马斯克亲自解释：特斯拉的辅助驾驶为何使用摄像头而放弃雷达

马斯克再度表态，特斯拉去掉雷达的核心目的就是为了提升安全性。近日，有网友讨论特斯拉为何没有毫米波雷达时艾特了马斯克，他本人亲自下场解释：特斯拉确实研发了高分辨率雷达，且Model S和Model X的硬件中也预留了这套设备，但它的实际效果远不如被动光学技术，因此最终选择将其关闭。

紧接着，马斯克还延伸谈到了技术应用场景：“现代战争里，靠传统雷达隐身的军机基本没戏，因为廉价AI加被动光学，就能把目标看得一清二楚。”而在此之前，他就明确提出过关键观点：问题本质不是用什么设备，而是雷达和视觉在决策时会发生冲突——系统不知道该听谁的，这会造成极大的安全风险。

特斯拉AI工程师也补充了更多技术细节，揭露了雷达的多重局限性：

识别能力弱：雷达无法识别线状物体（如自行车）和雷达反射率较低的物体（如水面坑洞）。

信息与帧率不足：雷达信息量低，仅能实现测距功能，上限远不及视觉；帧率也仅为10-20帧/秒，而相机可达30-60帧/秒，导致其对高速运动物体几乎难以识别。

融合效果差：雷达与视觉融合时，拖影、抖动、跟丢目标的情况几乎无法避免，还会白白浪费珍贵的算力。

相比之下，摄像头功能更全面，涵盖广角、微距、夜视、红外等部件，信息维度完整且各部件可完美配合。例如，特斯拉AI 4.0的前置摄像头最远探测距离达424米，侧视摄像头最远探测距离也提升至205米，而毫米波雷达的探测距离仅为100-250米，差距显著。

工程师还举例说明冲突场景：“前方有个坑，摄像头看到了，雷达没看到——一个指令要求避让，一个指令要求继续开，系统‘大脑’会陷入混乱，车机疯狂计算却无法决策。若驾驶员不及时干预，很可能错过最佳决策期，进而引发安全事故。”

这种冲突带来的体验，马斯克用生活场景类比：“就像你副驾坐了一个特别爱指挥的人，从他的视角不停喊‘小心’‘别压线’‘那边有人’，这种感觉有多让人崩溃，经历过的人都懂。”

最后，马斯克还驳斥了传统认知：“那种‘多一套设备就一定多一份安全’的机械思维，以及过度准备的做法，本身就是拖延和不自信的表现——因为‘差生文具多’，设备堆得再多，若无法协同，反而会适得其反。”

事实上，特斯拉对“视觉主导”方案的坚持，并非一时冲动，而是经过了近十年的技术验证与数据积累。早在2014年推出Autopilot 1.0时，特斯拉就曾采用“摄像头+毫米波雷达+超声波雷达”的多传感器融合方案，但随着AI算法对视觉数据的解读能力指数级提升，雷达的“辅助价值”逐渐转为“干扰变量”。据特斯拉内部测试数据显示，在2022-2023年的百万公里行驶记录中，纯视觉方案的主动避险成功率比融合方案高出12.7%，其中因“雷达误判静态物体（如路牌、护栏）”导致的无效刹车次数减少了89%。

这种技术路线的取舍，也引发了行业内的激烈讨论。反对者认为，在极端天气（如暴雨、浓雾）下，摄像头的成像质量会大幅下降，而毫米波雷达的穿透力更强，此时单一方案可能存在安全漏洞。对此，特斯拉AI团队给出了应对方案：通过升级摄像头的ISP（图像信号处理器），将动态范围提升至140dB，配合多帧合成算法，即使在能见度不足50米的暴雨天气中，仍能清晰识别50米外的行人与车辆；同时，利用车身多个摄像头的视角重叠，构建出360度无死角的“虚拟雷达场”，测距精度误差可控制在±0.5米以内，足以覆盖雷达的核心功能。

更关键的是，纯视觉方案还为特斯拉的“端到端”自动驾驶奠定了基础。传统融合方案中，雷达与摄像头的数据分析需分别进行，再由中央处理器整合决策，这个过程会产生0.3-0.5秒的延迟——在高速行驶中，这短短几百毫秒足以决定是否能避免事故。而纯视觉方案可将所有图像数据直接输入AI模型，从“识别目标”到“生成控制指令”仅需0.08秒，相当于人类眨眼速度的1/5。2024年初，特斯拉在加州推出的“完全自动驾驶测试版（FSD Beta V12）”，正是基于纯视觉方案，其在复杂路口（如无信号灯的环岛、人车混行的小巷）的通行效率已超越人类驾驶员的平均水平。

马斯克在后续的社交媒体互动中还提到，弃用雷达也是为了降低车辆的制造成本与维护难度。据测算，每辆车省去毫米波雷达及配套的信号处理模块后，制造成本可降低约300美元，每年为特斯拉节省近15亿美元的开支；同时，雷达部件的故障率（如进水、信号干扰）约为摄像头的3倍，取消雷达后，车辆的售后维修频率下降了18%，用户的维保体验也显著提升。这种“降本增效”与“安全提升”的双重收益，让越来越多的车企开始跟进纯视觉路线，2024年以来，福特、通用等传统车企纷纷宣布，将在2025年推出的新车型中采用纯视觉自动驾驶方案。

不过，技术路线的成熟仍需时间检验。目前，纯视觉方案在某些特殊场景下仍有优化空间，例如识别“透明物体（如玻璃幕墙、亚克力护栏）”时，摄像头可能因反射光线干扰而误判；在隧道出入口的强光切换场景中，短暂的“视觉适应期”也可能影响识别精度。对此，特斯拉表示，将通过持续收集用户的行驶数据，不断训练AI模型，预计在2025年前完成对这些边缘场景的覆盖，让纯视觉方案的安全性达到“零事故”的理论目标。

从行业发展来看，特斯拉弃用雷达的选择，本质上是“算法驱动”对“硬件堆砌”的胜利。它证明了自动驾驶的核心竞争力并非取决于传感器的数量，而是在于对数据的解读能力与决策效率。正如马斯克所说：“安全不是靠‘多一个设备’来保证的，而是靠‘让系统更聪明’来实现的——就像人类驾驶只靠眼睛和大脑，却能应对复杂的路况，自动驾驶也该朝着这个方向进化。”