从特斯拉Model Y的8颗摄像头到小鹏G9的12颗摄像头加2颗激光雷达，车载光学下游需求结构的演变并非简单的“数量堆叠”，而是自动驾驶技术路线分野的直接投射：以特斯拉为代表的“纯视觉”路线与国内车企主流的“多传感器融合”路线，共同决定了摄像头、激光雷达等光学部件在不同等级自动驾驶方案中的配置差异与需求结构。
技术路线分野决定传感器配置
车载光学主要涵盖汽车视觉（摄像头）、雷达系统（激光雷达、毫米波、超声波）以及车内投显三大类，其中前两类是自动驾驶的“眼睛”。当前行业存在明显的路线分化：特斯拉是纯视觉路线的代表，其Model Y搭载8个摄像头，且计划在后续车型中取消超声波雷达；而国内车企除极氪外普遍配备激光雷达，在算法层面尚需安全冗余，因此倾向于“能配尽配”。
这种分野直接反映在主流车型的传感器配置上：
| 车企 | 代表车型 | 摄像头 | 毫米波雷达 | 超声波雷达 | 激光雷达 |
|---|---|---|---|---|---|
| 特斯拉 | Model Y | 8 | 1 | 2（计划取消） | - |
| 小鹏 | G9 | 12 | 5 | 12 | 2 |
| 理想 | X01 | 12 | 5 | 12 | 1 |
| 蔚来 | ET7 | 11 | 5 | 12 | 1 |
| 北汽 | 极狐αS | 13 | 6 | 12 | 3 |
| 上汽 | 智己L7 | 12 | 5 | 12 | 2 |
从表中可见，国内车企在L2+及以上级别的方案中，摄像头数量普遍在11-13颗区间，同时叠加1-3颗激光雷达与5-6颗毫米波雷达，形成多传感融合的冗余方案。而特斯拉则以8颗摄像头搭配1颗毫米波雷达，将感知重心完全押注在视觉算法上。
需求结构随自动驾驶等级演变
随着自动驾驶等级从L2+向L4演进，对光学传感器的需求呈现两个维度的变化。数量维度上，更高等级自动驾驶需要更全面的环境感知覆盖，摄像头数量从基础的8颗左右向12颗以上演进，激光雷达从无到有、从1颗向多颗叠加。价值量维度上，激光雷达作为高价感知部件，其搭载与否直接改变单车光学价值量结构——国内方案中激光雷达的加入使感知层成本显著抬升，而特斯拉则通过算法优势将成本重心放在计算平台而非传感器堆料。
值得注意的是，不同等级对传感器方案的选择并非线性递增，而是取决于技术路线。L2+阶段国内车企已普遍采用“摄像头+激光雷达+毫米波”的融合方案，而特斯拉在更高阶的FSD方案中仍坚持纯视觉。这意味着下游需求结构不仅由自动驾驶等级决定，更受车企技术路线选择的主导。
常见问题
为什么特斯拉不用激光雷达，国内车企却普遍搭载？
特斯拉凭借领先的视觉算法能力，选择纯视觉路线以控制成本并加速数据迭代；国内车企在算法层面尚需追赶，因此通过搭载激光雷达等传感器寻求安全冗余，形成“能配尽配”的差异化方案。
摄像头数量越多，自动驾驶能力一定越强吗？
不一定。摄像头数量是感知硬件配置的体现，但最终效果取决于算法、算力与数据闭环能力。特斯拉以8颗摄像头实现高阶辅助驾驶，而部分国内车型搭载12颗以上摄像头并叠加激光雷达，反映的是不同技术路线下的冗余策略差异。
Robotaxi等L4级场景对车载光学的需求有何不同？
Robotaxi等L4级运营场景对安全冗余要求更高，通常需要更全面的传感器覆盖以应对复杂长尾场景。但具体配置仍取决于方案商的感知技术路线，视觉方案与融合方案各有其成本与安全性的权衡逻辑。