米波雷达、摄像头所使用的波长不同，示意图如下：

图片来源：网络，后处理：雪岭飞花

每种传感器检测原理不同，检测特性有很大的区别，有各自的优势和弱势场景：

对天气适应性最好的是毫米波雷达，因此正是因为这一点，才需要多传感器融合，用于相互弥补其他传感器的不足。

5）激光雷达占用感知算力

袁婷婷老师观点：去激光雷达后节约了20%的感知算力，这部分节省的算力可以提升视觉感知模型的容量、参数量和推理的频率。计算简化，让端到端的延时大幅降低，视觉的响应速度是激光雷达的近2倍，意味着响应时间几乎减半，能够明显提升整车的安全性和流畅性；综合大模型的能力和车端算力，我们的视觉信息处理帧率，可以达到业界主流激光雷达的处理帧率的12 倍，能够大幅度提高城市辅助驾驶的安全级别。

雪岭浅见：

还是之前的信息，视觉处理帧率高于激光雷达，这个没问题，帧率越高当然应对能力越好。

问题的关键还是，去掉激光雷达之后，视觉在感知层的弱项将很难被完全弥补，甚至可能需要视觉花费更多的额外算法（有些硬件缺陷无法通过软件来弥补）。

另外，随着端到端架构的深入，所有感知信息会直接送到大模型做编码，算力的开销未来主要来自于大模型本身，因此，增加激光雷达带来的额外感知算力将非常有限。

6）小鹏AI摄像头性能更强

袁婷婷老师观点：小鹏汽车的AI摄像头（鹰眼视觉），结合Lofic技术，看的比人类远，在夜间、大逆光、雨雪天等看的比人眼更清楚。

雪岭浅见：

LOFIC在消费类电子上早有应用，该技术工艺复杂、面积大、成本高，而且从手机（荣耀Magic6至臻版）的商用结果来看，并没有展现出如官方宣传般的动态范围提升效果。

图片来源：义真科技《一文看懂索尼、三星和豪威的各种单曝光HDR技术》https://mp.weixin.qq.com/s/2jxKnscFzDi6YwWZ6xwMFg

当然非常期待该技术在汽车上的应用，如果确实被证明有效，笔者相信肯定会有更多厂家采用。

图片来源：小鹏汽车

04

结语

禾赛曾说激光雷达的功能就像是“隐形气囊”：

笔者觉得这个比喻对于激光雷达的价值没有完全展现。

安全气囊是被动安全件，是在事故已经发生了之后，保护驾乘人员安全的最后屏障。而激光雷达更应该是一个“主动安全件”，其目的不是为了事故发生后保护驾乘人员，而是从一开始就避免事故本身的发生。

还是引用理想的观点，安全是包括特斯拉在内所有汽车行业从业者的一致追求。

小鹏也并非“纯视觉”方案，在小鹏的感知系统中还有3颗毫米波雷达和12颗超声波雷达。可以看出，小鹏对于安全也同样非常重视，肯定有自己独特的思考和实践。

最后非常期待，对于安全性要求更高的L3和L4系统，小鹏会使用激光雷达吗？

声明：笔者不开发激光雷达，无任何利益相关。本文仅作为一个普通的自动驾驶系统一线开发工程师的浅见，个人观点，未必准确，欢迎讨论。

我是雪岭飞花，汽车行业20多年开发经验，自动驾驶行业发展的见证者和参与者，自动驾驶感知和控制系统资深专家。

欢迎添加“雪岭飞花”微信（扫描下方二维码，或者搜索maxhnnl，感谢赐名片或者分享所在公司和专业方向）。

雪岭系列各平台文章/直播视频/精品课、技术交流群等内容的索引全集（公开飞书页，实时更新）。点击或者扫描下面二维码，或者访问链接：

https://dcn7get8fskg.feishu.cn/wiki/CCMpwjC0EiBIw2kFr7uc84qHneb

更多「雪岭飞花」精彩内容，欢迎点击「阅读原文」

雪岭 · 激光雷达取代不了视觉