半岛体育动态

AI与激光雷达正在重新定义自动驾驶：从“看见道路”走向理解三维世界

2026年的自动驾驶产业正在出现一个非常明显的变化。 过去几年，行业最大的争论之一一直是：未来自动驾驶究竟需要激光雷达，还是仅依靠摄像头和人工智能就能够实现？ 到了2026年，这场争论并没有彻底结束，但另一条技术路线已经越来越清晰——AI正在把摄像头、激光雷达、毫米波雷达和高精地图的数据融合在一起，让汽车不只是识别车辆...

2026年的自动驾驶产业正在出现一个非常明显的变化。

过去几年，行业最大的争论之一一直是：未来自动驾驶究竟需要激光雷达，还是仅依靠摄像头和人工智能就能够实现？

到了2026年，这场争论并没有彻底结束，但另一条技术路线已经越来越清晰——AI正在把摄像头、激光雷达、毫米波雷达和高精地图的数据融合在一起，让汽车不只是识别车辆和行人，而是开始建立一个实时变化的三维世界模型。

9月24日，Waymo公布了最新自动驾驶安全数据。按照Waymo自己的统计，截至2026年6月底，其完全自动驾驶里程已经超过2.7亿英里。在亚特兰大、奥斯汀、洛杉矶、凤凰城和旧金山等主要运营区域中，公司称其自动驾驶系统涉及的致伤事故比相应的人类驾驶基准低82%，严重伤害及以上事故低95%。这些数字来自Waymo自己的分析和比较方法，因此仍需结合其方法论理解，但至少说明L4自动驾驶已经拥有越来越庞大的真实道路数据，而不再只是实验阶段。

更值得注意的是，Waymo最近专门谈到了AI与激光雷达之间的关系。

大模型开始进入自动驾驶系统

Waymo在今年8月总结超过2亿英里无人驾驶经验时表示，其最新自动驾驶系统已经开始使用视觉语言模型来帮助车辆理解复杂场景。

例如车辆遇到交通事故时，一名警察站在路口用手势临时指挥车辆。

传统自动驾驶系统可能需要提前设计大量规则：

手向左是什么意思？

警察是否拥有比红绿灯更高的优先级？

前面的车辆为什么突然越过正常车道线？

而新的AI系统可以结合整个场景进行更高层次的语义理解。

Waymo透露，其视觉语言模型使用了Gemini相关技术。不过，大模型目前并不会直接以类似聊天机器人的方式实时控制方向盘，因为大型模型推理速度还不足以承担所有毫秒级驾驶决策。

因此Waymo采用了一种类似“快思考+慢思考”的结构：底层感知和传感器融合负责快速处理车辆、行人、距离和速度等信息，大模型则负责理解更加复杂和罕见的交通场景。

这其实代表了自动驾驶AI一个非常重要的变化。

以前的AI主要回答：

前方是不是一个人？

现在AI开始回答：

这个人正在干什么，他接下来可能做什么，我为什么需要减速？

这也是自动驾驶从“目标识别”向“场景理解”转变的关键。

激光雷达正在成为AI的三维空间输入

AI能力越来越强之后，传感器的重要性反而没有消失。

Waymo今年公开表示，摄像头虽然非常重要，但对于大规模L4自动驾驶而言，公司仍然认为单一摄像头系统不足以提供所需的安全冗余。

Waymo第六代自动驾驶系统同时使用摄像头、激光雷达和成像雷达。

摄像头擅长识别红绿灯颜色、交通标志和文字；毫米波雷达擅长判断目标速度，并且能够在雨雪和部分低能见度环境下工作；激光雷达则直接测量物体距离并建立三维点云。

换句话说：

摄像头告诉AI“它是什么”，激光雷达告诉AI“它到底在哪里”。

Waymo称其第六代激光雷达在探测距离、精度和复杂天气表现方面进一步提升，同时过去五年激光雷达产业的成本下降，也帮助其降低新一代自动驾驶硬件成本。

这可能是2026年激光雷达行业最重要的变化之一。

激光雷达已经开始从Robotaxi上昂贵的大型设备，逐渐变成能够进入普通量产汽车的汽车电子部件。

中国激光雷达开始进入奔驰L3供应链

这种趋势在中国供应链上尤其明显。

今年5月，禾赛科技宣布成为梅赛德斯-奔驰L3自动驾驶车型的激光雷达战略合作伙伴和确认供应商，相关项目覆盖中国和欧洲市场，部分产能将由禾赛位于泰国的新制造中心承担。

