安森美半导体的高管 Sandor Barna 曾表示，多个传感器的校准及协调，是设计多传感器系统的挑战之一。
传感器供应商日本村田制作所方面则进一步指出，相比传感器数量的增加，如何在众多的信息中筛选出有效信息，并提高其信赖度，显得更为重要。
换言之，如果能够更好地优化传感器组合、控制传感器数量，通过算法改进等各种手段，充分发挥单个传感器的最佳性能，或许也能实现不错的效果。
行业内，坚持使用第一性原理解决技术问题的特斯拉正是这一路线的践行者。
日前，一向不走寻常路的特斯拉获得了一项 “使用视觉图像数据估算物体属性”的新专利。
这项专利，正是特斯拉为了解决多传感器的系统复杂性、成本和输入带宽要求等问题而发明的技术。
特斯拉指出，“随着传感器数量和类型的增加，系统的复杂性和成本也在增加。此外，每增加一个传感器，都会增加自动驾驶系统的输入带宽要求。因此，需要找到传感器的最优配置，限制传感器的总数，而不限制其捕捉数据的数量和类型，从而准确描述周围环境，安全控制车辆。”
据称，该项技术通过两个神经网络，仅使用图像数据，就可以检测和测量车辆与周围物体之间的距离。这一方法可以增加从图像中提取的数据量，进一步降低特斯拉的自动驾驶系统对传感器的依赖。
其次，一昧选择最前沿的产品进行 “堆料”，有时并不意味着性能的提升，反而会导致风险叠加。
如上汽 R 汽车推出的 ES33，标榜自己采用了中国首发量产的 PREMIUM 4D 成像雷达、全球首发量产的 Luminar lris 激光雷达，以及率先量产应用了英伟达的 Orin 芯片。
诚然，“首发量产”是一个标榜产品技术前沿的卖点，但有的时候这也同样意味着风险。
而这种风险不仅指向技术的稳定性，首次量产的产品是否能及时交付的问题，也将使整车的生产和交付面临加倍的压力。
更何况，现在的 “堆料”更多的是属于硬件预埋，由于现行法规和技术的限制，更高级别的自动驾驶功能目前还无法启用。
例如，要到 2022 年才能交付的蔚来 ET7，其产品预售页上即标明，NAD 自动驾驶系统 “部分功能可能在交付车辆时无法立即使用，相关功能未来将通过远程方式逐步开启”。
而智己预计在今年底上市、明年交付的智能纯电轿车，尽管 “2021 年底，具备点到点零接管自动驾驶能力”，但是这一功能要在 “在法律法规允许以及高清地图开放的情况下”才能实现。
也就是说，尽管这些汽车有着大量的硬件投入，但实际上这些硬件的智能化功能和价值短期内并不能完全释放。
短期内无法兑现的技术承诺，即使 “堆”出了传感器、芯片的豪华组合套餐，恐怕也很难借此提高市场的购买意愿。
需要指出的是，能从根本上反映汽车的智能化及其性能差异化的，大概率会是软件。
“软件定义汽车”的时代，软件或是整车价值的核心所在。
摩根士丹利在一份自动驾驶产业报告中提到，传统的汽车生产中，硬件占据了整车价值的 90%，软件仅占据 10%。但是，未来软件所占的价值比重将会提高到 40%，硬件则将下降到 40%，至于剩余的 20% 将由内容决定。
此外，麦肯锡曾预计，汽车软件市场将以每年 9% 的速度增长，到 2030 年整个市场规模将达到 840 亿美金。
德勤咨询更是进一步指出，决定未来汽车差异性的将是软件及软件更新迭代所带来的性能和功能变化。
或许，硬件 “堆料”只能带来一时的话题度，软件才是对战时最有力的武器。
