一说到无人驾驶，我们最为直接的印象就是车顶突出的那个圆柱体，其实也就是我们所说的激光雷达。搭载在谷歌第二代无人车上的激光雷达售价高达7万美刀，一个小部件相当于测试使用的汽车（普锐斯改装）的两倍价格！

因此大多人都认为，要最终实现无人驾驶汽车的普及，降低激光雷达成本，绝对是其中关键。但是如果激光雷达的成本降不下来，那我们是不是真的就不能拥抱无人驾驶时代了呢？

​

其实不然，就拿特斯拉来说，当前所有在产车型，都将搭载Autopilot2.0硬件，并且新的自动驾驶系统可以实现最高级别自动驾驶（Level 5）。

这套硬件中，除了8个摄像头和12个全新超声波传感器之外，一个前向探测雷达引起了葫芦侠的注意。经研究，特斯拉上所使用的探测雷达为毫米波雷达，而非其他主流无人驾驶研发中所使用的激光雷达。

激光雷达一是目前成本十分昂贵，二是在雨雪雾等极端天气下精度会下降的很厉害，对于当前的量产车型来说，激光雷达根本就不是一个最优的选择方案。

但是对那些专精于自动驾驶领域的车企来说，激光雷达的作用基本都是在数据的收集方面，即便是一直拒绝激光雷达的特斯拉，也不会例外在旗下车型上边安装激光雷达测试。

显然，从激光雷达高昂的成本以及受极端雨雪天气影响严重的问题，我们就知道激光雷达并不可能是未来无人驾驶的关键。而决定无人驾驶最为核心的其实和任何硬件都不会有一点关联。

更多的应该是在数据积累，以及大数据运算方面。就好比当前的无人驾驶技术仅仅只是一个新生的婴儿，对于复杂世界完全没有了解的他，一碰到问题，就只会哭闹。这就相当于，当前最为简单的盲区检测系统，一探测到危险，就只能简答的发出警报，但是无法主动的处理问题。

随着数据的积累以及后台对大数据不断地优化，当车辆偏离行驶车道的时候，这个时候系统就不仅仅只是简答的发出警报了，而且会主动干预行车方向，让车辆行驶到正确的轨道上来，这就是我们当前最为常见的ADAS辅助驾驶系统。

再经过常年累月的数据积累，不论是面对前面车辆如何紧急变线？或者雨雪湿滑路面？还是应对各种潜在的危险？因为庞大的数据库已经让无人驾驶这个新生儿，得到了上百万次或者千万次的模拟，自然整个系统就会成熟得多，不仅仅能够完成基本的无人驾驶任务，可能就连遇到紧急状况，它都会给你一条最佳的规避路线。

而促使整个无人驾驶技术成熟的关键，就是在于对基本交通道路数据库的积累。但是积累多少里程才能算成熟呢？我们看看谷歌的无人驾驶情况，当前谷歌的测试车无人驾驶里程已经积累了超过200万英里里程，相当于300年驾驶经验，但是对于谷歌公司而言，还是不能够被投放到市场。

与谷歌那保守的几台无人驾驶测试车不同的是，特斯拉在数据积累这方面确实比较激进。在所有安装Autopilot2.0硬件的特斯拉车辆上，每一次驾驶的数据都会通过云端传会特斯拉总部。可以说特斯拉对数据的积累不仅仅只是限于实验室的那一台车型，全球超过30万辆的特斯拉都会给大数据提供信息源。

试想一下，就算以一台车一年跑1万公里的里程来算，特斯拉对数据收集，一年可以达到30亿公里，这样的数据级别和谷歌相比完全是怪兽级的增长。这也就不难理解为什么资本市场更加愿意相信特斯拉是一家线上汽车公司的原因，毕竟它们对待汽车的方式，和传统汽车有着本质上的区别。