這種從形式主義向極度務實的轉變，不僅發生在大眾生活里，也正真實地映射在當下的新能源汽車行業。曾經，車企最愛在發布會上炫耀車身貼滿了多少個雷達探頭，以此標榜自身的智能化水平。但現在，一場由底層邏輯驅動的技術更替正在發生。單純依靠堆砌低級傳感器件來營造科技感的時代，已經走到了盡頭。

最明顯的行業風向標，來自頭部車企的激進斷舍離。在量產的理想L9車型上，全車身多達12個的超聲波雷達被徹底取消。從前臉到側面再到尾部，傳統的雷達開孔消失了，取而代之的是UWB近場感知技術。

超聲波雷達，也就是我們日常俗稱的“倒車雷達”，其工作原理類似蝙蝠，依靠發射聲波并接收回彈信號來測距。在燃油車時代，它是絕對的標配。早年間，許多沒有原廠雷達的車主，會去汽配城花一兩百塊錢加裝后裝雷達，有些還帶有距離顯示的內飾小屏幕。有趣的是，許多日系品牌（如豐田、雷克薩斯）早年寧愿給倒車影像，也不給倒車雷達，在他們的邏輯里，駕駛者應該用眼睛看屏幕，而不是單純依賴聲音報警。

但在當下的高階智能駕駛時代，超聲波雷達的致命缺陷暴露無遺：它只懂測距，完全無法理解空間。在它的探測邏輯里，一根細長的水泥柱、一只路過的小狗、或者是一個飄落的塑料袋，沒有任何本質區別，統統只是“障礙物”。同時，它極其容易受到復雜環境的干擾。遇到雨雪天氣、路面積水、地庫斜坡，或者是非常細微的障礙物，超聲波雷達就會失靈，要么毫無反應，要么對著空氣狂叫不止。現在的智能汽車需要的是精確的空間關系定位，而不是盲人摸象般的低效探測。

取代低端超聲波的，是UWB（超寬帶無線電）近場感知技術。

很多車主對UWB的認知，停留在無感進入的“數字車鑰匙”上。以前的藍牙鑰匙，車輛只能模糊判斷鑰匙“在附近”，常常出現人走到車門旁卻按不開門，或者人站在車頭卻打不開后備箱的尷尬情況。而UWB鑰匙不僅知道你來了，它甚至能極其精確地知道你是站在左前門、距離車身1.2米，還是正朝著后備箱的方向移動。它的定位精度達到了驚人的厘米級。

這種高精度的近場感知方案，性能幾乎不受溫度和濕度的干擾。面對超聲波雷達束手無策的復雜路況，UWB能夠精準識別1米以上細小的懸空樹枝、橫桿，也能敏銳捕捉低于20公分的路肩、兒童玩具等低矮障礙物，并同步輸出距離和方向的絕對信息。當車輛進行自動泊車時，視覺系統負責“看清”周邊的物體，而UWB則負責“精確測距”，兩者結合，車輛對周邊環境的空間理解能力實現了量級的飛躍。當然，這項技術目前最大的門檻在于成本較高，且必須深度融合在極其復雜的計算算法體系中，現階段主要應用于中高端車型。

如果我們把智能汽車比作一個機器人，傳感器矩陣就是它的“五官”。攝像頭，毫無疑問是汽車的“眼睛”。特斯拉是純視覺路線的堅定執行者，馬斯克認為既然人類依靠眼睛開車，汽車同樣可以通過攝像頭完成自動駕駛。但攝像頭的物理缺陷客觀存在：在逆光、大雨、大雪、濃霧或是暗光黑夜環境中，攝像頭的識別能力會大幅度衰減。

因此，國內絕大多數車企選擇了融合感知路線，毫米波雷達作為“嗅覺”或“夜視儀”的作用變得不可替代。毫米波雷達不依賴光線，全天候穩定工作，對惡劣天氣極度免疫。按照頻段劃分，車頭的兩個角通常放置24GHz的角雷達，用于近距離盲區補光；車內后視鏡上方通常隱藏著60GHz的雷達，專門用于監測車內是否遺留了兒童或寵物；而車身前后主保險杠上的小方塊，則是探測距離可達200米以上的77GHz或79GHz主雷達。

傳統的3D毫米波雷達能夠測出目標的速度、距離和角度，但它只擁有X軸和Y軸的平面信息，缺失Z軸的高度概念，且分辨率極低。隨后進化的4D毫米波雷達增加了關鍵的俯仰角測量信息，實現了高精度測高。普通雷達每秒的測速點率只有4000點，而4D毫米波雷達達到了3萬點以上，生成的高精度點云圖在算法優化下，甚至能接近部分低線束激光雷達的成像效果。

但在三維空間建模領域，目前的絕對霸主依然是激光雷達。無論4D毫米波雷達如何進化，在單秒測速點率超過300萬點的256線激光雷達面前，兩者之間依然存在著客觀的性能代差。激光雷達就像拿著一把精準的尺子，不斷向外發射激光并接收回彈，瞬間描繪出前方的物理輪廓，為車輛建立精確的三維地圖。

由于激光雷達成本高昂且數據吞吐量巨大，對車輛的電能和算力提出了極高要求。行業的硬件布局也在不斷迭代。早期的機械旋轉式激光雷達體積龐大，如今半固態激光雷達成為主流，大多以“單塔瞭望式”安裝在車頂作為主雷達。而在車輛側面和尾部，車企開始布置體積更小的全固態激光雷達，專門負責盲區監測和低矮障礙物識別。更先進的可變焦激光雷達，則通過類似手機長短焦鏡頭的原理，實現高速看遠、低速看廣的靈活切換。

總結來看，沒有任何一個單一的傳感器是完美的。攝像頭怕天氣，毫米波雷達缺細節，激光雷達吃算力且昂貴，UWB定位準但范圍受限。

現在的智能汽車競爭，早已過了比拼硬件數量的初級階段。在一輛車上生硬地塞進幾十個傳感器，如果缺乏強大的電力供應、海量數據存儲和頂級算力支撐，不過是一堆無用的電子元件。真正拉開差距的核心，是車企的算法融合能力。能否將這些優缺點各異的硬件，通過一套極其嚴密的軟件架構融合在一起，讓車輛真正具備像老司機一樣理解環境、理解空間的能力，才是決定這臺車究竟是智能先鋒，還是低級組裝廠的關鍵分水嶺。拒絕形式主義的盲目堆料，回歸真實的技術價值，才是汽車行業走向成熟的唯一路徑。