近期，美国国家公路交通安全管理局(NHTSA)升级了对特斯拉“完全自动驾驶”(FSD)系统的调查，直指FSD在雾天、强光等低能见度路况中，存在摄像头无法有效检测异常、预警滞后等安全隐患，可能涉及召回美国市场超320万辆车辆。

一直以来，特斯拉FSD系统都坚持使用纯视觉感知的技术路线，虽然其算力和算法不断强化，但质疑声音却从未消散。随着NHTSA全面升级调查，人们不禁再次开始怀疑：对于自动驾驶来说，纯视觉的技术路线是否能做到真正的安全?

纯视觉路线存在先天物理局限

众所周知，以特斯拉为代表的纯视觉路线坚持的是第一性原理，认为人类驾驶主要依赖视觉(约90%信息来自眼睛)，因此汽车驾驶也应以视觉为核心。

然而在车辆行驶过程中，如果只采用一种传感器的智驾方案，其安全性是非常值得怀疑的。NHTSA的调查恰恰印证了这一点。

我们不妨从生物进化论的角度来思考一下：人类从海底走上陆地的进化过程，退化了鳃这一器官，保留着听觉、嗅觉、味觉等功能，而不是只保留视觉。虽然我们无法探知达尔文“自然选择”的神奇过程，但可以肯定的是，对于人类而言，如果只保留一双眼睛一定是一个失败的方案。

同理，再把话题转化到辅助驾驶的技术路线上。老司机之所以能安全驾驶，不是仅依靠双眼视觉，而是视觉、听觉、触觉等多感官协同，再配合大脑的经验判断，形成完整的感知体系。单纯依赖摄像头的智驾方案，就像人只靠眼睛开车，一旦遇到逆光、暗光、眩光、雨雾、扬尘等场景，感知能力会大幅下降，如同人类司机瞬间“失明”。即便算法再先进、反应再迅捷，也无法在“失明”状态下保证安全驾驶。这不是靠算法经验就能弥补的问题，而是无法突破的物理极限。

纯视觉方案的能力上线与安全短板

纯视觉路线的支持者认为，凭借海量数据、强算力和算法，可以弥补硬件感知的短板。但从现实表现来看，纯视觉方案的技术上限与场景适配性，仍面临严峻考验。

2025年初，特斯拉向中国区HW4.0车主推送了FSD升级包，实测结果呈现出明显的“两极分化”：一方面，FSD在常规路况下的驾驶顺滑度、基础决策能力表现亮眼;另一方面，在复杂的中国路况中，频繁出现违规行驶、人工接管等问题，整体表现未达预期。马斯克也曾坦言，由于数据来源的限制，FSD主要依托互联网视频进行训练，难以适配中国独特的交通环境。

这恰恰暴露了纯视觉路线的困境：即便拥有全球顶级的算力与算法，也无法突破视觉感知的物理边界。如果纯视觉方案真能“以算法补硬件”，为何海量视频数据仍训练不出可靠的本地化智驾模型?

当行业向高阶智驾迈进，安全是不可妥协的核心指标，纯视觉路线的能力上限与安全短板，就愈发凸显出来——算法可以无限优化，但无法改变摄像头“被动感知、易受干扰”的物理属性;数据可以持续积累，但无法覆盖所有极端场景与突发状况。

行业标准定调 纯视觉路线的未来充满不确定性

2025年9月，工信部就《智能网联汽车组合驾驶辅助系统安全要求》这一强制性国标公开征求意见，首次把激光雷达正式纳入国家智能网联汽车标准体系，从国家层面肯定了“多传感器融合”的安全必要性。

这其实划了一条很明确的安全底线：高阶智驾必须能应对各种路况和场景，只靠摄像头的纯视觉方案，很难覆盖所有安全隐患。与此同时，激光雷达成本已从几万降到了千元级别，车规级标准也越来越成熟，“成本高昂”已不再是拒绝融合感知方案的充分理由，目前国内主流车企和智驾方案商，基本都在用多传感器融合方案，激光雷达也成了高阶智驾的标配。

说到底，两条技术路线之争，就是成本效率和安全可靠的取舍。纯视觉主打“用算法代替硬件”，追求更低成本和更高数据效率;传感器融合则把安全放在第一位，用硬件冗余来补算法不足，保证各种场景下都更安全。

智驾未来究竟该如何发展?答案或许并不在于某条技术路线能否能“走通”，而在于行业和消费者愿意为安全付出多少成本。这场由NHTSA调查引发的安全迷局，最终的解局者，不是算力，不是算法，而是行业对安全底线的坚守。