一条被 2026 年 Robotaxi 实路数据重新点燃的老争论
「纯视觉 vs 多传感器融合」吵了十年，2026 年它重新变成硬话题，因为自动驾驶第一次真正大规模上路赚钱了：Waymo 已在美国 14 座城市运营、车队约 4000 辆、每周送出约 50 万单；Tesla Robotaxi 扩展到 7 城并在 9 月让 Cybercab 在奥斯汀公开道路上路测；国内萝卜快跑（Apollo Go）覆盖 22 城。这三家恰好站成两个阵营——Waymo／萝卜快跑是激光雷达 + 毫米波 + 摄像头的融合派，Tesla 是纯视觉的旗舰信徒。路线之争不再是论文里的假设，而是被真金白银和事故报表反复检验的工程选择。
信源：Waymo 官方运营公告（2026）、Tesla AI Day / Investor Day 与 NHTSA ODS 事故与豁免档案（2026）、百度 Apollo Go 运营数据、Mobileye / Luminar / 禾赛科技公开材料、各州 DMV 脱离驾驶报告（Disengagement Reports）。
一、两条路线在争什么：本质是「冗余」与「成本」的对撞
纯视觉的核心论点是：人只靠两只眼睛就能开车，摄像头是信息最丰富、最便宜的传感器，只要算法足够强（端到端大模型 + 占用网络 Occupancy Network），单靠视觉就能重建 3D 世界，何必再堆昂贵的激光雷达？它的诱惑在于 BOM 成本极低、可大规模量产、数据闭环统一。
多传感器融合的论点是：不同物理原理的传感器互补——摄像头看纹理和语义、激光雷达精确测距（尤其夜间、逆光、异形障碍物）、毫米波雷达在雨雾中稳定且直接测速度。当视觉被眩光、暴雨、罕见长尾物体「骗」到时，激光雷达是保命的那道冗余。它承认「感知是不完美的概率问题」，于是用多路独立信源交叉校验。
一句话点破分歧：纯视觉赌的是「AI 终将逼近甚至超越人类感知」，融合派赌的是「在可预见的未来，物理冗余比模型置信度更可靠」。这是一场关于「信模型还是信硬件」的信仰之争。
二、各自的真实短板
纯视觉的痛点
- 长尾 & 对抗：没见过的水泥块、侧翻的白色货车、强逆光下的行人——视觉模型在这些边角案例上会突然失手，而这些恰是致命场景。
- 夜间与恶劣天气：摄像头本质是被动光学传感器，弱光、暴雨、大雾信噪比骤降。
- 测距靠推断：深度要从多帧视差或网络预测里「算」出来，不如激光雷达直接「量」出来确定。
- 可解释性差：端到端黑盒出错时，责任追溯和监管取证的难度更高。
融合派的痛点
- 成本：即使激光雷达价格已从数万美元降到几百美元级，多传感器整套 BOM 仍显著高于纯视觉。
- 时间同步与融合难：多路传感器要精确时空标定，「摄像头说有、雷达说没有」时的冲突仲裁是老大难。
- 规模化天花板：成本高、标定复杂，让百万辆级量产的经济性承压。
三、2026 年的现实走向：一场没有赢家的收敛
有意思的是，两派都在偷偷走向对方。Tesla 在 2024-2025 一度移除雷达和超声波后，2026 年的 HW4／Cybercab 重新引入了视觉之外的冗余传感；而Waymo 等融合派则大幅强化了数据驱动的学习式感知，弱化对高精地图的依赖。这暗示一个工程共识正在形成：L4 无人运营（车里没安全员兜底）必须保留物理冗余，走融合；而 L2/L2+ 量产辅助驾驶（人在环上负责）可以把成本和量产放在第一位，走强视觉。分歧的答案，其实取决于「出了事谁负责——系统还是人」。
四、给从业者的选型判断
- 做 RoboTaxi／干线物流／港口矿区等无人化运营：几乎别无选择要上融合冗余，因为监管和保险都要求「非视觉兜底」，安全等级是 L4。
- 做量产乘用车的高阶辅助驾驶：纯视觉 + 端到端大模型的成本优势压倒性，人是最终责任方，可接受更集中的传感器方案。
- 算力与数据是关键变量：无论哪条路线，2026 年的胜负手已转向「大模型 + 海量真实/合成数据 + 强算力」，传感器配置只是这场竞赛的一个维度。
