自动驾驶系统每秒处理数十亿个数据点，但它最怕的，可能是一滴泥水。
智驾的感知系统：先搞清楚"眼睛"有几只
在讨论传感器如何保持清洁之前，先要理解新能源智能驾驶汽车到底用什么"看"世界。
现阶段主流智驾方案的感知硬件通常包含三类：
摄像头：最接近人眼的传感器，能识别颜色、纹理、车道线、交通标志、行人姿态。
一辆主流智驾车通常配备8至11颗摄像头，覆盖前方远距、前方广角、左右侧方、后方、以及A柱盲区。特斯拉的纯视觉方案甚至依靠摄像头承担全部感知任务。
毫米波雷达：发射毫米波段的电磁波，通过回波测距测速。穿透性强，雨雪雾天几乎不受影响，但分辨率低，无法识别物体形状。多用于自适应巡航和盲区监测。
激光雷达（LiDAR）：发射激光脉冲，通过飞行时间测量精确距离，生成点云三维地图。分辨率远高于毫米波雷达，可以准确感知障碍物轮廓、尺寸、距离。是华为、小鹏、理想、蔚来等"多传感器融合"方案的核心感知层。
超声波雷达：近距离障碍物探测，主要用于泊车辅助，探测距离通常在5米以内。
这四类传感器各有所长，也各有软肋。而它们共同的敌人，是污染——泥水、灰尘、积雪、雨滴、虫迹，任何遮挡都会让感知能力打折扣，严重时会导致系统误判甚至"失明"。
发展脉络：从辅助驾驶到城市智驾，传感器问题被逐渐放大
早期：高速场景，问题不突出
2015至2020年间，量产智驾功能主要集中在高速公路辅助驾驶（NOA）。高速公路场景相对简单——车道线清晰、障碍物少、行驶速度稳定，对传感器的要求并不极端。
那个阶段，前向摄像头加前向毫米波雷达的简单组合就能应付。偶尔摄像头被虫子撞上糊了一块，车主手动擦一下就好，系统本身没有自清洁能力，但问题也不大。
2021至2023年：城市场景开放，问题开始暴露
小鹏、华为、蔚来开始将智驾功能从高速延伸到城市道路。城市驾驶的复杂程度是高速公路的十倍以上：红绿灯、行人横穿、临时施工、非机动车、积水路面、雨雾天气……
传感器的清洁问题开始真正影响用户体验。大雨天气前摄像头被雨水覆盖、激光雷达被泥浆遮挡导致智驾主动退出——这些情况在用户论坛上的讨论量迅速上升。
2024至今：高阶无图智驾普及，传感器可靠性成为核心竞争力
2024年，问界M9、小鹏X9、理想MEGA等搭载城市无图智驾（不依赖高精地图）的车型密集上市。系统需要实时感知环境并做出驾驶决策，传感器的稳定性直接决定了智驾能否在任意天气、任意场景下可靠运行。
谁的传感器清洁方案更好，谁的智驾就能跑得更远、更稳。这已经成为各家在智驾层面真实竞争的底层变量之一。
摄像头的敌人：雨水、污泥、虫迹、起雾
摄像头是智驾系统中数量最多、成本最低、但也最脆弱的传感器。
主要污染来源
雨水：高速行驶时，前摄像头表面会积聚水膜，严重影响图像质量。雨滴本身不大，但在摄像头镜头上会形成折射，让图像产生光晕和模糊。
泥水飞溅：城市道路积水路段，前车溅起的泥水可以在几秒内覆盖前摄像头。非铺装路面的驾驶场景更严重。
虫迹与树脂：高速行驶时，昆虫撞在镜头表面留下的有机质干燥后非常难清除，且在镜头表面形成局部模糊区。
起雾：昼夜温差大时，摄像头罩壳内部可能出现冷凝雾气，从内部遮挡视野，外部擦拭无效。
积雪结冰：北方冬季，摄像头表面积雪、镜头结冰，是高寒地区智驾失效的主要原因之一。
解决方案：
