狂裝激光雷達，新造車跑偏了嗎？

激光雷達到底算不算‘堆料'呢？

本文轉載自公眾號：深途（shentucar?），作者：周繼鳳，編輯：黎明

2021年，無論是車界老手、新兵蛋子，還是PPT忽悠大戶，不約而同地推出了激光雷達車型。

激光雷達，這個被馬斯克稱為“只有傻瓜才會用”的東西，成為了造車江湖中絕對的“C位”。

你也不知道它是什么“貨”，但就是火了起來，而且這把火燒得越來越旺。甚至新車中，沒搭載激光雷達都不好意思秀自動駕駛能力。

搭載激光雷達的車都不便宜，國金證券指出，已確認搭載的前裝量產車型產量將于2023年突破30萬臺，價位集中在40萬-80萬元。羊毛出在羊身上。這波激光雷達熱，會是新一波韭菜黨的狂歡嗎？

01 要想L4過得去，激光雷達不能少？

激光雷達到底有多火，下面這個表很能說明問題。

深途不完全統計

2022年內上市的搭載激光雷達新能源車多達12款。幾乎所有已知的電動車品牌都加入了這場軍備競賽。北汽極狐阿爾法S、小鵬P5、蔚來ET7、上汽RS33、智己L7等等新車都預告了激光雷達的上車。

1顆激光雷達甚至已經不夠用了，長城旗下新能源汽車品牌沙龍機甲負責人在廣州車展喊出：“你有幾顆激光雷達？4顆以下，請別說話。”還有玩家化身無情的激光雷達批發戶，一輛車上搭載了5顆激光雷達。

如此瘋狂的軍備競賽基于這樣一個越來越時髦的共識：要想實現L4，激光雷達不能少。

自動駕駛有三大要素：“感知、決策、控制”。每個環節都需要特定的軟硬件做支撐。在感知層面，電動車需要依靠傳感器感知和傳遞外界信息。這些傳感器相當于汽車的“眼睛”。

目前，電動車上搭載的傳感器包括：視覺傳感器、毫米波雷達、超聲波雷達、激光雷達和車載傳感器網絡。

不同類型的“眼睛”探測的距離以及精準度也不同。

車要上路，要面臨極為復雜的現實場景，要實現更高階的自動駕駛能力，對“眼睛”也提出了更高的要求。

毫米波雷達造價低，但是探測距離和精度比較弱，視覺傳感器很容易受天氣的影響。車企們如無頭蒼蠅般亂竄了多年，才漸漸找到了一條目前相對可行的路子——激光雷達路線。

激光雷達精度高、探測距離遠，可增強感知系統的冗余性，補充毫米波雷達、攝像頭缺失的場景。除了易受自然光或熱輻射影響，以及價格貴外，激光雷達幾乎沒有缺點。

而且，進入2020年以來，激光雷達的造價相對沒那么貴了。半固態、固態激光雷達逐漸代替機械式雷達，激光雷達的成本從上萬美元降低到1000美元。激光雷達的體積也在不斷縮小，從一個又笨又大的“黑家伙”進化成可隱藏于汽車車體內的“零部件”。

成本低了，技術進步了，共識形成了，這才有了大量的激光雷達上車。

進入2021年來，激光雷達廠商融資的消息接連不斷。

8月，激光雷達制造商Innovusion宣布獲得6600萬美元B+輪融資。其投資人列表里包括蔚來資本。而蔚來的新車ET7搭載的就是Innovusion提供的超遠距離高精度激光雷達。11月，激光雷達廠商禾賽科技宣布獲得來自小米產投7千萬美元追加融資，加上之前官宣的超3億美元融資，禾賽D輪融資總額已超過3.7億美元。

