激光雷達迷霧，車企還需要它嗎？

撰文 / 天璣

車企對激光雷達的態度，從來沒有像現在這樣分裂過。

在2021年的NIO Day上，蔚來拿出了首款轎車ET7，ET7的前擋風玻璃和車頂之間有一個犄角，其中就安放著激光雷達。ET7亮相三個月后，小鵬發布了號稱是“全球首款量產搭載激光雷達的車型”的P5。最近上市的小米SU7的Pro版和MAX版也用到了激光雷達。

與此同時，也有車企在“拋棄”激光雷達。

去年11月，華為與奇瑞合作推出的智界S7正式上市，這款車只裝配了一顆激光雷達，此前的華為智駕方案使用了三顆激光雷達。小鵬的最新車型“F57”，定位高于P7，預計也會取消激光雷達。

一直以來，智駕行業內有兩條路線，激光雷達是其中一條，大部分車企都選擇了這條路線。另一條路線是純視覺，它不需要激光雷達，特斯拉是這種方案的代表，中國的極越也選擇了這條路。

兩種路線的競爭還沒分出勝負，但激光雷達似乎已經走到了懸崖邊。

火熱和遇冷都是有原因的

2018 年 4 月，《科技日報》推出了“亟待 攻克的核心技術”系列專欄，列舉了 35 項對于中國而言“卡脖子”的核心技術。其中包括光刻機、芯片、重型燃氣輪機等，激光雷達位列第十，其重要性不言而喻。

智能駕駛分為感知、決策和執行三個層面，其中感知層面主要是各種傳感器，激光雷達就屬于這類產品，其他的傳感器還包括毫米波雷達、超聲波雷達、攝像頭等。激光雷達有獨特的優勢，這是車企追捧它的主要原因。

具體來說，激光雷達是傳感器領域的頂尖產品，它能讓汽車看得遠、看得清。

比如，在測距上，毫米波雷達的有效探測距離可達200m，這個距離已經足夠用了。但是，毫米波雷達的角度分辨能力較弱，無法分辨物體的細節，而且對金屬的探測靈敏度遠高于非金屬材料，導致它在人、車混雜的場景下，對行人的探測效果不佳。

如果在L3級以上的場景中，只使用毫米波雷達當“眼睛”，智駕系統的可靠性沒有保障。其他傳統傳感器和毫米波雷達一樣，都沒法提升在L3級以上智駕的可靠性。

此時，激光雷達的優勢就顯得尤為突出。它的角度分辨率更優，而且受環境光照影響小、無需深度學習算法、探測的距離也遠，可直接獲得物體的距離和方位信息，這些特點能提升智能駕駛系統的可靠性。

因此，激光雷達被主機廠、Tier1視為實現L3級及以上自動駕駛必備的傳感器。L3為輔助駕駛與自動駕駛的分水嶺，L4在絕大部分場景可自動駕駛，L5則是終極形態的完全自動駕駛。

目前，市面上基本所有布局城市NOA的車型都標配了激光雷達。如2024款小鵬G9的激光雷達版占比，高達80%。

既然激光雷達的優勢這么突出，為什么還會遇冷？關于原因，市場有兩個觀點，但真正能站得住腳的只有一個。

市場上的第一個觀點是，現在還無法確定兩種路線誰才是最終形態，因此激光雷達可以被去掉。從特斯拉到極越、大疆，純視覺路線陣營正在擴充，似乎也說明了這一點。但是，這三家在感知層面，都有傳感器之外的保命手段，那就是算法。

比如，特斯拉可以憑借多年積累的深度學習算法，為純視覺方案賦能；極越則背靠百度的算法積累。

但是，即便是先行者特斯拉，也面臨著較多的安全問題挑戰。如果沒有其他方面的優勢，其他主機廠或Tier1，如果All in純視覺方案，風險比較大。

市場上的另一個觀點是，激光雷達成本太高，導致車企開始調整策略，這個比較靠譜。一顆激光雷達的成本要五千元左右，而一顆毫米波雷達只需要1000元左右，攝像頭的成本更低，只要幾百元。單價高只是其一，其二是，即便智駕方案需要的激光雷達的數量遠低于其他傳感器，但激光雷達的成本還是最高的。

以小鵬G6為例，它采用了雙激光雷達方案，這已經算是用激光雷達比較多的智駕方案了，但它的毫米波雷達數量是5顆，超聲波雷達的數量是12顆，攝像頭的數量也是12顆。

車企拋棄了激光雷達？

3月13日，激光雷達頭部企業禾賽科技發布了2023年年報，這份年報讓我們看到了市場的另一面。

在產品交付方面，公司去年共交付約22.21萬臺激光雷達，同比增長176.1%。在2023年第四季度，交付量約8.77萬臺，超過2022年全年總交付量。預計中國市場車載激光雷達去年的出貨量約為71萬臺，同比增長約450%。

