2022年初，Velodyne亞太區負責人翁瑋悄然離職。

這個在2016~2018年統治中國自動駕駛市場長達3年的美國激光雷達巨頭，在董事會卷入長達兩年無休止內斗、固態產品研發陷入停滯后，徹底拱手讓出中國市場。 

與此同時，因反向拆解Velodyne產品而登上自動駕駛歷史舞臺的速騰、禾賽等中國大多數激光雷達廠商，也走到了一個必須依靠自己力量與速度，而非“逆工程能力”才能活下去的關鍵節點。 

一方面，自動駕駛巨大的炒作推力、華為的攪局，讓激光雷達成為車廠們“幻想超越特斯拉”的不二選擇；而另一方面，雖然用于避障與測繪的激光雷達在工業界已存在20余年，但能嵌入車里的固態激光雷達卻需要被重新定義與構建。 

機械激光雷達因復雜的系統構造顯然過不了車規，純固態路線尚未成熟，混固態路線成為大多數公司的選擇，但成本仍未降至車廠最佳預期。 

換句話說，即便是2022年當下，也沒有堪稱完全合格的車載激光雷達。 

在所有技術路線都未跑出的狀態下，很多創業公司再次嗅到了吞食巨大蛋糕的新機會：國外，包括已上市的Luminar、Ouster等數十家固態公司蓄勢待發；國內，除了大疆、速騰、禾賽、一徑等堅持下來的佼佼者，一支掌握著多項固態專利的清華博士團隊，也準備加入混戰。 

清華實驗室的“固執” 

早在2017年，有遠見的創業者們從奧迪A7上那顆法雷奧生產的4線激光雷達上，就嗅到了擺脫Robotaxi狹窄市場束縛的商機。如果回看當年的媒體報道，表達“固態激光雷達上車量產愿景”的中國創業者聲音不絕于耳。

就是在那樣一個極具市場誘惑力的時間點，王世瑋跟4個清華精儀系兄弟，在2017年一次年后的聚會上，“用10秒鐘思考時間”做出了成立一家公司——探維科技的決定。 

其中，有十幾年激光雷達開發經驗的CTO鄭睿童博士，他是固態激光雷達和圖像融合技術的開創者；有總工程師張正杰，他除了是清華大學及德國亞琛工大雙學位碩士，也擁有一雙切割金屬的“黃金手”，曾任中國中車二七裝備有限公司技術總監。 

而被推上CEO位置的王世瑋，作為曾參與過國家重大秘密衛星項目的光學專家，其真正對汽車供應鏈有了全面認識的時間點，則是在2016年加入信通院參與汽車零部件標準制定以后。

“這波大潮來了，沒有人會無動于衷。在成立探維前，我們都已經工作了好幾年，被技術與市場碾壓過幾輪，很多事情已經考慮得非常充分?！?

他們覺得在實驗室和超凈間里搗鼓了十幾年雷達與光學儀器，對相關技術輕車熟路，便也能跟法雷奧一樣，未來拿下車廠的千萬訂單。 

然而，接下來的兩年，情況急轉直下——沒有成熟的量產技術，更沒有市場。 

“在華為沒有明確說要上固態激光雷達之前，其實整個產業都呈一個觀望狀態。那時機械式雷達‘統治’自動駕駛市場，而固態路線不僅存在一堆技術問題，還沒有市場?！?nbsp;

王世瑋記得，2019年之前，高階自動駕駛只需機械產品就能滿足，而汽車產業只是“雷聲大雨點小”——傳統車廠們還停留在思考“蔚小理”能不能活下來的暗諷期。 

因此，當2019年，高階自動駕駛步入第一個寒冬時，只有一條大腿可抱的激光雷達公司處境也變得極為艱難。

“這本質仍然是一個先有雞還是先有蛋的問題?！眱赡陼r間里，他們只得先做16線混固態產品，打入能提振銷量收入的非汽車產業。 

“情況當然不好，因為固態那時候根本不是剛需，即便測試也只是出貨一小批，車廠根本起不了量。最壞的時候……應該是2019年底，如果最新一筆融資沒到賬，我們連買機票去美國參加CES都捉襟見肘?！?王世瑋對于那時候的境遇只是輕描淡寫，覺得創業沒成功沒必要渲染任何情緒。 

