[首發(fā)于智駕最前沿微信公眾號]最近有位小伙伴在后臺提問，最近仰望U8L發(fā)布了，側(cè)向激光雷達采用速騰聚創(chuàng)M1P這種遠距激光雷達，而尊界問界系列側(cè)向激光雷達采用的是TOF固態(tài)激光雷達這種近距激光雷達，哪種方案會成為今后的主流方案呢?今天就圍繞這位小伙伴的提問，簡單聊聊這個話題，也歡迎大家在留言區(qū)討論自己的看法。如果大家還有什么想問的問題，也可以隨時與小編溝通。

雖然這兩條路線看起來都叫“激光雷達”或者“光學測距”，但在工作原理、能力邊界、成本與應用場景上有明顯差異。要判斷未來誰會成為主流，其實不能單看單車的取舍，而要從感知需求、技術(shù)路線成熟度、量產(chǎn)成本、整車工程適配、以及軟件與系統(tǒng)架構(gòu)這幾方面來全面比較。下面我將盡量用通俗的語言，把兩種方案的本質(zhì)差異、優(yōu)缺點，以及未來可能的演進路徑說清楚，給出一個務實的判斷。

遠距MEMS/固態(tài)與TOF近距方案區(qū)別

先講清楚兩種“看起來相近”技術(shù)的本質(zhì)差別。速騰聚創(chuàng)M1P屬于如今被廣泛稱為“固態(tài)/半固態(tài)（MEMS/微振鏡）激光雷達”家族里性能偏高的一類產(chǎn)品，它能在數(shù)百米范圍內(nèi)穩(wěn)定返回高分辨率的點云，適合高速場景的遠距離探測與三維建模。而“TOF”（Time-of-Flight，飛行時間）是指一種測距方式的實現(xiàn)形式，發(fā)出光脈沖或連續(xù)波并測量回波時間差來計算距離。TOF的實現(xiàn)可以非常小型化、低成本，常見于近距深度相機或短距測距模塊。某些車企在車側(cè)與后部為了應對盲區(qū)、側(cè)擦與低速泊車場景，選擇布置若干TOF型或類似的固態(tài)光學傳感器，用以獲得低時延、足夠精度的近距障礙物檢測，但這些設備本身并不生成高密度遠距點云，也不一定具備建模整個場景的能力。也有很多報道指出，部分新車型側(cè)面所裝的“固態(tài)雷達”更多屬于TOF類型，側(cè)重近距檢測與形狀/距離信息匹配而非完整3D建模。

既然差別明顯，接下來分幾個維度把它們掰開說清。

在探測距離與場景適配上，遠距固態(tài)/半固態(tài)（如M1P）勝在覆蓋遠、能生成高質(zhì)量點云。高速行駛時，提前識別前方小目標（遠小車、行人、碎片）能給控制系統(tǒng)爭取更長的時間窗，這是實現(xiàn)高速域高階輔助駕駛或更高級別自動駕駛的關鍵一環(huán)。速騰聚創(chuàng)等廠商在產(chǎn)品上強調(diào)150~200米量測能力、區(qū)域內(nèi)更細粒度分辨率與百萬級點云率，這些指標正是面向高速場景而優(yōu)化的。

TOF近距傳感器則擅長短距離、低時延、體積小和成本低的場景。側(cè)向和近后方的盲區(qū)檢測、低速并線與泊車等動作，距離要求一般在幾十米以內(nèi)，對細節(jié)和快速響應更敏感，TOF在這些場景里用起來經(jīng)濟且工程實現(xiàn)簡單。換句話說，要遠看得清、要做三維理解，靠M1P這類遠距點云更穩(wěn)；要做盲區(qū)預警和近距碰撞防護，TOF能用更少的成本把需求解決掉。

在分辨率、點云質(zhì)量與感知能力上，傳統(tǒng)的“能做點云”的LiDAR（無論機械轉(zhuǎn)臺還是MEMS/混合/固態(tài)）會輸出稠密的三維點集，能夠直接支持目標檢測、點云分割與精確的幾何建模，這是攝像頭和TOF難以直接替代的地方。高分辨率的點云在復雜場景（交叉路口的多目標區(qū)分、狹窄道路的精確邊界識別、黑夜弱光下的障礙識別）里比單純的距離測量更有價值。而TOF單元如果是“Flash/相位式TOF相機”或單點TOF，輸出通常是二維深度圖或若干距離點，缺乏長距離連續(xù)點云信息，不能很好地支撐遠域場景的三維推理。

