激光雷达的中场战事车谈网

“这次我站马斯克。”安东尼·莱万多夫斯基说。

在TechCrunch不久前举办的TC Sessions公开课上，这位前Uber和Waymo自动驾驶灵魂人物对特斯拉CEO关于“傻子才用激光雷达”的论断表示了肯定。

有趣的是，过往的每一段职业履历中，莱万多夫斯基都是激光雷达技术的忠实拥趸。

Anthony Levandowski

莱万多夫斯基的摇摆，马斯克的嘴炮，几乎完美地诠释激光雷达的尴尬境遇。

直观地说，激光雷达与摄像头+毫米波雷达方案，二者之于自动驾驶系统在安全系数上即是99.99999%与99%的细微差异。而恰恰就是这小数点后几位的保障，才是“Autopilot们”能够避开那辆屡次致死的“横置白色拖车”的核心元素。

对于小数点后几位的追求越极致，付出的代价就越巨大。据不完全统计，现阶段谷歌、百度等互联网企业使用的64线激光雷达产品价格约为70万人民币，16线激光雷达约为5万元。

在高额成本的桎梏下，激光雷达一度被认为只可炫技，无法量产。

幸运的是，随着技术不断成熟，大批玩家的涌入将激光雷达传感器推入了新的发展阶段。2015-2016年间，激光雷达的出货量迎来了将近7倍的增长。

但就在此时，行业巨头却又开始面临着核心团队瓦解、客户四处流散的艰难处境，年近七旬的创始人被逼无奈地吹响了号角：“除了我们，还有人知道该如何大规模的生产激光雷达吗？”

关于激光雷达，战斗才刚刚开始。

诞生

1983年，刚刚成立的Velodyne，正凭借低频收音机在业内混得风生水起。而这间无线电企业的CEO大卫霍尔却是个不折不扣的技术宅，他整日闷在阿拉米湾的一个酒吧大小的工业棚里。房子由木瓦和金属搭建而成，十分矮小，霍尔却偏爱称其为“避难所”。

而这个小房子，恰恰是Velodyne的总部，后来也成了车载多线激光雷达的诞生地。起初，激光雷达的应用局限于军工业及测绘等领域。直到那时，这种小众传感器才遇见了其在汽车领域的领路人。

Velodyne CEO大卫霍尔

霍尔与激光雷达的“相遇”完全是机缘巧合，而二者的结合也离不开这位“多产发明家”的挖掘精神。某次在展厅中，霍尔观看了一场由美国国防部高级研究计划署（DARPA）赞助的自动驾驶汽车竞赛，那也是他第一次真真切接触到无人车领域。

于是2005年，霍尔两兄弟决定组建一支名为DAD（数字音频驱动）的团队参加当年DARPA主办的无人驾驶挑战赛。那场比赛跨越了莫哈韦沙漠，试图以此刺激军事和商业应用领域的自动驾驶技术研发。

在赶制参赛车辆的过程中，DAD团队借助此前在无线电和传感器技术上的积累，开发了可视化环境的感知技术。在很快认识到摄像头视觉技术的局限性后，霍尔果断地将研究重点转向了激光雷达。据悉，团队研发的第一台激光雷达直径达30英寸，重量接近100磅。

后来，DARPA年度系列无人驾驶汽挑战赛的举办地点由加州的沙漠变为路况更加复杂的城市道路中，这对于初代激光雷达采集视觉信息的工作而言，无疑是一次巨大的挑战。而这却刚好给了霍尔一个“炫技”的机会。

几年间，他通过对摄像头等传感器的不断验证，逐步对比制图和测量技术，最终确认了激光雷达的路线，并对产品进行不断改进，进而推出了一款安装在车顶的激光雷达传感器——HDL-64，其用于光测距，由一个小型电机和驱动旋转的64个激光束组成，在体积和重量方面都有显著降低。

目前业界主流应用的激光雷达分为单线和多线两种类型。其中，前者主要通过一个高重频脉冲激光测距仪，加上一个一维旋转扫描来实现测量。凭借较高的角分辨率，其在行人探测、障碍物探测(小目标探测)以及前方障碍物探测等方面更具优势。而现阶段多线方案也主要由多路单线集合而成，因而一定程度上会受到体积和光路的限制。