至少從出貨量上來看，車企并沒有放棄激光雷達。去年，市場上出現拋棄激光雷達的觀點，原因除了它本身成本居高不下外，還與車企的技術路線、產品策略發生變化、以及激光雷達的產能有關。

上面說過，激光雷達是智能駕駛感知層的關鍵零部件，而在去年，車企的智能駕駛策略發生了重大變化，那就是BEV+大模型上車。

2023年，華為、小鵬都把大模型融入到了智能駕駛中。這其實是效仿特斯拉。早在2020年，特斯拉就將算法由原來的2D+CNN升級為BEV+Transform（開源大模型）。

BEV全稱是Bird’s Eye View(鳥瞰視角），是一種將三維環境信息投影到二維平面的方法，以俯視視角展示環境當中的物體和地形。Transformer是一種深度學習神經網絡，優勢是可實現全局理解的特征提取，增強模型穩定性和泛化能力。

BEV+Transformer的優勢在于，可以通過算法，而不是堆硬件，提升智能駕駛的感知和泛化能力。

在感知層面，BEV可以統一視角，將激光雷達、雷達和相機等多個傳感器收集的數據融合到同一平面上，提供全局視角，并消除數據之間的遮擋和重疊問題，提高物體檢測和跟蹤的精度。

至于泛化能力，Transformer模型的主要作用有兩個。

第一個是讓智能駕駛擺脫機械式學習，學會歸納總結，第二個是尋找2D圖像與3D點云的關聯，這能讓智能駕駛降低對感知硬件的要求。在華為的ADS2.0中，只需要一顆激光雷達，配合BEV+Transformer，就能實現“遙遙領先”的效果。

在產品上，現在具備高階輔助駕駛能力的車型，基本都在25萬以上。以華為為例，阿維塔11千里智駕款是所有搭載華為ADS 2.0高階智駕功能車型中，最具性價比的，它的入門門檻就是25萬元。余承東近日在電動汽車百人會上也提到了高階智駕的成本問題，他直言現階段成本比較高，華為的高階智駕方案只能應用到30萬元以上的車型中。

除了成本原因外，技術進步也是車企“拋棄”激光雷達的原因之一。

大疆的城區領航方案，感知層不需要激光雷達，已經有10萬元級別的車型搭載了大疆的方案。據大疆車載總監謝闐地透露，到2024年年底之前，將有超過20款車型將搭載大疆車載的智駕產品，這標志著公司的戰略方向已經發生了根本性的改變。

禾賽科技的合作伙伴也不少，目前它已獲得來自16家主機廠和Tier-1超60款車型的激光雷達量產定點。

可見車企逐漸“拋棄激光雷達”的根本原因在于技術進步。這又有了另一個問題，隨著技術不斷進步，激光雷達會不會真的被拋棄？

通過產業鏈企業的業績，我們可以了解下行業的現狀。

激光雷達產業鏈可以分為三部分，上游是光學和電子元器件，中游是激光雷達產品，下游是應用場景。

產業中游的主要玩家有三個，包括禾賽科技、速騰聚創、圖達通。禾賽科技和速騰聚創已經上市了，它們都沒盈利。其中，禾賽科技去年的凈虧損同比擴大近六成，為4.76億元，速騰聚創去年虧損了4.34億元。

相比中游的企業，上游的企業更容易盈利，比如已經上市的長光華芯、炬光科技，盈利規模都在億元級別。

在應用場景中，汽車只是其中之一，軍事、測繪、服務機器人、無人機等領域也有激光雷達的需求。因此，禾賽們的出路，除了繼續降本、提高性能，換取主機廠、Tier-1提升采購量外，還可以通過擴展其他領域來生存。

方向一是把激光雷達應用到汽車之外的領域，比如無人配送，美團、京東都在探索該領域，目前禾賽科技已經和這兩家公司展開了合作。禾賽科技還開辟了服務機器人領域拓展，包括掃地機器人、生產型機器人和物流機器人等。

方向二是擴展其他產品，目前禾賽科技的產品分為兩類，其一是激光雷達，其二是激光氣體傳感器。激光氣體傳感器業務由禾賽科技的全資子公司Oxigraf Inc負責，規模約為禾賽營收的30%。

總的來看，汽車智能化是一個不可逆的過程，能讓汽車實現智能化的手段非常多，激光雷達只是其中之一。隨著技術的進步，激光雷達的對手會越來越強，但通過擴展其他應用場景，激光雷達仍大有可為。