激光雷達的概念，被國產車企神化了。

1607年，伽利略做過一次測量光速的實驗。他嘗試用距離和時間測算出，光在空氣中傳播的速度。但我們知道，在那個年代的技術條件下，伽利略沒法準確測試光速。

然而今天，我們已經能測出，一束光從射出至遇到物體后返回的精確時間差，同時我們也知道精確的光速，于是這個辦法就可以用來測量發射點到目標物體的距離，這種方法叫“飛行時間”，簡稱TOF。 

被車企捧上天的激光雷達，正是利用了“TOF測距原理”。

激光雷達，通過發射激光束來測量周圍環境物體的距離和方位，從而判斷車輛與障礙物的相對位置。自動駕駛算法將根據這些傳感器感知的數據，最終對車輛下達各種操作指令。

特斯拉CEO埃隆·馬斯克，曾多次公開攻擊激光雷達路線：“傻瓜才用激光雷達”，并且堅持采用純視覺路線。但恰巧相反，幾乎所有的國產汽車企業都選擇了激光雷達路線。通過預埋激光雷達，為新車貼上“智能化”的標簽。最近，大家是在硬件數量、車型數量上“卷”了起來。

據虎嗅統計，已量產/計劃2022年量產的激光雷達車型至少有12款，絕大部分新車型都在這次廣州車展上進行了亮相。其中，搭載華為自動駕駛技術的車型就超過3款，而小鵬汽車則已有2款激光雷達車型，而長城旗下高端品牌沙龍汽車，更是夸張地裝上了4顆激光雷達。

這給消費者一種“激光雷達元年”既視感。 

歸根結底，車企瘋狂推出激光雷達車型，是想拉高硬件的天花板，不管最終能實現哪些自動駕駛軟件功能，但起碼硬件參數不能落后。子曰：“工欲善其事，必先利其器。”雖然想法是好的，但僅憑一頁PPT、一臺展車，消費者為什么要掏出四五十萬元為激光雷達買單？

國內激光雷達廠商速騰聚創告訴虎嗅，產業爆發時間點已經來臨，激光雷達行業在2016年左右開始加速發展，高性能的車規級激光雷達產品已經成熟并車規量產——“2021年已經是激光雷達的量產元年。”

一、路線之爭：還沒有終極方案

當下，國內的激光雷達市場正經歷著與動力電池幾乎一致的技術路線轉變歷程。 

早期，是以三元鋰電池為主的階段，企業追求的是高性能，而忽視了高成本。但隨著更多“國產替代”的出現，成本優異的磷酸鐵鋰電池受到追捧，但性能上有一定短板。每一種技術路線，都有它的優劣勢，企業會嘗試從技術層面去解決問題。但在很長時間內，可能看不到終極解決方案。

激光雷達，作為“所見即所得”的傳感器，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，是實現高階自動駕駛的“必備神器”。

根據掃描模塊結構劃分，激光雷達可大致分為：機械式、半固態、固態三種。

激光雷達主要技術路線分類（來源：禾賽科技招股書）

機械式激光雷達，是最早進入市場、最成熟的一種技術路線。它是指的在垂直方向上排布多束激光器、通過電機帶動光電結構 360°旋轉，從而化點為線形成三維點云的方案，其線數與分辨率成正比，具有高分辨率、高測距的特點。

“機械式激光雷達就是搞一面鏡子繞著激光源轉啊轉，達到更多角度的覆蓋，大家看到一些車輛上面有儀器在轉啊轉的，就是這個原理。”某自動駕駛公司從業者告訴虎嗅，因為對裝配要求高，機械式很難做到量產，例如，Velodyne 32線激光雷達HDL-32E，就需要32組發射光源與32組接收光源進行一一對應調試，容易出故障。

除了激光器堆疊需要人工操作之外，機械式的平均失效時間僅1000-3000小時，與車規要求的最低 13000小時差距明顯，難以實現乘用車的前裝量產。所以，機械式激光雷達一般只會被用來作為L4/L5自動駕駛測試或運營車的主雷達。

2019年，是“機械式激光雷達”折戟中國的一年。

這一年，美國激光雷達企業Velodyne就曾起訴中國激光雷達創業公司禾賽科技與速騰聚創。根據法院文件顯示，公司狀告禾賽科技與速騰聚創正在銷售的產品侵犯了其NO. 7969558美國專利（高清晰度激光雷達系統）的多個方面，該專利權曾在2011年被授予Velodyne的創始人David Hall。 

