每經(jīng)編輯｜蒙錦濤    

2026年，自動駕駛行業(yè)迎來關鍵商業(yè)化窗口期。特斯拉在奧斯汀實現(xiàn)“車內(nèi)無人”運營落地，國內(nèi)百度蘿卜快跑和小馬智行也在多城加速布局。與此同時，工信部在2025年底發(fā)布首批L3級有條件自動駕駛車型準入許可，全國20個試點城市正推動“車路云一體化”從“有用”走向“能用”。

然而，喧囂的另一面是行業(yè)共識的悄然轉(zhuǎn)向：長尾問題——那些發(fā)生概率低但致命性高的邊緣場景，已成為高階自動駕駛規(guī)?；涞氐恼鎸嵠款i。在技術圈，有一個形象的比喻：99%的準確率決定演示效果，最后1%才決定生死。這最后的1%，正是由無數(shù)個“沒見過”的障礙物、“看不清”的逆光和“來不及反應”的突發(fā)狀況構(gòu)成。

正是對這些“最后1%”場景的應對乏力，讓業(yè)界對感知系統(tǒng)可靠性的關注度，正在超越對算法精度的純粹追逐。從技術研發(fā)到量產(chǎn)應用，突破傳感器的物理極限，已成為行業(yè)跨越商業(yè)化門檻的當務之急。

自動駕駛的“最后1%”

長尾場景成為真實門檻

特斯拉CEO馬斯克近日在回應行業(yè)討論時指出，由于現(xiàn)實世界存在“極為龐大的長尾復雜性”，要實現(xiàn)安全的無監(jiān)督自動駕駛，大約需要100億英里的訓練數(shù)據(jù)。這一判斷并非情緒化感慨，而是對自動駕駛技術門檻的清醒認知。

自動駕駛面臨的核心挑戰(zhàn)，在于真實道路環(huán)境由無數(shù)低概率、高風險、高耦合的極端情況構(gòu)成。百度自動駕駛團隊的測試數(shù)據(jù)顯示，在暴雨天氣、強光逆光、不規(guī)則障礙物等邊緣場景中，L3級自動駕駛系統(tǒng)的通過率為75%至85%，遠低于人類駕駛員約98%的水平。

其中一個關鍵瓶頸來自感知系統(tǒng)本身。傳統(tǒng)視覺傳感器在復雜環(huán)境下的性能衰減十分明顯：在暴雨條件下，視覺識別距離可能下降60%；在強逆光場景中，攝像頭圖像甚至會出現(xiàn)大面積過曝，導致目標識別能力大幅下降。這些失效并非偶然，而是傳統(tǒng)幀式相機技術路徑的固有局限。

更棘手的是，自動駕駛系統(tǒng)所面對的大量長尾場景，很難通過有限的真實道路測試完全覆蓋。即使持續(xù)擴大數(shù)據(jù)規(guī)模，也難以窮盡所有極端情況。根據(jù)研究機構(gòu)Gartner發(fā)布的智能駕駛技術成熟度曲線，目前感知系統(tǒng)的極端環(huán)境適應能力仍處于“泡沫破裂期”向“穩(wěn)步爬升期”過渡階段，距離大規(guī)模成熟應用預計仍需3至5年時間。

這意味著，僅依靠擴大訓練數(shù)據(jù)規(guī)模，并不足以完全解決自動駕駛系統(tǒng)在復雜環(huán)境下的可靠性問題。越來越多產(chǎn)業(yè)參與者開始將注意力轉(zhuǎn)向另一個方向：從底層傳感器架構(gòu)入手，提高系統(tǒng)在極端環(huán)境中的先天感知能力。

在這一背景下，事件相機（Dynamic Vision Sensor，DVS）正逐漸從實驗室走向產(chǎn)業(yè)應用。與以固定幀率持續(xù)采集完整圖像的傳統(tǒng)相機不同，DVS采用像素級異步工作機制：只有當某個像素的亮度變化超過設定閾值時，傳感器才會輸出該像素的位置、變化方向以及時間戳。這種“按需響應”的方式，使視覺系統(tǒng)不再依賴連續(xù)幀圖像，而是直接記錄場景變化，從而顯著減少冗余數(shù)據(jù)，同時提升對動態(tài)環(huán)境的感知能力。

由此帶來的優(yōu)勢主要體現(xiàn)在三個方面：更快的響應速度、更強的光照適應能力以及更低的數(shù)據(jù)與能耗成本。首先是微秒級響應速度，DVS的時間分辨率達到微秒級，相比傳統(tǒng)相機每秒30至60幀的采樣方式提升數(shù)百倍，在自動駕駛場景中可在約30毫秒內(nèi)捕捉突發(fā)狀況，例如突然竄出的行人或高速拋出的異物。其次是超高動態(tài)范圍，主流DVS產(chǎn)品動態(tài)范圍可達120至140分貝，在隧道進出、夜間或強逆光等極端光照條件下仍能穩(wěn)定輸出感知信號，而傳統(tǒng)相機往往會因過曝或暗光而失效。

