近期，小鹏汽车的公关部门负责人对激光雷达支持者进行了一番讽刺，称他们“或许应该考虑将脑后的辫子剪去”。
一石激起千层浪，迅疾引发了激光雷达支持者的一致声讨。
在FSD展现出卓越能力的同时，鉴于小鹏图灵AI视觉方案的超凡表现，我们不禁要问，激光雷达是否真的如同清朝遗民头上的辫子，显得多余而陈旧呢？
有人的地方就有江湖，有江湖的地方就有纷争。
特斯拉FSD的悄然登陆中国市场，而小鹏汽车则大肆宣扬其图灵AI视觉方案，这在国内辅助驾驶领域引发了关于激光雷达是否为自动驾驶系统必备组件的广泛争议，时至今日，仍未有明确的结论达成。
可以明确的是，在L2++这一阶段，激光雷达并非不可或缺的配置。
特斯拉与小鹏的方案特色可概括为借助强大的人工智能来增强薄弱的感知能力。为此，不妨引用那位倡导第一性原理的行走先锋马斯克常言的那句话：道路原本是为人类的眼睛和生物神经网络所设计而成。
解读一番，即是说，既然人类能够借助视觉信息与大脑的加工处理，他们便能胜任一名合格的驾驶者。
自动驾驶技术借助摄像头与深度学习神经网络，同样能够实现相近的效能。
说实话，这个朴素的类比真的暗合道妙。
然而，在过往的众多年中，摄像头的感知功能相对较弱，与多传感器融合技术相比，视觉系统一直显现出感知能力不足的短板。
在以往的技术水平限制下，摄像头的动态范围HDR表现欠佳，这导致了画面中明亮和阴暗部分的细节信息有所缺失。
HDR下限不足，导致其在弱光环境下噪声大、性能差；
HDR性能有限，对过曝现象的抑制效果不佳，这使得在强烈光照条件下，传感器容易达到饱和，进而导致画面中亮部细节的丢失。
尽管人的眼睛受到生理条件的制约，可能会在昏暗的光线中看不清楚，或者在强烈的光照下出现无法睁开的情况。
然而，人类的头脑，其功能类似于拥有百万亿参数的神经网络，具备在中等至低强度光线以及明亮环境中进行感知和想象的能力。
鉴于相同的推理原理，特斯拉持续不断地致力于优化和升级AI视觉神经网络的架构设计，扩大神经网络的规模，并借助AI技术的进步来弥补摄像头在性能上的不足。
历经多年努力攻坚，特斯拉和小鹏汽车已成功在非极端光照条件下实现了城区的NOA功能。鉴于特斯拉的FSD系统和小鹏的视觉版XNGP都证实了激光雷达并非必需，那么再坚持认为L2++级别自动驾驶离不开激光雷达的观点，就显得有些牵强了。
开口即是L3，闭口亦是L3，然而实际上，众多人对于L2++与L3之间的区别界限却感到模糊不清。
由于国内尚未对任何一款L3级自动驾驶汽车的商业化予以批准，我们不得不从那些发布多年、部分内容已不完全适应行业发展水平的自动驾驶分级标准文件中，探寻它们之间的关键差异。
依据《汽车驾驶自动化分级》的相关规范文件，L2++级与L3级自动化驾驶技术的关键差异体现在责任归属主体上的区别，以及系统运作的边界条件ODD（Operating Domain Definition）的差异之处。
不论L2级别辅助驾驶系统后面跟随多少个加号，驾驶员始终是这一级别所有系统的责任担当；而一旦升级至L3级别的有条件自动驾驶，系统便需在特定驾驶区域内担负起驾驶职责。
责任主体的界定往往涉及商业决策。实际上，从技术层面分析，设计运行域ODD与系统边界的区分，才是L2与L3技术差异的核心所在。
针对那些允许用户随时取消的L2级辅助驾驶系统，ODD这一概念并没有一个明确的界定；在众多汽车制造商对L2++级辅助驾驶功能的宣传中，每家都将其ODD描述为“覆盖所有场景”。
