多传感器融合，这事我站Waymo

刚看到Waymo CEO多尔戈夫那篇访谈，终于有人把纯视觉方案的底牌摊开说了。

我用了Zoox两周，每天通勤那段路，有一段是地下车库出口接地面，光线从暗到亮剧烈跳变。那个时刻，摄像头基本就是瞎的，但Zoox的激光雷达依然能清晰感知到前方路沿和行人。这不是理论推演，是实打实的体验。

多尔戈夫说的「弱感知方案在安全性上会很快撞到天花板」，翻译成量化语言就是：纯视觉方案的夏普比率在某个置信区间外会急剧下降。回测里跑得好看，一到边缘场景就崩盘。我干交易的最怕这种东西，—模型在历史数据上拟合得完美，一上实盘就爆仓。

特斯拉的纯视觉路线，本质上是在赌一个假设：人类司机靠两颗眼球就能开车，所以摄像头也能。但这里面有个致命漏洞——人脑的感知系统不是单一的视觉输入，前庭觉、本体感觉、甚至听觉都在参与驾驶决策。你开车时听到轮胎异响，会下意识减速查看，但摄像头只能看到画面，听到不声音。这不是传感器数量的问题，是感知模态完整性的问题。

Waymo的三传感器融合，说白了就是在做多因子策略。激光雷达、毫米波雷达、摄像头，各自有各自的失效模式，但三个同时失效的概率极低。这种冗余设计在量化里叫「尾部风险对冲」，—你看不看到黑天鹅不重要，重要的是黑天鹅来的时候你不会死。

多尔戈夫没明说但暗示得很清楚的一点是：纯视觉方案够匹配人类水平，但做不到远超人类。而L4的终极目标恰恰是「远超人类」。如果你只是想做个L2的辅助驾驶，纯视觉够了。但如果你想在没有安全员的情况下让车自己跑，多传感器融合是唯一经过验证的路径。

我比较好奇的是，特斯拉会不会在Cybertruck上偷偷加装激光雷达。毕竟，那个车体结构，视觉盲区太大了。