技术史视角下的激光雷达：是智商税还是安全刚需？
自动驾驶是汽车智能化的核心战场，激光雷达则是这场智能竞赛中最关键的技术分野。
激光雷达的存废之争，是当前智能汽车技术路线的最大分歧点。两大阵营观点对立，让不少消费者在选车时陷入两难。
一方是以特斯拉、小鹏为代表的纯视觉派，他们坚信激光雷达是伪命题，认为其在实际驾驶中的作用有限，且成本高昂，高分辨率摄像头搭配AI就足以充当汽车的“眼睛”。
另一方是以Waymo、华为、蔚来、理想等为代表的融合派，坚持多传感器融合方案，让激光雷达与摄像头协同工作。因为纯视觉方案中，摄像头的识别成功率在逆光、黑暗、暴雨、浓雾等恶劣天气下会大幅下降，所以激光雷达被视为L3及以上高阶自动驾驶不可或缺的硬件基础。
厂商各执一词，消费者选车时却更纠结了：选车到底要不要配激光雷达？配几颗？多花的几万块到底值不值？
激光雷达究竟是安全冗余，还是智商税？这一问题困扰着越来越多的普通车主，也成为整个汽车行业无法回避的话题。
我们不妨回顾激光雷达的技术发展历程，或许能更清晰地认识这项技术，从而明白自己真正的需求。
激光雷达发展史：汽车“视力”的进化之路
蝙蝠没有视力，却能在黑夜中自由穿梭、避开障碍，靠的是发出超声波，通过回声判断距离和方位。汽车同样没有“眼睛”，也无法发出声波，那它如何识别外部环境的远近和物体呢？激光雷达的光，就相当于蝙蝠的超声波。
1960年，全球第一台实用红宝石激光器研制成功。它通过发射激光脉冲，待激光碰到障碍物反弹回来后，就能计算出设备与障碍物之间的精确距离，进而逐步还原出周围环境的立体轮廓。
这种强大的测距和感知能力，最初仅应用于科研实验室和国家重大项目。比如NASA在阿波罗15号登月任务中，就通过激光雷达完成了月球表面的地形探测与三维制图，让人类首次看到了月球的地貌。
随着微电子技术的小型化发展，激光雷达终于成为民用设备的“眼睛”。它的进化过程，就是不断打磨这双“电子眼”，使其更趋完美。
激光雷达首先进入工业领域。20世纪80年代起，德国、日本等制造强国的厂商开始将单线2D激光雷达用于工业自动化场景。这种初代民用激光雷达只能进行单线扫描、平面成像，采集单一平面内的距离数据，但已能在运输车辆的自主导航与避障、仓储物流通道监测等领域发挥作用。
21世纪初，一场赛事彻底改变了激光雷达的命运——美国国防部高级研究计划局（DARPA）举办的无人驾驶挑战赛。
为让无人车实时、精准地感知复杂的3D环境，参赛车队急需一种强大的传感器。2005年，斯坦福车队首次搭载Velodyne推出的多线束机械旋转式激光雷达一战成名；2007年，完赛的五支队伍都使用了激光雷达，自此开启了激光雷达在汽车领域的黄金时代。
为何绑定激光雷达对自动驾驶的提升如此显著？早期的自动驾驶依赖摄像头、普通传感器和毫米波雷达，感知能力的短板导致无人车难以做出主动、优质的智能决策，而激光雷达弥补了几大短板：
1. 探测距离远，为汽车预留充足反应时间。激光雷达能发射200米以上的光束，后期升级款甚至突破500米。这意味着汽车在高速行驶时，能提前发现尾灯损坏的货车、路面障碍等，及时预警并刹车。其远距离感知能力为汽车留出了更多制动与反应时间。
2. 识别精度高，弥补人眼和摄像头的视觉盲区。激光雷达测距精度可达厘米级，生成的三维点云不仅能识别行人、车辆，还能捕捉到低矮障碍物，如掉落的钉子、路面坑洼。人眼看不到的“鬼探头”、摄像头拍不清的凹凸路面，都能被激光雷达捕捉，且不受光线影响，在黑夜、大雾、暴雨等恶劣天气下，能有效弥补人眼和摄像头的视觉缺陷。
3. 反应速度快，助力汽车快速决策。摄像头输出的是二维图片，自动驾驶系统需通过算法推测物体距离，不仅存在判断误差，图像解析和数据处理还会产生时延。而激光雷达直接输出距离和三维数据，汽车能快速判断行人、车辆的动向，从而更灵敏地做出减速、避让决策。
凭借这些技术优势，激光雷达在自动驾驶赛事中一战成名。不过这一阶段，激光雷达仍是Waymo等硅谷企业测试车的专属配置，单价高达数万美元，且体积较大，机械旋转式激光雷达安装在车顶，像个突兀的“大疙瘩”，影响整车颜值，难以在普通车主中普及。
激光雷达的量产装车始于2016年之后。随着汽车智能化浪潮的推进，这双“汽车之眼”快速迭代：体积进一步缩小，能更完美地嵌入车身；激光波长和探测距离不断提升，开始实现全域覆盖。同时，成本下降，搭载激光雷达的车企和装车方案日益多元化，出现了Waymo的多传感器冗余方案、华为ADS 4.0全域感知架构、小鹏的激光雷达+视觉双保险方案等。
然而，随着激光雷达在汽车行业的存在感日益增强，一场围绕它的硬件“军备竞赛”也给消费者带来了新的烦恼。
数量即优势？硬件竞赛引发的新困惑
激光雷达的装车数量从最初的1颗，增加到2颗、3颗，甚至4颗……有行业机构预测，到2032年单车搭载量将达到6颗，其中2颗长距雷达、4颗短距雷达。汽车智能化的直观竞争，似乎就是激光雷达的装车数量比拼。