但慶幸的是，“558”專利主要是限制了其他廠商在機械式激光雷達的后續研發。但以速騰、禾賽為首的國內廠商，已經搶先布局了半固態激光雷達。雖是無奈，但這恰巧是趨勢所在。 

半固態激光雷達，因為可轉動的部位更少，也就越穩定，制造成本越低。比如轉鏡方案中，它的收發模塊保持不動，電機在帶動轉鏡運動的過程中將光束反射至空間的一定范圍，從而實現掃描探測。而微振鏡方案，則采用高速振動的二維MEMS微振鏡實現對空間一定范圍的掃描測量。

但因為掃描的方式不同，導致了不同技術路線的激光雷達，呈現出來的數據有一定差異。某自動駕駛解決方案商告訴虎嗅，“成本低且穩定性強的激光雷達，覆蓋范圍較有限，而且其中的部分產品會由于掃描模式的復雜度（短時間內同一方向多次掃描）造成重影問題，導致測距不準。”

目前，起售價不到20萬的小鵬P5，搭載兩顆來自大疆Livox覽沃的HAP激光雷達，屬于轉鏡半固態激光雷達的一種，其工作原理是由旋轉的棱鏡折射激光，通過改變光路使其掃描到更多地方來進行建模。因為減少了激光發射和接收的線數，極大地降低了物料成本。

但是，HAP激光雷達也一個不足之處在于，缺乏實時性，點云密度會受掃描時間影響，往往呈現出中間的密度最高，周圍逐漸較低的點云特征（呈菊花狀）。為解決該問題，覽沃通過算法適配，使得這款激光雷達能在0.1秒的積分時間下，可以做到等效144線水平，和機械式激光雷達的效果無異。

硬件的差異，并不意味著最終落地的功能就會落后。

要知道，小鵬P5所用的HAP激光雷達，并不是主要決策數據來源，而是作為前方環境的數據補充，提高車輛在進行高級輔助駕駛時的安全性。

這就像動力電池一樣，車企和廠商一方面是改善低成本產品的性能，另一方面也會尋求更理想的終極方案。禾賽科技告訴虎嗅：“Flash、OPA等純固態激光雷達設計中沒有任何運動部件，理論上體積可縮到所有方案中最小，一直被認為是車載激光雷達的終極形態”。

但是，由于目前基礎元器件技術限制，Flash方案的產品探測距離遠不如MEMS或機械式，主要用作補盲雷達；OPA方案距離產品量產還有長的路要走，相關的樣機還處于很早期研發階段。 

二、成本之爭：成本降百倍，賣到白菜價不是夢 

早在2017年，奧迪發布全球首款量產的L3級自動駕駛汽車——奧迪A8L，也是首款搭載激光雷達的量產汽車。是由零部件制造商法雷奧Valeo與德國傳感器技術公司Ibeo聯合進行的開發，A8L上那顆SCALA激光雷達，正是半固態激光雷達的“鼻祖”。

當然，不是每家車企都有奧迪如此強大的號召力，能讓供應商為其開發最先進的激光雷達。再加上，買百萬級豪華品牌車型的用戶對價格并不敏感。但當車型售價拉低到30萬元的級別時，每加一顆激光雷達所產生的成本差異，就會顯得格外亮眼。

早期的激光雷達市場，主要是那些不計成本科技公司做自動駕駛測試用。比如2016年，一枚由美國廠商Velodyne制造的16線機械旋轉式激光雷達售價約8000美元（約合人民幣5.1萬元），一枚以同樣原理制造的64線激光雷達售價高達8萬美元（約合人民幣51萬元）。 

今年年初，國金證券發布研報《放量在即，激光雷達開啟前裝元年》稱，已確認搭載激光雷達的前裝量產車型將于2023年突破30萬臺，價位集中在40-80萬元。但長期來看，未來高階自動駕駛的激光雷達將逐步將整車成本控制在1000美元以內。

而根據華為計劃，其等效96線激光雷達的價格將要下降到200美元/臺，未來目標是將價格下探到100美元/臺，解決激光雷達上車的成本瓶頸，為L3級及以上高級別自動駕駛汽車的量產提供可能。

“激光雷達作為一種集光、機、電一體化的精密傳感器，它的核心元器件不只有運算芯片，很多核心光機電的零部件和技術不都遵循‘摩爾定律’”，速騰聚創向虎嗅表示。激光雷達內部有數百個細分器件，在生產工藝上，物料成本和設備調試成本高；在產品結構上，機械部分增大了雷達的體積和重量。

