关于自动驾驶总有声音宣称"高阶智驾，没激光雷达是不行的，这玩意是应对恶劣天气场景的"。
从技术层面看，激光雷达的局限性源于其基本工作原理。主流车载激光雷达使用905nm的近红外波长。自动驾驶摄像头通常工作在更宽的波长范围内，不仅覆盖标准可见光谱(400-700nm)，还能延伸至近红外区域(700-1100nm)。激光雷达的这个波长选择看似合理（对人眼安全且能提供不错的分辨率），却有个致命弱点：对大气中水分子极为敏感。简单说，激光雷达发出的光束在穿过雨、雪、雾时，会被水滴或冰晶严重散射和吸收。特别是在雾天，空气中悬浮的微小水滴直径恰好与激光波长相近，产生严重的米氏散射，导致信号迅速衰减。这不是软件算法能解决的问题，而是物理定律决定的硬伤。就像你不能指望声纳在空气中工作一样，激光雷达在含水气环境中就是天然弱势。更麻烦的是，激光雷达在恶劣天气下不仅看不远，还会看错"。雨幕被误判为实体障碍物、雪地里的路沿识别混乱、浓雾中的距离测量失准...这些问题在实际驾驶中可不是小事。一次错误的紧急制动可能导致追尾事故，一次障碍物识别失误可能造成严重后果。
与此相对，纯视觉方案在恶劣天气中展现足够强的泛化能力。虽然实际上同样受天气影响，但是因为视觉系统的处理方式更接近人类驾驶员的认知模式，能够分辨出来是不是真的有障碍。举个例子，当你在大雾天开车时，你并不依赖精确测量前车距离来决定是否刹车。你会综合利用有限的视觉线索（模糊的尾灯、隐约的车身轮廓）、道路知识和驾驶经验来做决策。现代视觉系统正是这样，通过对场景的整体理解和语义推理来弥补感知缺陷。
特斯拉的FSD就是个典型案例。通过海量真实驾驶数据训练，其视觉系统已经能够在雨天识别被雨滴扭曲的交通标志，在大雾中通过微弱的尾灯光点判断前车距离，夜间雪地通过光影变化推断道路走向。这种基于理解的决策方式，远比单纯依赖精确测距的传统方法更接近人类驾驶员的认知模式。
我并非完全否定激光雷达的价值。在晴好天气和特定场景下，它确实能提供精确的距离信息。但问题是，这种情况下纯视觉也完全能够处理，自动驾驶系统最需要可靠感知的恰恰是那些复杂、恶劣的场景，而这正是激光雷达表现最差的时候。从技术发展趋势看，激光雷达的物理局限性难以突破，而视觉技术的进步却方兴未艾。视觉系统的成本优势也使其能够部署更多冗余单元，通过多角度、多光谱的协同感知进一步增强可靠性。
自动驾驶的未来不在于堆砌更多昂贵的传感器，而在于打造更接近人类认知的智能系统。那些仍然迷信激光雷达能够解决一切问题的观点，很可能会被历史证明是一种过时的思维。毕竟，人类驾驶了一百多年，用的可从来都只是一双眼睛。
