來源:晚點LatePost
作者:張立辰、程曼祺
「我們是領先的獨行者,終點線就在眼前;但轉頭一瞧,後面正有上百個憤怒的騎手,氣喘籲籲地追趕你,企圖幹掉你。」
五年前,全球首家車載激光雷達公司 Velodyne 創始人大衛·霍爾(David Hall)曾向美國科技媒體 The Verge 這樣描述行業格局。霍爾當時非常樂觀,講到身後這些來勢洶洶的 「模仿者」, 他大笑著稱,自己只往前看,前方風景更好。
五年後的今天,Velodyne 已不再獨自領先,霍爾本人也於 2021 年 2 月被董事會掃地出門,不再有看風景的資格。
老大哥的黯然身影旁,整個車載激光雷達行業卻在資本、輿論和量產上車層面都進入了前所未有的火熱期,中國市場尤甚。
據公開資料,去年以來,全球激光雷達市場融資總額超 60 億元人民幣,中國公司拿到了其中的 58 億;2020 年至今,全球有 21 款量產車型宣布將搭載激光雷達,中國公司推出了其中的 14 款,且大部分車型都選擇了國產供應商。
從大衛·霍爾發明了用於自動駕駛的車載激光雷達,到進入激光雷達上車競賽,整個行業只有短短十幾年歷史,中國激光雷達公司更是普遍只有 5-7 年發展歷程。但他們已後來居上,暫時領先。
這篇文章將從激光雷達的源起講起,還原這個先進製造業方向從無到有的過程,及各主要公司之間的實力變換。激光雷達的歷史,展示了技術岔口繁多、仍在快速迭代的新興科技產業的發展特點:
原創發明者往往不是吃到產業化果實的人,
一旦押錯技術路線,強弱翻轉可能很快發生,
與押對技術路線同樣重要的是在對的時間選擇對的客戶和市場,
以更長時間維度看,即使一個產業鏈上的環節獲得了大量資本,吸引了大批聰明頭腦在此奮鬥數年,它的熱鬧也極有可能只是產業進化史上的曇花一現。因為終極產品形態和商業模式難以預測。
激光雷達還沒能充分說明自己不是曇花。其實這是一個再老套不過的故事,越是前沿的創新,越會百死一生。但對過去很多年習慣了抄作業抄到最好就能大概率收獲成功的中國市場來說,這又是一個全新的故事。
矽谷手工耿帶出一批創業公司
2004 年到 2007 年間,由 DARPA(美國國防部高級研究計劃局)發起的三屆無人駕駛挑戰賽(DARPA Grand Challenge)改變了很多事。
當時美國逐漸深陷中東地區局部戰爭,無人駕駛車輛被視為減少美軍傷亡的方法之一,獎金高達 100 萬美元的挑戰賽由此誕生,比賽地點被設置在與中東環境相似的南加州莫哈韋沙漠。
第一屆比賽中,7 支隊伍均未完賽,成績最好的也只跑了總里程 150 英里(約 241 公里)的不到 5%。來年第二屆比賽中,開始有隊伍在車輛頂端裝載像小型飛碟一樣的裝置,它不停旋轉,軸體嗡嗡作響,造型古怪,引人注目。但它並不是完賽的核心競爭力,當年奪冠的斯坦福大學主要是靠攝像頭傳感器和卓越的計算機視覺能力脫穎而出。
到 2007 年的第三屆比賽里,挑戰地點從沙漠換到了城市,「車頂飛碟」 進一步大放光彩,在完賽的 6 支隊伍里,有 5 支裝載了這種設備。這就是日後 Velodyne 的主打產品之一, 機械旋轉式激光雷達 HDL-64E 的原型。
圖:2007 年第三屆 DAPRA 挑戰賽中,參賽車輛頂部使用了 Velodyne 64 線激光雷達原型機
為 DARPA 挑戰賽提供這項新武器的是一位 「民間發明家」,出生於美國中西部的 50 後大衛·霍爾。
不像後來這個領域的諸多創始人 「人均」 博士頭銜,霍爾的最高學歷是本科。他是接地氣的實幹派,喜歡在一個繁亂中不失秩序的大工棚里工作,像矽谷版的 「手工耿」。
