自动驾驶感知路线之争一直围绕一个核心问题展开：摄像头究竟能否替代激光雷达？支持激光雷达的一方认为，摄像头依赖环境光照，在逆光、夜晚、雨雪等复杂场景容易失效；而支持纯视觉方案的一方则认为，随着计算摄影、神经网络和大模型的发展，摄像头获取的信息远比人眼丰富，其性能瓶颈更多来自算法，而非硬件本身。近期，马斯克再次展示了特斯拉在极端光照条件下的视觉重建效果，引发了大量讨论。事实上，这项技术并不是简单地提升摄像头画质，而是建立在RAW原始数据、计算成像以及神经网络场景重建基础上的整套视觉感知体系。那么，这项技术到底解决了什么问题？它与传统摄像头成像又有哪些本质区别？自动驾驶真正使用的，并不是我们看到的视频画面很多人认为，自动驾驶系统识别道路，就是直接分析车机屏幕上显示的视频。事实上，这是一种误解。普通摄像头生成一张彩色照片，大致经历以下几个步骤：光线经过镜头进入CMOS传感器；CMOS上的每个像素通过光电效应记录光子数量；模数转换器（ADC）将电荷转换成数字信号；ISP（图像信号处理器）完成颜色插值、白平衡、降噪、Gamma校正、动态范围压缩、锐化等处理；最终输出JPEG或视频画面。也就是说，人眼看到的是经过大量图像优化后的结果。而自动驾驶真正需要的，却不是这张"漂亮的照片"。