当然，激光雷达对安装位置也有讲究：一类安装在无人车的四周，另一类则装在无人车的车顶。

安装在无人车四周的激光雷达，其激光线束一般小于8，常见的有单线激光雷达和四线激光雷达；安装在无人车车顶的激光雷达，其激光线束一般不小于16，常见的有16/32/64线激光雷达。

简单来说，激光雷达的线束越多，对物体的检测效果越好。64线激光雷达产生的数据，可以更容易地检测到路边的马路牙子。因此新品一经推出，便在选手圈内得到了广泛认可，随后立刻成为当年所有顶级DARPA挑战队伍用来构建地形图和探测障碍物的主要手段。霍尔研发的激光雷达方案，连续几年成就了DARPA挑战赛的第一、二名队伍，其中就包括来自卡耐基梅隆大学以及斯坦福大学的团队。

而彼时领导斯坦福大学队伍的Sebastian Thrun，之后引领Google的自动驾驶项目，也在尝到甜头后选择了相同的激光雷达路径。这次颇带启蒙色彩的自动驾驶汽车竞赛，可以说是连接行业先驱们的重要桥梁。这些老兵后来大多供职于谷歌、Uber、福特、丰田和其他众多科技行业公司，成为公司自动驾驶项目的中流砥柱，都毫不意外地愿意为霍尔的产品买单。

2006年，霍尔把这项重要发明正式申请专利并授权给了Velodyne。可以说，这家一贯低调的家族企业因此成为DARPA的最大赢家，甚至由旗下直接分离出了激光雷达公司Velodyne LiDAR，全心全意地投入进了激光雷达这笔生意。就连十余年后的现在，Velodyne也保持着赞助各个无人车挑战赛的传统。

紧紧攥住这个商业契机，Velodyne开始将激光雷达技术大规模地应用于自动驾驶车辆、车辆安全系统、3D移动制图、3D航空测绘和安保等领域。如今，这家年轻的创业公司已经成为自动驾驶汽车激光雷达的顶级供应商。

霍尔的无意之作，摇身一变成为了改变和颠覆汽车产业的“关键先生”。

最后一道防线

事实上，Velodyne“致富”的道路称不上清奇。

激光雷达早先在军事领域的应用已经十分成熟，西方国家甚至已经可以借此探测外太空的距离。理论上看，在视觉识别及人工智能计算能力相对较弱的情况下，使用激光雷达来测量固定赛段的距离，并完成精准的3D反馈，基本可以算作常规思路。

激光雷达的工作原理并不难理解。传感器发射出一束激光，光束在碰到物体后经过漫反射，返回至接收器端，雷达模块根据发送和接收信号的时间间隔乘以光速，再除以2，就能计算出发射器与物体的距离。

在整个测量过程中，激光雷达凭借较高的距离分辨率、角分辨率和速度分辨率，可以反馈距离、角度、反射强度、速度等更丰富的信息，进而生成多维度的图像，来协助系统对探测目标进行详细认知。

基于上述点云数据，激光雷达传感器会在经过数据预处理（坐标转换，去噪声等），聚类（根据点云距离或反射强度）后，提取相关特征，并根据特征进行分类等后处理工作。具体而言，激光雷达可以为车辆提供前景障碍物的检测与分割、可通行空间检测、高精度电子地图制图与定位、障碍物轨迹预测等功能。

那么问题来了，在ADAS算法已经足够成熟的当下，摄像头看起来完全能够满足以上绝大部分功能？从视觉传感器的角度来说，摄像头非常容易受到背景光或者强光的干扰，这种传感器本身感知原理的缺陷引起的识别概率低下，会造成算法的复杂化，其测距的准确性也相差甚远。

摄像头与激光雷达成像对比

摄像头对样本数量的高度依赖及其对自然光线条件的苛刻要求，使得这种传感器天然无法在自动驾驶应用中担当主要感知模块。出于提高传感器置信度的考量，车辆需要布置至少两种不同测量方式的传感器才能有效检测出目标物体，让系统有足够的输入进行判断并作出有效规避。

就拿激光雷达使用的红外激光举例来说。红外波段的辐射本身就要比可见光低得多，传感器在工作过程中还会利用一个非常窄的滤光片将强背景光直接滤除，以此获得一张超高质量的车道线图像。通过图像灰度，可以轻而易举地进行车道线检测。与摄像头相比，性能优化不止一个数量级。