圖:大衛·霍爾。來源:the Verge
他和中國的緣分,遠早於日後 Velodyne 與中國對手禾賽、速騰的競爭與專利糾紛。霍爾在 1983 年就創立了 Velodyne,公司原本是做音箱的,王牌產品是霍爾自己發明的高端低音炮。
新世紀後,霍爾逐漸對平穩的音箱生意感到無聊,在把 Velodyne 的生產製造轉移到中國深圳後,這位閑不下來的發明家開始鼓搗其他新奇玩意兒,未能免俗地掉進了鋼鐵直男的共同愛好:機器人。
在獲得英國綜藝節目《機器人大擂台》總決賽亞軍後,一位福特人士注意到了霍爾,並推薦他去看看 DAPRA 挑戰賽
在第一年比賽中,霍爾觀察到,有隊伍使用了德國傳感器公司西克(SICK)製造的單線激光雷達,霍爾由此想到,可以更進一步做多線激光雷達。
「單線」 和 「多線」 涉及激光測距和成像的原理,其核心概念是 「光飛行的時間」(Time of Flight,簡稱 ToF):激光器發射一束激光,激光碰到障礙物,反射回彈,光速是已知的,那麽記錄下光一去一回的時間,便可算出發射器與障礙物的距離。
當被發射的不只是一束激光,而是密密的一列激光時,就可以對光之所及的多個障礙物觸點一一測距,這些點匯在一起,就形成了一張圖像,這就是激光成像的原理,這種圖像被稱為 「點雲」 圖。
圖:激光掃描形成的點雲圖像,黑色圓圈部分是激光雷達的盲區
理論上,發射出去的激光越密,返回的點就越密,得到的圖像就越精確。單線、多線,多線中的 「低線」、「高線」 就是在描述激光的密度,該指標可指示成像精度。
第三屆 DAPRA 結束後的幾年里,霍爾不斷改進產品,在 2009 年開始正式售賣日後聞名天下的機械旋轉式激光雷達鼻祖 HDL-64E,「64」 指這是一款 64 線激光雷達。與原型機相比,HDL-64E 顯著變小,從 「飛碟」 變成了 「大花盆」。
圖:HDL-64E 裝載在 Voyage 的自動駕駛車輛上。來源:Voyage
DARPA 挑戰賽帶來的更大變化是拉開了高級別自動駕駛商業化的序幕。4 年 3 次比賽,聚集了這個領域最聰明的頭腦、最富有創意的想法和一眾讚助商所代表的最有意願的資本。
谷歌創始人拉里·佩奇是其中最積極的行動者。圍觀 DAPRA 比賽後,他邀請了代表斯坦福參賽的斯坦福 AI 實驗室教授塞巴斯蒂安·特龍(Sebastian Thrun)加入谷歌。自 2010 年起,特龍開始在谷歌 X 實驗室領導一個做自動駕駛的項目小組。
這個項目之後變成了谷歌旗下的自動駕駛公司 Waymo 。此後幾年,Cruise、Zoox、Argo、Nuro……一大批美國自動駕駛創業公司在矽谷誕生。
中國公司中,百度於 2013 年開始在百度美國研究中心布局自動駕駛,之後兩三年里,這里陸續走出來了 Drive.ai、小馬智行、禾多科技、文遠知行等一批公司,構成了中國自動駕駛半壁江山。
這些公司是激光雷達起步階段最主要的客戶群,為 「賣鏟子」 的激光雷達提供了淘金熱本身。它們的共性是以研發 L4 [1] 及以上高級別自動駕駛為使命,希望帶來顛覆性變革。
這就需要車輛能自己實現感知、規劃和控製——這是自動駕駛系統的三大部分,用人開車來比喻,即眼能看路,腦子知道怎麽開,手腳會操控車。激光雷達解決的是其中的 「感知」 問題,是高級別自動駕駛車輛的 「眼睛」。
隨著自動駕駛熱,Velodyne 創下傳感器領域融資記錄,在 2016 年獲得百度與福特 1.5 億美元投資,估值超 20 億美元。
當一個領域有大錢湧入,往往是競爭趨於激烈的信號槍。