福特、沃爾沃、戴姆勒、奔馳等傳統整車廠多通過投資或合作的方式積極參與到激光雷達領域中。

02 激光雷達越多，能力越強？

吃瓜群眾可能好奇，為什么車上的激光雷達，安裝位置并不固定，比如，蔚來ET7的激光雷達在頭頂，而小鵬P5的激光雷達在前保險杠的兩側。車企搭載的激光雷達數量也不統一，給人營造出一種激光雷達越多，自動駕駛的能力就越強的感覺。

蔚來ET7，激光雷達在頭頂

我們先說說激光雷達工作的原理。

激光雷達可分為激光發射、激光接收、光束操縱和信息處理四大系統。激光雷達先發射光束，光束遇到障礙物會反射，光學接收器接受物體反射回的光脈沖。隨后，激光雷達上的信息處理器會通過測量激光信號的時間差及相位差描繪周圍物體的三維點云圖，從而獲取精確距離、輪廓信息。

但是一個激光雷達具體能測多遠距離、能有多精準，這里面的水可就深了。

激光雷達在測距原理、激光發射、激光接收、光束操縱及信息處理等五個方面均存在不同技術路線。廠商們走的路線不同，造出來的激光雷達在性能和效果上會大不相同。

市場上衡量一個激光雷達性能的指標也有多個維度，包括線數、探測距離、測量精度、測量準度、掃描頻率等等。

行業還沒有統一的測評標準。所有人都在摸著石頭過河。一輛車應該搭載多少顆激光雷達，激光雷達應該走什么樣的路線，價格應該定多少，似乎沒人能說得清。

所以盡管都是激光雷達，但不同的激光雷達安裝的位置并不統一，成本不相同，性能和效果也天差地別。

當下，少有的共識是，大家都是奔著純固態激光雷達的方向去的。

激光雷達中成本最大的硬件單元當屬掃描部件，這個部件直接影響激光雷達的性能。按照掃描模塊和收發模塊的運動方式，激光雷達分為三類：

機械式：激光雷達整體旋轉起來，對物體進行360度掃描。造價高，體積大，技術成熟，多應用于Robotaxi。

混合固態：激光收發模塊是不運動的，只有掃描模塊在運動。進一步細分為MEMS、轉鏡式和棱鏡式三種路線。

純固態：不僅激光收發模塊不運動，而且，掃描模塊也沒有機械運動。這一路線又分為OPA和Flash兩種。

機械式激光雷達技術成熟但造價太高，最佳方案是純固態方案，固態激光雷達沒有運動部件，因此體積更小、成本更低、可靠性也更高，但是純固態方案的技術還不太成熟。因此大部分的車型都選擇了搭載半固態激光雷達，等到技術成熟再進階到純固態激光雷達。

比如，蔚來ET7搭載的激光雷達屬于轉鏡式激光雷達。這種激光雷達具有探測距離遠、探測角度大的優勢。為了更好地掃描物體，車企一般會把這種激光雷達放置車頂。

也有大膽者，比如長城摩卡，選擇了直接搭載固態激光雷達。

03 不搞激光雷達行不行？

那么問題來了，不搭載激光雷達行不行？

可以。

特斯拉堅決反對搭載激光雷達。

當下造車江湖中，分為兩個派別，一派走純視覺路線，傳感器以攝像頭+毫米波雷達為主，注重人工智能視覺算法，這一派有且僅有一家車企在堅持，那就是特斯拉。另一派堅持走激光雷達路線，車上的傳感器以激光雷達為主，毫米波雷達、攝像頭等為輔，大部分車企都走的是這個路線。

