本站4月14日消息，隨著智能駕駛的普及，相關事故越來越多，這當然跟車企夸大的宣傳有關，更多的還是司機對自己的不負責。
智能駕駛不等于自動駕駛，而因它引起的事故也讓大家又一次對哪種雷達方案引起了爭議，到底是純視覺安全，還是激光雷達呢？
上述兩種方案中，特斯拉是純視覺的堅定擁護者，而國內車企基本是靠激光雷達，只有部分低配車型上，才會使用純視覺方案，而出事故的基本都是后者。
清華大學蘇州汽車研究院智能網聯中心技術總監孫輝接受采訪時表示，純視覺主要依賴模型的泛化能力，因此存在一定的漏檢風險，尤其是在光線不足或過曝時，更可能失去感知能力。
但更關鍵的是，國內相關車企在硬件與模型訓練層面相比特斯拉均有差距。
對于“純視覺”路線的一個質疑在于其夜間表現。“目前多數特斯拉仍在使用3.0版本硬件，配備8個200萬像素攝像頭，144 TOPS算力，這一版本硬件的攝像頭夜間成像可能存在問題。
新款Model Y使用4.0版本硬件，配備8個500萬像素索尼攝像頭，720 TOPS算力。索尼攝像頭在光照強度僅有1勒克斯左右，也就是沒有月光的夜間也能清晰成像，而在光照強度為8萬—10萬勒克斯的夏天正午，也不會過度曝光，所以這款攝像頭對照度的適應范圍遠超人眼。”
相比之下，國內相關車企可能配備數量更多的攝像頭，基本包括前后兩只800萬像素攝像頭，但是攝像頭對照度的適應范圍可能不及特斯拉使用的索尼攝像頭，可能導致夜間成像質量存疑。”
“國內車企在車載攝像頭、芯片等硬件方面的配置尚可，但是訓練算力與數據的缺失才是關鍵。”
純視覺路線主要從硬件與軟件兩方面提升表現，軟件方面的提升主要依賴數據，大模型訓練需要海量數據，國內車企可能在這個層面不輸特斯拉，但訓練算力普遍不足。
比如，特斯拉V12版本FSD使用1000萬段，每段1分鐘時長的用戶數據。如果1分鐘對應的行駛距離是1公里，這意味其使用1000萬公里用戶駕駛數據，如此數據量難以通過數據采集的方式完成，從采集到標注的成本為七八十億元，因此沒有車企能夠依靠數據采集的方式積累足夠的數據。
有國內第三方智駕方案供應商告訴記者，在數據方面，特斯拉相比國內廠商確實具備很大優勢，因其具有先發優勢。據他預估，如果一家車企累計銷量超過百萬輛，便會具備“相對可以”的模型訓練數據基礎。
回到中國路況，國內車企沒有激光雷達的輔助駕駛系統“差很多”。
其實回到兩種方案之爭關鍵核心，沒有誰對誰錯，只是光看結果忽略過程可能就會造成消費者的認知偏差，這是最致命的。
所以，不管到底是哪個層級的智能駕駛，最終還是應該由駕駛者來操控方向盤，而不是靠機器。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
