对于盲区问题，就特斯拉HW3.0的8颗摄像头布置而言，似乎还没有很好的解决方案——尽管通过调取汽车里程计的数据并与时序信息对齐，可在车辆行进中“借助前一秒看见的路面信息预测下一秒的路面信息”，但仍无法解决极端情况下（车辆停放后起步）的绝对盲区，需要驾驶员用人眼检查并手动行驶一段距离后再启动FSD。
但此次HW4.0的硬件调整，或许是解决盲区问题的机会——若“绿神”的猜测被证实，特斯拉HW4.0新增的3路摄像头，将会布设在前、后保险杠，从而消除视觉盲区。
回顾特斯拉和超声波雷达的缘分，以泊车辅助功能为例：
在最初，特斯拉泊车完全依靠超声波雷达，由于没有视觉感知，甚至看不到车位线，且需要左右两侧都停有车辆（或墙壁）时才能自动泊入。到后来，特斯拉将摄像头融入泊车功能，才实现了基于车位线识别的泊入能力。
从初时的弱不禁风、需要其他传感器帮持，到逐渐成熟上位——可以看出，自研视觉能力才是特斯拉自动驾驶的“真命天子”。
尽管HW4.0的摄像头布置仍待揭晓，但无论如何布置，随着数据积累和算法迭代，Tesla Vision实现的效果将会让超声波雷达再无出头之日。
毫米波雷达“浴火重生”？毫米波雷达的情况完全不同，我们可以通过两条主线来观察特斯拉与毫米波雷达的故事。
一是特斯拉抛弃毫米波雷达的过程。
从2014年10月开始，特斯拉就在Hardware1.0上搭载了由博世提供的毫米波雷达（后于2017年切换为大陆的ARS 450）。
2016年9月，特斯拉官方博客发布一篇题为《Upgrading Autopilot: Seeing the World in Radar》的文章，热情阐述了其8.0版软件更新如何通过算法提高了毫米波雷达在Autopilot感知中的权重，从而使车辆在行驶中更安全。
然而，同样在那个9月，据《纽约时报》报道，Elon Musk在一次电话会议上回复分析师提问时，承认毫米波雷达在识别目标物时面临挑战：
“雷达眼中的世界看上去很奇怪……由于金属对雷达波反射力更强，它检测到的金属物会比实际更大；而木头和塑料在它眼中几乎是透明的……雷达会造成误报（False Positives），从而导致误刹车。”
很显然，Elon Musk对毫米波的效果并不满意，但圄于其时远未成熟的视觉能力，才不得不使用毫米波雷达。
但从第一性原理考虑：地球上唯一能完成驾驶任务的是人脑，而人类在驾驶时接收到的绝大部分有用信息来自视觉。摄像头是最接近视觉的传感器、能够获得最丰富的语义信息，因此Elon Musk认为，解决自动驾驶的问题本质上是打造模仿人脑工作的“硅基大脑”。
2021年4月，在正式移除毫米波雷达之前，Elon Musk在推特上写道：
“传感器的本质是比特流，而摄像头比特/秒的信息含量要比毫米波雷达和激光雷达高出几个数量级。雷达必须显著提升比特/秒的信噪比，才值得被集成到车上。”
尽管Elon Musk花了几年的时间、在多个不同场合阐述了去掉毫米波雷达的合理性，但在特斯拉正式移除雷达后，美国《消费者报告》、美国高速公路安全保险协会（IIHS）、美国高速公路安全管理局（NHTSA）等机构纷纷调低了对特斯拉车型的安全评级，引起广泛关注。
当然，在相关车型完成补测后，上述机构的评级又纷纷调了回来，但公众对这个消息的关注就远没有那么热情了。
2021年6月，Elon Musk对美国媒体Electrek再次谈到毫米波雷达：
“使用纯视觉的安全系数已经高于视觉 雷达，因为视觉的效果已变得非常好，而加上雷达反而会降低信噪比。”
他又补充说：“一个分辨率非常高的雷达会比纯视觉更好，但这样的雷达还不存在。我是说，视觉 高分辨率的雷达，会比纯视觉更好。”
这样的表达，表明特斯拉并没有对毫米波雷达关上大门。
特斯拉当然不会对毫米波雷达关闭大门，因为特斯拉一直在开发更高性能的毫米波雷达——这也是我们的另一条故事线。
早在2016年10月，特斯拉就开始了毫米波雷达的自研，彼时负责人是前德尔福雷达系统工程师Duc Vu。
2018年1月，Duc Vu离开特斯拉加入Argo ai，雷达项目转由统筹Autopilot所有传感器硬件的Kedar Shirali负责，此后的进展并不顺利。
