很明显的，特斯拉的硬件系统滞后于Uber，由毫米波雷达＋摄像头＋超声波传感器组成。从这一搭配看，整体投入成本较低，不仅没有激光雷达加持，还以摄像头为主，全自动无人驾驶系统售价仅8000美元。

可以说，该系统不具备在弱光线环境下进行探测的性能，也无法为汽车提供远距离探测服务。可能正是因为这样，特斯拉自动驾驶汽车的路测和应用才一直不是很顺利。

回到国内，在自动驾驶领域，百度无人车近期可谓是风头正劲，更是在前几天拿到了北京市首批自动驾驶测试试验用临时号牌，并在北京亦庄正是开启了自动驾驶汽车上路测试。

从这张网传的百度无人车硬件配置图看，百度的传感器系统以雷达为主＋摄像头为辅的搭配方式，来实现自动驾驶的，包括一个车顶的Velodyne激光雷达；多个车载雷达，分布于汽车前后端；一个摄像头，用于侦测移动障碍物。

这种搭配方式，实现了汽车远距离大范围探测。除此之外，相较于特斯拉，由于有了Velodyne激光雷达（单价约7万美元）的加持，让百度自动驾驶汽车具备了在暗光、密集环境中的行驶功能。当然，成本也相对较高。

搭配方案应因地制宜，适配应用场景才是重点

其实，上面这些也仅仅是基于普通应用场景对汽车自动驾驶性能的一个基础判断。无论是Uber、特斯拉还是百度，在当前的路测阶段，他们都还不能保证，自家自动驾驶汽车能在任何环境中做到安全行驶。

举个例子，在高速公路上，由于车速较快且视野较开阔，自动驾驶汽车就需要具备远距离、大范围探测的能力。而由于行驶道路的开放性，难免会遇到雨雪、大雾等极端天气，那么，普通的摄像头和高成本的激光雷达就无法负荷这一需求，这种情况下，诸如百度那样的硬件系统就不实用了。

“在高速公路的高速行驶中，因激光雷达的射距问题，我们更依赖摄像头。”图森未来联合创始人＆CEO陈默表示。

因此，致力于打造高速场景下的L4级别（SAE）自动驾驶卡车的图森未来，其传感器搭配方案就以远距离、高感知的摄像头为主。一辆卡车上，共搭载了8个摄像头、3组毫米波雷达，适用范围达200米。

除高速公路之外，城市街道也是未来自动驾驶汽车最大的应用场景之一。而在这一场景下，远距离大范围探测就无法满足实际需求了。

中国的城市街道特点，在于人群、车辆、建筑物密集；信号灯、指示牌繁多等。想要在这样的环境下做大安全自动驾驶，汽车就必须具备实时精准探测、高度感知环境（环境光、障碍物具体细节及状态等）以及高速识别分析图像的能力。这种情况下，这有摄像头和毫米波雷达就有些不够用了，必须搭载高精度激光雷达，甚至不止一个。

“目前自动驾驶汽车搭载激光雷达，大部分是为了满足功能性需求。”速腾聚创COO邱纯潮说，“那么要保证安全，就必须强调安全冗余通过多重备份来增加系统的可靠性），Cruise就是用了5个激光雷达来解决这一问题的。”

总结

当然，自动驾驶汽车想要安全上路需要考虑的不仅是高速、密集环境，黑暗、强对流天气等也是行业重点关注的问题。

就当前各大厂商的自动驾驶汽车传感器硬件系统看，虽有一定偏向，如以摄像头为主的特斯拉和以雷达为主的百度、Cruise等，但都选用了摄像头＋雷达综合运用的方案。

“我们认为，未来的自动驾驶汽车传感器硬件系统，一定会是各传感器相互融合的。”陈默说。

自动驾驶行业才刚刚开始，需要一步步来，想要一步到位地解决问题是不现实的。正如美国国家运输安全委员会前主席马克·罗森克所说，我们应该对自动驾驶宽容一点。但需要强调的是，安全问题无小事，宽容也要在可允准的范围内，以免发生悲剧。