這前後, Luminar、Ibeo、Quanergy、Innoviz 等海外激光雷達公司相繼加入競爭,中國也出現了禾賽科技、速騰聚創等公司。
霍爾意識到了新形勢,在獲得投資第二年接受 the Verge 采訪時,他提到了那些氣喘籲籲的追趕者,但稱自己不擔心。跟隨者的威脅被低估了。
中國公司崛起和老大哥式微
對 Velodyne 最直接的威脅來自一批中國創業公司。
由於機械旋轉式激光雷達的專利被 Velodyne 壟斷,歐美玩家大部分選擇了另辟蹊徑或買斷專利。Waymo 後來就買了 Velodyne 的專利,自己生產激光雷達自己用。
而在中國市場,大多數初創企業都選擇了與 Velodyne 相似的機械旋轉式路線。
這其中有 2014 年成立於矽谷,原本做危化氣體泄露檢測的創業公司禾賽科技(下稱禾賽)。公司由三位 85 後孫愷、李一帆、向少卿聯合創立,孫愷是斯坦福博士,李一帆是 UIUC 博士,向少卿是斯坦福碩士。禾賽諧音斯坦福附近的聖何塞(San Jose)。
嗅到風口的還有哈工大機電工程與自動化博士邱純鑫和他有過連續創業經驗的親弟弟邱純潮,他們在 2014 年成立速騰聚創(下稱速騰),邀請大疆前首席科學家朱曉蕊教授加入。
有意思的巧合是,禾賽和速騰,這兩個最強勁的中國對手與 Velodyne 有奇妙的緣分:在 2016 年回國落地上海前,同在聖何塞的禾賽與 Velodyne 只相距 3 英里;速騰總部深圳則是 Velodyne 原音箱業務所在地。
矽谷和深圳,正好代表了中國新一代先進製造業發展的兩種的力量。
前者是尖端技術,雖然這不是原創性創新——激光雷達背後的技術原理和車載激光雷達的原型都不由中國發明;但在把新技術產業化這個環節上,中國公司現在已站到全球最前排。
後者是依托巨大的市場,以 40 年積累起來的靈敏、完備的供應鏈製造能力。歷史多次證明,一旦當中國公司學會了做出差不多的產品,它們往往能用更便宜的價格、更貼身的服務、更快的迭代搶到更多客戶。
基於不同背景,禾賽和速騰選擇了不同的切入市場的策略。
禾賽的打法是在高端的高線激光雷達戰場和 Velodyne 拼性價比,同步拓展國內外客戶。
Velodyne 當時的產品售價昂貴,HDL-64E 剛推出時單價達 8 萬美元,之後只漲不跌,自動駕駛公司苦 「大花盆」 久已。
禾賽抓住機會,在 2017 年推出了 40 線激光雷達 Pandar 40,經歷幾次迭代升級後,在 2019 年 CES(國際消費電子展)上發布 Pandar 40P ,售價不到 4 萬美元。此後,Nuro、Aurora、Cruise 和 Zoox 等美國自動駕駛公司的車上陸續裝上了禾賽的激光雷達。
更關鍵的一步是,禾賽拿下了當時 Velodyne 全球最大客戶百度阿波羅(百度自動駕駛業務)。
圖:百度 2021 年發布的共享無人車 「 Apollo Moon」 搭載了禾賽為百度定製的激光雷達
一位阿波羅前技術負責人稱,他們轉投禾賽,與 Velodyne 產品出問題有關。阿波羅在 2019 年時本想繼續使用 Velodyne 新推出的 128 線激光雷達 VLS-128,但在前期收到的幾十個產品中發現了上百個需要返修的問題,技術人員精疲力盡。後來 Velodyne 又寄過來一批精挑細選的 「金標」產品,但百度 「拆都沒拆就退回去了」。
速騰的策略是從門檻沒那麽高的低線數產品切入。
2016 年,速騰發布 16 線激光雷達,一年內完成 4 輪融資。走相似路線的公司還有測繪專家張軻殊博士創立的北科天繪和光纖激光器專家胡小波創立的鐳神科技,它們也在同年推出了 16 線產品。
