智能汽车“增量部件”争夺战（五）：特斯拉的“弃子”激光雷达，缘何成为华为、小鹏、蔚来的“香饽饽”？

无论是做还是不做激光雷达，华为和特斯拉都走在同一条路上。华为表示“没有汽车”，并希望成为智能汽车“增量组件”的供应商。这是一个标志性的事件，华为在其中揭示了整车之外的巨大市场，包括高精度地图、芯片、感知硬件、电池、智能座舱等。在庞大而复杂的智能汽车产业链中，这些“增量组件”是随机拾取的，并有其独特的行业逻辑。一批玩家面临的真正问题是，在快速推进的智能汽车产业转型中，如何打好“增量零部件”之战？为此，2021年初，我们专门创建了“智能汽车‘增量部件’之战”专题，希望通过全景扫描，帮助我们了解当前各种‘增量部件'产业轨道的现实，各行各业尤其是中国企业的竞争力，以及机遇所在，作为我们拥抱智能汽车行业转型的起点。文|智能相对论作者|陈选斌类似于智能制造、智能家居等新概念，而智能汽车行业的起步也是基于物联网技术的落地。相应地，实现物联网的首要目标是感知真实世界，这意味着通过硬件传感器捕捉车辆位置信息和外部环境信息，为大脑系统提供反馈，并进行自动驾驶操作。简单地说，感知是自动驾驶的关键一步。目前，市场上的制造商基本上依靠硬件传感器来解决感知层问题。在众多的硬件传感器中，激光雷达的选择是讨论最激烈的。一方面，以特斯拉为主的“明星”制造商强烈反对激光雷达，并坚定地坚持视觉算法的技术道路。另一方面，目前智能汽车产业链中的大多数玩家都选择了激光雷达阵营。宝马、丰田、沃尔沃等传统汽车公司，以及小鹏、蔚来等新能源汽车公司都宣布，未来的新车型将搭载激光雷达。与此同时，中国的职业选手在激光雷达赛道上也受到资本市场和行业巨头的青睐。例如，禾赛科技获得了百度、博世和安森美的投资，而速腾聚创也获得了北汽、上汽和阿里巴巴等的投资。其次，随着华为、大疆、科沃斯（603486，股吧）等各领域巨头的跨界进入，可以说激光雷达已经成为物联网时代的热门领域。那么，回顾特斯拉与一批产业链参与者之间的差异，智能汽车行业在视觉算法和激光雷达的争论中应该走向何方？

特斯拉的“被遗弃的孩子”，但噱头“棋子”很难想象。在自动驾驶技术道路尚未完全成熟，大多数同行都对激光雷达感兴趣的情况下，马斯克会强烈反对激光雷达的应用，称“使用激光雷达是愚蠢的”。这就是为什么每个人都喝醉了，而我一个人醒来的原因吗？事实上，“智能相对论”认为，站在一群市场主体的对立面，似乎并没有给特斯拉带来太大损失，反而在营销上赢得了足够的关注。每当激光雷达行业出现新的热点和话题时，特斯拉的观点和马斯克的演讲总是被拿来比较，同时增加了他们视觉算法的曝光度。不得不说，这是一个阴谋。这篇文章难免粗俗。然而，从不同的角度来看，专注于技术应用，激光雷达和视觉算法之间的争论并不是鱼和熊掌不能共存的问题。同样，市场上的小鹏和NIO等玩家也没有表示会放弃视觉算法，只使用LiDAR等声明。无论是传统车企还是技术服务提供商，都倾向于采用视觉算法和激光雷达的综合解决方案作为自动驾驶传感器技术的解决路径。那么，两者之间有什么区别呢？如果我们用人类视觉功能的类比，我们可以简单地将其分为两个关键词：“感知”，即知道物体的位置；

第二个是“识别”，这意味着知道那个物体是什么以及如何行动？后者比前者更为复杂和深刻。相应地，激光雷达和视觉算法在自动驾驶中扮演着“感知”和“识别”的角色。首先，在运行过程中，激光雷达会主动散射周围的激光，然后根据飞行时间反馈，确定周围是否有障碍物，以及障碍物的位置甚至体积，并生成点云图。激光雷达作为一种强传感技术，基于其高精度，具有明显的应用优势，可以有效补充现有车载GPS、摄像头等的不足，将智能汽车感知环境的能力提升到一个更高的水平。其次，视觉算法为智能车辆提供了识别物体的能力。对于特斯拉的自动驾驶大脑系统来说，它主要依靠特斯拉的摄像头来建立周围物体的模型，同时将照片数据添加到神经网络的训练集中。通过大规模训练，“大脑”可以提高对周围物体的识别和判断能力。通过将两者进行比较，你会发现更好的“感知”和更好的“识别”能力，就像更好的“眼睛”和“大脑”一样，并不冲突，应该是自动驾驶的标准技术。从技术上讲，两者之间没有根本冲突。如果我们真的想说一件事，那就是激光雷达不像相机那样具有物体识别能力，这意味着感知和识别这两种能力无法在激光雷达上集成。然而，基于多传感器解决方案，相机仍然可以用来补充这一缺点。显然，出于技术考虑，马斯克对激光雷达的激烈反对很难令人信服。

