點選下方名片，關注ECar車勢！
近日，華為終端BG CEO、華為智慧汽車解決方案BU CEO餘承東在大灣車展上對於自動駕駛發表了自己的看法，他認為現在自動駕駛還使用高精地圖，但未來發展不應該依賴高精地圖、車路協同。
“有車路協同、高精地圖協同更好，沒有我們也能做好。未來不能過分依賴於高精地圖、車路協同，自動駕駛和智慧駕駛的能力就上不去。”餘承東指出，就像人類駕駛員，很多時候其實也並沒這樣的一個能力支撐，另外目前中國的道路環境還存在較大的不確定性，很多地方几乎每年都有區域性或者整體的翻修，本身也給車路協同等技術方案帶來了較大的挑戰。
雖然高精地圖可以提高自動駕駛的上限，但其本身的繪製難度和成本極高，而且需要及時更新維護，加上國內道路交通狀況比國外更為複雜，所以使用高精地圖並不見得完全一定就是好事。
無獨有偶，特斯拉的自動駕駛方案同樣沒有使用高精地圖，而且它更為激進，徹底放棄了各種雷達模組，轉而使用純視覺方案，一邊行駛，一邊掃描和重構外部環境，但也達到了較高的水準。
特斯拉的成功經驗可以說給其他車企打了個樣：自動駕駛，不一定非得用高精地圖，甚至連雷達都不需要。
鐳射雷達感知技術是以鐳射雷達為主導，毫米波雷達、超聲波感測器及攝像頭作為輔助。鐳射雷達感知環境的工作原理，是透過鐳射雷達發射鐳射束，測量鐳射在發射及收回過程其中的時間差、相位差，來確定車與物體之間的相對距離，實現環境實時感知及避障功能。
視覺感知是以攝像頭為主導的方案，攝像頭成本相較鐳射雷達優勢極大。攝像頭的價格在幾十美元左右，而鐳射雷達在幾百美元。再者攝像頭技術逐漸成熟，高解析度、高幀率成像技術使得感知的環境資訊更為豐富，但攝像頭在黑暗環境中感知受限，精度及安全性有所下降。
與鐳射雷達相比，視覺感知的弱點較為明顯：攝像頭依賴光線條件，感知方式精度較低，對演算法、算力的依賴程度和要求極高，而資料的獲取及演算法迭代壁壘高。 效能方面鐳射雷達明顯勝出，特斯拉花費巨大的成本在算力和演算法上，投入不小，頭鐵一直挺身堅持視覺感知路線，到底是有哪些角度的考量呢？
在馬斯克看來，“純視覺感知才是通往真實世界 AI 的道路”，而這也是他解決問題奉行的底層思路——第一性原理，即迴歸事物最基本的條件，將其拆分成各要素進行結構分析，從而找到實現目標的最優路徑。
在駕駛車輛的過程中，我們是透過眼睛收集路況資訊輔以大腦處理的方式進行，那自動駕駛按理說也能透過視覺感知輔以演算法處理的方式進行安全駕駛。特斯拉想要做的就是模仿人類視覺獲取資訊的能力來實現自動駕駛。既然視覺攝像頭的感知方式精度較低，那麼就依靠特斯拉獨有的資料優勢和構建算力、演算法的能力來抹平這個缺陷。