装车数量越来越多，消费者的迷茫却随之加深，争议也愈演愈烈。总结来看，消费者对激光雷达的困惑主要集中在以下几个方面：
困惑一：有无激光雷达，对日常用车重要吗？
很多人日常仅在市区代步，不跑高速、不开夜车，路况简单，多花几万块选带激光雷达的版本，似乎是为用不上的功能买单。但不花这笔钱，又担心遇到突发情况时汽车安全没有保障。
困惑二：有激光雷达，就代表汽车“视力”好吗？
同样搭载激光雷达的车型，感知能力却有很大差异，有的车装两颗还不如别人装一颗好用。这背后是单个激光雷达的质量差异。高线数、高点频、高角分辨率的高性能激光雷达，就像一双5.0视力的眼睛；而低性能入门雷达数量再多，也像两双弱视的眼睛，上路依然看不清楚。
困惑三：激光雷达多，开车就更安全吗？
即使搭载多颗高性能雷达，也未必能完全避免驾驶事故，就像耳聪目明的人也可能走路摔倒。比如某品牌的全天候雷达车型，曾在冬天午后发生事故，官方通报是极端光线下传感器识别存在局限。更让消费者心寒的是，很多车企的激光雷达日均调用率不足5%，这意味着这颗昂贵的传感器大部分时间都在“摸鱼”，装再多也只是摆设。
困惑四：有“视力”但没“脑子”，车还安全吗？
激光雷达只是汽车的“眼睛”，如果自动驾驶系统的“脑子”不好使——算法无法精准判断并主动决策，或车载通信、计算芯片等配套设施不足，那么再好的“视力”也难以保障安全。就像特斯拉坚持纯视觉路线，正是因为其FSD算法强大，即使削减硬件，也能支撑起智驾能力。所以，没有背后的融合算法和系统级整合，装再多高性能激光雷达也无法发挥作用。
理论上，激光雷达装车能带来更优的智驾体验，但宣传中的硬件数量并不等同于实际用车体验，高配不好用、堆料不增效的情况确实存在，这也让激光雷达的竞争从“有无”“数量”转向了更深层次的较量。
安全“视力”：汽车智能的隐形竞技场
回归技术本质，多激光雷达方案的最终目标是提升汽车的安全“视力”，让每一颗雷达都发挥安全价值，不做摆设。
那么，真正决定智能汽车安全“视力”上限的核心是什么？答案是协同能力。
就像人要避免路上的风险，不仅要及时发现危险，还要第一时间判断躲避方式，再操控身体完成闪避，才能真正安全——这是一整套身体的协同作业。对于汽车而言，激光雷达、摄像头、毫米波雷达等传感器需要协同工作，同时将信号传递给“大脑”。
比如最危险的“鬼探头”场景：行人突然从路边大车后蹿出，摄像头可能被大车遮挡没看见，激光雷达虽扫到了却没及时将信号传给系统，就会导致反应不及时。因此，激光雷达与多传感器的协同，直接关系到行车安全。
然而，多传感器的时空同步、数据关联、深度融合等技术难度大，对算法性能、算力配置等要求很高。融合做得差的车型，可能出现激光雷达“摸鱼”、仅靠其他传感器工作的情况，消费者花大价钱买的配置，在极端场景下根本指望不上。
目前业内领先的做法，如华为ADS 4.0通过BEV+Occupancy方案，将雷达点云和视觉画面结合识别，准确率高于纯视觉；小鹏、蔚来自研专属车载计算平台，让所有传感器同步传输信号，减少数据冲突。
显然，激光雷达的协同感知并非简单采购、批量堆砌就能实现，背后需要车企在计算硬件、集群、AI训练平台、底层架构、算法、生态等方面长期研发和沉淀。只有在强大的数字基座上，激光雷达的硬件价值才能被充分释放，实现全域感知、精准决策——这才是高阶智能驾驶的核心，而高阶智驾又会进一步提升激光雷达的作用。
从激光雷达这一设备，我们或许已窥见汽车智能化竞争进入深水区，呈现出强者恒强的马太效应。
堆料无用？激光雷达的未来方向
激光雷达不等于智能升级，为何各大车企仍热衷于宣传？这反映出当下汽车市场的尴尬局面。
智能相关参数已成为用户选车的重要参考。激光雷达作为汽车感知系统的核心硬件，车企若不跟进，会被认为智能不足，在市场宣传和参数对比中处于劣势。因此，即便明知缺乏融合能力、难以协同调度、装车后可能闲置，也不敢不“堆料”。
在消费端，普通消费者对智能驾驶技术认知有限，软件算法看不见、摸不着，除非亲身经历事故等负面案例，否则难以有切身体会。而激光雷达的数据实时、直观，普通人容易判断其精准度和灵敏度，数量多了，就会产生技术领先、配置拉满的感觉。
回到消费者最关心的问题：花钱选激光雷达版本到底值不值？
从技术逻辑看，激光雷达绝非智商税，而是自动驾驶系统的“视力”保障。但买激光雷达不能只看硬件本身，还需要全域感知的“眼睛”、融合协作的传感器系统、灵敏的“大脑”、充沛的算力、稳定的网络……这些因素综合起来，才能让激光雷达物有所值。
回顾激光雷达的发展史，它从遥不可及的国之重器，逐步走进民用车领域，最终成为普通消费者可触及的核心安全配件，见证了汽车“视力”的进化。
说到底，消费者真正想要的是用合理成本，买到足够的智能与安全。决定一辆车是否聪明、安全、智能的，是隐藏在硬件之下、看不见却能感受到的“真本事”——这才是汽车智能竞赛的真正核心。
本文来自微信公众号“脑洞汽车”，作者：藏狐，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com