淘金热中卖“铁锹”的才最赚钱：激光雷达发展趋势漫谈

编者按：本文来自微信公众号新智驾，作者：大壮旅；36氪经授权发布。

虽然开发者们在机器学习的研发上忙得不亦乐乎，但事实上 AI 并不是万金油，没有充足的传感器支持，自动驾驶汽车在安全性上还是达不到要求。

特斯拉 Model S 在 2016 年一头撞上卡车造成司机死亡的事故就给我们敲响了警钟，当时车上的摄像头没能识别出那辆体型巨大的白色卡车。

因此，为了保证万无一失，车辆必须对周围的环境进行精确可靠的建模，特别是识别出关键的“威胁”，而这个过程主要靠一台甚至多台激光雷达或基于激光的远程传感器。

不过，这只是理论上的。现实中激光雷达反而成了自动驾驶行业的心病。它们确实好用，但大多数测试车上使用的 Velodyne 旋转式激光雷达单价就高达 7 万美元。这样的自动驾驶汽车放到零售市场根本就是“找死”。

当然，激光雷达技术可不是铁板一块。好消息是，业内有大量公司加入了这场淘金热，它们要通过技术创新彻底打破激光雷达市场的格局。

在今年的 CES 上，我们就见到了许多前途远大的公司，其中的一些还拿出了表现亮眼的原型产品。虽然现在判断谁能笑到最后还还为时尚早，但我们对它们的发展路径进行分析与评估还是很有必要的。

为什么激光雷达成了“天选之子”？

自动驾驶汽车搭载的传感器类型一般包括摄像头、雷达、超声波传感器和激光雷达。

摄像头生成的数据，人就能看懂，不过其测距能力堪忧，而且对光环境也十分挑剔。在英伟达的自动驾驶研发中，摄像头一直占据核心角色，而被英特尔鲸吞的 Mobileye 也在销售以摄像头为核心的系统。

雷达在探测距离上优势巨大，也不怕天气影响，不过在识别物体时分辨率有些让人担忧。值得注意的是，在与 Mobileye 分道扬镳之前，特斯拉一直在用 Mobileye 的摄像头方案，但现在特斯拉换成了以雷达为中心的方案。

不过，以上这两种传感器在江湖地位上还是无法与激光雷达平起平坐，后者已经成为大多数顶级自动驾驶系统的基石，包括 Waymo 和 Uber 等公司都在追逐最新的激光雷达技术，两家巨头对簿公堂就是因为该技术（Uber 最后赔了 2.45 亿美元，该技术的重要性可见一斑）。更疯狂的是，Aptiv（安波福）公司的自动驾驶展示车甚至直接装了 9 台激光雷达。

眼下，高端型号的激光雷达可以提供近乎完美的 360 度距离探测信息，其分辨率也相当惊人。

不过，7 万美元的售价可不是闹着玩的。此外，车辆还得顶着一个巨大的“大花盆”在路上飞驰。因此，未来如何降低激光雷达售价并缩小其体积是各家厂商 ADAS 与自动驾驶系统研发中的刚需。

MEMS 反射镜和半导体激光雷达

现有的激光雷达系统包含大量平行的激光器，每个还都配了自己的探测器。

通过一个旋转的反射镜，整套系统会生成一个 360 度的单色距离图。在制造过程中，激光器和探测器必须小心进行匹配。类似英飞凌这样的公司则靠 MEMS 技术（微机电系统）移动反射镜，不但简化了整个系统的架构，还大幅削减了成本。

除了使用 MEMS 技术，研发人员认为借助类似摄像头传感器的半导体也能实现相同效果，只需用激光来弥补摄像头测距能力孱弱的软肋。

这样的设计不但降低了成本，还能轻松整合进挡风玻璃或车辆的 A 柱中。不过这样设计的最大限制是视场，仅有 120 度左右。这也就意味着，要保证自动驾驶汽车的安全，车上就得安装多个激光雷达，车载计算机还要第一时间将激光雷达采集的数据进行整合。

