马斯克再批激光雷达：我主导过龙飞船对接雷达开发，没人比我更懂

1分钟前

仍为激光雷达辩护者的结局

结局早已注定？

日前，法国AI视频公司Argil创始人Brivael在X平台发文称：2026年还为激光雷达辩护的人，结局已注定，永远别赌马斯克会输。

马斯克随即转发该帖并表示：“大家都觉得我不懂激光雷达，可我曾负责监督龙飞船与空间站对接的雷达开发。”

言下之意，论对激光雷达的了解，没人能比他马斯克更深入。

Brivael的原文内容如下：

今天我和Argil的工程师们深入探讨了埃隆·马斯克取消特斯拉自动驾驶汽车激光雷达的原因。这是个激进的决定，被嘲笑了好几年，但和往常一样，他从一开始就是对的。

激光雷达本质是通过激光扫描环境生成3D点云的设备，理论上能精准捕捉世界的几何结构。但在现实中，它只是纯视觉方案不成熟时，被迫装在车顶的“技术补丁”。

首要问题是增加了模型训练的模态复杂性。神经网络得学习融合视觉、激光雷达、雷达和超声波的数据。每多一个传感器，带来的不是额外信息，而是需要仲裁的冲突源。手工式的传感器融合等于永久的技术债。

第二个问题印证了里奇·萨顿的“苦涩教训”：在单一模态上规模化算力，远胜过精心设计的多模态架构。特斯拉先取消雷达，再取消超声波，最终转向纯视觉端到端方案，之后在极端案例处理上的进步反而加快了。Waymo走了相反的路，至今仍困在特定区域运营。

第三个问题最关键：激光雷达能“看见”几何形状，却不懂语义。它知道“有个物体”，但不知道“这是什么”以及“它会怎么行动”。自动驾驶最后1%的可靠性问题属于认知范畴，不是原始感知。增加传感器没用，只会添噪声。

塞巴斯蒂安·勒布驾驶208 T16在科西嘉岛泥泞雨路上以180公里时速飞驰，完全不用激光雷达，靠的就是两只眼睛和一个大脑。进化给掠食者双眼5亿年，而非激光发射器，这有深层原因。

激光雷达就像计划经济，是计划性、集中式的解决方案，试图显式建模本应从分布式自适应系统中涌现的特性。它用测量代替智能，用数据代替理解，用控制代替涌现。这种思路让想预先定义一切的工程师安心，就像计划经济让苏联经济学家安心一样。两者失败的原因相同：现实世界太复杂，单一传感器无法捕获，就像五年计划无法掌控一样。

真正的智能，不管是哈耶克的经济学还是特斯拉的方案，都在于信任能从经验中学习的系统，而非预先编码一切。优秀解决方案的优雅之处在于信噪比，激光雷达却大幅增加了分母的复杂度。

2026年还为激光雷达辩护，本质是宁愿堆砌临时方案也不愿解决根本问题。这是披着工程严谨外衣的思维惰性，就像2012年为专家系统辩护、反对深度学习的人，他们的结局也会一样。

永远别赌端到端系统会输。

永远别赌简约性会输。

永远别赌埃隆会输。