满街的激光雷达，会烧坏监控、瘫痪自动驾驶吗？

华为刚刚发布的那个896线激光雷达，不能简单地说华为的就是最先进的，但它确实很厉害，896线是量产车里规格最高的，点云密度是主流128线雷达的七倍，能在120米外识别一个14厘米高的小目标。这数据放在今天的量产车里，绝对是第一梯队的。其他的，还有禾赛在2025年CES上发布的AT1440，1440线，300米外10%反射率还能探测到，角分辨率0.02度；再看看速腾聚创的EM4，1080线，最远探测距离能到600米。这些家伙虽然还没像华为那样大规模装车交付，但纸面参数上确实更猛。还有像Aeva那样的公司，走的是完全不同的FMCW体制，能直接测速度，抗干扰能力天生就强。所以，华为很强，但它不是唯一的强者，更准确的说法是，它是当前车规级激光雷达第一梯队里一个很有分量的代表。

在惊叹技术飞速进步的同时，我有一个疑惑：如果以后满大街的车都顶着这么一堆激光雷达，会不会出什么大问题？毕竟这是往空间里发射激光啊，虽然说是人眼安全的Class 1级别，但几百万辆车一起照，会不会像电影里那样，把城市变成一个危险的激光战场？

仔细研究下来，发现情况比想象的要复杂，而且真正让人担心的，反而不是直接伤眼睛这回事。按照现行的IEC 60825-1标准，只要是合规的Class 1产品，在正常使用场景下，对人眼是安全的，走在路上，被一辆路过的车上的雷达照一下，理论上不会有事。真正已经有实锤案例的，是对摄像头、手机这些电子设备的损害。沃尔沃EX90的用户就曾经用iPhone近距离拍它的激光雷达，结果CMOS传感器被永久烧坏。地库的监控摄像头被烧坏也不是新鲜事。因为CMOS对近红外光特别敏感，而激光雷达的脉冲峰值功率又高，镜头一旦正对着，就相当于把一个小太阳聚焦到了传感器上。如果以后满街都是带激光雷达的车，那满街的监控、路边拍照的手机、甚至专业摄影师的设备，都可能面临一个全新的、实实在在的物理风险。这种风险不是科幻，而是经济账，是升级所有公共摄像头的巨额成本，也是每个人拍照时都得留个心眼的麻烦事。

比烧坏摄像头更让人觉得后背发凉的，是激光雷达之间的互相干扰。每辆车都在往外发射特定的激光脉冲，然后等着接收自己的回波。如果周围有几十上百辆车都在干同样的事，怎么保证接收到的那个回波是自己发的，而不是隔壁车道那辆车发的？学术界的仿真和实测已经表明，当车辆密度上来之后，干扰会导致虚假点云，也就是把别人的信号当成障碍物，或者导致数据丢失，某些区域直接变成盲区。这个问题在车流密集的城市路口、高架汇入处会尤其严重，而这里恰恰是自动驾驶最需要精准感知的地方。如果感知系统因为这些干扰而集体“降智”，安全冗余被一点点吃掉，那引发的可能就是群体性的交通事故。虽然行业里已经在用编码、时分之类的办法来缓解，但如果没有一个类似移动通信频谱规划那样的行业标准，这个问题在高密度场景下几乎必然爆发。

还有一种更坏的情况，是恶意攻击。已经有研究证明，可以通过特定的调制激光源，制造出虚假的障碍物，或者反过来，把真实的障碍物“隐藏”起来。如果在关键的路口、隧道部署这样的干扰装置，让多辆高度依赖激光雷达的汽车同时误判，后果不堪设想。这已经不是传感器本身的问题了，而是整个系统的网络安全问题，必须把对抗攻击的能力，像功能安全一样，从设计之初就刻在骨子里。

但是最大的风险，还不是这些物理和网络安全风险，而是数据。一辆具备高阶辅助驾驶的车，一天能产生几个TB的数据，激光雷达点云是其中的大头。这些密密麻麻的点，可以还原出城市厘米级精度的三维模型：建筑的外立面、门窗的位置、甚至某个阳台的结构。再结合车辆的位置信息，就可以描摹出人的出行轨迹、家庭住址、生活习惯。如果所有这些数据被不加管控地采集、上传、甚至滥用，那它就成了一个覆盖全社会的、永不休息的监控系统。商业上的精准推送或许还只是让人烦，但如果数据泄露，被用于犯罪踩点、入室盗窃，或者更高层面的国家安全风险呢？这个问题的可怕之处在于，它不像烧坏摄像头那样有个物理上限，而是随着数据累积，风险会无限放大，而且一旦发生，几乎不可逆转。我们享受自动驾驶便利的同时，到底付出了多大的隐私代价，这个问题现在讨论得还远远不够。

