歡迎來到 [東方港灣展覽]
, 進入
2026寧波國際汽車零部件及售后市場展覽會
蔚來1個、小鵬2個、威馬3個…智能汽車“軍備競賽”正在上演。
今年一年間，幾個國內頭部造車新勢力先后推出帶激光雷達的量產車，數量一個比一個多。
表面看好像行業內卷，硬件越堆越多，能力卻是未知數。
但這其實是智能汽車、自動駕駛的兩條路線之爭。
得益于國內的基建、供應鏈優勢，以激光雷達為標志的融合感知方案，第一次有了對壘特斯拉純視覺路線的底氣。
而數年如一日噴激光雷達的馬斯克，在創業初期如果有國內新勢力的條件，恐怕現在的特斯拉就是另一幅模樣了
視覺，還是激光雷達？
2020年初，國產特斯拉Model 3上市，中國乘用車市場的競爭，迅速被拉到“智能”層面。
特斯拉的智能駕駛方案方案，視覺是絕對的主力，8個攝像頭覆蓋360°視野。
汽車對目標的感知、以及選擇行駛策略的根據，主要依靠攝像頭捕捉的圖像數據，能力高低，全憑算法決定。
但從自動駕駛技術發展來看，早期大部分廠家的測試車輛，無一不背著一個“小花盆”：
這就是Lidar，中文翻譯過來就是激光雷達。
它代表了另一條技術路線：融合感知。
行駛決策的依據，不只依賴攝像頭，而是綜合考慮激光雷達的點云圖、視頻圖像等等數據。
不同傳感器之間的數據在算法層面進行融合互補。
算法對于圖像，可能出現目標漏檢誤檢，這時就能通過雷達回波的點云圖“兜底”。
但是，這樣多冗余的方案，卻被馬斯克嗤之以鼻。
馬斯克認為，既然人類能僅憑兩只眼睛開車，那么AI也一定能。所以特斯拉的追求，就是打造一個與人類別無二致的“AI司機”。
采取多傳感器方案的，都是算法能力不足的體現，“血統”不純。
為此，特斯拉的算法、開發平臺都圍繞圖像數據建立，甚至不惜自研芯片、自建超算來打磨算法。
客觀的說，視頻圖像在數據層面，的確已經包括了駕駛所需的一切信息，但在算法層面，能不能準確感知識別，卻是一個大問題。
去年6月，國內一輛Model 3在開啟Autopilot情況下，車輛完全沒識別出路上已經出事故側翻的白色貨車，一頭懟了上去：
這次所幸無人傷亡，但類似Autopilot這樣以視覺為主的智能駕駛方案導致嚴重后果的的，也不在少數。
攝像頭肯定看到了，但是算法卻沒能識別。
視覺方案的缺陷也在于此：惡劣天氣、復雜路況，道路上非常規的異形物對系統影響太大。
且以超大數據“暴力”迭代算法，永遠不能覆蓋現實場景中所有異型車、障礙，在中國復雜路情況下尤其如此。
系統失效的風險永遠存在。
所以，要在中國落地真正讓用戶敢用、愿意用的智能駕駛產品，感知識別是必須補的科目。
軍備競賽，為什么從激光雷達開始
對于自動駕駛來說，激光雷達是個老朋友了。
Waymo、百度，以及后來一眾創業公司，都在用。
激光雷達能做什么？
其實就是像周圍環境發射激光束，然后從回波信號來計算目標信息，比如距離、方位、高度、速度、姿態、甚至形狀等參數。
激光束遇到目標一定會產生回波，信號也一定能被系統接收，這就與圖像目標可能的漏檢錯檢形成本質差別。
至少從感知層消除了算法能力不足的隱患。
既然這么好，為什么之前的量產車上見不到？
原因就一個：太貴了。
還在5、6年前，全球能提供量產激光雷達的只有美國Velodyne一家，素有“一線一萬塊”名聲，而且產能堪憂，無法大量供給客戶。
百度在2015年喊出自動駕駛3年量產5年商用的時候，計算的就是激光雷達的成本。，它的邏輯前提是激光雷達會從10萬美元降低到500美元……
一般車用入門版64線激光雷達，上一個就是近70萬成本。
所以測試車一輛一二百萬很常見。
但這樣的價格，作為大眾消費品是不現實的。