一句话收尾：纯视觉与融合之争不会有一个「谁彻底取代谁」的结局。答案是分层的——在人的命交给系统兜底的 L4 场景，物理冗余仍是铁律；在人还握有方向盘的量产场景，极致成本与数据闭环让强视觉更有生命力。真正该问的不是「哪种传感器更好」，而是「这个场景允许多大的失败代价」。
五、撑起两条路线的三块技术底座
争论背后，其实是几项底层技术在 2024-2026 年同时成熟，才让「大规模上路」成为可能，值得单独说清：
- BEV（鸟瞰图）感知：把多路摄像头透视图像统一投影到俯视坐标系，解决了「不同相机各说各话」的老问题，让视觉真正具备可用的空间几何。
- Occupancy Network（占用网络）：不关心「这是什么物体」，只预测三维空间里每个体素「有没有被占据」。这一下绕开了纯视觉最怕的长尾——侧翻的白色货车、异形路障，只要「占了空间」就会被规避，这是 Tesla 敢于去掉雷达的关键信心来源。
- 端到端大模型：从传感器输入直接输出轨迹/控制，用海量人类驾驶数据训练，取代过去手写的规则与模块化管线。它让「视觉足够强」的假设第一次有了兑现的可能，但也带来了黑盒可解释性、监管取证的新麻烦——这正是融合派保留雷达做冗余校验的现实理由。
六、跳出技术：监管与保险怎么投票
如果只看论文会以为纯视觉要赢了，但看 2026 年的监管与保险动作，会发现另一股力量。L4 无人出租要拿到「去掉安全员」的豁免，监管普遍要求「单一传感器失效仍能安全靠边（fail-operational）」，还要提交脱离驾驶与事故数据自证安全——这类硬约束天然偏向有物理冗余的融合方案。保险定价同理：能显著降低「罕见但致命」责任的冗余传感，保费上更划算，抵消了部分 BOM 成本劣势。而量产 L2 辅助驾驶里，责任在人、系统只需「足够好用」，成本敏感压过冗余需求，纯视觉的经济性就占了上风。所以「纯视觉 vs 融合」从来不只是技术题，更是「谁为失败兜底」的责任与经济学问题——把这条想清楚，路线选择几乎就自动出来了。
七、别忽略第三极：激光雷达自己也在变
把「融合」理解成「堆一堆昂贵传感器」是十年前的旧地图，2026 年的现实是融合阵营的成本曲线被彻底打了下来。激光雷达正从早期的机械旋转式（几万美元、车顶一个大陀螺）快速转向固态 / 芯片化（Flash、OPA、dToF），单价进入几百甚至百元人民币区间，体积小到能嵌进车身，车规寿命和量产良率也过关了；国产厂商（禾赛、速腾聚创等）把产能和价格打得极卷，让「多传感器融合」第一次在量产车上谈得上经济性。与此同时高精地图的强依赖被「重感知、轻地图」的城市 NOA 路线松动，融合派不再需要「厘米级地图 + 激光雷达」双保险，进一步降本。也就是说，纯视觉最大的杀手锏——「融合太贵」——正在被供应链快速侵蚀；而融合派最大的软肋——「多源冲突难融合」——则在端到端学习与占用网络的框架下被慢慢模型化。两条路线的差距在收窄，这正是 2026 年争论重新变得胶着、而非一边倒的根本原因。
八、数据闭环才是真正的终局变量
如果把视角从「车上装什么」抬到「系统靠什么变强」，会发现胜负手已经迁移：谁掌握更大、更快、更干净的数据闭环，谁的感知就更强，跟装几个雷达关系没那么大。Tesla 靠数百万辆量产车回传真实长尾、自建超算集群做端到端训练，把「纯视觉够用」的假设一点点坐实；Waymo 靠多年百万公里无人运营的脱敏数据打磨融合算法的鲁棒性；国内玩家则靠 22 城级运营规模 + 政策放开的真实路况，喂出对手拿不到的复杂场景数据。传感器选型只是这场数据竞赛的「输入端配置」，算力、数据规模、自动化标注与仿真才是决定模型上限的核心。对企业做技术规划意味着：别把宝全押在「视觉还是雷达」的二选一上，真正该问的是「我能不能建起把每天真实里程转化为模型能力提升的流水线」——那才是自动驾驶从「演示」走向「运营」后，2026 年最硬的护城河。