馬斯克是造車界絕對的意見領袖。但在感知層技術路線選擇上，大部分車企都站在了馬斯克的對立面。

不是其他玩家不想追隨馬斯克，而是大多數車企的能力跟不上。

自動駕駛本質是依靠大量的數據喂養訓練AI。特斯拉有著別家難以企及的超強算法和路測數據。換句話，人家車的“大腦”聰明，營養還多。

全世界滿地跑的特斯拉電動車都在為特斯拉搜集數據。2016年底，特斯拉就已經獲得了35億英里的路測數據。這些龐大的數據源源不斷地為特斯拉的AI大腦提供養分。

來源 /pexels

在核心的AI算法上，特斯拉一直遙遙領先于其他車企。特斯拉自2019年起就在自研自動駕駛芯片，其新一代的芯片HW4.0已經進入測試，據說性能將是舊版的3倍。除此之外，特斯拉還有AI超算Dojo。Dojo項目負責人表示，特斯拉Dojo是史上最快的AI訓練計算機。

在算法和路測數據這兩大方面，其他玩家都比不過特斯拉，走激光雷達路線反而是最優解。

內卷的大環境也讓車企們身不由己。

“現在整個行業基本上都形成了共識，除了特斯拉外，只要是造電動車，都得搭載激光雷達。”易觀分析師何奇對深途指出。

在這場以技術為名的狂歡中，蹦跶得最活躍的當屬造車新勢力、自主品牌。這些玩家尤為清楚地意識到：如果不抓住這次機會，未來造車大浪潮席卷全球，自己終究會被甩下車。

羅蘭貝格全球合伙人Johan Karlberg認為，基于自動駕駛，汽車產業的利潤將進行重新分配。而通過高階自動駕駛的道路上，激光雷達是目前最好的鋪路石。

不少玩家通過預埋激光雷達，內卷硬件數量的方式，搶占了技術制高點，相當于拿到了通往未來的那一張船票。

04 軟件能力不夠，硬件來湊

2021年被稱之為激光雷達元年，但激光雷達還有一條漫長而曲折的路要走。

除了技術研發外，激光雷達最大的bug就是造價依舊很高。光大證券在研報中指出，大部分性能優良的激光雷達價格在1000美元左右。激光雷達的成本依然占智能汽車零部件綜合成本的大頭。

買家希望L2級別中的激光雷達價格能降到500美元，高階自動駕駛系統中的價格下降到1000美元。

理想與現實之間還存在著較大的鴻溝。

“激光雷達是需要走量的，通過市場規模的拉動促進價格下探?，F在超聲波雷達或者毫米波雷達發展得比較成熟了，幾百塊錢就可以買得到。”何奇分析指出：“在不斷的市場教育下，激光雷達有可能像毫米波雷達一樣，形成一定的市場規模，成本低，大部分人也都能買得起。”

大規模的量產，能分攤高昂的研發成本和生產成本。銳馳智光披露，LakiBeam128目前萬臺級供貨價定在743美元；在十萬臺級別，其單價為498美元；在百萬臺級別，其單價是289美元，量產帶來的價格下探幅度顯著。

“從總體來看，激光雷達并非是一個資本泡沫，反而是一個經過驗證的解決方案，是存在一定的市場需求的。整個行業瘋狂內卷其實是看到這條路走得通。”何奇表示。

當然硬件堆砌還只是自動駕駛的前菜。激光雷達相當于車的眼睛，而決定車智能化水平的還得是“大腦”，也就是AI算法、軟件能力。

如今，大部分的國內車企還都在拼硬件，“堆料”，軟件系統只能借助外力，只有極少數玩家決定全棧自研。

網絡上不時有反對者吐槽：“國內智能汽車只會‘堆料'。‘靈魂'跟不上‘肉體'。”某種程度上來說，這句話沒錯。

車企們打的是這樣的算盤：自動駕駛汽車的硬件決定了自動駕駛能力的上限，現在，還沒到軟件能力比拼的時候，但硬件有了，好歹拿到了下一輪競賽的門票。

“我覺得‘堆料'有利有弊，行業大量使用激光雷達，量起來了，成本才會下降，這是好事。”何奇表示：“當然，對于車企來說，如果軟件能力不夠，系統更新迭代的速度會很慢。但是，這也不失為一個辦法，好比大家都在爬山坡，如果我爬不上去，那么為什么不選擇借助外力呢？”

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！