?作者 | 張祥威

編輯 | 德新

2023年尾上市的這一批車型中，以問界新M7、理想MEGA、小鵬X9、智界S7和極氪007最為典型，它們的頭頂大多搭載了一顆激光雷達，有的車型比如小鵬X9，甚至在前大燈位置配置了兩顆激光雷達。 

這是為實現高階智能駕駛功能而來。 

對于高階智駕方案而言，激光雷達儼然已成為必備品，其天生具備探測距離遠、光線適應性好等特點，而且對視場角范圍內的異型目標物進行準確感知。 

相比特斯拉的純視覺方案，車企引入激光雷達，不僅會減少一定的算法開發壓力，還能減少更多的隱形成本支出，在感知算法層面加速超車純視覺方案，盡快實現高階智駕。 

這是一場關乎技術路線、規模成本的競賽，一些車企已經開始用腳投票。

一、綁定高階智駕版，激光雷達出貨量陡升

激光雷達發射激光脈沖，遇到目標物后折返，通過計算激光的折返時間，就可以計算出與目標物體的相對距離。相比攝像頭、毫米波雷達等其他傳感器，激光雷達對于夜間、光照不好的場景下的感知能力都要更好。 

2021年之前，量產搭載激光雷達的車型遠不像今天這樣豐富。 

2021年，車企開始真正量產交付激光雷達車型，這年打著「全球首款量產激光雷達車型」旗幟上市的小鵬P5，為后來者沖出一條路。 

自小鵬P5起，搭載激光雷達的車型更多涌現。 

今天，上至100萬元出頭的高端品牌仰望，下至20多萬元的一眾國產電動品牌，各自車型的高階智駕版本中，激光雷達已經成為必選。

激光雷達產品主要見于頂配版本車型上，主流方案會采用一顆、兩顆配置，少數玩家如阿維塔，采用的是三顆激光雷達。 

激光雷達公司的出貨速度，隨著高階智駕版的暢銷，陡然提升。 

2021年，國內頭部激光雷達公司的出貨量剛剛到達1萬臺左右的水平。進入2022年，禾賽出貨量8萬臺，排在后面的圖達通等，出貨量也達到了5萬多臺的規模。 

今年前三季度，禾賽的激光雷達總交付量為134,380臺，同比增長307.9%。其中，ADAS激光雷達交付量達114,482臺，同比增長516.6%，已率先突破年交付10萬臺大關。

接下來的兩年，頭部激光雷達公司將會向著年出貨50萬臺的節點邁進。 

激光雷達上車過程中，純視覺玩家也在持續前進。

純視覺指的是，主要依賴攝像頭傳感器來實現對周邊環境對感知，盡可能減少對激光雷達、毫米波雷達、高精地圖等輔助工具的依賴。 

特斯拉是純視覺的鼻祖，到今天一直堅持不用激光雷達，而是通過攝像頭傳感器來實現對周邊環境的感知。 

特斯拉的堅持，讓激光雷達與純視覺的對戰充滿變數。畢竟，頭部玩家在實現城市NOA時，已經著手「去高精地圖」、「去毫米波雷達」，借助「BEV+Tranformer+Occupancy」來實現道路拓撲、通用障礙物的識別等任務。 

在算法提升以及降本壓力加大的背景下，如何看待激光雷達方案，是不少人關心的話題。 

二、車企實現高階智駕的「秘密武器」

從特斯拉身上，可以看到自動駕駛算法的演進脈絡。 

特斯拉最初采用的是2D檢測，之后進化至BEV算法，為了解決異型障礙物的問題，又進一步演化出Occupancy占用網絡算法。 

Occupancy是通過實時推理，來對一些難以直接表征的環境信息進行靈活探測，比如對高速道路上的道路施工場景、異型車輛，以及行人、動物的位置、速度等進行探測。 

本質上，Occupancy屬于三維重建，其中涉及復雜的算法，包括: 

• 提取2D視覺特征；

• 2D特征轉為3D特征；

• 時序對齊，多幀融合構建4D網絡；

• 解碼生成3D結構和目標物速度；

但眼下的問題在于，純視覺方案需要不斷獲取海量數據，從而實現對現實世界的識別和三維重構。如果缺少足夠多的數據，就會造成漏檢、誤檢。特斯拉每年在全球范圍內賣出100多萬臺車，這些車輛在路上行駛過程中源源不斷的回傳測試數據，Autopilot累積使用里程已經超過90億英里。目前沒有任何一個其他純視覺玩家有這么大數量級的車輛數據。 

而由于涉及多幀融合，Occupancy在車端有限的算力之下，很難同時實現對三維空間高精度和低延時地測量與重建。而特斯拉從2014年就開始自研芯片、2019年推出了FSD芯片，已經在自研芯片領域高筑了技術壁壘。 

車企要做Occupancy網絡，對于資金、時間的投入必不可少。除車端感知方案之外，車企還需要搭建算法團隊、智算中心、數據閉環體系等等能力。總而言之，這不是一個一朝一夕能有成果的方向。 

而使用激光雷達，將迅速減輕車企的算法開發壓力。按禾賽的說法，「直接將車企城市NOA功能開發的時間縮短三年。」 

原因在于，激光雷達的優勢更為簡單直接，對于不規則障礙物探測更加準確，尤其在中國道路環境下，激光雷達方案對于電動車的識別也更為準確。 

在一項MIT的研究論文中，作者對比基于攝像頭數據的算法和融合了激光雷達數據的算法結果發現：攝像頭算法到了夜晚感知精度有明顯的下降，而通過融合激光雷達，可以將夜晚環境的感知精度提升至3倍。