“求存肯定是要先求存，但好在幾個合伙人都‘軸’，對，我們就是不改路線。如果說我們哪里最特別，可能是我們從來沒改過技術路線，我們就是要做固態。” 

這句話的確道出了那時候整個產業的技術趨勢與混亂狀態。 

作為激光雷達產業長達6年的觀察者，筆者看到，大部分創業公司幾乎把機械、半固態以及固態摸索了個遍。但為了生存，不得不先把“機械式雷達做到國產替代”。 

而傳統工業級激光雷達制造商，也都是以機械式雷達見長，他們一邊驕傲地與Velodyne的64線機械產品一較高下；一邊照搬法雷奧唯一車規產品的技術路線以求上車。 

但并不是所有創業者都像王世瑋團隊一樣幸運。 

2019年前后，若干家曾拿到融資的激光雷達創業公司宣布“關門停運”；而那些從工業與測繪產業試圖跨入車載行業的“老派”激光探測器制造商，沒有一個成功跑出來，便縮回了原來的賽道。 

有產業人士向我們陳述了一個不少公司放棄車載研發的觀點：“很多公司一聽華為要進來了，像泄了氣的皮球一樣，工程師也覺得技術沒戲，投入太大，不如回到他們擅長的舒適區，繼續搞工業和測繪?！?nbsp;

這個想法十分有趣，因為有頭部公司持有的另一個觀點恰恰相反：“恰恰是華為進來了，說明這個方向和市場特別有戲。跟強者競爭，才像個‘男人’?！?nbsp;

但誰也沒有想到，僅僅兩年時間，便再次迎來了2021年的劇變與爆發。

王世瑋回憶，2021年后與車廠的接觸驟然增加，投資人也主動找上門，而后者的判斷依據幾乎只有一個——這是個跟汽車產業顛覆性變革緊密相關的賽道。2021年9月，他們順利完成超1億元A輪融資，再無經歷此前“找錢”的坎坷。 

一切都變得更加有趣。

這個因自動駕駛概念而爆火的零部件，雖然至今沒有人說清楚它跟汽車銷量在未來5年里有什么必然聯系，但它卻已經與“芯片”一起，成為唯二能跟車廠大佬“直接對話”的Tier2廠商。 

而上一輪的“清洗”，直接導致這一波的車載激光雷達競爭者驟然減少，畢竟產業內有公司“硬抄”德國激光雷達系統商Sick產品都用了5年，這個硬件賽道也逃脫不了半導體與汽車產業的發展定律。 

如今，在國內，有一定固態技術與量產經驗的公司，除去華為與大疆，一個巴掌可以數出來；而另一邊，超過10家國外車載激光雷達廠商，則在最高難度的混固態與純固態賽道上皆有部署。 

而這份不長的固態激光雷達友商列表里，王世瑋的團隊終于可以有一席之地。 

固態技術之爭 

一說車載激光雷達，多數人想到的必然是無人駕駛汽車上那坨巨大的鋼鐵陀螺，那便是機械式產品的典型形態之一。鑒于車廠絕不會賣給你一輛“頭頂腫瘤”的消費級轎車，那么他們對車規級激光雷達雷達的特殊要求也就變得直觀和很好理解了：

體積、穩定、量產、成本。

小馬智行的Robotaxi，激光雷達通常架在車頂 

但像開頭說的，由于Velodyne是機械式激光雷達鼻祖，這使得機械式“從0到1”的部分已完成，才有了中國后進者一哄而上把1以上的部分逐漸累積完善，最終把市場拖入價格戰； 

