01
仍為雷射雷達辯護的人
結局已註定？
昨天，法國AI視訊公司Argil的創始人Brivael，在X上發帖稱：2026年仍為雷射雷達辯護，他的結局已經註定，永遠別賭馬斯克會輸。
馬斯克隨後轉發這個帖子稱：“大家都認為我不懂雷射雷達，但我負責監督了龍飛船用於與空間站對接的雷達開發。”
外之意就是，沒有人比我馬斯克更懂雷射雷達。
Brivael的原文如下：
今天和我的工程師們（在Argil）深入討論了為什麼埃隆要取消特斯拉自動駕駛汽車上的雷射雷達。這是個激進的決策，被嘲笑了好幾年，而和往常一樣，他一開始就是對的。
雷射雷達本質上是用雷射掃描環境並生成3D點雲的裝置。理論上，它能精確捕捉世界的幾何結構。但在現實中，它是因純視覺方案尚不成熟而被迫貼在車頂的“技術補丁”。
首要問題在於，它增加了模型訓練的模態複雜性。你的神經網路必須學習融合視覺+雷射雷達+雷達+超聲波的資料。每增加一個感測器，帶來的不是額外資訊，而是需要仲裁的衝突源。手工藝式的感測器融合等於永久的技術債。
第二個問題，裡奇·薩頓的“苦澀教訓”在此印證：在單一模態上規模化算力，永遠勝過精心設計的多模態架構。特斯拉先取消了雷達，又取消超聲波，最終轉向純視覺端到端方案。此後，他們在極端案例處理上的進步曲線反而加速了。Waymo反其道而行，至今困在特定區域內營運。
第三個問題最根本：雷射雷達能“看見”幾何形狀，卻不懂語義。它知道“有個物體”，但不知道“這是什麼”以及“它將如何行動”。自動駕駛最後1%的可靠性問題屬於認知範疇，而非原始感知。增加感測器無濟於事，只會增添噪聲。
塞巴斯蒂安·勒布駕駛208 T16在科西嘉島的泥濘雨路上以180公里時速飛馳，完全不用雷射雷達。兩隻眼睛，一個大腦。進化賦予掠食者雙眼長達5億年，而非雷射發射器，這有其深刻原因。
雷射雷達猶如計畫經濟，一種計畫性、集中式的解決方案，試圖顯式建模本應從分佈式自適應系統中湧現的特性。它用測量替代智能，用資料替代理解，用控制替代湧現。這種思路讓渴望預先定義一切的工程師感到安心，正如計畫經濟讓蘇聯經濟學家感到安心一樣。而兩者失敗的原因也相同：現實世界過於複雜，無法被單一感測器捕獲，正如其無法被五年計畫所捕獲。
真正的智能，無論是哈耶克的經濟學還是特斯拉的方案，在於信任一個能從經驗中學習的系統，而非試圖預先編碼一切。優秀解決方案的優雅之處在於其訊號雜訊比。雷射雷達卻大幅增加了分母的複雜度。
在2026年仍為雷射雷達辯護，本質上是寧願堆砌臨時方案也不願解決根本問題。這是披著工程嚴謹外衣的思維惰性，正如2012年那些為專家系統辯護、反對深度學習的人一樣，他們的結局也將相同。
永遠不要賭端到端系統會輸。
永遠不要賭簡約性會輸。
永遠不要賭埃隆會輸。
02
FSD和VLA
一個比一個猛
純視覺方案的實戰表現，也給了馬斯克充足的底氣。
年初，有人開著裝了FSD V14.2的特斯拉Model 3，從洛杉磯開到紐約，總共4958公里，全程零接管。
即便中途經歷了加州內陸的大濃霧、亞利桑那州的暴雨，還有各種施工路段，FSD 全都扛下來了，甚至連進充電站和停車，都是車自己完成的。
而且，這還是上一個版本的表現，特斯拉最新推送的FSD V14.3，號稱徹底升級了底層架構，反應速度比以前快了20%，估計實際表現會更強。
今年3月，小鵬推送了VLA2.0，正在全方位學習特斯拉，而且小鵬為新車GX配備了3000PFLOPS的算力，因為如果走純視覺路線，核心就是世界模型+大算力。
03
雷射雷達，死路一條
“傻子才使用雷射雷達！”
相信大家都聽說過馬斯克這句名言，他對純視覺方案的執著，本質上是對第一性原理的堅守。
在馬斯克看來，人類開車只需要眼睛，但人眼不會發射紅外光束，只有視覺功能，所以汽車的自動駕駛，只要攝影機即可，不需要雷射雷達。
Brivael說，永遠不要賭馬斯克輸，並非認為他從不失敗，畢竟星艦也多次爆炸，而是指不能低估他在前沿技術佈局，以及對自動駕駛路線的戰略眼光。這已經是一個被反覆驗證的觀察。 (奇偶工作室)