主动清洗喷嘴：在摄像头附近集成微型喷嘴，通过车载清洗液储箱供液，按需喷射清洗液冲洗镜头表面。这是目前量产车上最常见的方案。问界M9、理想L系列均在前摄像头位置集成了专用清洗系统。缺点是清洗液储箱容量有限，需要定期补充；喷嘴本身可能被堵塞；低温环境下清洗液可能结冰。
摄像头加热片：在摄像头罩壳内部或镜面边缘集成薄膜电阻加热元件，低温时通电加热，防止结冰和内部起雾。这已成为面向北方市场车型的标配技术。
疏水涂层：在摄像头镜片表面镀疏水纳米涂层，使水滴在镜面上的接触角超过150度，形成"荷叶效应"，雨水无法在镜面形成水膜而是直接滚落。理论上不需要额外的清洗系统，但涂层会随时间老化，需要定期处理；对泥污和油性污染物效果有限。
气流吹扫：部分车型在摄像头位置设计了专用的气流通道，利用车辆高速行驶时产生的气压在摄像头表面制造一层气幕，阻止雨水和泥沙接触镜面。这一方案完全无源，不需要额外的机械装置，但只在车速较高时有效，低速和停车场景无法覆盖。
软件补偿：针对轻度污染，部分车企在图像处理算法层面做了"脏镜头检测"功能——系统持续分析摄像头画面的局部对比度、边缘清晰度，一旦检测到异常，在硬件清洁能力不足时自动切换到其他传感器为主的感知模式，同时向驾驶员发出提示。这不是解决污染，而是"带伤作战"的降级策略。
激光雷达的敌人：泥水、振动、高温、窗口板污染
激光雷达是当前高阶智驾方案中价值最高、技术含量最复杂的传感器，单颗成本从几千元到数万元不等。它的清洁问题比摄像头更复杂。
激光雷达的工作原理与污染机制
机械式激光雷达（如早期Velodyne系列）通过旋转发射头360度扫描环境，发射窗口是一圈环形透明罩。固态和半固态激光雷达（如华为96线激光雷达、速腾聚创MX）则使用固定的透明窗口板。
污染主要发生在透明窗口板上。窗口板是激光出射和回波接收的必经通道，一旦被污染，激光信号衰减，点云密度下降，探测距离缩短，严重时会产生大量虚假点（系统误以为前方有障碍物）或漏检。
泥水遮挡是最常见的污染形式，尤其是路面积水飞溅。与摄像头不同，激光雷达的窗口板面积更大，更容易被大面积遮挡。
振动导致的密封失效：激光雷达内部精密光学器件对振动敏感，长期颠簸路面行驶后，罩壳密封性下降，外部湿气和粉尘可能进入内部，在光学元件上形成污染，这种情况无法靠外部清洗解决。
高温影响：车顶激光雷达在夏季直射阳光下，罩壳内温度可达60至70摄氏度，长期高温会加速窗口板材料老化，透光率下降；内部光学胶也可能因高温产生雾化。
解决方案
集成清洗系统：这是目前主流方案。在激光雷达罩壳边缘集成专用喷嘴，与摄像头清洗系统共用储液箱，按需喷射清洗液冲洗窗口板。华为ADS系统的激光雷达清洗模块已做到与智驾系统联动——当系统检测到点云异常（密度下降超过阈值）时，自动触发清洗。
问题是：清洗液的喷射可能在窗口板上产生短暂的信号遮挡窗口（约0.5至1秒），这段时间内激光雷达数据不可用，需要其他传感器填补感知空白。如何在清洗过程中保持系统感知连续性，是软硬件协同设计的挑战。
超声波振动自清洁：在激光雷达窗口板边缘集成压电陶瓷振动元件，以超声波频率（20至40kHz）驱动窗口板产生高频微振动，使附着在表面的液滴、泥污在离心力和振动力的共同作用下脱落。这一方案灵感来自相机镜头的传感器除尘机制。
优点是响应速度快、无需消耗清洗液、在低温环境下也能有效工作。缺点是对厚重、干燥的泥污效果有限，且振动可能影响激光雷达内部精密器件的长期可靠性。速腾聚创和禾赛科技均在探索这一方向。