隨著這些原型產品逐漸成熟,價格戰正式打響。2018 年 10 月的北京車展上,速騰對外稱,國外有的產品,他們都有,而且最少便宜一半。
來年 1 月,Velodyne 16 線產品從 8000 美元腰斬降價至 4000 美元,是該產品發布 3 年來首次降價;原本賣 4000 美元的中國公司馬上跟進,此後中國 16 線產品價格一直比 Velodyne 產品低 300-700 美元。
便宜之外,國內激光雷達公司的服務也更好。文遠知行 COO 張力稱,一些國產雷達雖然問題多一些,但如果硬件有問題, 1-2 天就能換上新的,而 Velodyne 在中國不設倉庫,只安排市場、銷售人員,產品返修一次要 1 到 3 個月。
面對高線、低線市場的兩頭夾攻,Velodyne 開始反擊。2019 年 8 月,它在加州起訴禾賽和速騰專利侵權。禾賽此後分別在德國和中國起訴 Velodyne 專利侵權。
紛爭結果是,Velodyne 和禾賽在第二年年中達成全球和解,雙方承諾 2030 之前,不在機械旋轉式激光雷達領域對對方提起任何訴訟,Velodyne 的專利屆時也將過期。
禾賽為和解付出的代價包括一次性支付 1.6 億元人民幣專利和解費,2020-2030 年連續十年支付專利許可費。
當初曾傳聞的最壞情況,禾賽和速騰會被擋在美國市場之外的情形並未發生。反倒是 2019 年底,Velodyne 自己選擇戰略收縮,在全球裁員後,為聚焦歐美市場,主動退出了中國。
Velodyne 當時的判斷是,在 Waymo 等高級別自動駕駛公司的小規模需求之後,真正打開激光雷達市場空間的是車企的批量采購;而能率先把激光雷達放到量產車型上的會是歐美或日韓車企。
這是一個可怕的誤判,事實是,被霍爾戰略放棄的中國在之後兩年里成了激光雷達量產上車的主戰場。
另一種自動駕駛路線 激光雷達改頭換面
在展開 2020 年以來的激光雷達量產上車大戰之前,把時間軸往回調到 2015 年,當時包括 Velodyne 在內,不少激光雷達公司已看到了自己的另一大客戶群是車企。
車企之所以會大規模采購激光雷達,是因為它們需要獲得自動駕駛能力以趕上智能化潮流。不同於在有嚴格資質許可下通過非商業化的路測直接做高級別自動駕駛,車企主導的是另一種漸進式自動駕駛路線:即從 L2、L3 的輔助駕駛起步,把有這些功能的車先賣出去,再借助用戶開車過程中產生的大量真實數據優化系統,提升自動駕駛能力。
由於要量產銷售,漸進路線使用的軟硬件都需要過車規認證,這樣安全性、穩定性和壽命才有保障。機械旋轉式激光雷達並不適用,短期原因是太貴,當時動輒上萬美元的單價車企承受不起;更難解決的問題是,它內部使用了大量機械運動部件,在體積和壽命上有缺陷,幾乎不可能通過車規認證。
作為漸進式路線引領者,特斯拉的應對方式是不使用激光雷達。特斯拉創始人馬斯克認為,只用攝像頭做傳感器也能實現高級別自動駕駛。
但 2016 年的一起事故反映了純視覺方案的弱點:當時一輛疾馳中的特斯拉未能識別出前方停著一輛白色大貨車,特斯拉司機又心大地沒握著方向盤,最終車毀人亡。依靠可見光的攝像頭,在算法不完善時會出現誤判,比如認為白色的靜止物體是天空,而從成像原理看,激光雷達能避免這個問題 [2],它的好處還有感知距離遠,夜間也可工作等。