在抗干擾與惡劣天氣適應性方面，兩者各有短板與優(yōu)化空間。激光雷達對雨、雪、霧等光學散射情況相對敏感，回波會被大幅衰減或產(chǎn)生誤報，但高功率/長波長、雙回波設計和更復雜的信號處理能在一定程度上緩解這一問題。另一方面，TOF在近距小角度下對雨雪閃爍可能產(chǎn)生顯著噪聲，但由于測距范圍短、設計可以針對近景去濾噪，所以也不是完全不能在惡劣天氣下工作。重要的是，無論哪類光學傳感器，工程上都要配合攝像頭、毫米波雷達和軟件層的置信判斷與冗余策略來保證在復雜天氣下系統(tǒng)的可靠性。相關研究和行業(yè)報道也強調(diào)了多傳感器融合的重要性。

在成本、量產(chǎn)與整車工程適配上，TOF近距模塊明顯更容易做到低成本和小體積，便于隱藏式安裝，設計上對整車外觀影響小。反觀高性能的遠距LiDAR，從光學、電子到封裝、功能安全認證（如AEC-Q100、ISO/ASIL相關認證）都需要較高的設計與測試成本。但隨著產(chǎn)量上來和技術(shù)路線成熟（例如使用905nm/940nm波段的成熟供應鏈、MEMS振鏡等方案的工程化），高性能固態(tài)LiDAR的單位成本也正在下降，已經(jīng)看到像速騰聚創(chuàng)這樣的廠商實現(xiàn)了較大規(guī)模的量產(chǎn)與上車，這推動了其在更多車型上的落地。也就是說，過去被視為“昂貴且只適合示范車”的LiDAR，如今正在走向規(guī)?；慨a(chǎn)，但是否把它當作主傳感器還要看整車廠的產(chǎn)品定位與成本權(quán)衡。

在系統(tǒng)架構(gòu)與功能定義上，不同廠家會走不同路線，有人選擇把高線束/遠距LiDAR（如車頂或車頭的M1P）作為主感知源，輔以攝像頭和毫米波雷達做冗余與語義識別；也有人選擇在車側(cè)和后部只用低成本TOF/短距LiDAR+攝像頭組合把近距問題解決掉，同時盡可能用軟件與云端數(shù)據(jù)提升純視覺方案的能力。這個選擇背后，不僅有技術(shù)判斷，也有商業(yè)與品牌定位，要做到“L3或以上級別在高速場景脫手”這一類承諾，遠距LiDAR能極大降低感知的不確定性；而如果目標是“L2+、更注重外觀和成本”的量產(chǎn)車，廠家其實會更傾向于用TOF與攝像頭的混合方案來覆蓋絕大多數(shù)用例。

哪個會成為主流？

那么，綜合以上幾點，我們該如何判斷“哪種方案會成為今后的主流”？

首先我們一定要認識到，不存在單一的“萬能主流”。自動駕駛感知的需求是分層次的，高速長距離決策需要高質(zhì)量點云，低速近距交互和盲區(qū)保護只需要近距、低延時的距離信息。從工程經(jīng)濟學角度講，未來更可能的主流形態(tài)是“混合（hybrid）架構(gòu)+分域優(yōu)化”。這意味著整車會在關鍵方向上部署遠距高性能LiDAR（通常位于車頂或前方關鍵視角，承擔高速場景預警與三維建模），而在車側(cè)與后方，則用成本更低、響應更快的TOF或短距固態(tài)傳感器來補齊盲區(qū)檢測與近距安全需求。同時，攝像頭和毫米波雷達繼續(xù)負責語義理解、識別紋理與在某些氣象下提供有價值的冗余數(shù)據(jù)。這樣的組合既照顧了性能，也考慮了成本和量產(chǎn)可行性。

不同車系和不同價位也會有不同的“主流”。豪華與高階智能座艙/自動駕駛定位的車型，更愿意為遠距LiDAR投入成本，強調(diào)對高速和邊緣復雜場景的魯棒性，這類車在短時間內(nèi)更可能以M1P這類高性能固態(tài)LiDAR為主感知之一。中低價位大量量產(chǎn)車型則會更苛求成本，側(cè)重性價比，因此更可能采用TOF+攝像頭+毫米波的“經(jīng)濟融合方案”。