馬斯克既是技術極客，也是一個精明的商人，他當然清楚百萬豪車賣不上量。
銷量上不去數據就不夠，算法就沒法快速迭代。
與其如此，不如干脆放棄激光雷達，就走純視覺路線，讓廣大車主義務貢獻路測數據，出了意外還能以一句“用戶使用不當”回應。
但激光雷達的成本下降，短期內有過被高估，但長期來講又大大被低估了。
華為、大疆、速騰、禾賽等等企業，利用國內得天獨厚的供應鏈優勢和市場規模效應，把激光雷達的成本迅速降到數千至萬元級別。
而且國內廠商后發先至，直接拿出第二代固態激光雷達，不但單個性能能等效過去上百線的機械式激光雷達，造型上也擺脫花盆，裝車更加美觀。
這個速度，是幾年前誰都沒料到的，直接導致Velodyne的業務在國內迅速收縮，裁撤了中國辦公室，只保留代理。
所以最后的“東風”到位，想要在智能汽車浪潮中走的更穩更遠的廠家，自然開始在激光雷達上你追我趕。
批量上車還為時過早
車企提前預埋激光雷達，是在為未來的升級做準備，不至于后期要做L4級自動駕駛時，硬件能力跟不上。
但另一個問題出現了，現在的激光雷達，無論是在應用端還是產業端，都還不夠成熟。
激光雷達要量產裝車，需要同時滿足性能、體積、成本、安全等多個要素，任何一方面都不能有太大的短板。但現實是，現在的激光雷達很難同時兼顧。
以小鵬P5為例，覽沃的方案搞定了成本，犧牲了性能。所以小鵬在下一款車G9，計劃跟速騰聚創合作，換成更高性能的激光雷達。
蔚來ET5、ET7使用的圖達通1550nm激光雷達，探測距離沒得挑，對人類肉眼傷害小，但成本更高，而且在車頂凸出來一塊，會影響車輛的風阻系數。張立辰表示，1550nm在量產中一直存在良品率過低的問題。
這給車企留下了難題，要批量裝車，就得做取舍，還得承擔一定風險。
往深了看，這不是某一家激光雷達廠商的問題，而是整個行業的問題。激光雷達存在技術路線之爭，每一條路線都有各自的優缺點，但沒有一個可以稱作是完美的解決方案。
行業一開始用的是機械式激光雷達，雷達能夠旋轉，水平視場掃描范圍達到360度。但機械式激光雷達存在一個致命的缺陷：內部的旋轉部件容易損壞，穩定性比較低，會影響行車安全性。
于是行業摸索出另一條路線——固態激光雷達。激光器中沒有旋轉部件，激光雷達的穩定性和使用壽命提高了，被認為是最優方案。但問題是，固態激光雷達目前在技術上還無法實現。
最后行業采取了折中方案，推出了混合固態 （半固態） 激光雷達，中和了機械旋轉式激光雷達和固態激光雷達各自的優缺點，更適合大規模量產，現在已經成為行業主流方案。
在混合固態上，又分化出不同的方向，如微振鏡、單軸轉鏡、棱鏡等。微振鏡方向的代表車型有小鵬G9、廣汽AION LX、威馬M7，單軸轉鏡的代表車型有極狐阿爾法S、長城機甲龍。不過，這些車型都還沒有量產。
直到現在，整個行業也沒有找到激光雷達上車的最優解。車企們現在推崇的混合固態路線，其實也只是一個過渡。
車規認證是擺在激光雷達量產前的另一座大山。李想質疑集度激光雷達的安裝位置，理由就是通不過行人碰撞法規。
張立辰告訴深途，車規體系比較復雜，對于溫度、震動、產線標準有一個統一的要求，但是對激光雷達這個單品沒有特定的標準。
“歐美國家對車規要求嚴格，導致過車規的激光雷達要么線數很低，要么距離很短，只能補盲用，對自動駕駛系統的升級起不到決定性作用。國內步子邁的大，小批量樣品過了穩定性測試就可以先行使用，直接上高線數遠距離的，穩定性就需要時間來修復。”他說。
國內激光雷達如此激進，也沒有任何一個廠家年產過10萬臺，更別提大規模量產的車規穩定性。“激光雷達壁壘還是比較高的，能做出車規級產品不是一朝一夕。”秦東永說。
