華為乾崑896線激光雷達，解決了什么問題？

在3月4日的鴻蒙智行技術發布會上，華為乾崑發布了一項新的感知硬件——新一代雙光路圖像級激光雷達。既然被稱為“新一代”，它“新”在哪里？這顆達到896線的新激光雷達，究竟能解決什么問題？

在智能駕駛系統中，車輛對外界環境的理解依賴于各種傳感器，其中激光雷達提供的是一種三維空間信息——通常被稱為點云。簡單理解，激光雷達會不斷發射激光束，每一次反射回來都會形成一個空間點，這些點組合在一起，就構成了車輛看到的三維世界。

如果點較少，畫面就會像低分辨率圖片，物體輪廓模糊，小物體很難被識別。如果點足夠多，環境結構就會更加清晰，甚至接近真實的三維圖像。

這是一張市面上主流128線激光雷達在夜間的成像畫面，能勉強看到畫面右前方有一輛卡車，卡車前方疑似是一輛轎車，它們周圍還有什么物體？輪廓并不清晰。可以說，肉眼看都得猜半天的成像信息，模型理解起來更難。

這是一張896線激光雷達的成像畫面，同樣是在夜間，除了完整顯示行人之外，甚至還捕捉到了55米外寵物狗搖動尾巴的微小細節，環境感知從傳統點云輪廓逐漸接近更高精度的三維成像，堪比一張jpg圖像的成像效果，方便模型快速識別并理解。

所以，點云密度被大幅提升后，最直接的變化是，小目標更容易被識別。

在真實道路環境中，高風險的并不是大型障礙物，而是體積較小、形態復雜的物體，比如高速路上散落的紙箱，或是橫倒的錐桶，亦或是地上遺撒的輪胎甚至輪胎碎片，這些目標往往反射率低、體積小，如果激光束打在物體上的點數不夠，系統就很難形成穩定識別。

而當點云密度提高時，激光束覆蓋物體的概率也會增加，系統就更容易識別這些細小目標。這就是激光雷達線數提升的意義。

如果說點云密度解決的是“看清楚”的問題，那么探測距離解決的就是另一件事，系統能不能更早看到風險。

在高速場景中，這一點非常關鍵。以120km/h為例，車輛每秒大約行駛33米，如果系統在100米處才識別到障礙物，留給系統決策和執行的時間只有大約3秒，而如果識別距離達到160米左右，反應時間就接近5秒。

這多出來的時間，往往意味著系統可以完成更平順的減速或繞行，而不是臨近風險時的緊急制動。

在小目標識別能力上，華為乾崑896線激光雷達的提升比較直觀。

比如在10%反射率條件下，30厘米高度的障礙物最遠識別距離可達到162米，并支持120km/h車速下穩定識別。對于更小的目標，14厘米高度的障礙物（接近大多數車輛底盤離地間隙），系統也可以在120米距離實現穩定識別。

作為對比，華為乾崑192線激光雷達對30厘米障礙物的識別距離是100米，對應車速80km/h，而對于14厘米的小目標，由于點云密度有限，識別穩定性受到了影響，所以這類高度的障礙物是存在漏掃可能性的，也就是說，線數越高，點云密度越大，障礙物被遺漏的可能性就越小，高速場景安全性得到了保證。

除了線數提升，這一代激光雷達還有一個關鍵設計：雙光路結構。這也是它此次最主要體現“新”的地方。

簡單來說，就是在一個激光雷達內部同時配置兩套不同焦段的接收系統：一套是廣角光路，負責覆蓋更大的前方視野；一套是長焦光路，負責聚焦遠距離目標細節。

廣角負責整體環境信息，長焦強化遠距離小目標識別，兩者疊加后形成類似“畫中畫”的成像效果，使系統既能掌握整體道路環境，也能對遠處細節保持足夠分辨率。

從技術邏輯來看，這些升級最終指向同一個目標，擴大智能駕駛系統的感知安全邊界。

在2025年度中國智駕天梯榜排名中，華為乾崑是年度總冠軍，盡管自2025年5月開始，智駕大賽的比賽難度大幅提升，但即便如此，華為乾崑智駕的安全表現，仍然穩穩上揚，年度總得分超過45.5分（滿分50分），2026年1月得分逼近47分，明顯拉開了和第二名的距離。

以百分制計，華為是2025年度唯一安全得分90分以上的選手，并且在持續擴大領先優勢。這一成績更多反映的是系統在風險識別、主動安全以及感知冗余方面的綜合能力。

在這樣的背景下，感知能力的持續升級就顯得尤為關鍵。更高密度的點云讓系統能夠更準確理解環境，更遠的識別距離讓系統擁有更長的反應時間，而雙焦結構則讓遠距離細節與整體視野可以同時兼顧。

當這些能力疊加在一起時，智能駕駛系統在夜間、高速以及復雜環境中的安全冗余也會隨之提升。

自動駕駛的發展，本質上是一場不斷提高安全上限的技術過程。算法、算力和數據都在持續進步，但在很多關鍵場景中，真正決定系統能力邊界的，仍然是它能否及時、準確地看到潛在危險。

從這個角度看，華為乾崑896線激光雷達解決的問題其實并不復雜，讓系統看得更遠，也看得更清楚。

而當系統能夠更早識別風險，也就擁有了更充足的時間去完成判斷和動作。在高速行駛、復雜交通以及極端天氣環境中，這種“提前量”本身就是安全冗余的一部分。

對行業而言，這類技術升級未必會立刻改變自動駕駛的形態，但它正在一點點抬高智能駕駛系統的安全閾值，也讓自動駕駛技術在更多復雜場景中擁有更穩定的運行空間。