再談一點技術(shù)演進與競爭趨勢。速騰聚創(chuàng)等企業(yè)通過工程化把M1系列推向量產(chǎn)，證明了“高性能固態(tài)LiDAR可以進入乘用車量產(chǎn)”的路徑可行；與此同時，TOF與其他固態(tài)方案（OPA、Flash、FMCW小型化）在短距和抗干擾能力上的改進也在持續(xù)。未來兩線技術(shù)或會相互借鑒，遠距LiDAR會在成本、功耗和集成度上繼續(xù)下降；而TOF方案會朝著更大視場、更高分辨率，甚至部分場景下形成點云表達的能力演進。總體上，技術(shù)進步會使得混合部署的邊界更加模糊，但功能分工仍會存在。

從軟件與系統(tǒng)級驗證角度看，點云質(zhì)量的提升并不自動等同于更好的駕駛決策；關鍵在于感知算法如何利用這些數(shù)據(jù)、如何和地圖/先驗/控制器緊密配合，以及在罕見工況（cornercases）下的安全終止策略。因此，即便大量車型裝上了高性能LiDAR，車企與供應商也要投入巨量的仿真、路測與邊緣場景驗證工作，才能把硬件優(yōu)勢轉(zhuǎn)化為實際能量化的安全提升。一定要知道，傳感器硬件只是第一步，軟件與驗證體系的完善才是決定能否大規(guī)模商業(yè)化的關鍵。

選擇建議

對于廠商與產(chǎn)品決策者，如果目標是打造面向高速域的L3/L4商業(yè)化產(chǎn)品，或在安全承諾上要做到更低的風險邊界，把高性能遠距LiDAR（例如像速騰聚創(chuàng)M1P這類、已被多車型采用并且具備200m量測能力與車規(guī)認證的產(chǎn)品）放入感知主鏈路是合理的選擇；同時在車側(cè)/尾部仍保留TOF或短距方案以節(jié)省成本與解決盲區(qū)問題。對于追求成本極限的大規(guī)模家用轎車或注重外觀不可見感的車型，可以考慮用TOF+攝像頭+毫米波的融合路徑并強化算法與云端數(shù)據(jù)的訓練。行業(yè)的演進會把兩條路走向一定程度的融合。

對于感興趣的工程師或開發(fā)者，建議把注意力放在“傳感器能力如何映射到用例需求”上，而不是簡單地追逐某一項最大化指標。一個工程上可實現(xiàn)、可驗證且具備降級策略的多傳感器融合方案，往往比單一更高參數(shù)的傳感器更能在量產(chǎn)階段提供穩(wěn)定價值。你要考慮的不是某個傳感器能不能100%覆蓋所有場景，而是整體系統(tǒng)在不同環(huán)境和極端工況下的安全閉環(huán)能力。行業(yè)研究資料也強調(diào)了多傳感器融合與系統(tǒng)級驗證的重要性。

對于消費者與媒體解讀者，看到廠商宣傳“裝了多少個LiDAR”或“使用了哪款傳感器”時，要把視角拉長一點去看整車的功能定位和廠家的自動駕駛聲明。有高性能LiDAR并不自動等于“完全自動駕駛”，它只是把某些高風險場景的感知不確定性降低了；同樣，缺少遠距LiDAR的車輛也可能通過更強的軟件+數(shù)據(jù)策略來實現(xiàn)優(yōu)秀的用戶體驗，只是在安全冗余與極端場景下需要更加謹慎的策略。行業(yè)報道里關于不同車企選擇的差別，正反映了這種商業(yè)與技術(shù)的雙重權(quán)衡。

總之，目前看不出哪一種技術(shù)會單獨“取代”另一種。更現(xiàn)實的主流是分層與混合，高性能的遠距固態(tài)/半固態(tài)LiDAR（像速騰聚創(chuàng)M1P這樣的產(chǎn)品）會在需要高速遠預測的車型上越來越常見，TOF與其他近距固態(tài)方案會繼續(xù)在側(cè)向、盲區(qū)與低速場景中扮演重要角色。整車廠的最終選擇會基于產(chǎn)品定位、成本壓力、對極端場景的安全策略以及與現(xiàn)有供應鏈的匹配來決定。行業(yè)也會繼續(xù)演進，硬件更便宜、更小、更可靠，軟件更善于把多源信息融合成魯棒的判斷。換言之，未來并非“非此即彼”，而是“取長補短、按需布置”才是主流。


審核編輯 黃宇