想要降低成本，就需要從最底層的芯片開始改變。“芯片化升級，可以把激光雷達的成本和量產的棘手問題，變成了一個‘半導體’問題。”禾賽科技告訴虎嗅。

實際上，激光雷達的BOM成本（物料成本）中，占據大頭的激光收發模塊，包括了激光器、探測器、激光器、激光驅動、模擬前端等電子部件。通過將這些激光器元器件集成在芯片上，來實現降低物料成本、降低安裝調試成本，同時還可以通過不斷提高半導體的制程，進一步降低芯片成本。

不同于常規意義上的“價格戰”，通過“芯片化”來降低價格的做法，非但沒有以犧牲產品的性能為代價，反而還“順便”帶來一系列性能、功能上的提升。

比如速騰聚創的“智能固態激光雷達M1”，是基于二維MEMS智能芯片掃描技術而來。不僅內部結構更精簡、元器件更少、集成度更高，同時，它還多了一個“凝視”功能，可動態調節分辨率以及刷新率的大小。

速騰聚創也告訴虎嗅：“MEMS方案中，技術壁壘比較高的是二維MEMS智能掃描芯片，我們用的MEMS芯片是完全自研的，該芯片已通過車規驗證，目前正在規模化車規量產隨M1交付定點客戶。”

但是眾所周知，芯片化是一個長周期并且極容易失敗的工作。所以理論上，只有廠商大量出貨、車企大批應用，新產品的性能和可靠性才能被市場所驗證，并且反過來推動新技術迭代。

說白了，這就和當年動力電池一樣。早期的磷酸鐵鋰電池，因為性能不如三元鋰而一直不被看好，但因為其成本更低、安全性更高，所以在特斯拉、比亞迪都采用磷酸鐵鋰之后，拉動了規模化效應。越來越多的廠商去通過技術方式來解決它的短板。

三、規模之爭：車企與廠商的博弈

“規模化是降本的核心條件之一。”

速騰聚創也向虎嗅表示：“激光雷達技術的突破和成熟，是從產品設計出發，精簡結構，提升可制造性，降低產品量產所需的物料成本和生產制造成本。大規模的前裝訂單是激光雷達進入車規量產階段的觸發條件，量產的規模化效應也隨之帶來激光雷達元器件成本和生產制造成本下降。” 

汽車是一個規模化效應尤為明顯的行業，動力電池已經證明過，如今到了激光雷達行業。

“成本及規模化一直處于動態平衡中，成本下降帶動規模化應用，規模化應用又使得成本下降，兩者處于正向反饋中。這從這幾年激光雷達的成本下降便可以看出來。”輕舟智航感知總監張雨告訴虎嗅。

但激光雷達在乘用車市場仍處于早期，剛開始合作的車企與廠商會存在一定的博弈：一方面車企想要以更低的價格采購高性能的激光雷達；另一方面，廠商只有采購量不斷增加形成規模化效應之后，才能降低激光雷達的價格。所以，在合作初期，雙方對于價格與規模，要達成較為一致的認知。 

大廠一般都會通過投資的方式來，鎖定激光雷達的價格和產能。

行業里最近一次較大的融資時間就在11月16日，禾賽科技宣布獲得來自小米產投7千萬美金追加融資，加上之前官宣的超3億美金融資，禾賽D輪融資總額已超過3.7億美元。相關數據統計顯示，這是2021年以來國內激光雷達領域單筆規模最大的融資。

這也是小米自6月以來第二次加持禾賽，本輪融資的其他領投方還包括高瓴創投、美團和CPE等。自6月份以來，禾賽科技已經和至少12家OEM及自動駕駛研發企業達成了合作，包括理想汽車、路特斯、集度、愛馳汽車、華人運通等。除此之外，一徑科技、Innovusion、鐳神智能、探維科技等激光雷達廠商也相繼拿到了新一輪的融資。

主機廠這邊，福特、戴姆勒、沃爾沃等跨國主機廠，基本上會選定至少一家廠商進行投資。比如，蔚來通過蔚來資本連續三次投資了Innovusion的A輪、B輪和B+輪融資。在Innovusion的B+融資公告中也寫道：“本輪融資將主要用于力挺面向前裝量產的蔚來ET7激光雷達的大規模量產交付。”

顯然，激光雷達“搶貨大戰”正在愈演愈烈。

但這樣的內卷，在行業人士看來是有利的。“這是一個雙邊合作的關系，兩邊各自承諾一些事情，然后大家建立這種信任，那就去干就完了。實際上，就是一開始的這筆投資誰先扔進去，只要有一方一扔，那就轉起來了。”某自動駕駛供應商內部人士告訴虎嗅。

