在“自動駕駛汽車究竟應該用不用激光雷達”的問題上，車企已進行了長時間辯證，甚至衍生出了“激光雷達派”與“純計算機視覺派”。而特斯拉無疑是業內最大的“純視覺”擁護者了。馬斯克對此的解釋有兩點：
1、激光雷達成本過高。
2、人類也是靠純視覺開車的。（2019年）
2021年7月，特斯拉給美國2000餘名車主FSDBetaV9.0的體驗券，更新之後車子就可以在任意道路使用自動駕駛-——V9.0採用純純純視覺方案、甚至連毫米波雷達都不用。
若該版本FSD得以推行，或者將相關技術推及EAP（3.2w元的增強輔助駕駛），之後的Model 3、Y將省去毫米波硬件，進一步降本增利。據查詢，大陸（Continental）77GHz毫米波單機採購價在3000~4500元左右。
另外，儘管我們看到越來越多的激光雷達公司發布了千元車規級產品，但自動駕駛目前無一例外難逃成本問題。此前據媒體統計，例如Google、百度等自動駕駛團隊使用的64線激光雷達產品價格約為70萬人民幣，16線激光雷達約為5萬元。
在Model 3、Y系列量產車上，激光雷達更難以被採用，上千美元成本幾乎和當前的電池包價格相當。
馬斯克選擇的純視覺方案略微偏激，但成本控制上無人能及，眼下ModelY零售價27.6萬元，Model 3進一步降價似乎也不再遙遠。
當然，成本是說給資本家聽的，車主只關心到底安全不安全。
特斯拉的乾爹——NHTSA（美國國家公路交通安全管理局）數據顯示，在美國，開674萬公里就會發生8.66次事故，而使用AutoPilot的特斯拉車主僅為1次，沒錢買Autopilot的發生事故2次，依然遠低於平均水平。
儘管中國道路遠遠複雜於美國，這個數據看起來對中國用戶參考意義不大，但足以說明特斯拉當前技術水平的地位。
那麼，去除毫米波雷達的FSDBetaV9.0（下稱FSD 9）為何如此令人期待？
在一段FSD測試視頻中，特斯拉會暫時移除儀錶兩側的應用，可視化界面將擴大以顯示周邊額外的信息，而駕駛速度、自動駕駛可用性、自動駕駛速度設置等信息被移到了儀錶板的底部，這與當前只顯示三條車道的版本融入了更多視覺識別運算。
FSD 9之所以能夠取代毫米波的作用，原因有二：1、硬件升級，2、算法迭代。
首先，特斯拉自研FSD芯片終於發揮出了視覺算法的極限，相較於HW2.5，FSD電腦將算力提升至了144TOPS，每秒處理的圖片速度提升至2300幀。
按照官方說法，從2019年3月、4月起，特斯拉新下線的車型全部配備FSD芯片，所以國內車型均有升級為“純視覺”的潛力。
算上此前版本，特斯拉芯片已經經過3次迭代，目前最新的FSD上搭載了特斯拉自主研發的兩枚芯片，也就是Autopilot3.0硬件，性能比2.5版本芯片強大21倍。
同時，截止2020年4月，特斯拉啟用Autopilot的行駛里程就已經突破48億公里，如果用戶平均每天駕駛約一個小時（每輛車8個攝像頭），車隊每月大約會產生1.968 億個小時的視頻。
儘管所有數據中，只有1%“值得被標註”、有價值，但如此鮮活、真實規模國內其他車企仍難以比擬。
為了處理巨量駕駛數據，特斯拉將把針對自監督學習技術的研發提高到絕對優先級。特斯拉啟動了一個代號為Dojo 的重大項目，它是一台超強的訓練計算機，處理的數據不再停留在圖片層面，而是針對視頻類的數據，能夠以較低的成本實現算法性能的指數級提升。
筆者相信，FSD 9完成階段測試后，Dojo也將正式露面。
二、純視覺當前對手：傳感融合
在激光雷達普及前，純視覺需要贏掉“傳感融合”方案——攝像頭+毫米波雷達。
馬斯克曾在Twitter問：
當雷達和攝像頭有衝突，你相信誰？攝像頭更精準，所以你最好雙倍押注攝像頭而不是二者組合。
為了自我佐證，特斯拉搬出了多個極端案例：
1、避免“幽靈剎車”：在前車緊急制動的場景下，純視覺方案沒有出現Radar那種信息中斷和誤判的情況，非常線性，從而能夠提供線性的制動決策，帶來更佳的使用體驗。
2、避免“指橋為牆”：通過立交橋下的場景中，由於Radar的垂直分辨率很低，所以容易導致系統誤判空中的物體為障礙物；而純視覺方案則完全不會出現該問題。
3、做到“提前感知”：對於毫米波雷達來說，前方車輛停靠在路邊，導致識別較晚，在距離車輛110米時才感知到前方停有卡車。而純視覺方案在距離車輛180米的時候就已經識別了該車輛。
總之，這很符合馬斯克最初的理念：人類在開車的時候，也都是靠眼睛、查普通地圖，更不會依靠高精度地圖。