安全隱患之下,更多車企認為還是得用激光雷達。機械旋轉式過不了車規,固態和混合固態(半固態)激光雷達成了被看好的方向。其思路是改造激光雷達中的激光器,通過尋找其他工程實現方式減少激光器中的旋轉部件,從而提升產品的穩定性、壽命和生產時的一致性。
其中,固態雷達被認為是更優方案。但目前難以實現。2014 年成立於矽谷的 Quanergy 曾以強大的公關技巧使固態 OPA (相控陣)技術在創投圈火熱一時。可惜 Quanergy 產品後來的跳票幅度堪比暴雪新作,其核心參數探測距離在 2016 年時是 300m,2017 年變成了模糊不清的 「很遠」;市場對 OPA 的熱情逐漸冷卻。如今 Quanergy 每況愈下,只在零星發布一些無關大局的產品。
混合固態激光雷達成了更多人的選擇,這一方向的進展後來拉開了激光雷達量產上車的序幕。
一只腳踏入車規量產
2018 年,德國大眾旗下的奧迪 A8 成為首個搭載激光雷達的量產車型,它使用了由法國 Tier1(汽車行業一級供應商)法雷奧推出的全球第一個完成車規量產認證的激光雷達 Scala。Scala 走的就是混合固態路線。
奧迪的動作某種程度印證了 Velodyne 2019 年撤出中國時的判斷:中國車企不是激光雷達嚐鮮者。
但 Velodyne 沒算到的是,一翻年,新冠疫情爆發並蔓延全球,歐美日韓地區受疫情衝擊,經濟面臨巨大不確定性,這影響了車企投入的意願,拖慢了激光雷達上車的節奏。
反而是在疫情控製相對好的中國,經濟活動恢復更快,中國車企成了全球最積極搭載激光雷達的客群。導致群體踴躍的因素還包括,燃油車時代,中國車企落後太多,所以它們對技術換代抱有更大期望;中國汽車市場自 2015 年前後誕生了蔚來、小鵬、理想等大量造車新勢力,其中的高端品牌也希望通過搭載激光雷達凸顯智能、科技屬性,並與堅持不用雷達的特斯拉形成差異。疫情因素加速了這種趨勢。
自 2020 年起,全球範圍有 21 款車型宣布將搭載激光雷達,中國公司推出了其中的 14 款:蔚來、小鵬和北汽極狐在 2020 年下半年宣布新車型上將搭載激光雷達,2021 年,上汽、廣汽、長城、吉利、理想、集度、威馬、高合等品牌也陸續跟進。
這些車企選擇的都是混合固態激光雷達。在現有技術和工藝水平下,混合固態更能滿足量產車型對雷達穩定性和壽命的要求。前幾年在這一方向上進展靠前的公司吃到了最多紅利。
目前獲得最多量產車訂單的是混合固態中的 MEMS(微振鏡)路線。
首個 MEMS 混合固態激光雷達是以色列公司 Innoviz 在 2017 年發布的 Innoviz One;速騰緊跟其後,在同年推出了與 Innoviz One 相似的 M1。
歷經三年迭代,M1 上車進度一馬當先,已獲小鵬 G9、廣汽 AION LX、威馬 M7 等車型的訂單。
圖 :廣汽 AION LX 搭載的速騰 M1 雷達
國內做 MEMS 路線的公司還有由清華電子工程系博士石拓創立的一徑科技,它於本月獲得了小鵬數億元人民幣的投資。
另一個被看好的混合固態路線是單軸轉鏡。全球第一個過車規的 Scala 就是單軸轉鏡雷達。
華為在 2020 年 12 月正式發布單軸轉鏡的 96 線激光雷達,並同步宣布了合作車型為北汽極狐阿爾法 S。這之後,長城機甲龍也宣布將搭載華為的雷達。對比看,Scala 只有 4-8 線,無法滿足高級自動駕駛的感知需求。
圖:北汽極狐阿爾法 S
同一路線上,禾賽在去年第四季度推出了參數高於華為的 128 線激光雷達 AT128,目前已拿下理想、集度、吉利旗下路特斯、高合等品牌的定點(指被車企指定為某零部件的批量供應商)。