「如果車企剛剛開始做，又想很快地搞定一些場景，有激光雷達的話難度會低一些。」上汽PP-CEM&飛凡智能駕駛首席科學家金杰盂曾表示，基于激光雷達、攝像頭等多傳感器融合后，Occupancy的方案能夠在探測范圍、距離、精確性上表現得更好。 

在談到激光雷達的作用時，輕舟智航產品負責人許諾也直言，現階段單純依靠視覺方案，很難應對中國城市道路中的各類Corner Case。“激光雷達，是以投入換時間，加速城市NOA落地的捷徑。”許諾如此表示。 

當下，上激光雷達基本上是大多數車企繞不開的選擇。這也是為何今年這一波重要車型上，都紛紛標配或至少選配了激光雷達的緣故。 

視線放到更遠的中長期，激光雷達和純視覺競爭，其實更多是一個商業層面的選擇問題。 

三、顯性成本 vs「冰山下的成本」

純視覺和激光雷達的爭論由來已久。 

起初，馬斯克拋出激光雷達無用論時，將其比喻成「拐杖」，認為成本太高，自那時起，特斯拉至今仍沒有使用激光雷達。 

馬斯克沒有說的是，采用純視覺路線后，車端的硬件方案成本降低了，但背后的軟件算法、數據訓練等冰山下的隱形成本，是一筆更為昂貴的費用。 

禾賽科技產品戰略負責人施葉舟算了一筆賬： 

純視覺路線的支出主要有三類，分別是算法迭代、云計算投入，以及數據標注等。 

假設要開發一套高階智駕功能，方案總投入需要200億元。均攤下來，車企如果可以賣200萬臺車，平均單車的費用大概為1萬元。能賣2000萬臺車，平均每臺車的成本1000元。 

目前，新興的新能源車品牌，每年銷量大概在10萬臺的水平，基本上很難承擔如此高昂的投入。 

而且，純視覺尤其是Occupancy，本身也有需要回答的問題，在通用障礙物識別方面，何時能通過不斷積累場景數據解決掉漏檢問題，或者從根源上找到解決不可枚舉問題的方法。 

再來看激光雷達。 

通常，主流的高階智駕方案會采用的配置是：兩顆英偉達Orin X芯片、7個800萬像素攝像頭、單顆激光雷達，以及毫米波雷達、超聲波傳感器等。 

兩顆Orin X的成本大概為800美元，7個800萬像素攝像頭的成本大概不到500美元，其他毫米波雷達、超聲波雷達成本相比攝像頭更低。 

據施葉舟透露，「激光雷達的成本已經降到1000美元以下，這個價格與六七年前的七八萬美元相比，已經降了幾個數量級。」 

激光雷達想要繼續降成本，一是集成，將核心零部件芯片化。二是規模化，實現更多地量產上車，通過規模來平攤成本。而禾賽在這兩個方向上都已經領先了一個身位。 

本土車企對于激光雷達的擁抱，讓激光雷達公司擁有了擴大規模不斷降本的可能性。 

目前，一款爆款電動車型比如小鵬G9的高階智駕選裝率，可以達到80%。 

明年，按照每款車單月穩態銷售1萬臺計算，每款車每年需要的激光雷達數量大概在10萬臺左右，如果選擇搭載兩顆激光雷達，這個數字還會翻倍。也就是，明年激光雷達的出貨量，大概率會在今年10萬臺級的基礎上成倍增長。 

隨著更大規模的到來，以及趕在路上的新一代產品，激光雷達「昂貴」的標簽可能將很快被撕掉。 

四、激光雷達對戰純視覺，車企將用腳投票

車企最終會選擇純視覺還是激光雷達方案，這個問題其實不難回答。 

頭部智駕玩家中，小鵬與華為均在率先應用激光雷達的能力。 

「激光雷達對我來說最重要的是城市場景下各種障礙物的識別能力，因為那些障礙物是各種各樣的，甚至是不可枚舉的，視覺來解決有一些難度，激光雷達可以直接把3D的可達空間畫出來。」原小鵬汽車自動駕駛副總裁吳新宙曾表示。 

華為將激光雷達用在了GOD（通用障礙物檢測）網絡中，通過融合激光雷達，華為的智駕系統在暗光、逆光和眩光等場景下可以做到更準確的識別，還能識別側翻車輛、掉落的大紙箱、落石、倒地的大樹等。 

將激光雷達的感知數據融合到視覺算法，對于提升感知能力的效果是非常明顯的。尤其是，在最近華為與何小鵬的AEB爭論中，智能駕駛與主動安全的關系被擺在桌面上。 

一番爭論下來，答案逐漸清晰。 

更強的智駕能力一定有利于提升主動安全比如AEB能力。而激光雷達這類傳感器，對于增強智駕方案感知又是毋庸置疑的。 

對于車企而言，激光雷達是一個現成的工具，效果立竿見影，能夠助力高階智能駕駛功能加速量產落地，更早地進入市場。如果說智能駕駛的比拼是一場馬拉松，激光雷達則直接開辟了一條捷徑，可以幫助車企迅速「超車」，同時還能省去一大筆隱形的成本支出。 

如果有更高效的工具，何必不用呢？ 

返回第一電動網首頁 >