车身集成与气动保护：将激光雷达从车顶"突出式"安装改为嵌入式——嵌入前挡风玻璃上方、前格栅或车顶弧面，利用车身曲面产生的气流在传感器表面形成附面层保护，减少雨水和泥沙的附着概率。
小鹏X9和理想MEGA的激光雷达安装位置经过大量风洞测试，安装角度和周边导流结构专门针对雨天清洁性进行了优化。
冗余感知与动态降级：与摄像头类似，当激光雷达被检测到污染时，系统自动切换感知权重——降低被污染的激光雷达权重，提升摄像头和毫米波雷达的决策权重，同时提高行驶安全裕度（降速、加大跟车距离、退出高风险场景）。这不是解决问题，而是确保污染不直接导致安全事故的兜底机制。
毫米波雷达：最不怕脏的传感器，但也有软肋
相比摄像头和激光雷达，毫米波雷达对污染的抵抗力要强得多。
毫米波波长约1至10毫米，电磁波穿透能力强，雨水、薄雪、泥污对信号的衰减远小于激光和可见光。这也是为什么在极端天气下，毫米波雷达是智驾系统最后的感知兜底。
但毫米波雷达同样存在污染问题：
金属涂层遮挡：毫米波雷达通常安装在前保险杠后方，部分车型的保险杠外壳喷涂了含金属成分的漆料或贴膜，会严重衰减雷达信号。很多车主在改装时不知道这一点，给保险杠贴了金属质感贴纸，结果让雷达"瞎眼"。
厚层积冰：虽然普通雨雪对毫米波影响小，但当雷达罩壳外部形成厚层冰块（超过几厘米），电磁波穿透损耗同样不可忽视。高寒地区的毫米波雷达通常集成加热元件防结冰。
多径干扰：城市高楼密集区，毫米波信号经建筑物多次反射形成虚假回波，这是毫米波雷达本身的物理局限，无法通过清洁解决，只能靠算法过滤。
真正的解法：系统级思维，而不是单点优化
传感器清洁问题的根本解法，不是把每个传感器的清洗系统做到极致，而是在系统层面构建一套"传感器健康管理"机制。
传感器健康监测
实时评估每个传感器的工作状态。摄像头通过图像质量分析（对比度、清晰度、均匀性）判断是否被遮挡；激光雷达通过点云密度、回波强度统计评估窗口板透过率；毫米波雷达通过信噪比监测诊断是否存在遮挡。
一旦某个传感器被判定为"低置信度状态"，系统立即调整感知融合权重，避免错误数据污染整体判断。
多模态冗余
这是真正解决问题的根本逻辑：不依赖任何单一传感器。
摄像头被遮挡时，激光雷达和毫米波雷达仍然在工作；激光雷达被泥水遮挡时，摄像头和毫米波雷达接管关键感知任务；极端情况下三类传感器同时受影响（比如暴风雪），系统主动降低车速、缩短感知决策周期，并提示驾驶员接管。
特斯拉纯视觉方案的争议，很大程度上源于它在感知冗余上的妥协——一旦摄像头出现问题，没有激光雷达和毫米波雷达兜底。在日常使用中这个方案成本优势明显，但在极端场景下的可靠性存在天然短板。
主动清洁与被动防护结合
单独依赖喷水清洗不够可靠（清洗液有限、喷嘴可能堵塞）；单独依赖疏水涂层不够全面（只对水有效，对泥污失效）。
最优解是层级防护：
安装位置的学问
传感器的安装位置直接决定了它的污染暴露程度。
前摄像头安装在前挡风玻璃后方内侧（而不是车外），可以依赖雨刮器清洁，同时避免直接暴露在飞石和泥水中——特斯拉就采用了这种方式。但这样会限制摄像头的水平视角。
激光雷达安装在引擎盖前缘（而不是车顶），可以减少泥水飞溅，但会牺牲扫描视野的垂直覆盖范围。
