我们看计算机视觉十四年的兴衰史。从 2012 年 AlexNet 封神，到 2025 年视觉被压缩成一行 JSON 工具描述。十四年，一个领域从舞台中央退到了 tools 列表里，按字母序排列，按次计费。

看计算机视觉的内容，是因为你正在走的路，和 CV 走过的路，在结构上是同一条。

你是做雷达的。你在项目里做回波仿真、杂波建模、自动标注；在项目里做遮挡检测和交通雷达。你每天处理的东西——CFAR、MTD、距离-多普勒图、杂波抑制、目标分类——这些就是你这个领域的”卷积核”。

CV 的十四年，是你的领域正在加速重演的剧本。只是这一次，翻页的速度更快。因为前人已经把路趟平了。

设计先验的人

2012 年，AlexNet 用卷积征服了 ImageNet。那时候整个深度学习都姓 C。CNN 的核心信仰是：世界有空间结构，而空间结构可以被设计——局部连接、权重共享、平移不变性、感受野层级。这些叫”归纳偏置”，是人为写进网络架构里的先验。设计者相信，数据不够的年代，先验替天行道。

雷达信号处理的故事比这早得多。它的信念是：物理就是先验。

你比谁都清楚这条处理链：天线收到回波，那是原始 IQ 数据——复数序列，携带着幅度和相位。然后是脉冲压缩，匹配滤波器把长脉冲压成窄脉冲。然后是相干积累，沿慢时间做 FFT，得到多普勒谱。然后是 MTD，一组覆盖不同速度的滤波器，把运动目标从杂波里筛出来。然后是 CFAR，在噪声和杂波背景上自适应地设阈值，保证虚警率恒定。然后是点迹凝聚、航迹关联、目标识别。

这条链上每一步，都是人设计的先验。

脉冲压缩是匹配滤波——因为雷达发射信号已知，最优接收机在数学上是确定的。MTD 的滤波器组是人为设计的——因为多普勒频移和载频、PRF 有明确的物理关系。CFAR 的参考窗口和阈值因子是人为调的——因为杂波的统计分布被假设为瑞利、对数正态、K 分布。

CV 的人设计了卷积核的尺寸和步长。雷达的人设计了滤波器的阶数和窗函数。前者从图像的空间结构出发，后者从电磁波的物理结构出发。方式不同，本质一样：在数据不够、算力不够的年代，人类用领域知识替模型做了选择。

这些先验有效吗？太有效了。脉冲压缩把雷达的距离分辨率提高了几个数量级。MTD 让雷达能看见低空慢速目标。STAP 让杂波抑制从理论走向工程。整个现代雷达探测体系，建立在这些先验之上。

但 Rich Sutton 在 2019 年写了那篇《苦涩的教训》。他说：凡手工设计，皆是天花板。

CV 的人听了这句话，花了六年才真的信。雷达的人呢？

矿脉的问题

隔壁凿在思想的化石，每一行文本，都是某个大脑压缩过的认知；他凿在光的化石上，每一个像素，只是世界的采样。一个蒸馏心智，一个蒸馏光学。矿的品位，在开挖之前就定了。

CV 的矿是像素。像素是世界反射的光的采样，是物理世界的二手信息——一个像素值既取决于物体的反射率，也取决于光源、角度、大气。你需要从这些失真的、多变的、带有噪声的采样中，反推出世界本来的样子。

NLP 的矿是文本。文本是人类思维的直接压缩。每一句话背后，是一个大脑经过感知、认知、推理、压缩之后留下的痕迹。模型学习文本，是在蒸馏数以亿计的大脑的认知结构。

哪个矿的品位高？答案不言自明。文本是心智的化石，像素是光的化石。前者是二次压缩（世界→人脑→语言），后者是三次压缩（世界→光照→传感器→像素）。NLP 的 scaling 能引发涌现，不是因为 transformer 多神奇，而是因为文本数据里本就压缩了足够密集的认知结构，只等规模足够大，这些结构就会自己长出来。