换句话说，作为3D传感器，激光雷达能够为车辆提供：绝对距离测量、全天候监测，同时在制图和定位方面拥有绝对优势。此外，由于激光波长短，能发射发散角非常小(μrad量级)的激光束，不会形成定向发射，因此激光雷达抗干扰能力相对较强，可以实现低空、超低空目标的探测。

而抛开传感器本身检测原理的问题，激光雷达最大的价值在于实现成本平衡的前提下与其他传感器进行互补，以此降低系统运算复杂度，提升定位精度、检测精度以及检测距离。说白了，现有低成本感知路线本身的物理检测原理就存在部分无法改变的硬伤，要想让无人车有能力全面应对所有路况，一些问题必须通过激光雷达才能解决。

现阶段，用户开启自动驾驶功能频率最高的场景便是拥堵路况。摄像头、毫米波雷达等各主要传感器通过感知信息的融合使车辆行驶保持在车道线内，并完成跟车工作。在此期间，驾驶员可以短暂解放双手，不需要实时监视道路状况。

目前业内主流方案是使用Mobileye提供的前置摄像头芯片。虽然其对车道线及车辆尾部识别的准确度尚且较高，但对部分形状奇特的改装车、三轮车等不在其训练库中的车型，系统仍旧无法进行匹配识别。而毫米波雷达分辨率不足、对于非金属类物品存在一定漏检几率，无法保证车辆精准判断自身及周围障碍物的位置关系，从而进行精准掌控。

奥迪A8选择装备法雷奥的4线激光雷达解决这一问题，也借此一跃成为首款达到L3级水平的量产车。据了解，当系统检测到车速超过60km/h且脱离拥堵路段后，Audi AI会有8-10秒的缓冲时间，提示驾驶员接管汽车。若10秒后驾驶员依旧未接管汽车，系统出于安全的考虑，会缓慢减速，直到停止，并打开双闪灯。

这也多维度地印证了业界倡导多传感器融合的感知路径。在整套解决方案中，Google自动驾驶咨询顾问BradTempleton一语点破了激光雷达扮演的角色：“做到99%的准确度对于车辆驾驶而言并不够，我们需要的是99.99999%的准确。激光雷达就是小数点后几位的最强保障。”

转折

L4级以上的无人驾驶汽车对测量精度及安全冗余的要求更高，也就天然地成了激光雷达的常客。

从出生起便直指无人车的谷歌自动驾驶项目毫不犹豫地采购了64线激光雷达。2010年，谷歌的无人驾驶汽车占尽了风头，这种车上顶“罐头”的形象也在坊间广为流传。然而，在财大气粗的科技巨头之外，要价7.5万美元的激光雷达产品仍旧让务实的汽车行业望而却步。

Waymo无人车

想要好好做生意的Velodyne率先妥协了。2015年4月，公司推出了巴掌大小的16线激光雷达。车厂蜂拥而入，他们完全不在意16线与64线产品的性能差异，骤降至8000美元的售价才是最大的吸引力。

将这种新式武器装配到车上以后，OEM们清楚地看到，激光雷达能够给车辆提供360度的视角、3D点云地图、半径200米区域内不分白昼的视野……至此，车载激光雷达技术迎来了真正意义上的产业化发展。

主机厂对这种“新式传感器”的热情很快体现在了具体数据层面。2015-2016年间，激光雷达的出货量迎来了近7倍的增长。从当时订单情况分析，2018年下半年，随着新产业萌芽对上游核心元器件提出更大需求，来自无人驾驶汽车的订单将会彻底爆发。

终于，奥迪A8对激光雷达的前装应用，让2018年不负众望地成为了里程碑式的关键时间节点。这款量产车为车规级激光雷达验明正身，将其彻底带入了产业市场，也顺利引发了真实的市场需求。

或许是感知到激光雷达的强势兴起，美国波士顿咨询集团进行了相关调研。据该机构预测，无人驾驶汽车创造的市场价值将达到420亿美元；2035年前，全球将有1800万辆汽车拥有部分无人驾驶功能，1200万辆汽车成为完全无人驾驶汽车。法国调研机构Yole Development也表示附议，认为该细分市场2032年规模将达100亿美元。