而要打入汽車供應鏈的固態產品，則需要從上面極為嚴苛的4個維度做創新和減法，從產品角度來看，一切又回到了0。 

因此，現實情況是，車廠雖然因“自動駕駛”而建立了一套相對成熟的激光雷達認知體系，但迄今卻沒有統一檢驗與應用標準。 

據一位對激光雷達十分熟悉的產業人士回憶，2019年之前，國內車企老板一開始覺得激光雷達這個東西很簡單——“不就是像加攝像頭一樣嘛”。但后來發現下面的團隊沒人能搞明白，這個東西怎么加。 

“確切地說，2018~2019年是車廠的學習期，那時不少國內外車廠建立了激光雷達項目組，廣招人才，研究到底上激光雷達要怎么用，包括‘裝在什么位置’?！?nbsp;

他認為，那時國外車企走的相對更快，畢竟最早這個產業源自歐美，法雷奧的產品最早過車規，奧迪最先裝車，通用與福特那時也在跟激光雷達公司進行密切接觸。但是，從2019年后的產品進度和概念普及度來看，國外的確輸給了中國速度。 

一方面，由于性價比等多重因素，國產激光雷達正在逐步替代國外產品。譬如，某知名傳統車廠就準備將原來使用ibeo激光雷達的品牌線換成一家國內廠商產品； 

另一邊，車廠積累了充分測試經驗后，不再輕易被“那些好看的探測距離、視場角、分辨率、光干擾等產品參數”欺騙。 

舉個例子，以前各家激光雷達廠商都會將探測距離寫到100米200米300米，數字越大越好，但現在，車廠基本都清楚“這個數字究竟能在什么樣的環境條件下能測出來”，檢測目標都有哪些特點，白天和黑夜的光線干擾會造成多大的效果差別。 

“某國產雷達廠商產品可以做到在200m探測10%反射率的物體，已經很好了。一般10%的反射率相當于黑色輪胎，通常都會拿這類反射率低的目標物做一個最低標準?！?王世瑋認為，現在的車廠都不是小白，對“橫評”輕車熟路。 

“而且車廠問我們的問題，通常簡單粗暴——你價格能比XX便宜多少？”

然而，正是激光雷達在供應鏈中的權重逐步增高，新的問題隨之產生。 

截止目前，曾經高喊會因規?；抵?00元單價的車載激光雷達，成本仍高至幾千人民幣，部分產品的生產工藝良品率也不高；從穩定性看，所謂“過車規”，只有舊體系的一套指導原則在發揮基礎作用。 

“2017年奧迪用Scala激光雷達的時候，車規究竟是什么樣子，其實也是奧迪自己說了算。當然，在環境穩定性方面會有一個行業共識，畢竟攝像頭和毫米波雷達都要做環境穩定性測試。

但激光雷達在車上的檢測率、識別效果，甚至是與攝像頭等多種傳感器的配合度，其實行業并沒有統一的性能評測標準?！?

王世瑋在跟車廠溝通中，發現不少客戶已經具備了初步成熟的測試體系，或者從一級供應商那里做了很多借鑒，但的確缺乏標準性。 

有人曾向我們透露，2021年一家新勢力所謂上了兩臺激光雷達的量產車型，車頭的激光雷達幾乎沒有發揮作用。簡單來說，就是作為“車體裝飾”。這種尷尬的營銷性配置，也許未來仍會在其他車型上重演。 

此外，有人稱ibeo的量產產品雖然在體積上做到了跟iPhone一樣大小，但卻在散熱方面不及預期；而MEMS型產品（這是一種有名的混固態技術路線之一）的車規驗證并不完備，在穩定性上還有待提升。 