到了2020年10月，“绿神”曝出特斯拉自研的毫米波雷达代号为“Phoenix”。
由于以色列毫米波雷达初创公司Arbe Robotics的旗舰产品也叫Phoenix，很多人猜测特斯拉采用的正是Arbe的产品，或至少是由Arbe提供技术支持。
然而，根据Teslarati汇总美国联邦通信委员会（FCC）的登记信息，特斯拉的Phoenix雷达，尺寸与Arbe的Phoenix雷达并不相同。
总之，不论特斯拉是否与Arbe合作，或是恰巧与Arbe的产品撞名，或是用“凤凰”一词隐示毫米波“浴火重生”后再归来——不久后HW4.0的面世就将揭晓答案。
可以确定的是，特斯拉的Phoenix将是一颗4D成像雷达，其与传统毫米波雷达（可理解为3D雷达）最大的区别是分辨率更高，并在距离、方位、速度之外，新增了第四维的高度信息。
在经历了漫长、曲折的自研之路后，特斯拉HW4.0上的Phoenix成像雷达值得我们期待一下，因为它将为视觉提供强大的性能提升（特别是在极端天气环境下的高速测距和测速能力）——即使摄像头换成了500万像素也仍然成立。
过去两周，在HW4.0和4D毫米波雷达的消息曝出后，即使在中国，与4D成像雷达相关的企业和股票都不免火了一把。
值得注意的是，在中国智能电动车厂商当中，理想汽车从L系列开始，将毫米波雷达的数量从5颗减到了1颗，与特斯拉的选择相似。此外，根据供应商森思泰克宣布的消息，在不久前上市的理想L7上，已经搭载了4D成像雷达。
一股4D成像雷达上车的热潮，已经扑面而来。
视觉才是基础对于自动驾驶，“纯视觉”究竟意味着什么？
我们可以试着从前特斯拉视觉总监Andrej Karpathy的表述中找寻答案。
2022年10月，Karpathy在Lex Fridman访谈中再一次系统地表述过他对纯视觉 vs 多传感器融合的看法：
- 人类建造的世界（包括公路）是基于视觉打造的，因此要实现自动驾驶，视觉是必要的。
- 视觉是最大带宽、最大信息量的传感器，如果投入全部的资源建立一个基于视觉的数据引擎，进步的潜力是巨大的。
- 要新增一种传感器，你必须非常非常确信它是必要的，因为它会带来熵增、带来新的需解决的问题，且每一种传感器都意味着一整套供应链，要分散原本可集中于视觉的资源和专注力。
- 既然视觉是必要条件，要回答的问题只剩下：视觉是不是充分条件？Karpathy认为是的。
Elon Musk的看法也大体相同。
在2020年评论特斯拉申请的一项《用图像数据估算目标属性》的专利时，Elon Musk称：“通过纯视觉精确地计算距离是基础，其他传感器可提供帮助，但它们不是基础。”
写到这里，笔者可以得出的结论是，特斯拉并没有在毫米波雷达的问题上出现反复，而是在知行合一地尝试用纯视觉实现自动驾驶。
这是为何，特斯拉通过Occupancy Network实现了类似激光雷达的功能。
这也是为何，特斯拉的摄像头数据不再经过ISP处理，而是基于光子计数（Photon Count）进行感知处理，以期提升暗光环境下的视觉能力，并获得更丰富的原始光学信息。
截至目前，人类仍没能解决L4级自动驾驶的难题，因此也没人能准确地预测，“纯视觉”是不是解开这道难题的充分必要条件。
但通过以上这些试图甩掉其他传感器的尝试，特斯拉的自动驾驶团队打磨出了全球最前沿的计算机视觉能力。
若去询问同样奋斗在这道难题面前的理想、蔚来、小鹏、毫末、华为的团队，几乎没有哪个从业者会不认可“视觉才是自动驾驶感知的基础”这一判断。
4D成像雷达、激光雷达能够带来更强的测距能力和分辨率，从而提供冗余感知、提高安全性，但再多的传感器也无法带来自动驾驶。
结语特斯拉是否在“纯视觉”中加入雷达并不重要，它带来的启示或许是：
自动驾驶感知的真正目的是理解语义，而不是获得深度（景深）信息。
视觉神经网络的进化由数据驱动，而激光雷达、毫米波雷达、超声波雷达等传感器虽探测性能稳定，但难以随着数据的增加而迭代进步。
对使用更高性能的工具保持开放，并始终聚焦于最基础的东西。
