在自动驾驶技术路径的演进过程中，感知层的传感器之争始终是行业讨论的核心焦点，而激光雷达（LiDAR）与毫米波雷达（Millimeter Wave Radar）作为两种物理机制截然不同的探测手段，构成了车辆感知外部世界的逻辑基石。这场“最强辅助”的争夺战，本质上是光电探测精度与电磁波环境鲁棒性之间的权衡博弈。要深入剖析两者的优劣，必须回归其底层的物理特性与信号处理逻辑。激光雷达通过发射纳秒级的激光脉冲并接收其反射信号，利用飞行时间（ToF）原理获取目标的深度信息，其工作波长通常在905纳米或1550纳米，这使得激光雷达具备极其精细的角度分辨率和测距精度，能够生成稠密的三维点云。与之相对，毫米波雷达则工作在24GHz至77GHz的频段，通过调频连续波（FMCW）获取物体的距离、速度与角度。由于电磁波波长较长，毫米波雷达在面对雨、雪、雾等极端天气时表现出极强的穿透力，但在环境轮廓的勾勒能力上长期被认为逊色于激光雷达。
激光雷达之所以被许多自动驾驶方案视为不可或缺的“上帝视角”，核心原因在于其近乎完美的环境重构能力。激光的高频特性决定了其能量集中度极高，波束极窄，这使得它能够以厘米级的精度识别障碍物的边缘、高度甚至是路面上微小的凸起。在复杂的城市交通场景中，这种精度意味着车辆可以准确区分行人、自行车与静止的路侧护栏。激光雷达生成的高精度三维地图不仅能辅助定位，还能为决策层提供确定性的空间占用证据。然而，激光雷达的物理瓶颈同样显著，由于光子极易受到空气中悬浮颗粒的散射和吸收，在浓雾或暴雨天气下，激光雷达的探测距离会发生断崖式下跌，且高昂的成本与光学器件的寿命问题，始终是其在大规模量产车型中落地的核心阻碍。
相比之下，毫米波雷达的“辅助”逻辑则建立在极高的可靠性之上。其长波特性使其在恶劣气象条件下的稳定性远超光学传感器。对于毫米波雷达而言，雨滴或雾气相对于其波长而言几乎是透明的。此外，毫米波雷达具备一个激光雷达难以企及的物理优势：多普勒效应。通过单次测量，毫米波雷达即可获得目标相对于车辆的瞬时径向速度，这对于自适应巡航（ACC）和自动紧急制动（AEB）等对动态目标响应速度要求极高的功能而言至关重要。激光雷达虽然也可以通过连续帧的位移计算速度，但在实时性与计算开销上显然不如毫米波雷达直接获取的多普勒频率位移更为纯粹。然而，传统毫米波雷达的阿喀琉斯之踵在于其极低的角度分辨率和对静止目标的误报。由于毫米波束较宽，且环境中的金属物体会产生大量的虚假反射（多径干扰），传统雷达很难准确识别天桥、路牌与路面上停放的车辆。这种“信噪比”上的劣势导致许多早期的自动驾驶算法选择性地过滤掉雷达输出的静止目标数据，从而引发了诸如追尾静止施工车等典型安全事故。这种逻辑层面的缺失，正是激光雷达试图填补的真空。激光雷达提供的高维空间描述，能够弥补毫米波雷达在目标分类和静止障碍物识别上的短板，这种互补性构成了目前多传感器融合的主流技术逻辑。
近年来，4D成像毫米波雷达的异军突起正在试图挑战激光雷达的地位。4D成像雷达通过增加物理天线通道或利用虚拟阵列技术，显著提升了角度分辨率，并增加了高度（仰角）信息的输出能力。这意味着毫米波雷达不再仅仅输出一个带有速度的“点”，而是开始输出类似激光雷达的“点云”。通过对高度维度的探测，4D成像雷达能够在一定程度上区分地面的铁板与上方悬挂的路牌，从而缓解了静止目标识别的痛点。尽管在点云密度和边缘细节上仍无法与高性能激光雷达完全等同，但其全天候工作的能力配合显著降低的成本，使得它在L2+及L3级辅助驾驶系统中展现出极强的替代潜力。
从系统架构的复杂度视角来看，激光雷达的引入意味着后端处理算法需要承担海量点云的处理压力。激光雷达每秒产生的数百万个点需要进行坐标转换、降采样、特征提取和目标分类，这要求车载计算平台具备极高的算力储备。而毫米波雷达的数据量相对较小，且其输出的目标列表已经过初步过滤，对计算资源的占用较低。在资源受限的中低端车型中，毫米波雷达配合视觉算法往往是性价比最优的方案；而在追求冗余和极致安全的旗舰车型中，激光雷达则被视为冗余感知的最后一道防线。
两者在环境适应性上的博弈还体现在对光照的依赖度上。虽然激光雷达是主动发光，不受昼夜光线变化的影响，但面对强烈的阳光直射或高反射率物体（如镜面玻璃、金属漆面）时，激光雷达可能产生探测空洞。毫米波雷达则完全不受环境光照影响，其探测一致性在各种照明条件下均表现稳定。这种差异决定了在隧道出口、强弱光剧烈交替的瞬间，毫米波雷达提供的确定性测速信息能够有效填补视觉与激光感知可能产生的瞬时失效。
在安全冗余的逻辑闭环中，激光雷达与毫米波雷达并非非黑即白的竞争者。最强辅助的评价标准不在于单一维度的性能指标，而在于传感器系统如何对抗感知边界的失效模式（Corner Cases）。激光雷达负责解决“物体是什么”以及“空间位置在哪里”的高精度定性与定量分析，而毫米波雷达负责解决“目标运动多快”以及“环境如何恶劣也要能看见”的稳定性保障。两者在物理层面的互补——即光波与电磁波的互补，构筑了自动驾驶系统在感知层面的生存基石。
封装技术与半导体工艺的进步也在深刻改变两者的竞争版图。激光雷达正在经历从机械旋转式向固态化、芯片化的跨越，通过MEMS（微机电系统）或OPA（光学相控阵）技术，激光雷达的体积与成本正在快速下探。同时，毫米波雷达也在通过天线封装（AiP）和CMOS工艺实现更高程度的集成化，将射频前端、数字信号处理和天线整合进极小的模块中。这种殊途同归的集成化趋势，预示着未来的最强辅助可能不再是单一类型的传感器，而是多物理场感知能力在芯片级的深度耦合。
激光雷达与毫米波雷达在自动驾驶体系中扮演着不可替代的双重角色。激光雷达凭借厘米级的精细建模能力，支撑起复杂城市场景下的精细导航与决策；毫米波雷达则凭借全天候的多普勒速度探测能力，保障了车辆在高速移动与极端天气下的运行安全。如果说激光雷达是赋予车辆“视觉深度”的利器，那么毫米波雷达则是确保感知系统“始终在线”的盾牌。谁是“最强辅助”的答案取决于应用场景的优先级：在追求极致空间理解的应用中，激光雷达占据上风；而在追求工业级鲁棒性与成本普适性的逻辑下，毫米波雷达依然是无线传输与感知的霸主。这种长期的动态平衡，正是自动驾驶感技术不断突破物理极限、逼近人类感官能力的必然过程。
