这两天 X 上有一个热度非常高的讨论是拥有 6550 万粉丝的知名 YouTuber Mark Robor（我相信很多人都看过他的视频）做了一期名叫「你能骗过一辆自动驾驶汽车吗？」的视频，我这会儿再看的时候已经有快 1300 万播放了。

视频里对比了特斯拉和一台配备了 Luminar 激光雷达的车在晴天儿童假人、鬼探头、模拟大雾/暴雨条件儿童假人、模拟大逆光和视觉欺骗假墙等 6 个场景下的表现。

这里争议最大的是最后一个视觉欺骗假墙，为什么呢，因为视频里的墙长图二这样，这是一个现实世界的道路环境里绝无可能遇到的场景。这是第一个雷。

第二个雷是，Mark Robor 的标题是 Can You Fool A Self-Driving Car? 但实际上他是开着 Autopilot 而非 FSD 做的测试，而对面搭载着 Luminar 激光雷达的那台车，副驾上还坐了一位 Luminar 的员工。

至此，舆论完全引爆。

一位前 Google 软件工程师用了一个单目深度估计模型 DepthAnythingV2 测试那个视觉欺骗假墙，发现即使是欺骗性如此强的图片，DepthAnythingV2 依然准确识别出来假墙。

随后有网友分别问了 Grok-3 和 ChatGPT-4o，这两个模型也准确分辨出来假墙是用来视觉欺骗的。

这些案例表明，随着视觉感知算法的持续提升，即使是非常模糊边际、非常融入环境的假墙，今天的视觉算法也能分辨出来。

随着事件的进一步发酵，特斯拉 FSD 资深工程师 Yun-Ta Tsai 也开始参与评论：测试中国 FSD 车主展示的现实世界里的真实场景要比 NASA 工程师展示的有趣的多——Mark Robor 之前就是 NASA 工程师。

国内正好（大胡小胡智驾狂魔）也在做一些 FSD 的测试。第一个是暗光环境下绕行废弃轮胎的视频，FSD 在时速 50、80 和 100 km/h 都准确识别绕行了废弃轮胎。

第二个是白天测试薄膜的透明墙，这个测试的变态程度和 Mark Robor 基本不相上下了。FSD 也都准确识别绕开了。

最后说一说我的看法：

只要你的测试场景还在现实世界的交通环境内，终有一天，纯视觉和包括激光雷达的多传感器融合感知，一定是无法分辨差别的。

我也从不相信中国的交通环境，无论是高速、施工还是城市里的动态障碍物有任何的特殊性，我认为完全没有区别。

纯视觉最终可以搞定驾驶汽车的一切感知，仅凭纯视觉就可以完全搞定。