小鵬副總裁托馬斯電火車（于濤）那條微博發出來的時候，我第一反應是，至于這么大動肝火嗎。

翻了一圈傳播鏈才明白，倒也難怪。消息最早從幾個車友群里流出來，接著被汽車類短視頻賬號剪成長短句配音，很快就傳遍了論壇和評論區。說法也很規整：工信部新國標定了，L3 必須裝毫米波雷達，L4 強制上激光雷達，2027 年全面落地，連實施年份都編得有零有整。剛好小鵬這段時間把純視覺方案推到了品牌主陣地，等于有人隔著人群照著面門遞了一拳，換誰都沒法裝沒看見。

于濤的回應很干脆：翻了標準文件，連 “激光雷達” 四個字都沒出現。

本來就是一句再正常不過的事實澄清，結果反而把另一個更老的話題又架在了火上 —— 激光雷達和純視覺，到底誰才是智駕的正道？

挺荒誕的。因為這場吵了快五年的爭論，從最開始就建立在一個錯誤的前提上。

被喂養的偽對立

去翻一遍駕駛自動化系列強制國標的報批稿就能看懂，整套標準的底層邏輯自始至終都是 “管結果，不管手段”。

以 GB 44721、GB 44722 為核心的準入規則，只給感知精度、響應時延、失效降級能力劃紅線，要求轉向、制動、算力三層系統安全冗余，但從來沒有點名要求任何一種傳感器硬件。

毫米波雷達也好，攝像頭也好，激光雷達也罷，都只是達標的可選工具，不是準入門檻。換句話說，只要你能完整通過所有測試項，哪怕用超聲波雷達湊出了同等性能，理論上也合規。

這條謠言能傳得這么順，本質上是一次非常熟練的概念偷換：把 “系統層面需要安全冗余”，偷換成 “傳感器硬件必須冗余”，再扣上 “國標強制” 的權威帽子，剛好踩中了大眾最熟悉的那條敘事肌肉記憶。

畢竟 “激光雷達派大戰純視覺派” 實在是太好用的流量模板了。兩邊都有旗幟鮮明的代表人物，有清晰的陣營標簽，有過往的恩怨伏筆，隨手一寫就是火藥味，讀者也樂得站隊表態。只是很少有人停下來想，這兩個東西，本來就不是非此即彼的選擇題。

更耐人尋味的是，這套敘事能活這么久，也和早年的行業營銷脫不開關系。

前幾年新勢力沖高端的時候，激光雷達是最直觀的配置差異化符號，有沒有、有幾顆，直接能寫進車型標題里。消費者也習慣了對著配置表數硬件，數量多就是高級，參數高就是厲害。雙向喂養之下，“硬件 = 能力” 的認知越扎越深，謠言自然也就有了生長的土壤。

智駕壁壘早已脫離硬件層

更有意思的是，當圈外人還在為傳感器選型吵得熱火朝天，圈內的主戰場早就搬了家。

2017 年，行業里聊的還是 Velodyne 的 64 線激光雷達夠不夠用，那時候一臺就要幾十萬，是不折不扣傳說中的神器；到了 2020 年，話題就換成了 BEV 架構和占用網絡誰更能代表下一代感知；而到了 2022 年，新車扎堆上激光雷達，純視覺和多傳感器的對立炒到了頂峰；但是現在，頭部公司聊的已經是 VLA、世界模型、端到端大模型和強化學習后訓練，激光雷達沒人提了。

關鍵詞換得一年比一年快，背后的邏輯卻很樸素，當一樣東西能靠規模化量產把成本打下來，它就成不了長期護城河。

很多人說激光雷達現在是白菜價，這話半真半假。以禾賽為例，2026 年一季度產品綜合 ASP 約 1441 元，入門補盲款已經摸到了 700 元檔，和早年十數萬元級的價格比確實是天差地別，但主雷達依然維持在千元以上，遠沒到 “隨便裝不心疼” 的地步。但核心趨勢是確定的：硬件的成本曲線永遠向下，不同方案的物理差距只會越縮越小。

就像智能手機剛出來那幾年，所有人都在爭論屏幕尺寸，3.5 寸還是 4 寸，電容屏還是電阻屏，吵得不可開交。沒過幾年屏幕就成了最標準化的配件，再也沒人靠這個定勝負。真正拉開差距的，是系統生態，是開發者規模，是數據飛輪。

智駕行業現在就在經歷一模一樣的階段。

今天頭部玩家真正在卷的東西，說出來很多人可能沒什么概念，核心是兩件事。

一個是 VLA，也就是視覺 - 語言 - 動作模型。傳統智駕系統本質是個 “反應黑盒”：輸入畫面，直接輸出方向盤角度、油門剎車力度，中間沒有可被人類理解的邏輯鏈路。做對了不知道為什么對，做錯了也說不清錯在哪。這也是智駕事故永遠扯不清楚的根源 —— 系統沒法自證決策邏輯，監管沒法定責，保險沒法定損，用戶自然也難建立信任。