之所以这样，是因为它具备随时撤离的能力，正因如此，它才能随时接手动态驾驶的任务。
L3的情况则有所不同，它要求设定一个明确的ODD范围，只要车辆行驶在这个ODD规定的区域内，系统便会自动接管驾驶任务；唯有当车辆驶出ODD规定的范围，系统才能停止执行任务。
这种严格的标准体现在整车设计中，便要求我们运用冗余策略来减少系统故障的可能性，以此确保系统的稳定性和可靠性。
在整车层面，必须确保感知、决策、制动、转向、通讯、电源、定位等多个环节均具备双重冗余功能；特别是在感知环节，除了摄像头之外，还需借助激光雷达和毫米波雷达等辅助设备，以实现感知系统的冗余。
激光雷达作为一项备用组件，确保了系统在光线昏暗或强烈的环境中能够保持主动的安全性。
众所周知，总有人会故意挑刺，对即将推出Robotaxi服务的特斯拉FSD系统再次提出质疑。
的确，最新版FSD的评测视频再次展现了其独步天下的能力。
然而，若视觉方案的FSD在大漂亮地区得以实施Robotaxi业务，这难道不是暗示着马总管与懂王正将民众的生命安全作为交换利益的筹码吗？
万事万物，皆有因果。
小鹏汽车品牌的公关负责人敢于挑战众怒，将支持激光雷达的人比作清朝的遗民，甚至给他们头上加上象征性的辫子，这背后原因在于，从长远发展的角度考量，视觉辅助的驾驶系统预计将不断强化其性能。
这一领域的发展得益于车端计算能力的成本持续遵循摩尔定律的下降趋势，使得车端计算规格得以持续升级；同时，多模态大型模型技术的进步也为车端带来了不断增强的AI能力。
此外，得益于光电技术的持续进步，摄像头自身的感知能力也在不断提升，正逐步从低感知能力的传感器向高感知能力的传感器转变。
目前，摄像头在感知层面尚存在不足，具体表现为对暗光、强光以及炫光的抵抗能力不强。然而，得益于光电技术和新材料的持续进步，摄像头的感知能力有望得到显著提升。
摄像头感知能力的进步会体现在两个方面。
图像传感器芯片的动态范围HDR将显著增强，过去五年间，图像传感器的动态范围实现了显著进展，主流商用产品的HDR值已从100dB飞跃至140dB，预计未来几年将不断向200dB的目标迈进。
HDR技术反映了传感器对最明亮与最暗部分亮度范围的捕捉范围，这一范围直接影响到摄像头在极端光线环境中的感知性能。
HDR技术的增强显著有助于解决隧道中逆光环境下的细节缺失问题，夜间复杂光照条件下的物体辨识难题，运动物体产生的伪影问题，以及高速场景中的实时响应挑战。
摄像头感知能力的第二项进步对激光雷达更致命。
在先前，摄像头的光谱范围仅限于可见光波段，但近期，得益于硬件的革新和多光谱集成技术的应用，摄像头呈现出光谱范围扩大的趋势，这意味着它们开始在可见光波段之外融合红外光谱，值得一提的是，激光雷达的光谱则主要位于近红外波段。
若宽光谱摄像头真的能够实现商业化应用，那么车辆便能在完全无光的环境中安全行驶，这无疑将成为激光雷达技术所面临的最后一道难关。
当然，这里存在一个引人深思的疑问：既然人类肉眼无法感知可见光，而辅助驾驶系统却依赖能够捕捉非可见光区域的摄像头，那么这样的系统是否还能被称为视觉方案呢？
FSD在黑夜中穿梭、沐浴在夕阳余晖下时，频繁出现需驾驶员接管的情况，这无疑表明，在现阶段，只有能够有效避免此类情况的激光雷达，才是L3级有条件自动驾驶不可或缺的配置。
然而，若摄像头自身性能出现裂变，那么在昏暗、明亮、刺眼的光照环境下，视觉辅助驾驶系统流畅行驶将不再是遥不可及的梦想。届时，再次塑造摄像头定义的马斯克，必将再次成为神话般的存在！