“我們也一直盯著MEMS激光雷達，他們（激光雷達廠商）都說你到10萬的量，我就能給你降到兩三百美元。你要是幾十萬的量，我100美元完全可以做到。”上述自動駕駛供應商內部人士告訴虎嗅。

根據沙利文預測，至2024年全球激光雷達市場將達到135.4億美元，2020-2025年復合增速達到64.65％。分析師認為，激光雷達性能優勢+價格下探+下游需求迫切，三因素共振推進激光雷達成為配套汽車量產主流方案。

而在目前市占率方面，中國有5家中國廠商較為突出，但仍是法國廠商獨占鰲頭。

據咨詢公司Yole Développement數據顯示，激光雷達廠商在汽車和工業市場應用的份額占比排名，法雷奧排名第一，占比 28%；速騰聚創RoboSense占比10%，排名第二；Luminar、大疆Livox、電裝、大陸、Cepton五家廠商以7%占有率，并列第三；Innoviz、Ibeo、Innovusion、華為、禾賽科技、Innovusion圖達通、Velodyne，占有率均為3%。

四、功能之爭：車企的兩難式內卷

激光雷達量產上車，只是實現自動駕駛的開始。

這就好比，準備了一桌好食材，但能否把好食材烹飪成一桌美味佳肴，完全取決于廚師的水平。

“現在車企的軟件能力，肯定是跟不上的，這是非常肯定的。”某自動駕駛供應商內部人士告訴虎嗅。目前，業內對于自動駕駛功能有一個較為統一的認知：先把硬件留足富余，量產上車以后，再通過軟件OTA讓功能不斷升級。

以搭載2顆激光雷達的小鵬P5為例，在早期交付到用戶手里時，它是不具備宣傳時所說的“城市NGP”功能——在導航基礎上，可以在部分市區場景內實現自動駕駛，比如“人車混流無保護左轉”功能，還可以實現“語音變道”。

在1024科技日上，小鵬展示了城市NGP在P5上的實測視頻：路線全長15公里，從停車場出發，經過廣州鬧市區，最終到達另一個停車場。這基本上，已經可以理解為“城市自動駕駛”了，但考慮到法規和用戶安全等問題，在宣傳時，自覺的企業還是會適可而止的。

很多車企都在說的“DOOR TO DOOR門到門”自動駕駛功能，包括搭載華為自動駕駛技術的極狐阿爾法S Hi版也是如此。但到今天能夠拿出車輛實測視頻的屈指可數，雖然大家都在批判特斯拉的自動駕駛不靠譜，但最起碼人家在美國地區，通過OTA升級讓車輛實現了城市自動駕駛的能力。

“特斯拉一直就是如此，他先裝的非常強大的硬件，然后軟件再做迭代。這個行業就是如此，硬件迭代周期非常慢，你現在不裝，可能一、兩年之后就落后了。但是，軟件隨時可以OTA。”上述自動駕駛供應商內部人士表示。其實，很多傳統車企只學到了特斯拉的前半部分，學不到后半部分。

回到自動駕駛實現路徑上來看，最核心的是解決三個問題：“我在哪？”、“我要去哪”、“我要如何去”。

按照行話來說就是：感知、決策與執行。更形象的來說，感知層就相當于人的五官，感知周圍的環境，搜集數據傳輸到決策層；決策層相當于人的大腦，處理感知層傳輸的數據，輸出相應的操作指令給執行層；執行層相當于人的四肢，執行大腦給出的指令。

激光雷達，因為具有可準確獲取目標的三維信息、分辨率高、抗干擾能力強、探測范圍廣、近全天候工作等優點，在智能駕駛環境感知系統中占據了重要地位。但激光雷達僅僅只是一個數據收集的傳感器，并不具備決策和執行的能力。換句話說，激光雷達只是承擔了“眼睛”的角色。

有了千里眼還不夠，關鍵還得靠利用好激光雷達所產生的數據，也就是靠算法。本質上，各類自動駕駛功能均依靠特定的應用算法開發實現。自動駕駛的環境復雜多變，從龐雜的激光雷達點云數據中準確快速地提取有效數據，并正確理解與分析有用信息是激光雷達應用算法開發的終極目標。