本質上，這些問題還是在于車載固態激光雷達產品在四個維度上都不夠成熟。

事實上，我們經常把激光雷達稱為“機械、混合固態和固態”的技術路線劃分方式，主要判斷依據是“掃描模塊是否會動，動的部分有多少”。

而這也是當下激光雷達過車規最大的技術難點之一。

從長遠來看，純固態一定是主流路線（譬如芯片級產品穩定性肯定最強）。但如今，無論是Flash還是OPA，所有固態技術尚不成熟——或造價高昂或探測距離短。而國外研發此技術的公司均無好消息。

迄今為止技術路線沒有誰輸誰贏，各有千秋。圖片來自民生證券 

因此，大多數希望盡快走入汽車供應鏈的企業，都選擇了混合固態技術路線。

在這個區間里，不少廠商選擇的是MEMS或其他雙軸振鏡技術方案。但是，在探測距離和環境穩定性上，仍然還存在難以兼得的狀態，需要繼續實現工藝突破。 

實際上，有產業人士曾告訴我們，在所有光學掃描方案里，反射式的單軸掃描是最經典、最穩定、最容易過車規的方案，同時也是最返璞歸真的方式。這也是為何包括法雷奧、禾賽等頭部廠商都在混合固態區間內選擇了這一形態。 

“但單軸也有很大的問題，就是怎么做到在控制體積的同時做到‘多線’，實現3D效果?！?王世瑋指出，傳統單軸振鏡與轉鏡產品大多都是單線雷達（當然也有法雷奧Scala這樣的4~8線產品），因此，就需要在其他部分做更多創新。

他提醒我們，由于市面上總是關注于激光雷達的掃描系統，恰恰就忽視了它另外三個重要組成部分——發射、接收以及信號處理電路。

“激光雷達比我們想像得要復雜太多，掃描部分在激光雷達結構里的占比其實并不高。而激光器與接收器，都在經歷著跟成本與性能密切相關的技術變革?！?nbsp;

王世瑋指出，即便他們掃描模塊走的是單軸微振鏡路線，但在給收發模組做“陣列化”創新后，除了做出多線效果，也要將光學裝調難度降到了最低—— 

在器件數量大幅減少的前提下，組裝調試時間用幾分鐘來完成。 

“我們的一個核心技術突破，是在收發模組層都采用了陣列化的集成器件，直接保證了探測分辨率從第一代16線產品突破迭代到64線，一直到現在的192線固態版本?！?由于收發系統細節涉及到技術專利，他只能透露基礎信息。 

“簡單說，就是用低成本、更穩定的單軸，做到了多線的感知效果。” 

在收發系統層面的技術革新趨勢，圖片來自民生證券 

直到現在，我們才意識到，雖然每家激光雷達企業的產品，在各種報道中，都會被簡單概括為某一種掃描形式。但事實上，由于激光雷達由上百種光學、電子器件組成，復雜度極高，遠遠不是“固態與非固態”可以代表的。 

甚至于，每家公司在光學設計、信號處理、集成方式、收發器件品牌與價格選擇上，都會有極大的差別。

舉個例子，在收發系統的設計上，激光雷達廠商大多會采用APD技術（上圖），而現在有往單光子器件SPAD發展的趨勢，但量產芯片化與性價比還有不足，國內也僅有幾家公司在做相關產品。 

因此，我們并非貿然下了這樣一個市場結論：

第一批上車的激光雷達，雖然為車廠們卯足了噱頭，但實際效果應該遠低于其宣稱的物體檢測與感知能力； 

而車載固態激光雷達之爭，在固態產品走向成熟、混固態產品成本持續降低、量產能力持續爬坡的3年里，仍然不會有一個明顯的高下之分。 

硬件融合大勢不可逆

就像在半導體世界里，多塊XPU融合的超異構計算創新掀起了第四代算力革命一樣，在自動駕駛汽車上，既然數據要在新舊傳感器之間穿梭與碰撞，打破了原有模塊化的獨立運行機制，那么必然就會打破硬件與硬件之間的“隔閡”。