而随着巨大市场规模的曝光，故事却出现了戏剧性的转折。

激光雷达自此确实成为了从业者趋之若鹜的沃土，但核心供货商的脚步却有点跟不上趟。在公开接受产业巨头的投资后，Velodyne毫不吝啬地给出了优先供货的承诺，这直接导致市面上出现严重缺货的情况。

要知道，一台畅销车型年销量高达10万-100万台，音响出身的Velodyne本身缺乏大批量生产制造能力，直接意味着其没有能力应对汽车市场的供货量级。

苦于厂商动辄数月的漫长交货周期，无人驾驶企业却并没有想出更好的解决办法，研发工作一拖再拖。摆在他们面前的难题是，当时市场上鲜少出现靠谱的激光雷达供应商，而自家团队又缺少点云算法的相关人才，只能勉强应付聚类避障等简单的工作。

车载激光雷达产业链的空隙完全暴露在外界眼前，分食者伺机而动。2015年4月，美国SAE（SocietyAutonativeEngineer）大会上，创业公司Quanergy宣布将于次年推出固态激光雷达，价格仅为250美元左右。

横空出世的竞争者全力撞击着Velodyne的市场地位。彼时，这位激光雷达“元老”还在埋头钻研8000美元的16线激光雷达产品。

资本市场不讲情怀，巨头们姿势各异地扑向低成本传感器制造商。2016年，Quanergy成功从汽车零部件供应商德尔福及韩国三星电子的腰包里掏出了9000万美元，拿来制造固态激光雷达元件。同样作为新秀的Liuminar也背靠3600万美元的资金支持，扬言自家产品无论是在监控范围还是成像质量上，都处于市场最高水平。

面对媒体，翁炜坦言，Quanergy在Velodyne内部确实引发了不少担忧：“我们的机械雷达是不是要被淘汰”“固态雷达出来，我们的市场在哪里”……这波危机直接引发了一个市场VP跳槽至Quanergy。

一波未平，一波又起。恰逢此时，Velodyne的老伙伴们也开始考虑“出走”计划。谷歌的无人驾驶团队Waymo、Uber纷纷着手研发适用于自身的更低价激光雷达成本，Waymo甚至已经掌握了7500美元的激光雷达技术。

纷争

市场竞争是残酷的，客户永远在呼唤更好的产品。

除了单纯价格方面的竞争之外，落地到量产车层面的技术路线也出现了争议。对于乘用车而言，传统机械旋转式雷达成本高，体积大，且很难通过车规级验证。相比之下，固态方案在成本、性能、分辨率等方面均有优势，由于没有大型旋转结构，其稳定性也更高。

把目光拉回到国内市场，包括速腾聚创在内的创业者们普遍倾向于MEMS方案。“同样是芯片级方案，千元级别的MEMS方案和OPA相比成本虽难以快速降到百元甚至十元级别，但是MEMS更容易做到远距离，而OPA与Flash想达到200米距离还有大量的路要走。而且，MEMS激光雷达的芯片化特征，使得它具有车规级、千元级、易量产的基因，因此这个方案将最先被OEM接受，成为第一代L3以上自动驾驶量产车的感知配件。”相关人士对车云菌解释道。

所谓MEMS，是指激光雷达在关键的扫描方式上采用MEMS微振镜，对激光发射器和接收器的数量要求不高。相比之下，传统机械多线束激光雷达上的每条线都需要一组激光发射接收器，数量极多，同时这些接收和发射器在工作时都要通过旋转完成扫描。

因此，在激光发射接收器数量大幅度减少的情况下，MEMS激光雷达的成本得到了大幅降低，其扫描结构的微型化也对整体稳定性有显著提升，相对容易通过车规级验证。在分辨率方面，MEMS固态雷达使用MEMS微振镜偏转控制激光光路从而完成扫描，可以通过改变振镜的工作方式来提高分辨率，并能指定视场角内部分区域进行集中扫描，扫描方式的可控性更高。

因此，为了尽早实现激光雷达规模化普及，固态化产品成了业内公认最主流的方案，其中包括Flash、MEMS、OPA、相控振理论等主流固态技术。可这对于传统激光雷达厂商来说，绝非一个好消息。固态激光雷达利用相控阵原理，来集成电路对周围环境实现感知。这与既往已成定式的机械雷达属于完全不同的两种技术。