正在进步的华为真的能付出高昂的代价吗？事实上，就激光雷达的成本而言，特斯拉真的不重视这条路。目前，激光雷达的成本很高，从数千美元到数万美元不等，而相机的硬件成本只有几百美元，成本相差近十倍。正是如此，尽管激光雷达具有明显的技术优势，但很难大规模生产和应用。可以说，成本问题是激光雷达应用中最明显的瓶颈。谁能解决这个问题，谁就有机会颠覆目前的市场格局。显然，华为看到了这一点。此前，在第十二届汽车蓝皮书论坛上，华为智能汽车解决方案事业部总裁王军透露，华为计划未来将激光雷达的成本降至200美元甚至100美元。这一声明在业内引起轩然大波。随后，“智能相对论”看到，在12月的T10智能网联汽车CTO峰会上，华为正式发布了由华为设计开发的96线中远程激光雷达产品。几百美元的成本范围一段时间以来在市场上引起了很多讨论。与大疆此前发布的千元级车载激光雷达相比，华为进一步降低了成本价格，可以说是减半。尽管王军表示“我们目前无法实现之前声称的100美元……”，但从高管演讲到产品发布，华为的浪潮确实因其进入激光雷达领域而获得了市场人气，并为智能汽车行业的激光雷达阵营增添了芯片和信心。但不得不说的是，在相关价位产品没有正式上市和量产应用的情况下，类似的马不停蹄的发言与特斯拉相似，非常引人注目。事实上，不仅仅是华为在关注激光雷达的成本，要真正降低整个激光雷达行业的成本并不容易。具体来说，我们可以大致从三个方面来理解。首先，车辆法规认证。从经济管理的角度来看，大规模生产是产品降低成本最常见的途径。随着产量的增加，成本也在下降。在激光雷达领域，如果实现批量生产，第一步就是获得车辆规范级认证。然而，车辆法规本身的认证周期相对较长，需要进行数百次测试，需要2-3年才能完成。这无形中延长了激光雷达实现大规模生产应用的周期。目前，大规模生产的整体市场规模几乎为零。直到小鹏、北汽、长城等车企相继宣布……

车内激光雷达的产品计划，我们可以在市场上看到，激光雷达行业可能在2021进入量产的第一年，这表明激光雷达车辆标准化的难度。其次，产品技术。禾赛科技发现，激光雷达的高成本也存在产品工艺问题，如产品集成度低。每条生产线需要两块电路板和几个芯片/设备来实现，每条生产线都需要精确组装。生产过程很复杂，随着生产线数量的增加，成本呈指数级增长。也就是说，如果产品工艺本身没有改进，即使进入量产阶段，在成本控制上仍然会有冗余。在这方面，禾赛科技希望通过开发专用激光雷达芯片来解决这一问题，该芯片将数百个激光传输和接收通道集成到几个负责发送和接收的芯片上。过去，32线制机械激光雷达需要安装32个收发器系统，但在新技术下，所有32个收发器都集成到了芯片中。这意味着激光雷达所需的调整次数已从最初的32次减少到1次，工作量减少了97%。因此，基于芯片升级，激光雷达不仅可以解决大规模生产的成本问题，还可以进一步提高性能。当然，芯片生产反过来又涉及到另一个领域的讨论。第三，生产过程。既然我们想要实现大规模生产，那么生产过程就不容忽视。根据华为发布的信息，其首款汽车尺寸激光雷达的首条中试生产线是在华为在光通信领域积累的精密制造能力和先进工艺设备实验室的基础上建设的。也就是说，要想增加激光雷达的产量，我们必须首先深化生产和制造技术。因此，在重复使用大江工厂的生产系统和工艺的同时，Livox还进一步创新了Dl-Pack封装技术，将多线激光器和接收器封装在小芯片中，同步实现激光器的自动校准，大大简化了繁琐的手动调准过程，确保了批量生产中的高产量和高生产率。总之，利用先进的制造能力和生产系统实现激光雷达生产的自动化已逐渐成为当前跨境行业巨头的优势。随着未来大规模生产的实施，这一优势将继续被放大。从总结中不难发现，从目前行业整体情况、产品本身和生产流程来看，激光雷达行业可能在2021量产的第一年迎来车辆标准化、芯片化和自动化的发展。届时，一批具有车辆规格的高性能激光雷达将从自动化生产线下线，服务于日益增长的智能汽车行业需求。当然，不得不说，激光雷达仍然面临着精度、耐用性、散热性和适应性等技术挑战。尽管未来少数大厂可以实现从0到1的量产，但整个激光雷达市场和智能汽车行业仍有很长的路要走。本文中的图片均来自互联网上对智能的深度挖掘。内容原创，仅代表个人观点。未经授权，任何人不得以任何方式使用，包括转载、摘录、复制或创建镜像。其中一些图片来自互联网，尚未经过版权归属验证。它们并非用于商业用途。如有侵权，请作者与我们联系。

智能相对论同频视频账号“爱一刀”来了！我们期待着为您揭露科技互联网的黑暗和灰色产业！

▲ 上下滑动查看更多▼

之前的建议_百度人工智能推进2021：全面授权时代？点击阅读_智能汽车“增量零部件”之战：汽车芯片不会在弯道上翻车吗？点击阅读_当微软的“造车”计划提上日程时，阿里巴巴为什么没有采取行动？？点击阅读_逆势增长的海尔电视是海尔智家（600690，股权）战略重组后的又一增长点吗？点击阅读智能相对论：？人工智能产业新媒体；？今日头条青云计划十大获奖者；？澎湃新闻科技月度榜单前五名；？长期以来，该文章在钛媒体排名前十的热门文章中“独占鳌头”；？《人工智能：十万为什么》的作者？智能家电、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及底层芯片和算法。

本文首发于微信公众号：智能相对论。文章内容属于作者个人观点，不代表和讯网络的立场。投资者应据此操作，并承担风险。

标签：特斯拉发现小鹏蔚来宝马

汽车资讯热门资讯