激光雷达的大规模应用，在中高阶自动驾驶领域，基本上已经是一个不可逆的趋势了。市场规模在以每年百分之二三十的速度增长，成本因为芯片化正在快速下降，已经下探到十几万的车型上。车厂的电子电气架构、感知算法都围绕融合感知设计好了，再想回头改成纯视觉，成本和难度都太高。而且，L3以上级别的法规，本身就在强制要求多传感器冗余。所以，趋势是定了，车会越来越多，激光雷达会越来越普及。

那么在这个大趋势之下，前面想的那些危害，就注定会成为不可避免的灾难吗？答案是，不一定，但这很大程度上取决于我们现在怎么做。对人眼的危害，只要严格执行Class 1标准，并且加强抽检，就能控制在极低水平。对设备的损害，可以通过给摄像头加装红外滤光片、在手机和相机里加入强光预警、以及在雷达设计上对近距离功率进行限制，把损失从“必然”变成“偶发且可管理”。传感器间的互扰和网络安全攻击，需要行业和国家层面出台统一的标准，规划时频资源，强制进行抗干扰和攻防测试，并在车辆软件层面设计好感知置信度下降时的安全降级策略。

唯独隐私和数据安全这个问题，我觉得是里面最难、也最核心的。它不是一个纯技术问题，而是一个涉及法律、伦理和社会共识的复杂问题。激光雷达点云到底算不算个人信息？采集和保存的边界在哪里？谁有权访问和使用这些数据？这些问题如果没有清晰且强有力的立法来回答，没有严格的执法和高额的罚款来约束企业，那么随着激光雷达的普及，一个结构性的、长期的社会安全风险，几乎是必然会被“制造”出来的。

想清楚了这些，我反而对特斯拉一直坚持不用激光雷达的路线，有了一点新的体会。以前可能觉得马斯克是偏执，现在再看，他其实是在用一种更极端的方式，来回避上面思考的那些问题。他的逻辑很自洽：既然人类开车只用眼睛，那机器也应该主要靠“看”。激光雷达这种额外的测距传感器，不仅贵、增加系统复杂度，还会制造感知层面的“决策歧义”——相机说是塑料袋，激光雷达说是有反射点云，到底听谁的？他认为，真正困难的是让AI“看懂”并“预测”世界，而不是多堆一个几何测量工具。他甚至觉得，依赖激光雷达会让系统产生惰性，不去把视觉的能力逼到极致。

那对于某些纯视觉几乎搞不定的极端场景，比如浓雾、暴雨、强眩光、极暗乡村路、或者路面上突然出现一个奇形怪状的障碍物，马斯克怎么看？他其实看得也很清楚。他的策略不是硬刚，而是“认怂”。在这些场景里，他的系统会通过置信度监测，意识到自己看不清、搞不定，然后主动降级，甚至直接退出自动驾驶，要求人类接管。在他眼里，这些极端场景是现实世界必然存在的长尾，既然人类在这种条件下都会开得很痛苦，甚至根本不该开车，那机器也不该开，把权力交还给人才是更安全、更负责任的做法。他接受一个工程现实：自动驾驶的目标是把那90%以上的日常场景开得比人安全，而不是为了那极少数的高危场景，把每一辆车都变成一个昂贵、复杂、传感器堆满的机器。那少数场景，就留给人的注意力和判断力来兜底。

这么一圈思考下来，我发现不能简单地用“先进”或“危害”来评价激光雷达了。它是一个典型的技术双刃剑。它正在并将继续深刻地提升交通的安全性，让我们离真正的自动驾驶更近一步。但同时，它带来的设备损伤、系统互扰、网络安全，尤其是隐私数据失控的风险，也是真实存在的，并且会随着普及而急剧放大。这些风险并不是宿命，它们可以被管理和控制，但前提是，我们必须在技术狂奔的同时，让标准、法规和社会共识跟上来。技术发展的不可逆趋势，绝不意味着所有后果的不可避免。