重重重压下，尚未成熟的激光雷达先发者重新踏上了研发之旅。在2016年CES现场，Velodyne牵手福特共同推出了一款面向汽车厂商定向开发的VLP32半固态激光雷达方案，并对更为颠覆性的固态雷达敞开了怀抱，接受了不配备任何旋转组件的方案。为此，Velodyne内部专职研发的Lidar Labs下设了8个工作室，网罗了大量科学家推动新技术的研发。

年近七旬的霍尔也站出来放话：“Velodyne才是整个产业的关键环节。除了我们，还有人知道该如何大规模的生产激光雷达吗？固态雷达不一定谁先做出来，我们有良好的收益，不需要给投资方发声，报告我们更多的结果。”

另一方面，传统激光雷达厂商也在某种程度上力图坚守阵地，选择借助多线旋转激光雷达的专利作为武器，同步准备检测范围更广的激光雷达应对高端产品的挑战，譬如2018年底开始小批量供货的128线产品。公开资料显示，有公司此前统计称主机厂大都希望在2020年用到128线的产品，而谷歌等科技巨头不满足于环境感知等功能，还会希望用到256线的产品。

Velodyne 128线激光雷达

无论是128线或者256线激光雷达产品，其发射点排列可以组成夹角范围更广的矩阵。基于此，在激光雷达没有旋转的情况下，依据这个矩阵的排列紧密程度，也可以形成60-120度的夹角，从而更好地满足车厂为了追求美观将雷达装在车内的需求。

当然，这些都是后话。现阶段唯一阻止激光雷达“上车”的，便是产品车规级认证，诸如Innoviz、速腾聚创、知微传感、禾赛科技以及北醒光子等多家国内外公司都在为此而努力。车云菌了解到，Velodyne方面同样试图通过与Tier 1的合作推动产品通过车规级验证，而这家一级供应商大概率是零部件巨头采埃孚。

行业人士保守估计，2020年前业内就会出现满足车规的产品，能分别解决汽车对中远距离和近距离固态LiDAR的要求。而在无人驾驶技术真正落地之前，固态激光雷达恐怕更多会在智能交通管控、智能安防以及AGV等领域发光发热。

无论是技术路线还是竞争格局，整个汽车行业都能感受到激光雷达领域的动荡不安。于是，一批胆大心细的整车厂纷纷冒出头来，开始琢磨着自行研发固态激光雷达。本就不算牢靠的产业链，无时无刻都在承受着各方力量的冲击。

开战

推动百年主机厂亲自下场研发的主要力量，便是成本控制的考量。

激光雷达的高昂价格已是老生常谈，甚至直接掌控着无人驾驶行业发展的脉搏节奏。据不完全统计，现阶段谷歌、百度等互联网企业使用的64线激光雷达产品价格约为70万人民币，16线激光雷达约为5万元。

换句话说，一台改装成本200万元的无人车，激光雷达的花费就占到三至四成。有关人士曾经透露：“2016年国内包括神州、四维图新等在内的一些无人驾驶项目搁浅，很大程度是因为激光雷达的成本比重让他们难以接受。”

激光雷达的成本主要由物料和量产成本两部分构成。以往机械旋转式方案在市场中占据绝对统治地位，并不断向更高线数的产品进行优化迭代。而此类传感器结构复杂，包括包括激光器、扫描器、光学组件、光电探测器、接收IC以及位置和导航器件等，各个核心组件价格的价格都相当昂贵。

谈及其中成本占比最大的IC芯片，有业内人士表示：“16线的机械式LiDAR一般需要16组IC芯片组，其中包括跨阻放大器（TIA）、低噪声放大器(LNA)、比较器（Comparator）以及模数转换器（ADC）等。据估算，每组的芯片成本大约在200美元左右，而16组的话芯片成本会高达3200美元，64组的话芯片成本则将翻倍，如果再加上激光器以及各种光学组件的成本，这个价格确实是相当高的。落实到量产车上的话，基本上平均价格会在6000到20000美元左右，显然不符合当前车企们的预期。”

与之对应的，激光雷达的量产成本也就水涨船高。过于精密复杂的内部结构，增加了产品在光路调试、装配等各个生产环节的难度。此前Velodyne激光雷达的发射器和接收器都未进行AISC标准设计，不能投入大规模生产，只能使用人工组装和调校。

