为什么自动驾驶纯视觉方案更优

为什么自动驾驶纯视觉方案更优

一

在2021年宣布去掉毫米波雷达后，特斯拉继续在2022年宣布去掉超声波雷达，到2023年，所有新产的特斯拉车型都只有纯视觉方案的摄像头了。

国内较早的自动驾驶玩家，2016-2017年成立的百度Apollo、小马智行、文远知行，是包含LiDAR在内的多传感器融合方案；2020年以后的、近年来的玩家，华为ADS、比亚迪，也都是多传感器融合方案。小鹏在2024年，把两年前刚加上的LiDAR又去掉，也提出了纯视觉方案。

以上都是普普通通、老生常谈的新闻了。我不在自动驾驶的行业内，最终哪家公司以什么样的方案做了多少营收和利润，我不关心。

但是，从中折射出的，在所面临的问题里，如何选择路线、如何评估，倒很值得说道。

如果你想跳过自动驾驶的案例，也可以直接翻到最后看结论。

二

反对纯视觉方案的观点无非是，「明明有用的东西，为什么非得去掉？」

LiDAR这么高精度，是什么东西都能扫描的明明白白，加上怎么就不好了？

毫米波这么久的东西了，无论是从市场多年看来、从可靠性、从精度看来，都是经过验证的、好用的，居然还要去掉？

超声波就更是了，谁停车没凭借过前后雷达定位啊，怎么连它也要拿掉？

开车快要撞上了，凭借雷达传感器，一下子就能感知、刹停，但要靠摄像头，还要不断的软件迭代才看似能做到，这不是舍近求远吗？

光凭这么些“令人陌生的”摄像头，就要替代多年以来成熟使用的传感器，「万一出了问题咋办？」

「好用，那就用；用得好，那就一直用。」

这样的思维，是典型的门外汉思维，是事不关己的敷衍，是回避思考的草草了事，最终是一种不负责任。

否定是需要能量的。世界总是在熵增，但只有在熵减时，才说明存在着推动发展的能量。

三

核心话题自始至终只有一个：如何建设一个自动驾驶的方案。而不是自动驾驶需要些什么。

有很多东西都能为自动驾驶做出正面贡献，所有的传感器都可以，包括超声波提供超近雷达而可以无视视觉条件的妨碍，毫米波在相当的距离上提供可靠精确的距离、速度测算，LiDAR 绘制高清的 3D 表达。但这些都与核心话题无关。

自始至终只有一个问题：什么东西能对建设一个自动驾驶的方案做出正面贡献。

区别在于，我们只关心如何建设出「一个能够自动驾驶」的方案，而不是如何能把所有有利的因素全部用尽 —— 因素固然有利，但如果「用」之不利，效果可能大打折扣。

正如同，酸甜苦辣咸各有所长，但硬加到同一份菜里，好吃的可能性着实不大。非得把全世界的美食揉到一个包子里，难道就一定是美味？

我们只要有一个能够自动驾驶的方案就足够了。

如果只用单一因素就足够开发，那么就没有必要加入第二因素。如果应该加入第二因素，那就说明有一些场景用例，非用上第二个因素不可。能做到这一点，就能说明，这个系统是好的，是充分的，是紧致的，是不容易挤出水分的。

四

多个因素固然都有益，但存在于同一个方案中，因素之间可能产生妨碍。一加一，经常小于二。

一个多传感器融合的方案，在复杂路况中，每一个因素都在积极发言。

同样是摄像头识别到笔直车道，LiDAR 识别到旁边有车，如果是低速可能需要注意鬼探头、小心通过，如果是高速路上可能要提速、避免并排行驶。如果此时LiDAR发现旁边车辆速度突然发生显著变化，系统应该如何反应？突然摄像头接着发现旁边车辆打出灯信号，是否跟系统决定的反应冲突？又该如何反应？

自动驾驶系统的反应，即内部决策时延、内部各因素之间的沟通，在多传感器融合、多因素耦合下，是更快还是更慢？是更简洁直达还是更复杂更来回倒腾？

答案是显而易见的。以简化的二值模型为例，为了理解同样的一个测试场景，单因素模型只需要处理两种情况，双因素模型则需要四种，三因素模型则需要八种。融合方案有多少种传感器、每种又各有多少个呢？在连续的、无限的传感器信号中，复杂程度更会被无限放大。