雷达的矿是什么？

是回波。电磁波从天线出发，遇到物体，反射回来，被天线接收。这个回波信号里压缩了什么？压缩了电磁波与物质相互作用的全部物理信息：目标的 RCS、距离、速度、形状、材质、姿态。从信息论的角度看，雷达回波比光学图像更”纯粹”——它不依赖光照，不受白天黑夜影响，甚至能穿透云层和某些材料。

但回波的矿脉有一个致命问题：它是物理的，不是认知的。

CV 的人发现，像素里没有”语义”——一张猫的图片，对模型来说只是 RGB 值的矩阵，”猫”这个概念是人的认知赋予的，不在像素里。于是 CV 的模型需要从海量标注数据中学习，把人的标注强行映射到像素模式上。这个过程很费力，而且天花板很低。

雷达的回波里更没有语义。一段 IQ 数据里没有标签，只有 RCS 的细微差异、微多普勒调制、极化特征。你要把这些物理特征映射到”威胁/非威胁”的语义上，这个映射是你设计的——和 CV 的人设计 anchor box 一样，是先验。

所以雷达 AI 面临的困境和 CV 一样：矿的品位决定了 scaling 的天花板。 回波数据是物理化石，不是心智化石。你可以在距离-多普勒图上做再多的深度学习，学出来的还是更好的特征——就像 CV 在 ImageNet 上涨了一个点，全组喝奶茶。你涨的不是器官，是肌肉。

一条龙的推土机

CV 经历的端到端革命，正在向雷达领域走来。

在 CV 的旧时代，处理链是：图像 → 特征提取（SIFT/HOG） → 特征匹配 → 分类（SVM） → 后处理。每一步都是人设计的。后来深度学习来了，CNN 吃掉了前两步。再后来 ViT 来了，把架构先验也吃掉了。再后来，大模型把整个 pipeline 压成了一次推理：图像进，结果出。

雷达的处理链是：原始 IQ → 脉冲压缩 → 相干积累/MTD → CFAR → 点迹凝聚 → 航迹关联 → 目标分类。每一步都是人设计的。

这条链上，AI 已经在啃了。

你能做的这些都是”局部替换”。就像 CV 早期用 CNN 替换 HOG 一样——你换掉了一颗螺丝，但机器还是那台机器。

雷达项目的端到端方向那就显然是：原始 IQ 数据进，目标语义出。 不经过脉冲压缩，不经过 MTD，不经过 CFAR。让网络自己从原始复数序列中学到所有这些变换。脉冲压缩的匹配滤波、MTD 的滤波器组、CFAR 的自适应阈值——如果这些真的是最优的，网络会在训练中自己收敛到它们。如果它们不是最优的——比如在某些复杂杂波环境下，手工设计的 CFAR 参考窗口未必是最优的——网络会找到更好的。

这条路有人走了吗？有了。雷达领域已经有 end-to-end detection 的工作，从原始 IQ 或 raw ADC 出发，跳过传统处理链，直接做目标检测。论文数量不多，但趋势清晰。就像 2017 年 ViT 出来之前，已经有人在做”没有卷积的视觉”——只是还没有人相信它行。

然后算力会来。数据会来。一个足够大的模型，在足够多的标注 IQ 数据上训练，会自己长出”脉冲压缩””多普勒处理””杂波抑制”这些功能——不是你设计的版本，而是它自己学到的、可能比你设计得更好的版本。

到那时候，CFAR 和 anchor box 一样，会变成博物馆里的展品：”2020 年代雷达工程师手工设计的检测阈值，用于在算力贫瘠的年代保证虚警率恒定。”