整个激光发射和接收模块的光学对准装配过程及其繁复，巨大的工作量也相当耗时。据了解，64线（64对发射器和接收器）激光雷达的完成情况是一个星期两台。这直接导致了生产周期的延误，也很好地解释了为何Velodyne交货周期一度长达4个月之久。而在这个档口，线下渠道商也掐准时机对多线激光雷达采取加价销售策略，试图趁机大捞一笔。

机械式激光雷达

于是，激光雷达厂商必须为此做两手准备。早先问题暴露最严重的Velodyne投入得也最为积极。

第一件事是要推动ASIC标准的芯片研发。2017年时，翁炜对外宣称，公司计划于2016年第和2017年分别完成发射端和接收端的芯片，并于2018年年底投入规模化生产。“有了这两组芯片，就可以进行流水化的生产，不再需要手工的生产。”

第二件事，便是积极对工厂产线进行升级改造。2017年6月，Velodyne在加州圣何塞收购的新工厂正式投入生产，总占地2万平米，采用了60%以上的工业机器人和机械手臂，来取代原有人工制造部分，最高产能可达到100万台/年，Velodyne产交付周期也有望借此恢复至4-6周左右。

这样一套操作下来，理论上完全可以铺平激光雷达规模化生产的道路。因此厂商们自信满满地对外宣称，2018年下半年至2019年上半年间，来自车厂的订单能够达到百万量级，激光雷达的整车装备成本便可以降至1000美元以内，单品成本控制在500美元以内。

随后车云菌在与Velodyne沟通的过程中发现，该公司将这一预测时间节点向后移至2025-2030年间。显然，在激光雷达市场中，试图以价格手段狙击竞争对手的戏码并没有想象中顺利。

有意思的是，同样的套路事实上有过成功的先例。2018年初，Velodyne 16线激光雷达价格从6万人民币直接降至3万元。对于价格腰斩的原因，翁炜曾表示：“16线激光雷达价格骤降的原因有四个：1.产能上升带动价格下降的趋势，这是我们新工厂扩建产生的积极效应；2.研发成本逐渐平摊，目前自动化的生产正日益完善；3.着力推动自动驾驶行业发展，以更为优惠的价格降低传感器标配准入门槛；4.也是为了进一步拓展我们的第二代，第三代市场。”

在行业老大哥大张旗鼓的牵头下，激光雷达的“价格战”初现端倪。Velodyne宣布降价决定后，年轻人们相继公布了自家产品规划，时间节点与其针锋相对。

美国Ouster公司紧接着宣布旗下16线产品价格下探到3500美元（RMB22363元），其他产品线也在不断跟进Velodyne的同类产品价格，以保持自身产品的性价比。与此同时，Quanergy也通过媒体放出消息，计划于2017年下半年推出非车规级雷达产品，售价在250美元左右，一年后推出车规级量产产品，价格或降至100美元甚至更低。

而国内供应商也给出了更加接地气的定价。2017年，速腾聚创承诺会在年内推出巴掌大小的固态激光雷达，探测距离约为200米，成本在1000美金以下。同样选择这一路线的还有国外厂商Innoluce。该公司曾发布过一款固态激光雷达，把各种分立芯片集成设计到一套激光雷达控制芯片组中，最终将成本控制在了200美元以内。

从国内创业者的角度来看，自身最大的优势便在于超高性价比。更重要的是，相比外国厂商，国内供应商能够更好地理解并相应本土市场客户的需求，提供更可靠的售后保障。在与负责自动驾驶系统的车厂相关人士沟通时，车云菌也发现，基于自动驾驶系统量产的考量，采用国内激光雷达传感器产品作为替代方案可能会是更好的选择。

Velodyne对此却仍持保留意见，认为固态激光雷达的成本几乎不可能降至几十美元的水平，该价格根本无法负担发射装置和接受装置部分的价值。

生存

可摆在激光雷达厂商面前的现实是，除了最核心的价格之外，车厂在选择产品时只关注整车能量要求、雷达安装位置及散热等装配基础要素，对于产品技术路线可以说是“完全不挑”。