一个系统中，因素越多，复杂程度就会指数级地升高，这是常识，在工程中是这样，在人类组织里也是如此，在各行各业中都有一样的共识。

假设自动驾驶系统必须多传感器融合才能实现，那意味着一定是：摄像头获取到同样的输入时， 必须通过 LiDAR 的信号才能决定不同的动作，并且在 LiDAR 同样的信号下，必须通过摄像头才能决定不同的动作。否则，要么只需要摄像头，要么只需要 LiDAR，就足以决定如何驾驶，绝不需要两者加在一起才能工作。

解决人类常力无法梳理的复杂度，是 AI 的强项。只要系统有一个明确的目标，AI 就能在收集的足够多的数据里找到，能达成这个目标的最好的路径。只要收集的数据足够好、足够贴近现实，这条路径在现实中的表现就足够好。在 AI 的发展里，这样的事实已经一次又一次的被证明，在今天，已经没有人怀疑 AI 这方面的能力了。

有人说，既然多因素的系统如此复杂，用 AI 不就好了吗？

对啊，用 AI 不就好了吗？

如果纯摄像头就足够支撑自动驾驶，只需要收集纯摄像头的训练数据，就能用 AI 来找到纯摄像头自动驾驶的路径；

如果纯 LiDAR 就足够支撑自动驾驶，只需要收集纯 LiDAR 的训练数据，就能用 AI 来找到纯 LiDAR 自动驾驶的路径。

如果要摄像头加 LiDAR 的融合方案，必须收集既有摄像头，又有 LiDAR，还有两者在不同的信号冲突下的每一种路况的数据，数据量充足到足以完全区分在所有路况下所有信号的不同组合，才能用 AI 找到融合自动驾驶的方法。

既然都是用 AI，既然都是找数据，为什么非要做融合方案？

剩下的问题只有一个：纯视觉方案足够支撑自动驾驶吗？

答案是显而易见的，因为特斯拉 FSD 纯视觉方案的自动驾驶已经在跑了。成绩姑且不论（大家也知道），「能做」的事实足矣。

如果纯 LiDAR、纯毫米波也能支撑自动驾驶，同样也不失为一种好方案。摄像头本身更加自然、天然就存在更多的数据、工程人员更容易获取和理解，这都构成更加有利的开发因素。

五

融合方案的自动驾驶，没什么低人一等的。技术方案而已，没有好坏贵贱之分，能逮着老鼠的就是好猫。

特斯拉也是从融合方案起步的。

2014 年起，特斯拉使用 MobileEye 的方案，预置了毫米波、摄像头、超声波的硬件，并在持续的软件推送中，提供了 Autopilot 的辅助驾驶服务。

特斯拉凭借融合方案站住了市场，并且成功孵化了自研的芯片、走通了纯视觉的验证。

即使 MobileEye 拒绝被赛马替代，在2016年终止合作，不过特斯拉的纯视觉方案成功在 2017 年追平了之前的系统效果，逐渐发展成现在和未来的FSD。

融合方案是显然能 work 的，每一个技术人都不会怀疑它的可行性。但一旦证明单一因素也能 work，融合方案立刻就成为「一定不是最好」。

可见，融合方案是有效的，是早期发展的必经之路，能为研发更好的方案争取到必要的时间、经验、钱、市场。用这些争取到的资源，才能再孵化出下一代更好的系统。

特斯拉是先发者，所以它有资格按照这样的路线走出来，同时享受了勇敢者、先行者的应有的优势和待遇。

对于所有的后发者，融合方案既是救命稻草，也是唯美的毒药。所有人都要经历一遍从无到有，也没有人能一蹴而就。因为方案总是要慢慢做得更好的，短期里方案有更高的下限更重要，但在长期还要看方案的上限。所有的传感器都是拐杖。全身到处都是拐杖，走路自然不会摔，但要走得快、走得远，总有一天，该把拐杖抛开。