奔驰选择激光雷达实际上很有代表性。

因为进入L3以后，汽车在特定条件下真正承担驾驶任务，驾驶员可以在系统允许的场景下暂时不持续监控道路。

这就意味着系统必须考虑更多冗余。

摄像头失效怎么办？

逆光怎么办？

夜间黑色车辆怎么办？

大雨、道路施工以及突然出现的障碍物怎么办？

因此对于很多L3和L4方案来说，“AI+多传感器融合”正在成为一条重要技术路线。

禾赛2026年上半年ADAS激光雷达出货量达到约83.9万台，同比增长86.7%；公司还披露，理想等车型已经开始采用多激光雷达配置。

与此同时，RoboSense速腾聚创今年上半年激光雷达总销量约71.9万台，同比增长169.6%，其中ADAS激光雷达约43.7万台，机器人及其他领域达到28.26万台。

这意味着激光雷达正在从过去一年几万套的高端设备，逐渐进入真正的大规模制造阶段。

激光雷达甚至开始“看见颜色”

激光雷达自身也在发生变化。

今年禾赛公布了一项很有意思的技术：能够同时获取颜色和深度信息的6D感知方案。

传统激光雷达主要输出的是距离和三维坐标，想知道一个物体究竟是什么，往往还需要摄像头帮助判断。

而新的方向是让激光雷达获取更加丰富的空间信息，再让AI直接理解这些数据。

禾赛将这种技术与“Physical AI”，也就是物理世界AI联系起来，希望传感器未来不仅告诉机器“前方2.7米有东西”，而是进一步形成一个更加完整的三维环境模型。

9月15日，禾赛又发布了MT系列高精度激光雷达，测距精度达到3.5毫米，重量约300克，体积和重量相比上一代明显下降。

MT本身主要面向三维扫描、数字孪生等场景，并非直接用于普通乘用车，但它透露出了另外一个趋势：

激光雷达正在越来越小、越来越精确。

高精度三维数据未来不仅能够给汽车使用，也能够给机器人、无人配送、数字孪生以及具身智能使用。

汽车实际上只是“会在道路上移动的机器人”。

因此自动驾驶和机器人正在逐渐共享同一套技术：

AI模型 + 三维感知 + 实时计算 + 行为决策。

一个有意思的变化：美国车企又开始重新考虑激光雷达

激光雷达路线另一个值得注意的消息来自Rivian。

Rivian CEO今年接受路透社采访时表示，公司正在考虑自行制造激光雷达，甚至可能与中国企业进行技术合作，并计划让新的R2平台使用激光雷达。

与此同时，Rivian也在开发自己的自动驾驶芯片和Large Driving Model，希望逐渐形成自己的自动驾驶技术栈。

这和几年前自动驾驶行业的情况已经明显不同。

当时激光雷达价格非常高，一个传感器甚至可能价值数万美元，很难安装到普通汽车上。

但是随着半导体化、固态化和规模生产，激光雷达价格不断下降之后，多一个传感器换取更多三维空间信息的经济账开始发生变化。

不过，纯视觉路线依然没有消失。

特斯拉仍然坚持主要依靠摄像头和AI实现自动驾驶，其Robotaxi已经继续扩展到美国更多城市，并没有采用激光雷达。

所以现在自动驾驶出现了两条非常典型的路线：

一边相信足够强大的AI最终能够主要依靠视觉理解道路；

另一边则认为，既然摄像头、激光雷达和毫米波雷达拥有不同物理特性，那么真正无人驾驶应该让AI同时利用这些信息。

2026年还没有给出最终答案。

但有一点正在越来越清楚。

真正的竞争已经不是“有没有激光雷达”

未来自动驾驶真正的竞争，很可能不是简单比较一辆车装了几个激光雷达。

真正的问题是：

AI能够从这些传感器里理解多少信息。

一辆汽车即使安装十个激光雷达，如果AI无法理解复杂交通行为，也不可能实现真正的高级自动驾驶。

反过来，一个非常强大的大模型，如果缺乏稳定、准确、实时的现实世界数据输入，同样会受到限制。

所以未来的自动驾驶系统越来越像一个完整的“物理AI”。

激光雷达负责建立三维世界，摄像头理解颜色和语义，毫米波雷达判断速度，地图提供先验信息，车辆自己的历史数据提供经验，而越来越强的AI模型负责把这些数据结合起来，预测其他交通参与者下一步可能发生什么。

汽车因此正在从“安装了很多传感器的机器”，变成一个能够实时感知、理解和预测现实世界的移动机器人。

Waymo最近宣布将在2028年把全无人Robotaxi服务带到新加坡，同时继续向更多美国和欧洲城市扩张。

这说明AI+激光雷达+自动驾驶已经进入一个新的阶段。

第一阶段解决的是“汽车能不能看见道路”，第二阶段解决的是“汽车能不能理解道路”，而接下来真正困难的问题，是让AI在数亿公里真实道路上面对那些从未见过的情况时，依然做出正确决定。

这才可能是自动驾驶真正走向L4甚至更高级别的最后一道门槛。