VLA 的核心差別，是在感知和動作之間加了一層可解釋的語言推理。同樣是遇慢車變道，傳統系統直接執行轉向，VLA 會先走完一整套判斷：前車車速低于道路限速，左車道空閑，后方無快速來車，滿足安全變道條件，再輸出動作，還能把這段思考過程用自然語言還原出來。

看起來只是多了一句解釋，對行業的價值卻是根本性的。國內 L3 級準入規則里，本來就要求系統具備事件數據記錄能力，VLA 的可解釋性剛好踩中了監管的核心訴求。真出了事故，系統能給出完整決策鏈：減速是因為前車突發制動，同時右側有行人闖入車道，后車跟車距離過近不適宜緊急變道。三方的信任成本，和黑盒時代完全不是一個量級。

另一個是世界模型。實車訓練有個天然的天花板，極端復合場景太少了。跑一千萬公里，都未必能碰到一次 “雨夜高速 + 路面散落貨物 + 對向逆光 + 行人橫穿” 的極端工況，但自動駕駛恰恰要搞定這些萬分之一的意外。靠實車堆里程，效率太低，成本太高，也太危險。

世界模型干的就是無限生成訓練場景的活。你可以理解成一個永不打烊的模擬考場，雨霧冰雪、逆光眩光、違規穿行、突發事故，所有邊緣場景都能批量生成，還能自由排列組合，讓模型在里面反復試錯迭代，不用承擔任何現實風險。

英國公司 Wayve 2023 年推出的 GAIA-1 就是典型代表，整套模型 90 億參數，由 65 億的世界模型主干和 26 億的視頻解碼器組成，能靠文字描述生成連續的駕駛場景。而國內的華為、理想、小鵬也早都布局了自己的仿真訓練平臺，這早已不是某一家的獨門技術。

當能推理的大腦，配上無限生成的訓練場，一個自我迭代的技術飛輪才算真正轉起來。這才是今天行業真正的無人區。

敘事泡沫下的分途賽跑

再看各家的真實布局，分歧早就不在傳感器數量上了。

特斯拉還是最決絕的那個，堅持端到端神經網絡的大方向，賭的是全球約 600 萬輛搭載 FSD 硬件的車隊，能用海量實車數據堆出算法優勢，彌補純視覺的物理感知短板。

當然這 600 萬是硬件搭載總量，真正開通高階智駕服務的車輛遠不到半數，但這個基數依然是其他玩家短期內望塵莫及的壁壘。順帶一提，北美最新的 HW4.0 車型已經悄悄加回了毫米波雷達，所謂 “絕對純視覺” 從來都不是僵化的教條，只是階段性的技術取舍。

理想、小米、元戎啟行等這批國內玩家，基本都押注 VLA 路線，只是解法各有不同：理想在視覺感知之外疊加了 3D 高斯建模提升空間精度，小米用 Q-Former 架構橋接視覺與語言模態，元戎啟行則更側重思維鏈推理的落地效果。大方向一致，細節上分高下。

華為走的是另一條路。對外明確表示不做 VLA，主推 WA 架構，也就是由世界模型直接輸出駕駛動作，不插入獨立的自然語言推理層。

很多人調侃華為 “嘴上不說身體誠實”，其實是混淆了概念，華為的車載大模型主要用在人機交互、語義指令理解上，并不介入駕駛決策的主鏈路。選擇 WA 的核心邏輯，是認為語言推理會增加系統時延，而高階駕駛需要極致的端到端響應速度，這是底層技術路線的取舍，談不上誰抄誰。

至于 Waymo 這類傳統 L4 玩家，依然堅持多傳感器冗余 + 大規模實車測試的重資產路徑，是最穩妥也最昂貴的打法。但他們同樣在加碼世界模型與仿真訓練，沒有誰真的抱著老辦法一成不變。

沒有絕對的對錯，都是基于自身資源稟賦的技術賭注。比起幾年前非黑即白的線上罵戰，今天的行業分歧要專業得多，也 “無聊” 得多，畢竟模型架構、訓練方式、后訓練算法這些東西，遠不如 “有沒有激光雷達” 適合拿來吵架和做標題。

說回于濤這次辟謠。很多人解讀成小鵬為純視覺路線站臺，當然有這層意思，但又不止于此。他這一下，其實戳破了整個行業裹了好幾年的一層敘事泡沫。

泡沫的這一邊，是自媒體反復翻炒的二元對立，是消費者盯著配置表數雷達個數的認知慣性；泡沫的另一邊，是監管用性能指標替代硬件清單的務實，是頭部廠商在大模型與仿真領域的無聲競速。兩邊的信息差，大到像活在兩個平行世界。

所以，以后再刷到 “激光雷達 vs 純視覺” 的標題，基本可以直接劃走。要么是三四年前的舊文翻出來重發，要么是又有人在販賣對立賺流量。

智駕這東西，勝負從來都不取決于裝了幾顆 “眼睛”。看的是有沒有一顆能解釋、會推理的大腦，有沒有能無限生成極端場景的訓練場，有沒有能越轉越快的迭代飛輪。

至于小鵬能不能在新賽道上跟上第一梯隊，現在沒人能給確定答案。

但至少這一次，于濤把很多人不肯醒的一個舊夢，給戳破了。那個靠傳感器參數就能定高下的時代，早就翻篇了。