因此，硬件融合趨勢，也發生了如今每天能夠加載1000萬條代碼的消費級汽車上。 

早在2008年，王世瑋在清華精密儀器與測量實驗室里，連過年都在忙著為一個國家衛星項目做圖像與點云數據融合技術時，肯定想不到，十幾年后，一項與之極為類似的技術會對自動駕駛和汽車產業有如此重要的作用。 

多傳感器融合。這是一個在車上為激光雷達、攝像頭、毫米波雷達等多種傳感器“建立聯系通道”，并為汽車大腦做信息預處理的關鍵步驟。 

如果打個比方，這是一種“讓汽車自動駕駛前，先把零部件們放進一個語言體系里對話”的能力。 

然而現實很骨感。這項自動駕駛相關的高級技術，遠遠未被汽車產業領會、消化和吸收。

“大多有自動駕駛業務或團隊的公司，在做傳感器數據融合時，都采用的后融合處理方案——攝像頭生成圖像的數據，激光雷達生成自己的點云數據，分別做感知，再交給主處理器做融合?！?

一位熟悉融合技術的工程師告訴我們，最常見的方法是把各類傳感器的線都接在一塊板子上，然后做標定和處理。

“但這種方法精度有很大問題，車上不同位置的傳感器在空間與時間上很難對齊。而且一旦圖像出現誤識別，你就得去檢查一下激光雷達的‘看法’，如果后者給了一個相反的判斷，那么你該選擇誰？這事兒永遠都得人為介入，或者預先制定規則，但也難免發出錯誤指令。”

他舉了個例子，某車廠在車頭兩邊塞了兩個激光雷達。但很明顯，車后的攝像頭與兩顆激光雷達的位置和方向完全不同，掃描角度千差萬別，通過“后融合”在精度上毫無疑問會有缺損。 

而“前融合”可以解決以上問題。 

這種方法的特點在于，把多個傳感器的原始數據先“揉搓”在一起，再扔在一個“神經網絡大鍋”里做感知訓練。這就好比把多個硬件組合在一起，形成一臺“超級傳感器”——不僅能看到圖像，也能看到紅外線和點云數據。 

這項技術在國內最有名的傳播者和實踐者，是曾經的明星高階自動駕駛公司Roadstar（很遺憾，這家公司因內斗而解散），其首席科學家、也是后來成立了元戎啟行的周光，曾詳細介紹過“前融合”的精度優勢：

“假設在你手上有個手機，激光雷達只能看到手機一個角，攝像頭只能看到第二個角，毫米波雷達可以看到第三個角。如果用后融合算法，由于每個傳感器只能看到一部分，因此物體非常有可能不被識別，最終被濾掉。但在前融合中，由于它集合了所有數據，相當于可以看到這個手機的三個角，那對于前融合來說，是非常容易能夠識別出這是一臺手機的?！?

但是，前融合方案在開發中會遇到很多技術難題。譬如開發與前融合數據相試配的感知算法。對于車載傳感器系統來說，想通過系統標定達到一百米外3~5厘米的融合精度，是一個幾乎不可想象的技術指標。 

王世瑋也極為推崇“前融合”這項對汽車自動駕駛能力至關重要的技術。但是，除了無可比擬的感知精度優勢，在清華實驗室為國家做過大型衛星前融合項目后，他認為對于汽車產業來說，保證系統“后續無人介入”更為重要。

“與汽車不一樣，衛星有個苛刻的客觀前提：你一旦發射了，就很難再去修正一些問題。這也就要求我們當時必須做到，讓產品在無人化狀態下實現一切自動化有序工作?！?nbsp;

