2021年以來，隨著高性能車規(guī)級激光雷達在成本、性能、可靠性等方面基本成熟，激光雷達的市場認知和應用規(guī)模迎來新一輪爆發(fā)。

如何定義激光雷達“3.0時代”？

激光雷達賽道一直充滿迷霧，不同技術路徑各有優(yōu)勢劣勢，如何破局而出？

激光雷達的終局是什么，是成本、性能和穩(wěn)定性的極致平衡嗎？

探維科技CEO王世瑋受邀參加數(shù)字科技百日談，暢談他的看法。

主題：激光雷達“3.0時代”來臨了嗎？

人物：探維科技CEO王世瑋

激光雷達技術從國內(nèi)外的研究到應用，有演進的脈絡和動向，請您幫助大家理解和刻畫一下所謂的1.0、2.0、3.0。

借此機會，我們把激光雷達3.0的概念給大家做一個介紹。首先，激光的飛行時間測距技術（TOF）是光學領域比較常見、基礎的技術方案。最早阿波羅飛船登月，測量地球到月球的距離，就是通過計算光在太空中飛行的時間得到精確的距離信息，當時還不能叫做激光雷達。

我們所看到的激光雷達產(chǎn)品的1.0，就是大家經(jīng)常說的機械式激光雷達。最早我們看到的機械式激光雷達安裝在自動駕駛測試車的車頂，做360度環(huán)視，一邊旋轉(zhuǎn)掃描，一邊采集點云，承擔無人駕駛車的感知功能，性能很好，測距很遠，3D感知的場景非常清晰，開創(chuàng)了激光雷達在自動駕駛系統(tǒng)和車載端的應用，這是機械式激光雷達的歷史使命。

所謂2.0技術，就是大家經(jīng)常說的車規(guī)級激光雷達，隨著自動駕駛技術從ADAS升級到L2+，甚至L3、L4，激光雷達想要上量產(chǎn)的乘用車和商務車，所面對的核心問題就是要走向固態(tài)化、低成本和車規(guī)級。目前國內(nèi)外已經(jīng)發(fā)布了一些搭載激光雷達的量產(chǎn)乘用車車型，激光雷達開始走入消費者的視野，為車輛提供高級輔助駕駛所需的感知功能。

我們總結(jié)歸納激光雷達2.0的版本，跟1.0最大的差別就是從機械式走向了固態(tài)，或者說混合固態(tài)，其中包含很多技術路線。技術路線雖然不同，但都是為了量產(chǎn)，為了能夠滿足車規(guī)級的要求。我們看行業(yè)的發(fā)展趨勢，一個非常明確的剛需就是安全。激光雷達滿足車規(guī)級的要求以后，一定要保證自動駕駛系統(tǒng)從感知層再到?jīng)Q策層都能夠更加安全可靠，在更多的場景下，讓自動駕駛系統(tǒng)去發(fā)揮它的無人駕駛功能。

在傳感器端如何更好地提升感知性能，就是我們在推廣的概念，或者說是我們對未來的判斷。后面激光雷達一定是和更多的傳感器去融合，圖像加上激光點云，能夠以光學和基于硬件的形式去做到高精度的空間對準，高精度的時間同步，通過前融合的方式把攝像頭和激光雷達的數(shù)據(jù)，真正地整合到一起來。這就是我們看到的未來整個感知層技術演進方向和趨勢。

所以我們激光雷達3.0的概念，就是硬件級圖像前融合的固態(tài)激光雷達，能夠同時給用戶、給算法層去輸出具有高清細節(jié)的圖像信息，同時也能給出非常高精度的距離3D感知的信息，這個就是我們所定義的激光雷達3.0的概念和技術的方向。

在激光雷達上車的過程中，客戶現(xiàn)階段對于激光雷達有什么樣具體的需求？在上車的過程當中到底有什么樣的痛點？在這個過程當中探維這樣的創(chuàng)業(yè)公司有什么樣的機遇？

