分享一下地平线 HSD 首席架构师苏箐对激光雷达、车位到车位、L3、AEB（我也没想到一场交流可以汇聚这么多热点...）的看法：

关于激光雷达：

- 考数学的时候，用不用计算器？特别像这样的一个感觉。当考试中允许用计算器的时候，作为出考题的人，你的期望是他在最难的考题上用计算器，对不对？这个是出题人的直觉，但是一旦给了他用计算器的能力，他有可能做的事情是在简单的题上也用计算器，因为计算器能算得准。

但是大家去想象一下，一旦在数学考试中简单计算都用计算器的话，它跟我人用口算来去算，哪个会更快一点，哪个解题效率更高，一定是人的口算能力对吧？

这个就是激光雷达之所以之前在行业当中被称为拐杖的原因，因为你把激光雷达引入到你的研发模块当中，这个激光雷达数据的在你算法模块当中的依赖程度是不一样的。

很多之前从激光雷达走起来的人，他在算法模块当中解决不了的，就是他怎么把依赖甩掉，甩掉其实基本上意味着重构。

有一个误区，就是大家觉得激光雷达上的依赖可以一点一点抽出去，这个是很难的，很有可能需要重构一下，然后抽出去。

我们的做法其实是先把我们的视觉主干做好，视觉主干做好了以后，相当于我具备了一个很强的口算能力，然后我再用激光雷达去补那些最难的极限场景，这个是我们的一个做法，所以说我们才能够对激光雷达的依赖比较轻，包括其实在我们的量产车型上没有上成本极高的激光雷达。

因为上了极高的激光雷达，第一它并不能帮助我们解决简单题的口算问题，对吧？第二就是在我们想达成的这样一个配置普惠的角度上来说，它也不符合我们现在覆盖的这些车型的成本要求。

激光雷达现在是在成本上有很大的下降，但是这些下降一般来自于这种高性价比的激光雷达，而不是旗舰级的激光雷达，旗舰级的激光雷达仍然很贵。

但是旗舰级的激光雷达在我看来就是一个特别好的计算器，你对它的依赖其实还是需要有非常重要的一个切割的。在一般的常见场景，我们希望通过视觉的方式来去做，因为刚才说了在端到端的训练当中，视觉是能够保证长时序和信息丰富度的一个非常关键的传感器，我们的研发过程当中仍然需要我们的研发，在常见的场景当中就用这样的方式先把它的投放能力解决好。

激光雷达我们一定给它引入的都是你最后最难的极限场景再去用它，这个是我们在研发过程当中一个很关键的原则。