自动驾驶决策层的芯片、计算平台、操作系统与感知算法存在明显路线分化，车载光学因此不是一套通用件，而需要针对不同计算平台做光学参数调校与算法协同。视觉路线与多传感器融合路线对摄像头、激光雷达的取舍不同，国内车企普遍追求安全冗余、能配尽配，特斯拉则以视觉为主、不选配激光雷达，这种分野直接决定了光学模组的适配方式与定制深度。

路线分化如何传导到光学层

从主流企业的智能驾驶布局看，决策层的芯片、计算平台、操作系统、感知算法是单列维度，各家选择并不统一。车企既可能自研，也可能采用华为、Mobileye 等第三方方案；采用第三方方案的车企，等于变相采购了这些供应商的摄像头与雷达。这意味着同一颗摄像头模组，往往要面对不同的算力架构与感知算法，光学参数与算法之间必须重新匹配。

光学厂商的两类壁垒

一是跨平台适配的研发壁垒：不同计算平台对图像输入的要求不同，模组需在光学参数上调校，并与感知算法协同，才能稳定输出。二是定制化成本：整车厂与方案商路线各异，订单呈现多平台、小批量特征，摊薄难度高于标准化消费光学。

常见问题

车载光学具体包含哪些部分？

按业内常用的划分，车载光学主要涵盖三类：汽车视觉（含前后摄像头等）、雷达系统，以及车内显示相关的 HUD、氛围灯等。前两类与自动驾驶直接相关，充当整车的“输入层”，第三类更偏向用户体验的增配。

为什么激光雷达与摄像头的格局不同？

国内车企除极氪外普遍配备激光雷达，一方面是更舍得堆料，另一方面是算法层面与特斯拉仍有差距，需要寻找安全冗余；特斯拉则坚决走视觉路线、不用激光雷达。因此业内常概括为“激光雷达看国内，摄像头看特斯拉”。

光学模组厂商的核心竞争力是什么？

关键在于能否同时适配多种芯片平台与感知算法，并控制定制化带来的研发与制造成本。路线越分散，具备跨平台调校与算法协同能力的厂商，越容易形成差异化壁垒。