這個問題還挺大，我覺得這個問題還是得從激光雷達2.0車規(guī)量產(chǎn)的應用普及開始聊。因為ADAS系統(tǒng)，或者說是L2+、L3的自動駕駛系統(tǒng)，可能會遇到一些事故的隱患和出現(xiàn)一些意外的情況，總結(jié)下來看，目前出現(xiàn)的大部分場景和失效的模式，還沒有因為激光雷達的原因?qū)е碌摹＝^大部分的失效，還是攝像頭加上毫米波的感知方案在一些corner case下遇到意外情況導致。

目前整個行業(yè)內(nèi)，激光雷達量產(chǎn)車型進ADAS系統(tǒng)，是一個逐漸普及的過程?？梢钥吹胶芏嘬嚻蠖家呀?jīng)有了激光雷達車型的計劃，但是目前搭載激光雷達自動駕駛系統(tǒng)的車型普及率還不是特別高。大家可能還在行業(yè)內(nèi)共同探討激光雷達究竟上車要發(fā)揮什么作用，如何跟攝像頭、毫米波這樣相對比較成熟的感知傳感器去配合、融合。

所以這個問題既涉及到激光雷達上車的大趨勢，同時也涉及到不同傳感器之間，如何去更好地互相配合，能更完善地、更完整性地保證自動駕駛系統(tǒng)在更多的場景下，做到極致的安全體驗。我們在激光雷達2.0版本的階段下，給很多車載的乘用車客戶去提供更低成本、更加可靠，環(huán)境穩(wěn)定性更好的固態(tài)激光雷達產(chǎn)品，進一步推動在當下的ADAS系統(tǒng)中，車企能夠有更多更好的傳感器選擇。

我們所看到的這些corner case的共同點基本都是屬于道路上遇到靜態(tài)物體的情況，這是毫米波沒有辦法解決的。同時，如果障礙物或者說一些特殊的車輛，它在圖像當中所展現(xiàn)的形態(tài)并不是常見的障礙物，圖像識別失效的風險也非常大。所以類似這樣的場景，對于攝像頭加毫米波的感知系統(tǒng)而言，失效的風險是非常高的。

然而，激光雷達最擅長的就是對于異形或大型物體的感知，哪怕它是靜態(tài)的，激光雷達點云都是可以在相當遠的距離下，甚至150米、200米外就能夠做到檢測和識別。

當然目前激光雷達在上車的過程當中也遇到一些困難和挑戰(zhàn)，我覺得主要來自于兩個方面，一方面是激光雷達的成本一定要達到入門型的，或者大眾型的車型能接受的價格。另外一方面，在傳感器融合的層面，不要讓不同的傳感器互相掣肘。所以探維做的事情一方面在激光雷達的方案上，充分考慮低成本和車規(guī)級的要求。我們的ALS方案，非常適合規(guī)?；能囈?guī)級量產(chǎn)，而且最終的目標成本，能夠做到接近千元級的水平，滿足未來自動駕駛車型對于激光雷達終極成本的一個要求。

同時，我們也在做激光雷達3.0的方案——硬件級圖像前融合。我們能夠在最原始數(shù)據(jù)Raw data的層面，直接把攝像頭的信息和激光點云的信息做深度的整合，讓算法不再是獨立去處理激光雷達的數(shù)據(jù)和攝像頭的數(shù)據(jù)，而是同步處理，直接采用前融合的感知算法、感知架構(gòu)。這樣的話，我們在后面整車傳感器融合集成的過程當中，就不太需要去考慮究竟該采信攝像頭，還是該采信激光雷達。因為兩者的原始數(shù)據(jù)其實是一同進到?jīng)Q策系統(tǒng)當中來的，而且兩者的標定關系，對應關系，還有時空同步的一些問題，都會在我們前融合的方式當中去得到完美的解決。這其實也是在低成本的前提下，一舉解決了多傳感器系統(tǒng)中，不同傳感器的特性如何互相融合的工程難題。