也有一种妥协主义会认为，即便融合方案的复杂程度高，假如一直投入，把它做到 90 分，即使做不到 100 满分，不也没什么差别了吗？如果是学校里考试，或者公益活动，那或许可行，但事实是冰冷的、市场是残酷的。作为生意，资本需要的是竞争优势。假如走到最后，大家的方案看似都能 work，那融合方案多出来这么多传感器，不都是成本吗？除了购车成本，维修、零整比、保费，都占尽劣势，更别说供应链管理、产品版本迭代、更加庞大的技术团队等等更加高昂的经营成本。

如果单一因素的方案能达成一样效果，凭借低廉的成本，相信谁都不会拒绝。说到底，这个结论是业内共识，也是业外懂点技术的人的共识。

六

正如开篇所说，我不在自动驾驶的行业内，最终哪家公司以什么样的方案做了多少营收和利润，我不关心。

以上的讨论只是一个引子，我关心的是「单因素有效」所体现的核心原理。

大家都知道大道至简，但明白为什么「至简」的人却不多。不是大道「简」，而是我们要以最简单、最直接、最核心的方式，才能接近大道、理解大道，才能离大道尽可能的近。

大道可以复杂得无可复加，但人类必须尽可能提炼自己的认知，以一种看似最简单的方式，才能够最有效地、尽可能地接近它。

大道至简，所简者不是大道，而是我们的认知。如果不能从一个因素上把握全局，那么考虑再多的因素，也只是徒增复杂、自欺欺人。直到把每一种因素都能吃透，才有资格去考虑不同因素叠加时所产生的微妙差异。

如非必要，勿增实体。

很多人总是把这句话误解释为，世界运行的规律就是应该越简单才越正确。实际上，世界运行的规律，爱有多复杂就多复杂，爱有多简单就多简单，世界运行本无所谓复杂或者简单，世界就是世界本身而已。是我们认识这个世界的方法和工具，有复杂和简单。我们只能从简单的方法开始，才能有效的认识世界。

如果按照简单的方法都认识不了，加上复杂的条件和规律，只能让我们更迷惑，我们甚至无法分辨复杂化之后哪些是对的、哪些是错的，似是而非的符合事实可能只是一厢情愿的解读而已，我们甚至无法对其证伪。

在 AI 和机器学习里，一味的妄加参数，把模型复杂化，只会让模型越来越过拟合到训练数据中，不仅对结果表现的提高毫无帮助，更会让其变得一塌糊涂。

大道至简。

如非必要，勿增实体。

不要对因素之间波峰叠加的共振产生惊喜，要在那之前就读到波峰；不要在因素抵消的平静之处放松警惕，应在其中看到剧烈的冲突。

七

回到频道中来，做交易是一样的道理。

如果能依靠一个核心技术指标来指导交易，轻易不要添加第二个。

我个人是价格流派，在策略开发、实践验证出来之前，甚至不在意成交量，更不会去碰消息、财报。

不要以为打开交易软件，把上面所有的信息都读一遍，就叫做交易了。如果只从中看一项指标，还能交易并持续盈利，这才叫做交易。

本质上，交易就是交易，没有流派一说。有人看价格，有人看量价，有人蹲价值发现，有人读短暂的谎言，有人赌情绪、消息，有人什么都不看而只看时间。

但其实所有人都在同一个市场里，我们看的都是同一个盘面。

复杂和简单都以人的认知为前提。天地以万物为刍狗，交易本身无所谓复杂简单，所有的因素的集合组成了交易。是我们要对交易产生认知，才有了这个流派那个方法。既然要产生认知，就不要给自己增加负担。用一个因素都读不懂，就不要妄图增加第二个因素。

自始至终，核心主题只有一个：找到你的大道里的那个「至简」。条条大路通罗马，道有千条我取其一，只要走通了，所有人都在同一个顶峰相见，但来时的路都是独一无二的。

「一个因素更好」颇有点反直觉，只有靠认真思考，才能克服「多多益善」的惯性思维的熵增，持续进步。

* 本文手敲无 AI