马斯克的基于摄像头的自动驾驶与基于激光雷达的ADAS区别是什么？

基于摄像头+深度神经网络方案+传统软件建模

该方案完全通过模拟人类驾车过程中，眼睛摄取图像数据，大脑分析物体究竟是什么而非仅仅是物体相距车子的三维空间信息来下达控车指令。优点是一站式解决方案，优点是通用性强，成本适中（摄像头便宜，而神经网络芯片需要自研），但神经网络的复杂度会急剧膨胀，开发复杂度更高。对于新的路况需要进行神经网络训练才能适应。

摄像头识别的物体三维及材质信息

摄像头捕捉车子周边图像通过AI分析出物体的三维及材质等信息，综合判断汽车周围是什么并给出驾驶控制信号。这种方式完全模拟人眼睛及人脑在驾驶汽车中的工作方式。具有很强的通用性，但AI建模及训练精度很难掌控！

基于激光雷达+传统软件建模控制逻辑+深度学习

该方案通过激光雷达模拟人眼来采样汽车周边环境物体信息，但难以直接给出究竟是什么障碍物（只能提供三维坐标数据）而需要软件建模加以辅助完成控车指令的下达。优点是三维数据精确而且对于新障碍物无需“学习”也能精确给出三维数据。缺点是硬件成本贵，无法直接识别物体是什么，如果软件建模不够完善，那么极易发出错误的控车指令。

激光雷达识别物体的三位空间信息

激光雷达可以精确探测汽车周围物体的三维信息，从而发出控制指令规避障碍物；但由于激光雷达对于物体的材质及其他特征基本没有辨别能力，因此会导致无法精确发出控车指令的情况。如：高速行车中，汽车前方有一块1mx1mx1m塑料泡沫，激光雷达只能下达刹车指令！而事实上直接冲过去是更安全的指令。