但還是會有不少問題。比如目前，自動駕駛激光雷達應用算法尚沒有統一的框架和評判標準，具有較強的針對性和一定的特殊性。往往是精度越高、適應性越差，使用范圍相當有限。面對各類復雜多變的自動駕駛場景，使算法具有擴展性和可移植性，提升算法的自適應性尤為必要。

另外還有數據驅動的功能迭代，也是考驗車企的一道坎。

“感知和規劃全都是由數據驅動。數據驅動的優勢在于，智能駕駛系統中，遇到的corner case的數量級是超過百萬級，這僅靠工程師去優化是不可能的。因此真正強大的智能駕駛一定要靠數據驅動，把大量概率小但會碰到的場景，通過數據化的方式去迭代和優化。”智己汽車聯席CEO劉濤告訴虎嗅。

不過現在好了，傳統汽車企業沒有軟件能力沒關系，有錢就行。

“很多車企甚至自己沒有軟件的能力，直接跟激光雷達的供應商說，干脆你把算法直接給我捎里面完了。然后激光雷達供應商可能也沒有算法，最后可能來找我們。”上述自動駕駛供應商內部人士表示。

這其實并不奇怪，在ADAS輔助駕駛領域，英特爾旗下的自動駕駛公司Mobileye曾一度占據了75%的市場份額。之所以成功，是因為它不只是做視覺傳感器的普及者，而且是“視覺傳感器+計算芯片+智能算法”的一整套解決方案商，這種接近于“即插即用”的合作模式備受車企喜愛。

在2021年GTC大會，英偉達發布了完全自主設計的智能駕駛解決方案——NVIDIA DRIVE Hyperion 8，這是一款用于全自動駕駛系統的計算機架構和傳感器組，它配備了英偉達自研芯片、英偉達推薦的攝像頭、英偉達推薦的雷達，甚至還有英偉達標準的開發套件。

另外，英偉達還直接展示了團隊開發的感知算法，同時也提及自己的“高精地圖測繪能力”。雖然英偉達沒有直截了當的告訴車企，我們可以給你做全棧自動駕駛解決方案，但基本也展示出英偉達有做一家自動駕駛全棧供應商的實力。

英偉達早期只向廠商提供芯片，到現在開拓各條戰線。實際上，也倒逼著國產芯片廠商，提供更多軟件方面的業務。比如前段時，剛囊獲小米投資的AI芯片公司黑芝麻智能告訴虎嗅：“因為軟件、算法及配套的開發支持，是體現芯片易用性的重要指標。目前的國產芯片相較于國際芯片品牌，它的優勢主要就是體現在靈活高效的支持上，對客戶貼身支持開發與服務。”

“開發工具鏈是否完善是體現芯片易用性的重要指標。配合華山系列自動駕駛計算芯片，黑芝麻智能還發布了山海人工智能開發平臺。它擁有50多種AI參考模型庫轉換用例，降低客戶的算法開發門檻。”

總的來說就是，有沒有全棧軟件自研能力都不重要，激光雷達廠商、自動駕駛解決方案商、自動駕駛芯片廠商們，總會有人幫車企來釋放激光雷達的硬件價值。本質上，還是看車企愿不愿意花錢。

最后的最后，還有一個至關重要的問題，需要車企自己來解決：“嬌貴的激光雷達要如何保養？”

一位自動駕駛業內人士向虎嗅表達了這樣的擔憂：“激光雷達的防污問題，以及后續的維修問題，車企目前沒有給出類似的方案。比如臟了，車主應該怎么擦干凈；壞了，車主是不是自己掏大錢換？”

上激光雷達，只是麻煩的開始。但大家都上了你不上，也是麻煩的開始。激光雷達行業的內卷，源于造車行業的畸形內卷。

寫在最后

“現在各行各業內卷都很嚴重。每個消費者都會有自己的選擇，我們不可能讓所有的消費者都喜歡我們，但是我們第一個走出內卷，還是把自己有特點的事做好。”小鵬汽車聯合創始人、總裁夏珩在不久前的廣州車展上如是說道。

激光雷達的“內卷”已然形成，這對于消費者來說必然是好事。但同時，更多的選擇性意味著可能有魚龍混雜的情況出現。所以，在硬件配置之上，更需要認清一家車企在軟件方面的能力。最起碼的，也應該對用戶的真實體驗負責，而不是像當年山寨手機一樣，靠攝像頭數量、像素來吸引消費者。

正如智己汽車聯席CEO劉濤所言：“高科技不應該是炫技，而是要真正為用戶的駕駛體驗服務。”

國產車企們，別讓激光雷達，成了2022年的韭菜收割機。