由王世瑋、吳冠豪和鄭睿童於 2017 年創立的探維科技也選擇了單軸轉鏡,這家公司的核心人馬是清華精儀系博士、碩士,他們跳過了機械旋轉式雷達,成立之初就做混合固態、固態路線,目前已發布了等效 192 線的混合固態激光雷達。
由大疆孵化的覽沃(Livox)是中國玩家中很獨特的一個,它沒有選擇被外國廠商探索、驗證的路線,而是自己原創了棱鏡旋轉掃描方案。
在 2020 年 CES 上,覽沃發布了 「Horizon 地平線」 和 Tele-15 兩款產品,地平線單價低至 800 美元。同年底,覽沃宣布獲得小鵬 P5 訂單,成為最早拿下量產訂單的中國激光雷達公司。該車型已於去年交付。
不管是 MEMS 微振鏡、單軸轉鏡還是棱鏡,解決的都是穩定性問題。激光雷達要真正在汽車智能化上發揮價值,還要提升性能和適用性。前者指成像精度、感知範圍等;後者指激光雷達與其他傳感器的兼容性,以及激光雷達獲取的數據在算法層被采用的效率。這是車企選擇供應商時的重要考量。
提升性能的主要做法是優化激光光源。
目前市值最高的激光雷達公司 Luminar 以及由百度原自動駕駛事業部總監鮑君威和 Velodyne 原技術骨幹李義民在 2014 年創立的圖達通(Innovusion)都選擇了 1550nm 激光光源,它比業內更普遍使用的 905nm 光源探測地更遠、更清晰。
圖達通 1550nm 激光雷達已獲蔚來 ET7 、ET5 量產訂單。這家一時沉寂的公司有望反超 Luminar,成為實現 1550nm 激光雷達上車的第一家公司。
圖:蔚來 ET5 將圖達通激光雷達搭載在擋風玻璃頂部
提升適用性的趨勢是做 「圖像前融合」。
先解釋一下 「融合」:目前的主流方案中,一輛車要感知環境需裝載多種傳感器,其中最重要的是激光雷達和攝像頭;但由於成像原理不同,前者采集的是點雲數據,後者采集的是圖像數據,時間記錄也有差異,這就要對不同傳感器的數據做 「融合」。
現在普遍的做法是 「後融合」,簡單說是先讓硬件層返回不同的數據,再在軟件算法層做融合。前融合則是要在點雲和圖像數據被獨立標定前先做前端融合,再到算法層做識別。它的優點是可以讓不同傳感器取長補短,且能將不同傳感器之間的時間誤差從毫米級提升至微秒級,以提升車輛的感知能力和速度。
國內布局多傳感器前融合的公司有探維科技,方法是在硬件層集成 CMOS 感光元器件與激光器。在量產的乘用車上推動前融合,需要車企做相應的軟件改造。那些希望通過新技術趕超對手的車企更傾向采納後融合方案,今年市場也許就能聽到相關動靜。
2020 年以來,車企中也產生了一陣對雷達公司的投資熱:比亞迪投了速騰,蔚來投了圖達通,小鵬投了一徑,小米投了禾賽。就筆者了解,更多中國車企正在考慮投資激光雷達公司,尤其是估值相對低的一批二線公司。
當原本被 Velodyne 甩在身後的對手在混合固態路線上換道包抄時,早早看到了固態、混合固態技術趨勢的 Velodyne 卻沒能持續拿出領先的產品。
它們早在 2017 年就推出了 MEMS 混合固態激光雷達 Velarray,2019 年發布了新一代產品 Velabit。
據豐田、現代等客戶的測試反饋,2019 年之前,Velarray 的效果好於相似技術路線的 Innoviz 和速騰。但這之後,Velodyne 在過車規認證以及與車企量產合作上進展寥寥。這家龍頭公司一度希望車企來承擔激光雷達做車規檢測的費用,而大部分競爭對手都甘願自掏腰包。
Velodyne 的機會空間正在縮小。車廠選擇供應商時,一般要經過約兩年的測試,涉及新型零部件時,可能還要花額外時間做共同開發,現在還抓不到量產車型的激光雷達公司,在第一波上車潮中已失去先機。