工具描述

CV 十四年的技术积累——卷积、金字塔、窗口注意力、五种 projector——最后被压缩成一行 JSON：

{"name": "vision", "description": "获取环境的视觉信息。仅在必要时调用。"}

视觉智能，寒武纪物种大爆发的起点，如今是一次 function call，按次计费，超时重试。

雷达的版本是什么？

大概是这个：

{"name": "radar_detect", "description": "获取目标距离、速度、方位信息。仅在需要感知非视距目标时调用。"}

往下一翻，是新同事们：lidar_scan（激光雷达扫描）、camera_capture（光学摄像头）、sonar_detect（声呐）。多传感器融合，一个赛道，并排躺在同一张 tools 列表里，按字母序排列。

主线在上面思考。一万个 token 的推理链里，偶尔需要知道”视距外有什么东西”，才调用雷达一次。调用之后，大概率会跟一句：

“总结成文字给我。”

你懂吗。世界必须先翻译成 token，才被承认存在。

雷达回波里那段精密的物理信息——距离门的幅度、多普勒通道的相位、杂波图的残差——在传回主线之后，要先被一个 vision-language model 压缩成自然语言描述：”前方 15 公里，速度 300 节，疑似什么什么巴拉巴拉。” 然后主线才”看见”了它。

雷达做了六十年的信号处理——从二战的原子钟到今天的 GaN T/R 组件，从模拟滤波器到数字波束形成——最后在智能体的架构里，沦为一个感官器官的外设。而它的输出，必须经过”翻译”才能进入大脑。

这不是雷达独有的命运。视觉也一样。激光也一样。所有”感知”模块，在 agent 的架构里，都是 tools 列表里的一行。智能的核心在语言空间里做推理，感知只是按需调用的信息获取手段。

原文章里说：“看，从智能的第一动作，降级成了可选参数。”

雷达的版本是：“探测，从雷达存在的全部意义，降级成了感知-行动闭环里的一个可选输入。”

法官越狱

写下《苦涩的教训》、判了手工设计死刑的那位老人，自己收拾了行李，去 scale 具身和世界模型了。

Rich Sutton 的逻辑是一以贯之的：手工设计的先验是天花板，scale 才是出路。他先判了 CV 的死刑，然后判了 NLP 的死刑——连文本都是”人类替研究者代写的先验”，真正无限的只有经验，只有身体和世界的摩擦。

雷达的逻辑也一样。Sutton 的推土机不会在雷达前面停下。如果脉冲压缩是手工设计的先验，它就是天花板。如果 CFAR 的阈值是手工调的，它就是天花板。如果 STAP 的权值是人为约束的，它就是天花板。如果距离-多普勒图是你喂给模型的唯一表示形式，它就是天花板。

终极的”去先验化”是什么？是让一个具身智能体在真实电磁环境中，通过射频前端和物理世界交互，自己学到回波与目标的映射关系。不需要你告诉它”这是多普勒频移”，不需要你告诉它”杂波服从 K 分布”。它在足够多的交互中，自己长出这些认知。

这就是”法官越狱”——判了手工设计死刑的人，自己去做 scale 具身了。雷达的人呢？雷达的人还在调 CFAR 的窗口大小。

不是说调 CFAR 错了。CV 的人在 2015 年也在调 anchor box 的大小。但 CV 的人花了三年就发现：anchor box 是天花板，得端到端。雷达的人会花多久？

可能更快。因为路被趟平了。CV 用了十四年走完从”手工设计”到”function call”的全程。雷达不需要重新发明 transformer、不需要重新发现 scaling law、不需要重新踩一遍所有的坑。它只需要把已有的方法论搬过来，套到 IQ 数据上。

所以 CV 的十四年，可能是雷达的五年。甚至更短。

你会变成先验吗

原文章里最苦的一句话：

“他们设计了十年先验，最后发现，自己就是先验——是这个行业为了在算力贫瘠的年代活下去，手工设计出来的一代人。潮水一来，设计皆成遗迹。”