第三個優(yōu)勢體現(xiàn)在系統(tǒng)效率上。由于僅在亮度變化時才產(chǎn)生事件數(shù)據(jù)，DVS能夠顯著減少圖像采集帶來的冗余信息，從而降低數(shù)據(jù)帶寬和整體功耗。這一特性對功耗敏感的移動平臺尤為重要，例如自動駕駛汽車和移動機器人。正是在這樣的技術背景下，越來越多企業(yè)開始嘗試將事件視覺引入自動駕駛感知體系，并在真實運營場景中進行驗證。

事件相機走向真實場景

自動駕駛感知體系的一次技術驗證

理論上的技術優(yōu)勢，最終仍需要通過真實場景驗證。但要將事件視覺技術從實驗室原型推向?qū)嶋H運營環(huán)境，本身也意味著跨越工程化、系統(tǒng)集成以及算法適配等多重技術門檻。

為此，柏銳智芯科技（成都）有限公司牽頭并聯(lián)合電子科技大學“人機智能技術與系統(tǒng)教育工程研究中心”、寧波時識科技有限公司、錦程智行（成都）智能技術有限公司（優(yōu)必選子公司）、四川成路智匯科技有限公司（成都路橋子公司），圍繞事件視覺感知、多傳感器融合以及自動駕駛系統(tǒng)適配等關鍵技術開展聯(lián)合攻關。

在多方聯(lián)合攻關并完成系統(tǒng)集成與場景測試后，項目團隊于2026年1月在國內(nèi)某大型機場集團的自動駕駛測試場景中，成功將DVS多模融合傳感器引入自動駕駛感知體系，并完成相關場景測試驗收。

據(jù)行業(yè)公開調(diào)研，這也是DVS多模融合傳感器在全球范圍內(nèi)首次在L4級自動駕駛商用場景中的落地應用案例。業(yè)內(nèi)人士認為，該案例為事件視覺技術在高等級自動駕駛中的實際應用提供了一次重要的工程化驗證。

從具體技術實現(xiàn)來看，該系統(tǒng)采用的是多傳感器融合架構(gòu)。在該系統(tǒng)架構(gòu)中，車輛原本已經(jīng)配備激光雷達、高清RGB相機和毫米波雷達等常規(guī)傳感器。但在強逆光、夜間眩光或突發(fā)動態(tài)目標等情況下，傳統(tǒng)視覺系統(tǒng)仍可能出現(xiàn)識別滯后。

為此，系統(tǒng)增加了一套DVS多模融合傳感器作為“高速觸發(fā)層”。當畫面中出現(xiàn)亮度快速變化時，DVS會率先捕捉這些動態(tài)信號，系統(tǒng)再對這些高速變化信息進行快速識別，并與其他傳感器的數(shù)據(jù)進行綜合判斷，從而更早觸發(fā)風險預警。

測試結(jié)果顯示，在夜間低照度環(huán)境下，當行人突然進入車輛前方形成典型“鬼探頭”情況時，DVS事件相機可以在約30毫秒內(nèi)捕捉到人員出現(xiàn)并觸發(fā)系統(tǒng)響應，而傳統(tǒng)視覺系統(tǒng)在眩光干擾下識別明顯滯后。在白天強光環(huán)境測試中，當一個磚頭大小的異物突然出現(xiàn)在車輛行駛路徑上時，DVS同樣在約30毫秒內(nèi)感知到動態(tài)變化并發(fā)出預警，而傳統(tǒng)視覺系統(tǒng)由于缺乏類似訓練樣本，未能及時識別。

在部分行業(yè)人士看來，這類基于事件視覺的感知方式，并不是對傳統(tǒng)視覺方案的替代，而更像是一種新的感知補充路徑。相比依賴大量訓練數(shù)據(jù)的識別模式，DVS更側(cè)重于對場景動態(tài)變化的實時捕捉，因此在部分極端環(huán)境中具備一定優(yōu)勢。

伴隨自動駕駛、機器人以及工業(yè)自動化領域?qū)Φ脱舆t視覺系統(tǒng)需求的持續(xù)增長，DVS技術的商業(yè)化進程也正在加速。權威數(shù)據(jù)顯示，全球動態(tài)視覺傳感器市場規(guī)模預計將從2025年的13.4億美元增長至2026年的14.9億美元，復合年增長率約11.2%。

在自動駕駛之外，DVS事件相機的應用場景也正在進一步拓展。在具身智能領域，機器人需要在復雜動態(tài)環(huán)境中進行快速感知與決策；而在快速發(fā)展的低空經(jīng)濟領域，無人機、eVTOL等飛行器同樣對實時視覺系統(tǒng)提出更高要求。得益于微秒級響應速度和低數(shù)據(jù)冗余特性，DVS技術在高速運動感知、動態(tài)目標捕捉以及復雜光照環(huán)境適應方面展現(xiàn)出一定優(yōu)勢。

業(yè)內(nèi)普遍認為，隨著自動駕駛、機器人以及低空經(jīng)濟等新興產(chǎn)業(yè)的持續(xù)發(fā)展，對高動態(tài)范圍、低延遲視覺系統(tǒng)的需求將不斷提升。能否將該技術從實驗室走向更大規(guī)模產(chǎn)業(yè)應用，也將成為未來智能感知體系演進的重要觀察方向。

編輯|蒙錦濤