楼主
今天极越发布了 v1.3 和 1.3.1 版本更新，其中辅助驾驶部分最重要的更新是发布了特斯拉之外，中国首个 Occupancy Network 占用网络。
在这之前，我也听了一场百度智能驾驶首席研发架构师、IDG 技术委员会主席王亮的演讲，标题叫 Vision take all，翻译过来应该是「视觉通吃」，这里略微展开一下。
王亮前面铺陈了一些做纯视觉的原因，包括 LiDAR 不是一个完美的传感器，会有伪影，而算法层面消除伪影的影响是非常难做、非常痛苦的，这个做研发的大家可能已经都知道，但我认为这是一些次要原因。
主要原因是什么，精华是下面这两张 PPT，1. 任何企业的资源都是有限的，要投资演进速度更快、算法上限更高的技术方向；2. 像素纹理中蕴含的环境信息量远大于激光点云。
把传感器套进公式，LiDAR 是典型的初速度很快的传感器，2017 年前后，甚至更早，大家都听说过当年 Cruise 整个公司 40 个人 2 台奥迪 LiDAR 改装车，卖了通用 10 亿美金的传奇。
根本原因在于，只要你找来懂的人，LiDAR 相比视觉是很容易上手的，给 3 个月，就能在城市里把一个无人车 Demo 跑起来。
但限于 LiDAR 本身所蕴含的信息量，没什么加速度可言。
摄像头的初速度很慢，Mobileye 1999 年开始做，特斯拉 2016 年开始做，百度 2019 年开始做，极越春节前后能推 OCC 占用网络，已经是中国最快的速度。
摄像头的潜力怎么体现，Ta 迭代演进的加速度远远超过其他任何传感器。
这里王亮引用了 OpenAI 的论文，一个模型的演进只和 3 个因素有关，模型的参数量、数据的规模、训练算力。
王亮的逻辑是，要投资纯视觉，把视觉打透，这是对已有资源，包括人才、算力这些最高效率的研发策略。
但其实有一个问题，就是主流方案不是纯 LiDAR 对不对？大家都是多传感器融合，意思是视觉、LiDAR、radar 一起研发，没有非此即彼。
这里王亮把 2019 年在百度做 Apollo Lite 第一代纯视觉方案的时候的逻辑又解释了一遍：视觉和 LiDAR 一起做，为什么视觉发展不起来？
因为面对巨大的研发 KPI，工程师会用身体投票，如果用 LiDAR 是一个比较轻松的路径解决问题，没人会花精力死磕视觉。什么人死磕视觉？Mobileye、特斯拉、极越，这些车上没有 LiDAR 的公司，没有退路，只能死磕。
也可以反过来理解，今天所有做多传感器融合的辅助驾驶公司里，哪一家的视觉能力做到了和纯视觉一样强，这是一个好问题。
