今年的高端新车，会上更多的固态小激光，那是提供情绪价值，还是确实有用呢？简短做个分享，总体来看，这些小激光会带来 3 方面收益：

1、低速场景的悬空 + 负障碍物视觉解这类目标有点难，悬空可以通过占用体素来解，但如果是极限停车场景，可能距离目标也就几厘米，纯靠计算不仅吃算力，而且缺乏最后几厘米的绝对物理确定性。

而负障碍物天生就是视觉的弱势场景。由于透视原理，一个直径 1 米的深坑，在 30 米外的 2D 摄像头画面里，可能被压缩成了只有两三个像素高的“一条黑线”。视觉网络很容易把它当成路面上的一道普通裂缝或阴影，直接忽略掉。

激光输出的是真值，对于这种负向障碍测量是长板。所以固态小激光在泊车场景的收益是最大的。我认为它也是未来无人泊车场景（L4级），最好的保命冗余手段。

2、物理同源带来原生的“超级 Token”你会发现很多固态激光的布置区域与摄像头极为靠近，甚至是一体的，比如卓驭的“激目”系统，以及华为的“舱内激光视觉”。

这意味着，当一束激光打出去测距的同时，旁边的摄像头刚好拍下了这个点的像素。你可以想象成：系统直接拿到了自带绝对深度信息和极高色彩纹理（RGB）的“超级复合 Token”。

算法不需要再做任何空间猜测和外参对齐，拿来就能直接用。你会发现今年很多车辆的两侧、后向小激光也是和摄像头布置在一起的，它能极大节约底层算力。

3、数据闭环后的云端训练用激光作为真值来训练视觉，是行业通行做法，但过去更多依赖极少数的工程采集车。量产车大多只有一颗主激光，采集的数据维度是受限的。补盲小激光与摄像头布置高度一致，恰恰可以弥补侧后方真值的空缺。

这种技术路线，其实非常符合我们的做事风格：更擅长用极致的工程方式来解题。面对端侧算力紧张、视觉难解的问题，用物理真值兜底短板，用硬件同源抹平融合延迟，这是一种务实的解题方法。

当我们把固态激光的成本降低到与摄像头接近后，这就是中国的优势，我们也不妨等等软件落地，看看它的上限到底有多高。