翁炜也为车云菌解释了其中的商业逻辑：“某种程度上来说，产品的价格完全是由车厂定义的。客户会对1万颗雷达的订单进行定价，是否接单完全取决于供应商，我们基本没有讨价还价的余地。”

站在车企的角度思考问题。谨慎的他们，无一不选择渐进式的自动驾驶进阶之路。在这种情况下，激光雷达的首要价值，便是作为摄像头和毫米波雷达之外传感器的安全冗余。强如奥迪，一个4线激光雷达便能满足其对L3级自动驾驶的所有功能需求。

而激光雷达厂商之间大打价格战，OEM们自然乐见其成。随着传感器成本的不断降低，未来3-5年内，16线固态激光雷达将进一步成为迎合主机厂需求的主流产品。到2023-2024年，商用车等运营车辆对激光雷达的价格将会更加宽容，届时，有自动驾驶能力的车企也有机会自己进行成熟的软件算法集成。

换句话说，在主机厂眼中，激光雷达传感器现阶段远未达到必要元器件的地位，甚至能够成为其打破Tier 1垄断供应关系的一个切口。面向自动驾驶前沿技术，主流汽车制造商习惯以两条路线开展研发工作，其一应对量产车型的常规技术，其二则留出足够资金专攻未来3-5年后才会“上车”的概念技术，激光雷达想必就是其中一部分。

表面来看，这对Velodyne等硬件供应商似乎并没有实际影响。但之于博世、大陆等老牌一级供应商而言，却是一次精准的话语权打击。OEMs一旦手握包括激光雷达在内的软件集成技术，Tier 1的供货模式将从“交钥匙”直接转变为“供零件”，其在系统集成部分积累的产业链地位将在无人驾驶时代迎来断崖式下降。

自主掌握激光雷达技术几乎已经成为一个厂商能否独立研发自动驾驶汽车的标志性动作。在这背后，主机厂、Tier 1、科技巨头等产业大佬们决定先从资本层面破局，通过撒钱的方式与激光雷达技术公司完成高度捆绑。

几家头部激光雷达企业的投资组合已经成为老生常谈：

百度、福特投资Velodyne；安波福投资Quanergy、Innoviz和Leddar Tech；博世投资TetraVue ；丰田、沃尔沃投资Luminar；采埃孚收购Ibeo 40% 的股份；上汽、北汽投资速腾聚创；百度投资禾赛科技……

也不乏大手笔打包收购的案例：2016年8月，Uber以6.8亿美金同时收购了Otto及激光雷达公司Tyto LiDAR；2017年10月，通用Cruise与福特Argo.ai同期宣布激光雷达收购决定，前者选择了调频激光雷达（FM LiDAR) 公司Strobe，后者则选择了激光雷达公司Princeton Lightwave。最近的一次收购案件发生在今年5月23日，自动驾驶汽车初创公司Aurora宣布收购总部位于蒙大纳的激光雷达企业Blackmore，这也是该公司迄今为止金额最大的一次投资决策。

火上浇油的是，巨额资本频繁带领新玩家进入供应链的同时，也意味着产业在同时经历全新技术思维的洗脑。据报道，Aurora看中的正是Blackmore公司主张的调频连续波（FMCW）技术，并将其视为下一代激光雷达技术。

FMCW技术有别于大部分基于脉冲调幅（AM）技术的传统激光雷达，其利用多普勒效益（Doppler effect），可以同时测量距离和速度，避免天气或其他激光雷达系统等干扰因素，且拥有比传统激光雷达更大的探测范围（约 200 米）。当激光光束返回多普勒激光雷达时，系统会测量其新的频谱数据，并计算出物体的速度和方向，与物体的飞行时间相结合完成精准定位。也就是说，这种解决方案通过一道激光就能反馈所有数据，无须担心第二道光束能否再次照射到同一物体上。

出于对AM激光雷达传感器存在的捕捉数据量不足、耗电量较大、易受干扰等问题的担忧，精明的汽车制造商们早就盯牢了这块蛋糕。今年4月，奥迪旗下自动驾驶部门ADI宣布与Aeva建立战略合作伙伴关系，为测试车队装备4D激光雷达。而Aeva恰恰是一家由两位苹果前工程师创办的多普勒激光雷达公司。当然，为了向客户证明自身成本优势及量产实力，这种先进技术目前也还在奋力拼杀。