成本問題也需要考慮。相比視覺方案，目前激光雷達的價格沒有任何優勢。
“成本太高，普及困難，只能在高端車、高配上使用，普遍出貨的車型還是不帶激光雷達的。DVD剛出來很貴，普及量大后價格急劇下降，所以讓子彈再飛一會兒。”國內一家計算機視覺上市公司的內部人士對深途說。
2020年底華為曾發布了96線激光雷達，聲稱能夠年產10萬套/線，這款產品搭載在極狐阿爾法S華為HI版上。但直到現在，這款車都還沒量產，華為的激光雷達也沒有批量交付。
“從產業鏈的成熟度和應用端的落地進度來看，真正的大規模量產落地得兩三年后。”張立辰分析。
終極解決方案里，會有激光雷達嗎？
裝不裝激光雷達，對于車企而言，不只是一道選擇題，還是一道數學題。
如果只是單純堆積硬件，激光雷達不會有這么高的熱度，也不會被神話。
“我覺得算法的問題比感知要大得多。”張立辰表示。
感知、規劃和控制，是自動駕駛系統的三個部分，對應人類開車，就是眼睛看路，大腦指揮，手腳操作。激光雷達屬于感知設備，相當于汽車的一只“眼睛”，另一只“眼睛”是攝像頭，但兩只“眼睛”的成像原理、數據形式都不同，要讓“大腦”能讀懂，就要做數據融合。
多傳感器融合，對算力、算法的要求都很高，很多車企裝了激光雷達，其實并不具備做融合的能力。
馬斯克是激光雷達堅定的反對者。特斯拉一直堅持使用攝像頭的純視覺感知方案，不僅不要激光雷達，甚至要把毫米波雷達都去掉。在這種路線下，特斯拉不用做復雜的多傳感器融合，但對視覺感知系統要求很高。
國內的主流路線，是搭載激光雷達的多傳感器方案。業內普遍認為，L3級以上更高階的自動駕駛，離不開激光雷達。
這兩條路線究竟誰是終極方案，目前尚無定論。
支持特斯拉的人認為，激光雷達最終必然被拿掉，多傳感器融合不如純視覺。“激光雷達和高精地圖是智能汽車的兩根拐杖，高精地圖負責提前展開‘戰場迷霧’，激光雷達負責復雜場景下的避障補盲，但隨著CMOS和算力、算法的進化，純視覺必然是蔚理鵬最終的唯一選擇。”業內大V“Blood旌旗”在微博上公開表示。
如果特斯拉贏了，終極解決方案中沒有激光雷達的位置，那意味著激光雷達只是過渡產品，蔚小理將不得不在未來進行路線糾偏，激光雷達市場也將面臨價值重估。
業內普遍支持蔚小理的多傳感器融合路線。多位業內人士都對深途表達了一個觀點：視覺、毫米波、激光雷達，三者長期都是要配合使用，要實現高階自動駕駛，激光雷達不可或缺。
何宇華指出，視覺方案在很多場景下是存在缺陷的，而且很快就會觸達它的能力天花板。比如輔助駕駛進出隧道，光學發生很大變化的場景，視覺方案基本是失效的，即便是特斯拉，也僅能保持20%的能力。
他認為，在終極解決方案里，輔助駕駛各大感知元器件之間，一定是及時調度冗余的關系，而不是主次的關系。系統會根據場景的變化，動態調用不同傳感器，不斷去做參數貢獻值的分配。“未來一定是綜合感知的方案，這些傳感器之間需要相互印證，都是缺一不可的。”
但是，多感知方案大大增加了算法難度，對車企的軟件能力、硬件適配能力提出了更高的要求。“另外，車內的線束布局、數據傳輸量都會發生改變，平臺的計算能力也會相應提高。”何宇華說。
所以，將來真正拉開車企之間差距的，不是誰的激光雷達更先進，而是要看車輛的算法、算力、系統。激光雷達，無法孤軍奮戰。
激光雷達加速發展，是行業各方玩家共同推進的結果。它功能強大，前景廣闊，不應該被忽視，但也不應該被神話。
任何行業都需要有先行者。對于創新，我們理應多一份包容，也要保有一份理性。理性客觀看待激光雷達，行業才能健康有序發展。
來源：賢集網
2