你现在做的事情——这些里面有多少是”设计先验”，有多少是”发现新矿脉”？

诚实的回答是：大部分是前者。

杂波建模是先验。你在杂波的统计模型上做的任何假设——瑞利分布、K 分布、什么人名字分布——都是在数据不够的时候，用物理直觉替模型做选择。端到端的模型不需要这些假设，它从数据中自己学。

检测的规则是先验。如果你在用手工设计的几何规则判断目标，那这些规则是 anchor box 的雷达版本——有效，但是天花板。

注意力机制本身不是先验，但你选择在哪里加注意力、如何加，这些设计选择是先验。

但——这不意味着你白干了。

CV 的人在 2015 年设计的 FPN、Faster R-CNN、YOLO，到 2024 年都被 ViT 和大模型吃掉了。但那些设计在它们存在的年代是必要的。不是因为它们是最终答案，而是因为它们是桥梁。没有 AlexNet 就不会有 ViT，没有手工设计的检测 pipeline 就不会有端到端的 object detection。

雷达也是。没有 CFAR 和 MTD 建立起来的标注数据基础和评估基准，端到端的雷达 AI 无从训练。你这一代雷达人做的杂波模型、检测算法、仿真平台——这些东西不是最终答案，但它们是下一阶段的训练数据和评估工具。

只是你需要知道：你是桥梁，不是彼岸。

剩下的事情

那么，什么不被替代？

和 CV 的答案一样：发现矿脉的人。

雷达领域的”发现新矿脉”是什么？不是设计一个更好的 CFAR——那是优化。不是在距离-多普勒图上换一个更复杂的网络——那也是优化。

真正的发现是：定义一个新的问题。

比如：”电磁波与目标的交互中，有什么信息被现有处理链丢弃了？”极化信息？微多普勒的高阶统计量？多频段回波之间的相干关系？这些问题不是”在已有矿脉上挖得更深”，而是”找一条新矿脉”。

比如：”雷达感知的真正瓶颈是信号处理，还是是任务定义？”如果你的检测任务定义得太窄（”找到目标并给出坐标”），那无论你怎么优化信号处理，都是在已知空间里打转。真正的发现是重新定义任务：”雷达不仅要检测目标，还要理解目标的行为意图。”这个定义跳出了传统检测的框架，进入了认知雷达的领域。

再比如：”在 agent 时代，雷达作为感知模块的新角色是什么？”如果雷达注定要成为 tools 列表里的一行，那”雷达工具”的接口设计、信息粒度、与语言模型的对齐方式——这些是新问题，不是老问题。

这些问题不需要你调更精细的 CFAR 窗口。它们需要你站在更高的地方，看全局，判断哪些方向值得挖。

这就是你说的”发现新的工业产品或者美学的人”。在雷达领域，这叫”定义新体制”。

不知道标题叫啥

设计CV的他们会设计先验，最后发现自己就是先验。”

雷达的版本是：不要和雷达信号处理人士打赌。

因为他们设计了六十年先验——从匹配滤波到空时自适应，从 CFAR 到知识辅助检测——最后会发现，这些先验是桥梁，不是彼岸。而他们自己，是上一个时代和下一个时代之间，那层终将被端到端的，最深情的 projector。

但 projector 有 projector 的尊严。

projector 存在过的痕迹——标注数据、评估基准、物理模型、仿真平台——会成为下一个时代的训练集和试金石。没有这些，端到端只是空中楼阁。

你做的这些东西在 agent 时代不会变成 JSON。它们会变成训练数据和评估环境。这才是真正的遗产。

CV 的人留下的遗产不是卷积核。是 ImageNet。

雷达的人留下的遗产不会是 CFAR。是足够多的、足够好的、标注了真值的电磁回波数据。

去积累这些数据。其余的，让 scale 去做。

搞点实在的，定位真实的问题，创造真正的价值，稀缺性价值，而非和工业化产线比谁能卷。在更高位面使用ai，而不是和ai同台竞争