，他们推崇名为 ** 传感器融合（sensor fusion）** 的方案 —— 一种 “双保险” 式的思路，将摄像头、雷达与激光雷达（LiDAR）结合，构建出冗余、多层级的环境感知体系。

　　另一方则只有特斯拉孤身一人，它大胆且极具争议地押注在单一感知模式上 ——纯视觉、基于摄像头的感知方案。

　　特斯拉主动拆除并停用雷达等硬件的决定，曾遭到广泛质疑，但这一举措源于其对人工智能与自然智能本质的、基于第一性原理的坚定信念。想要理解特斯拉为何下此重注，首先必须弄明白：特斯拉究竟否定了什么。

　　传感器融合的概念其实非常简单。它的目标是利用不同类型传感器各自的独特优势，为车辆周围环境构建一个单一、统一且高度鲁棒（稳定可靠） 的模型。每种传感器都有其优缺点，理论上，将它们融合在一起可以 弥补各自单独使用时的短板。

　　激光雷达（LiDAR）工作原理类似雷达，但使用激光，能生成环境的精确3D 点云地图。它在测距和形状感知上精度极高，可以构建极其精细的三维环境模型。主要缺点是：成本相对较高，且在恶劣天气（尤其是雾、雪、雨）中性能会下降。激光雷达还有一个短板：采集的数据量极大，仅第一步数据处理就需要巨大的算力。

　　这是行业内成熟的技术方案，Waymo、Cruise 等公司都在采用：将三类传感器的数据融合，打造一套具备内置冗余的感知系统。

　　对很多人来说，这已是一段被遗忘的历史，但特斯拉并非从一开始就采用纯视觉路线 年，早期的 Autopilot 系统同时配备了摄像头和前向雷达，雷达由博世等专业汽车传感器厂商提供。这是一套

　　常规的传感器融合方案：雷达作为主要传感器，用于测量前车距离与速度，从而实现交通感知巡航控制以及早期版本的 FSD Beta 功能。多年来，这种多传感器方案一直是行业标准。即便特斯拉自研了专属 FSD 芯片，外界仍普遍认为雷达会继续作为核心部件，成为不断发展的视觉系统的

　　3、转折点：特斯拉为何放弃雷达方案这一转变始于 2021 年夏天，特斯拉宣布将在新款 Model 3 和 Model Y 上

　　移除雷达，全面转向名为 ** 特斯拉视觉（Tesla Vision）** 的纯摄像头系统。此举源于埃隆・马斯克基于

　　第一性原理的核心理由：传感器数据冲突会带来安全风险—— 这一观点他至今仍在坚持。

　　传感器冲突而降低安全性。如果激光雷达 / 雷达与摄像头的数据不一致，该信谁？这种

　　传感器信息模糊带来的是风险上升，而非下降。这就是 Waymo 无法在高速公路上行驶的原因。我们在特斯拉上

　　哪种传感器才算 “更精准” 或 “更安全”？是由车辆在当下实时判断，还是由工程师提前设定好优先级？传感器信息的模糊性本身就存在风险，因为决策模块可能会因此陷入瘫痪，尤其是在安全优先的场景下。这并非单纯的理论思辨，特斯拉的完全自动驾驶（FSD）工程师也给出了具体实例。在同一讨论中，特斯拉人工智能工程师蔡允达指出，

　　雷达存在根本性缺陷：它无法正确区分无法产生频率偏移的静止物体、横截面细小的物体，或是雷达反射率低的物体。这正是过去困扰特斯拉的 ** 无故急刹（幽灵刹车）** 问题的根源 —— 车辆可能会把路边静止的天桥或丢弃的铝罐误判为停下的车辆，从而触发不必要的制动。在特斯拉看来，实现通用化自动驾驶的路径，是

　　攻克视觉感知。人类依靠双眼这两台 “生物摄像头” 和强大的神经网络就能驾驶。他们的核心判断是：如果能让计算机视觉做到完美，那么其他任何传感器往好了说是多余干扰，往坏了说就是Kaiyun危险歧义的来源。

　　如今，每一辆全新特斯拉都完全依赖特斯拉视觉系统（Tesla Vision），由 8 颗摄像头提供支持。该系统通过复杂的神经网络构建出三维矢量空间的环境模型，车辆据此进行分析与行驶决策。

　　关于纯视觉路线，还有一段耐人寻味的插曲。特斯拉推出第四代硬件（现称 AI4）时，新款 Model S 和 Model X 都搭载了全新的高清雷达。但为坚定践行纯视觉路线，特斯拉从未在完全自动驾驶（FSD）功能中启用这些雷达。

　　事实上，FSD 表现最成熟的反而是特斯拉销量最高的车型 Model Y，而非配备额外传感器的车型。尽管特斯拉可能会从这些雷达采集部分数据、验证系统性能，但雷达并未真正纳入 FSD 的感知体系。

　　特斯拉、埃隆・马斯克、阿肖克及特斯拉 AI 团队一致认为：想要打造一套具备类人智能、可规模化、通用型的自动驾驶系统，唯一路径就是彻底攻克视觉感知难题。如果这一判断正确，他们将打造出比竞品那些造价高昂、堆满传感器的车型成本更低、扩展性极强的系统。

　　如果判断失误，他们最终可能遭遇性能瓶颈，只能回头加装传感器 —— 但到目前为止，这类瓶颈尚未出现任Kaiyun何端倪。