说实话，有件事我一直没太想明白。2026年4月，智界R7宣布全系标配896线激光雷达，这个消息在行业里传得很快。但紧接着我注意到一个现象：大部分讨论都在说“线数高了”、“看得更清了”，然后就停了。好像默认传感器规格上去了，车就自然更智能了。这个逻辑链条是不是跳过了什么？
我翻了一下过去几个月的技术资料和路测报告。在非极端天气、结构化的城市主干道上，一辆搭载128线激光雷达的车和一辆搭载896线激光雷达的车，对普通用户来说，驾驶体感的差异可能不到一成。真正拉开差距的场景，大概只占总驾驶时间的5%到8%——比如傍晚逆光时突然窜出的深色动物、远处散落的施工锥桶群，或者雨夜中低矮的路沿石。这些场景很难复现，但一旦发生，对安全的影响却是决定性的。
从硬件参数看，896线带来的提升是实打实的。角分辨率更细，点云密度增加了好几倍。这意味着在150米开外，一个轮胎大小的物体上，能从上代产品的十几个点，增加到大约五六十个点。对于算法来说，从十几个点判断“是不是障碍物”，和从五六十个点判断“这是一个向右倾斜的轮胎”，难度完全不同。后者更容易触发明确的绕行或减速策略，而不是犹豫后的误判。
但有意思的是，我在对比一些公开的极端场景接管数据后，发现一个反直觉的分布。装了高线数激光雷达的测试车，在白天拥堵路段的接管率，只比普通激光雷达的车低了不到15%。这个优势远不如在夜间或恶劣天气下明显。后者中，高线数方案的接管率能降低接近一半。所以，896线激光雷达的价值不是均匀分布的，它更像一个应对长尾问题的保险，而不是日常通勤的加速器。
不过，我后来看了一些工程师的讨论，又产生了一个新的困惑。硬件提供了这么密集的点云，但车内的计算平台和算法模型，真的能完全利用好吗？我咨询了两家供应商的朋友，得到的回复比较模糊。一个说“目前主流芯片的算力在处理全分辨率点云时，冗余大概在20%左右”，另一个则说“为了控制延迟，实际送入模型前会做约三成的降采样”。这两个说法放在一起看，意味着用户可能没有买到理论上的全部感知能力。一部分被物理瓶颈挡住了，另一部分被工程取舍过滤掉了。
之前我也信过“硬件预埋，软件升级”这个说法。但现在看，这个判断可能太乐观了。硬件到位只是第一步，后续的模型适配、数据闭环、甚至芯片迭代，每一步都可能打折扣。从过往经验看，一款车上市半年后，其智驾系统的OTA更新能针对性地优化传感器原生弱点的案例，比例大概不到四成。更多更新是在修 bug 和适配新场景。
让我们回到那个核心权衡。对汽车厂商来说，全系标配高成本传感器，是一个简单粗暴的宣言，告诉市场“我的车看得更准”。但对用户来说，多付出的成本，换来的安全冗余增量到底有多少，目前还很难量化。我还没有看到任何第三方机构，发布过基于同一算法框架、仅改变激光雷达线数的A/B对比测试报告。这个空白本身就值得琢磨。
当然，这只是一个阶段性观察。我其实不确定未来两年内，随着算法效率提升，那些被降采样浪费掉的点云信息，有没有可能重新被激活。如果能，那么现在的“过剩”就是远见；如果不能，那它就是用户为工程师的梦想买单了。
也许问题的根本，从来不是激光雷达有多少线，而是整个系统——从感知到决策——最薄弱的那个环节在哪里。如果那个环节是算法，那么再密的点云，也只是照亮了瓶颈本身。