對于激光雷達這種產(chǎn)品，您接觸到的真實客戶更看重哪一點，是不是有一個排序？

我們?nèi)ツ暝谛袠I(yè)里提出了一個不可能三角的概念，其實就是性能、成本和車規(guī)級的環(huán)境穩(wěn)定性。在一定情況下同時做到最優(yōu)確實難度很高，需要突破技術的瓶頸。但是，這三點不管是終端用戶、OEM廠商，還是自動駕駛方案開發(fā)商來看，都是需要去兼顧的。

既然是量產(chǎn)車型，量產(chǎn)的場景一定是車規(guī)級的。在大規(guī)模量產(chǎn)的情況下，成本要做到最終的終端用戶能夠接受的水平。其中性能可以做一些轉(zhuǎn)化，因為本身性能更核心的還是要去滿足安全、滿足功能。如果說直接去討論這三者有沒有排序，有沒有取舍，我覺得其實是沒有的，因為都很重要。

我們?nèi)崿F(xiàn)這個不可能的三角，是希望助力激光雷達市場和自動駕駛賽道能夠達到市場的預期，共同把市場做的越來越大，普及率越來越高。當然，這是宏觀層面的，具體到每一個場景下，其實很重要的一件事情就是去做需求分析。不管是低速的L4還是高速的乘用車ADAS的場景，我們目前在跟客戶一起合作過程當中，一個非常寶貴的價值就在于如何把激光雷達這個產(chǎn)品定義好。

并不像早些年，大家在比拼產(chǎn)品參數(shù)，這不是根本性的需求。最重要的還是一起去跟客戶去定義產(chǎn)品、定義功能，我們究竟在什么樣的ADAS或者是L4的場景下需要多高的分辨率，多遠的探測距離，這個一定是有科學而且是合理的邏輯分析以及試驗驗證能夠得到一些結(jié)論的。在此基礎上我們再去優(yōu)化結(jié)構(gòu)方案，來保證低成本和車規(guī)，這個是我們過去在做的事。目前跟客戶也是不斷去互動，不斷去提升。

確實我們在目前看來，以及對未來前瞻性的判斷，圖像融合應該能夠進一步提升感知層的綜合性能，同時還能夠兼顧車規(guī)、成本等關鍵的客戶需求。

您提出激光雷達3.0時代的概念，那么和大家暢想一下激光雷達4.0時代是什么樣的？

我先挑戰(zhàn)一下您的問題，因為終局這個概念很好。但是我想說的是，終局是一個思考問題的方式，而不是一個思考問題的結(jié)論，并不是一個答案。我們是長遠的，更以終局的邏輯和心態(tài)去看待問題、分析問題。但是我一定要找到一個最終的解，這也不現(xiàn)實。所以終局也要定義好在什么范圍內(nèi)，在什么尺度下我們看終局是什么。您提到終局，我稍微對這個概念做一個回應。

關于本身3.0，目前我們是行業(yè)的先驅(qū)者，本身我們硬件級圖像前融合這個技術也是業(yè)內(nèi)獨家的產(chǎn)品，未來我們?nèi)沃囟肋h，需要相當長的時間去和用戶共同探索如何上車，如何整合產(chǎn)業(yè)鏈，如何整合整個生態(tài)，去把不同的傳感器去更好地融合在一起。

對于4.0，咱們朝更遠的去看，這個角度絕對沒有問題，但是今天要給出一個非常明確的答案還是非常困難的。我稍微探索性的暢想一下，也許會是一個更加廣泛，更加廣義的融合，這個也是一種可能，我們也許會增加更多的傳感器在一起，也許會把補盲雷達，或者是主雷達、前向雷達都可以更好的集成到一個產(chǎn)品中，或者是一個硬件架構(gòu)中，這可能是一個趨勢。

另外一個方向，我想到的可能是人眼和人腦一體化的感知系統(tǒng)，也許我們的傳感器會更加智能化。我們的感知算力層面、算法層面，甚至是決策層面也會走向前端，會是一種更加智能化的方式去在前端解決很多決策的問題，或者是安全性的問題。我覺得大概有這樣一些idea，但是下一代具體是什么形式還需要一些時間和工作跟行業(yè)一起去探索。

審核編輯 ：李倩