它們可期待的事有兩點:一是汽車市場足夠大,後跟進的車企可能會扶持新供應商;二是早上車的競爭對手自己翻車。
終點不明的比賽
那些現在已上車的激光雷達,「翻車」 幾率有多大?可以說不小。
「翻車」 不是指產品會出現質量紕漏,而是指它們無法滿足汽車智能化的長期需求。目前各車企選擇的混合固態本就是一種過度產品,且其中的各主要技術分岔都有自己的缺陷:
速騰、一徑選擇的 MEMS 路線,產品體積小、好安裝,但為滿足探測距離,振鏡尺寸不斷增大,這會影響穩定性;華為、禾賽押注的單軸轉鏡方案穩定性好,難點是要另辟蹊徑解決尺寸問題;大疆覽沃自研的棱鏡方案成本低,但每次掃描後,成像範圍不一樣,這會導致雷達在高速移動中成像不連續,影響可靠性。
這些缺陷造成了激光雷達上車過程中的曲折。
覽沃早早拿下小鵬 P5 的訂單,且已隨車交付給了用戶。但筆者了解到,覽沃產品性能較低,小鵬的高端 SUV G9 選擇了與速騰合作。
今年下半年即將隨蔚來 ET5、ET7 交付的圖達通 1550nm 激光雷達的性能確實優秀,但從無人出租車和商用自動駕駛公司那兒得到的反饋是,1550nm 成本更高、散熱結構難做、返修率高,其車規量產的穩定性難下定論。
華為在 2020 年就發布了 96 線激光雷達並宣布了合作車型,但到 2021 年底,市場也沒能見到搭載這些雷達的車輛真正交付。第二款宣布搭載華為雷達的長城機甲龍是一款限量車,只賣 101 台。
姍姍來遲的禾賽科技在 2021 年第四季度開始把 AT128 送給車企測試,據筆者了解,車企對產品性能反饋不錯,但 AT128 的量產穩定性還需時間驗證。
更大的危險是,整個陣營可能全線式微。這涉及大方向上的分歧:有人認為,未來高級別自動駕駛車輛上並不需要激光雷達。在激光雷達性能不斷提升,成本節節下降的今天,馬斯克依然咬死相信這一點。
當被問及激光雷達是長期必須的嗎?一位已與某雷達廠商合作的國內造車新勢力 CEO 說,為解決 corner case(邊角案例),保證安全性,早期還是需要激光雷達,「做些冗餘」,但長期看,一輛車上的傳感器種類和數量都會減少。
如果車載激光雷達並不是自動駕駛最終方案中的必備部分,如今這種激烈的智力、資本和精力投入會是何等的 「浪費」?
以科技行業的規律看,這類浪費又是難以避免,甚至是合理的。因為越是靠近原創性創新,「徒勞」 的可能性就越大。
這不是中國過去 40 年習慣的主流成功套路:利用巨大市場和相對便宜的勞動力,鑽些知識產權和品牌保護的空子,快速模仿,小步、高頻地創新,面對一張方向大致確定的考卷,把 90 分的答案抄成 100 分。
能模仿的對象減少了,能被領跑的路程縮短了。甚至主戰場在哪兒、終點到底長什麽樣,也要一邊參賽一邊摸索。
激光雷達行業是這樣,自動駕駛、機器人、芯片、新材料、基因科技等被寄予厚望的高科技行業皆是如此。如何適應這種終點不明的比賽?這是擺在所有參與者面前的一個大命題。
[1] 國際汽車工程師學會(SAE)把汽車駕駛自動化分為 L0 到 L5 6 個等級,從 L4 開始,人可以不用接管機器,即實現全無人駕駛;L4 需要限定道路環境,L5 則不限道路環境。
[2] 基於激光雷達的成像原理 「光飛行的時間」,正常運轉時,它不會把白色的東西識別成沒有東西,但是黑色物體和反光材質的物體會影響激光雷達成像。考慮到不同傳感器各有優劣,當前主流的高級別自動駕駛方案需要配備多種傳感器。
編輯/jayden