从理论上来讲，半导体激光雷达在探测距离上也会弱于那些更大的旋转激光雷达。要想实现探测范围的全覆盖，要么在车的各个角上安装多个激光雷达，要么就安装一个大型旋转式激光雷达，外加几个辅助的半导体激光雷达以消除盲区。

由于当下激光雷达在体积和售价上的限制，许多设计师选择用摄像头或其它偏移传感器来解决顶置旋转激光雷达的盲区问题。

Velodyne 已经成了激光雷达代名词

借助 DARPA 自动驾驶挑战赛一战成名的 Velodyne 现在几乎已经成了激光雷达的代名词。

如果你在自动驾驶汽车车顶上看到一个旋转的巨大设备，那肯定就是昂贵的 Velodyne 激光雷达。眼下，大多数厂商采用的都是 64 线激光雷达。不过市场上还有性能更强也更昂贵的 128 线激光雷达和体积更小的 32 线激光雷达。

一般来说，用于顶级研究和地图绘制的车型会搭配最好的激光雷达，但大多数被厂商吹得天花乱坠的原型车却只能安装几台小型激光雷达。

不过，Velodyne 独霸车载激光雷达市场的时代可能一去不复返了。

在今年的 CES 展上，参展的激光雷达厂商已经 16 家以上。当然，并不是所有厂商都能拿出完整的产品，类似 Leddertech 这样的公司，就专攻将自家信号处理技术整合进来自其他公司的传感器。

除此之外，还有一些创新能力很强的新创公司，开始往激光雷达中添加多个传感器和传感器融合。

传感器融合是下一步：AEye 和 Tetravue

虽然转向半导体激光雷达能大幅拉低设备成本，但这种解决方案依然有很多创新与整合的空间。

鉴于激光雷达只是自动驾驶汽车的必备输入之一，因此将多个传感器的融合优化成连贯的数据模型是自然而然的要求。眼下，整个传感器融合的过程是在类似英伟达 Drive 芯片的迷你超级电脑中完成的。

新创公司 AEye 已经将激光雷达和一颗传统摄像头整合到了自家的原型传感器上，它们还给这套系统加了个“大脑”，以便根据激光雷达和摄像头的反馈对激光模式进行优化。

AEye 认为，这样的解决方案在效率上可达传统 MEMS 激光雷达的五倍以上。同时，它还能提供完整的 RGB+ 深度图像。AEye 还将新产品命名为 iDAR，宣称自家产品在识别物体能力上是传统激光雷达的 10 到 20 倍。今年，首批 iDAR 就将正式走下生产线。

Tetravue 也想实现相同的成绩，不过它们选的路有所不同。该公司不但在系统中加入了传统的摄像头，还给它配备了光限幅器，这样一来不但能得到 RGB 数据，还能采集准确的深度信息。

Tetravue 有希望今年晚些时候拿出测试产品。令人振奋的是，Tetravue 背后有三星、富士康和博世等巨头，这样它在创新路上就不那么艰难了。

欧司朗和 EPC：“把铁锹卖给矿工”

无论是哪场淘金热，最有可能赚钱的就是那些卖工具给矿工的公司。

在自动驾驶行业，如果你深挖激光雷达的供应链，就会发现许多有实力的公司。欧司朗就是其中之一，这家半导体制造商已经将自家产品植入多个激光雷达设计，其中就包括 Velodyne 的产品。

如果再进行细化，就要说到控制激光发射的高速氮化镓（GaN）半导体材料了。EPC 是这个小圈子内的翘楚，EPC 公司的 CEO Alex Lidow 就表示，几乎所有的激光雷达制造商都是 EPC 的客户。

无论最后的胜利者是谁，激光雷达为汽车公司和消费者带来的好处都显而易见。未来，我们的自动驾驶系统和驾驶员辅助系统都会用上价格更低、使用更灵活的激光雷达。