智驾测试让特斯拉成为赢家，它的两款车型在测试项目中有5项通过，成为唯一一家的智驾通过五项测试的智驾，其他智驾最多也只有4项，大多数更是只有两项，由此特斯拉依靠视觉识别击败了向来宣称更安全的视觉识别+激光雷达融合技术。

纯视觉识别技术在当前的智驾技术中取得胜利，在于它的技术更更简单，全部都是图像信息，由此神经训练系统对数据的处理就更快速，这对于智驾技术面对的需要在毫秒间做出决策来说无疑是非常重要的。

随着摄像头技术的升级，摄像头其实也已能提供一定的位置信息，而通过车身多个摄像头提供的信息同样可以推测障碍物的位置，这也是人眼在日常行车中感觉道路中障碍物的原理，再加上神经训练技术的自我升级，如今依托视觉识别技术的智驾已具有较强的定位障碍物的能力。

国内智驾强调的激光雷达、毫米波雷达技术等，其中的关键因素就是他们可以比摄像头更精确地定位障碍物的位置，同时这些技术还能在夜晚、大雾中“看清”前方障碍物，为智驾技术提供更准确的信息。

然而对于激光雷达+视觉识别融合技术来说，最大的难度在于软件算法，激光雷达和视觉识别提供的信息完全不一样，这就导致了软件算法技术方面需要极高的水平，同时芯片还要提供更强的性能，从而对这些完全不同技术的信息进行快速决策。

例如面对路上一颗小石头，激光雷达可以准确提供信息前面有障碍物，但是它无法告知智驾这个障碍物会不会对行车安全造成威胁；视觉识别技术则可以迅速给出信息前方的小石头会不会影响行车安全，面对这种存在矛盾的信息就需要软件算法进行取舍。

有业界人士指出，一些智驾企业为了提供更“丝滑”行车体验，选择了降低安全阈值的做法，但是在交给指定测试机构的时候却可以调节阈值，这就是为何他们的AEB在测试中表现惊人，而在日常行车中却往往很少启动的原因。

智驾企业自己也是有苦难言，为了避免落后特斯拉太多，他们正在加速追赶，然而图片识别技术由美国企业开创，智驾所用的视觉识别技术又是特斯拉等美国企业先做，如此情况下他们在视觉识别技术方面都需要下大力气加紧追赶。

此时再分心去搞激光雷达技术，而且激光雷达技术几乎是从零开始，而视觉识别技术方面特斯拉已公开了部分专利，如此情况下激光雷达技术的开发难度很大，还要将这两项技术进行融合，工程师们简直耗光了头发。

还有一个重要因素是特斯拉公司拥有的算力远超国内的汽车企业，在算力方面占据遥遥领先的优势，而特斯拉又专注于视觉识别技术；国内智驾企业算力落后很多，却要同时在激光雷达和视觉识别上发展，算力更加捉襟见肘。

上述种种原因就导致了如此结果，参数上优势凸显，毕竟激光雷达+视觉识别在硬件方面确实是比单纯的视觉识别优胜，然而这些硬件得到的信息需要软件算法将他们融合处理，而他们在软件算法以及算力方面的落后是如此明显，无法将这些硬件参数进行有效的处理，结果就造成了在实际测试中单纯依靠视觉识别的特斯拉之间领先于激光雷达+视觉识别的智驾。

不过这场测试对于视觉识别来说也不是全胜，因为测试结果显示通过率只有35%，即使最成功的视觉识别在特定场景下仍然面临着风险，也就是说这些智驾远未达到无需人参与的自动驾驶级别，他们都是辅助驾驶技术，那些宣传驾驶员可以睡觉、可以玩手机，将车完全交给智驾过于夸大了。