这是工程设计中永恒的权衡：没有完美的安装位置，只有针对特定使用场景的最优解。
行业现状：各家的真实水平
华为ADS方案（问界、智界、享界）：激光雷达集成主动清洗系统，与智驾系统深度联动，清洗触发逻辑由AI决策。是目前量产车中传感器清洁方案最系统化的方案之一。
小鹏XNGP：激光雷达安装在前挡风玻璃上方，受车顶导流保护；前摄像头集成喷水清洗；明确在用户手册中说明传感器清洁要求和自动清洗触发条件。
理想AD Max：顶置激光雷达配备专用清洗模块；前摄像头清洗与前挡风喷水系统共用，不单独配备独立喷嘴——在泥泞路面密集使用场景下，这一设计被部分用户反馈清洁能力略显不足。
特斯拉FSD（纯视觉）：摄像头全部安装在车身内侧（挡风玻璃内、B柱内、尾灯内），完全依赖雨刮器和自然气流保持清洁，无主动清洗系统。在清洁方案上牺牲主动性，换取了结构简单、成本低的优势。在沙尘暴、暴雨、泥泞等极端场景下的可靠性受到质疑。
比亚迪天神之眼：高阶版本配备激光雷达和主动清洗系统，但因车型价格定位差异，部分车型传感器配置和清洁方案有所缩减。
用户视角：你能做什么
尽管车企在传感器清洁上投入了大量工程资源，用户的日常维护仍然不可忽视。
定期检查传感器表面：洗车时不要忽略摄像头镜头、激光雷达窗口板的清洁。用专用镜头清洁布轻擦，避免使用硬质抹布造成划痕。
不要用高压水枪直冲传感器：高压水可能破坏传感器罩壳密封，导致进水。洗车时对传感器部位应使用低压冲洗。
注意保险杠改装：换装含金属成分的保险杠或贴膜时，务必确认毫米波雷达位置不被遮挡。
补充清洗液：如果车辆配备了传感器专用清洗液储箱（部分车型与挡风玻璃清洗液分开），需要定期检查液位并使用车企推荐的防冻清洗液，冬季尤为重要。
了解系统降级逻辑：阅读车辆说明书，了解在什么情况下系统会因传感器污染主动退出智驾，以及退出后的正确应对方式。
未来的方向：让传感器学会照顾自己
自清洁材料：光催化涂层（TiO₂基）在紫外光照射下可以分解有机污染物，实现被动自清洁。目前已在建筑玻璃上大规模应用，向车载传感器窗口板的迁移正在研究中。
AI污染预测与预防性清洗：通过气象数据、道路状态数据预判传感器污染风险，在进入高污染风险路段前提前启动清洗，而不是等污染发生后再响应。
无窗口板激光雷达：完全封装的固态激光雷达，激光通过特殊光学介质直接穿透，没有暴露在外的窗口板，从根本上消除窗口板污染问题。这一技术路线仍处于早期研发阶段。
传感器自诊断与云端协同：车辆行驶过程中，传感器健康数据实时上传云端，车企可以监控特定路段的传感器污染规律，推送针对性的清洗策略更新；同时，同一路段行驶的其他车辆的传感器状态数据可以作为参考，辅助判断当前路况对传感器的影响程度。
干净的传感器，才有真正的智驾
智能驾驶的讨论通常集中在算法、算力、数据。但无论算法多么先进，输入数据的质量决定了输出决策的上限。
一个被泥水遮挡的激光雷达，给再强大的算法喂的也是噪声。
传感器的清洁问题，看起来是一个工程细节，实则是智驾系统可靠性的底板。它不够性感，不会出现在发布会的PPT上，但在暴雨天的高速路口，它的可靠性，决定了智驾到底值不值得信任。
车企在传感器清洁方案上的投入程度，是判断一家企业智驾功底深浅的一个真实维度——因为它不只是一个硬件问题，而是硬件、软件、系统工程、用户场景理解的综合体现。
10个月宝宝每天需要喝多少奶粉？