他舉了個有意思的例子，當年美國哈勃望遠鏡發射上天后，科學家才發現它里面有塊鏡子不太好，看東西很模糊。但解決方法只有一個，就是再重新發一顆衛星上去，裝一個補償鏡。 

“我們當時做國家項目，不可能都像哈勃望遠鏡一樣，不斷發新衛星去維修，因此就必須保證衛星在無人狀態下自動化處理信息。而這就是我們當初采用‘前融合’技術的另一個重要原因——必須讓系統自己明白，怎樣讓像素與點云數據自動匹配起來。” 

因此，王世瑋與清華師兄弟，把當年在實驗室積累的衛星核心技術，特別是以激光雷達為核心的硬件級前融合技術，在這波自動駕駛浪潮的鼓動下，做了一些對應汽車軟件痛點的商業創新—— 

就像當年給衛星做數據融合一樣，先為攝像頭與激光雷達做硬件層的結構化集成，讓兩者實現基于同軸光學系統的空間對準與時間同步，免除標定步驟。 

簡言之，就是建立一種嚴絲無縫的“時空同步協作機制”，在攝像頭暴露圖像缺陷時讓激光雷達頂上；在激光雷達出現稀疏點云時，被攝像頭的優勢補齊。 

“激光雷達從一開始的4線、8線，再到16線、32線、64線以及128線，后面有沒有可能出現214線、512線？不太可能，因為這不僅耗費時間，廠商也要考慮線數與成本的平衡。” 

王世瑋覺得，激光雷達的技術積累是漫長的，不然業內也不會有人硬抄國外雷達就抄了好幾年。倒不如另辟蹊徑：“我們回想當初做項目的一些細節，其實就考慮過這個問題。譬如發現有些微小物體上的激光非常稀疏。那么在前融合狀態下，感知系統會‘自發’去倚重攝像頭做識別，這時候，激光雷達的分辨率大幅降低其實也沒問題?！?nbsp;

但他認為，這不是為激光雷達的低線數找借口，而是“如果你用一個128線的激光完全能夠實現2k高清圖像的效果，那么為何不這樣去做呢？” 

坦率講，雖然如今國內車廠嘴上都在說“軟件定義汽車”，但他們大多遠不具備突出的軟件實力。 

此外，盡管他們對激光雷達有了初步理解，但依然缺乏對多傳感器的系統性應用能力（所以才長久以來都被Tier1牽著鼻子走），更不用說涉及到多種高端傳感器的前融合技術。

“新勢力會走得相對快，不少車廠對前融合也很感興趣?！?跟車廠近期密切接觸的王世瑋，感受到了來自車廠端的劇烈變化，和越來越多的軟件層痛點。 

“我們發現其實客戶對于無需標定的‘數據融合’感受非常強烈。有車廠這塊兒的工程師吐槽說空間匹配精度不夠，尤其是高速場景，失誤很多，因此訴求也很多?！?

寫在最后 

當我問及王世瑋做激光雷達這起起伏伏的4年多里，有沒有最值得慶祝的勝利節點時，他絞盡腦汁卻最終沒有給出答案。因為他覺得公司遠遠沒有到達所謂“成功”的那一層，2022年的任務實則更為艱巨。 

有固態樣品的激光雷達廠商需要跨過第二座大山——或投資建廠，或尋找合作代工，盡快擴大生產銷售能力。這將是王世瑋跟他的技術團隊未來幾年里主要去解決的難題。 

“坦率講這不是我們的優勢，因為現在體量還不算大，如果產能迅速擴大，我們還會遭遇驗廠、良率、交付等一系列生產上的挑戰?！?

但即便如此，他們在海淀東升科技園的辦公室短短半年里已經坐滿了人，來自清華等名校和自動駕駛公司的年輕工程師面孔，也許代表了一家科技公司背后的產業，正位于極速上升期。 

6年里來，有人退出，有人進來，有人成為獨角獸，有人即將上市。但我們極為希望能看到更多科技創業者踏入這個充滿未知、競爭者環伺的汽車垂直產業。

因為這里不僅是百億美金撐起的市場，也有難度最大的汽車硬件創新、最厲害的對手。