在「自动驾驶汽车究竟应该用不用激光雷达」的问题上，车企已进行了长时间辩证，甚至衍生出了「激光雷达派」与「纯计算机视觉派」。

而特斯拉无疑是业内最大的「纯视觉」拥护者了。

马斯克对此的解释有两点：

1、激光雷达成本过高。

2、人类也是靠纯视觉开车的。（2019年）

2021年7月，特斯拉给美国2000余名车主FSDBetaV9.0的体验券，更新之后车子就可以在任意道路使用自动驾驶-——V9.0采用纯纯纯视觉方案、甚至连毫米波雷达都不用。

若该版本FSD得以推行，或者将相关技术推及EAP（3.2w元的增强辅助驾驶），之后的Model 3、Y将省去毫米波硬件，进一步降本增利。据查询，大陆（Continental）77GHz毫米波单机采购价在3000~4500元左右。

另外，尽管我们看到越来越多的激光雷达公司发布了千元车规级产品，但自动驾驶目前无一例外难逃成本问题。此前据媒体统计，例如谷歌、百度等自动驾驶团队使用的64线激光雷达产品价格约为70万人民币，16线激光雷达约为5万元。

在Model 3、Y系列量产车上，激光雷达更难以被采用，上千美元成本几乎和当前的电池包价格相当。

马斯克选择的纯视觉方案略微偏激，但成本控制上无人能及，眼下ModelY零售价27.6万元，Model 3进一步降价似乎也不再遥远。

当然，成本是说给资本家听的，车主只关心到底安全不安全。

特斯拉的干爹——NHTSA（美国国家公路交通安全管理局）数据显示，在美国，开674万公里就会发生8.66次事故，而使用AutoPilot的特斯拉车主仅为1次，没钱买Autopilot的发生事故2次，依然远低于平均水平。

尽管中国道路远远复杂于美国，这个数据看起来对中国用户参考意义不大，但足以说明特斯拉当前技术水平的地位。

那么，去除毫米波雷达的FSDBetaV9.0（下称FSD 9）为何如此令人期待？

在一段FSD测试视频中，特斯拉会暂时移除仪表两侧的应用，可视化界面将扩大以显示周边额外的信息，而驾驶速度、自动驾驶可用性、自动驾驶速度设置等信息被移到了仪表板的底部，这与当前只显示三条车道的版本融入了更多视觉识别运算。

FSD 9之所以能够取代毫米波的作用，原因有二：1、硬件升级，2、算法迭代。

首先，特斯拉自研FSD芯片终于发挥出了视觉算法的极限，相较于HW2.5，FSD电脑将算力提升至了144TOPS，每秒处理的图片速度提升至2300帧。

按照官方说法，从2019年3月、4月起，特斯拉新下线的车型全部配备FSD芯片，所以国内车型均有升级为「纯视觉」的潜力。

算上此前版本，特斯拉芯片已经经过3次迭代，目前最新的FSD上搭载了特斯拉自主研发的两枚芯片，也就是Autopilot3.0硬件，性能比2.5版本芯片强大21倍。

同时，截止2020年4月，特斯拉启用Autopilot的行驶里程就已经突破48亿公里，如果用户平均每天驾驶约一个小时（每辆车8个摄像头），车队每月大约会产生1.968 亿个小时的视频。

尽管所有数据中，只有1%“值得被标注”、有价值，但如此鲜活、真实规模国内其他车企仍难以比拟。

为了处理巨量驾驶数据，特斯拉将把针对自监督学习技术的研发提高到绝对优先级。特斯拉启动了一个代号为Dojo 的重大项目，它是一台超强的训练计算机，处理的数据不再停留在图片层面，而是针对视频类的数据，能够以较低的成本实现算法性能的指数级提升。

笔者相信，FSD 9完成阶段测试后，Dojo也将正式露面。

二、纯视觉当前对手：传感融合

在激光雷达普及前，纯视觉需要赢掉「传感融合」方案——摄像头+毫米波雷达。

马斯克曾在Twitter问：

当雷达和摄像头有冲突，你相信谁？摄像头更精准，所以你最好双倍押注摄像头而不是二者组合。

为了自我佐证，特斯拉搬出了多个极端案例：

1、避免「幽灵刹车」：在前车紧急制动的场景下，纯视觉方案没有出现Radar那种信息中断和误判的情况，非常线性，从而能够提供线性的制动决策，带来更佳的使用体验。

2、避免「指桥为墙」：通过立交桥下的场景中，由于Radar的垂直分辨率很低，所以容易导致系统误判空中的物体为障碍物；而纯视觉方案则完全不会出现该问题。

3、做到「提前感知」：对于毫米波雷达来说，前方车辆停靠在路边，导致识别较晚，在距离车辆110米时才感知到前方停有卡车。而纯视觉方案在距离车辆180米的时候就已经识别了该车辆。

总之，这很符合马斯克最初的理念：人类在开车的时候，也都是靠眼睛、查普通地图，更不会依靠高精度地图。