4320線！6D全彩！禾賽這顆激光雷達，馬斯克看了也得懵

賈浩楠 發(fā)自 副駕寺
智能車參考 | 公眾號 AI4Auto

這是你未來的AI汽車，甚至是家用機器人看到的真實視角：

不像攝像頭，而是激光雷達的3D點云……但，這點云圖為什么是彩色的？

不但能“看到”彩色的3D場景，而且是4K高清分辨率。與今年宣稱高端的千線激光雷達相比，最匪夷所思的是這款“眼睛”的線數(shù)直接提升4倍多&，最高4320線！

誰做的？

激光雷達出貨、盈利一哥禾賽科技剛剛出的新品。

但是，這最有噱頭的4320線，禾賽反而一筆帶過，在他們看來，這款6D激光雷達，真正的價值是——

物理世界和AI最強鏈接功能件、數(shù)據(jù)入口。

AI汽車眼中的“6D世界”，什么樣的？

傳統(tǒng)激光雷達芯片只能感知三維空間X-Y-Z，長寬高三個維度，可以知道物體的位置和形狀：

而禾賽則是在長寬高三個維度之外，增加了感知紅-綠-藍三色的能力，XYZ+RGB，這就是所謂6D激光雷達的出處：

能識別300米開外的水馬（120x60 cm）、280米內(nèi)的小動物（60x40 cm）， 甚至百米開外，能準確識別兒童玩具大小的（15x25 cm）小目標——遠距離下對微小或低矮障礙物的強大識別能力，為自動駕駛、L2+系統(tǒng)爭取了更多反應(yīng)時間。

600米最遠探測距離遠超當前主流200-300米水平，而4320線標志著極高的垂直分辨率，使點云更密，能精細描繪物體輪廓。但禾賽首席科學(xué)家孫愷強調(diào)，高線數(shù)需匹配足夠的探測距離，否則遠處微小物體仍難以識別。

此外，單芯片原生支持2160線，最終4320線輸出是通過芯片級聯(lián)等技術(shù)實現(xiàn)的系統(tǒng)級能力。

2025年禾賽發(fā)布的800線版ETX角分辨率已達0.05°(H) x 0.025°(V)，這意味著在100米處能看清橫向約8.7厘米的物體。4320線版本的角分辨率將更為精細，為高階自動駕駛提供堅實的數(shù)據(jù)基礎(chǔ)。

這些參數(shù)背后，反映出禾賽6D激光雷達看得更清晰，而且與傳統(tǒng)激光雷達相比，不但能看到，而且看得懂。

AI汽車，只要這一個傳感器其實就夠了——和攝像頭相比，不用復(fù)雜算法還原3D場景，直接輸出真實無畸變的環(huán)境信息。

這也給6D激光雷達帶來了超越AI汽車“眼睛”、“安全帶”的意義：空間智能。

實際上，禾賽通過底層芯片級技術(shù)創(chuàng)新，把傳統(tǒng)激光雷達，變成了物理世界和AI最強鏈接功能件、數(shù)據(jù)入口。

6D激光雷達，技術(shù)突破在哪里？

RGB三色感知能力的核心，來自激光雷達接收端芯片——畢加索 SPAD-SoC：

SPAD（單光子雪崩二極管）是一種對光極其靈敏的探測器，原理如同一個極靈敏的“光子開關(guān)”，工作在蓋革模式下的它，一旦探測到一個光子，就能觸發(fā)一次雪崩效應(yīng)并輸出一個清晰的數(shù)字脈沖。

從“幾百個”到“一個”光子，這種探測靈敏度的數(shù)量量級提升，再疊加能耗、集成度、固態(tài)化、數(shù)字信號等等優(yōu)勢，使得SPAD成為下一代超高性能激光雷達的核心技術(shù)。

到這一步，一般的玩家就可以宣稱實現(xiàn)了激光雷達“代際”進化，但禾賽的探索遠不止于此。

禾賽6D全彩激光雷達芯片，并非簡單地將一個傳統(tǒng)的CMOS圖像傳感器和一個SPAD芯片封裝在一起，而是在芯片設(shè)計的最底層——像素級別，將3D感知與顏色感知進行了原生融合。

SPAD像素本身對光的波長（即顏色）不敏感，只能計數(shù)光子數(shù)量。為了讓它能區(qū)分顏色，禾賽的“畢加索”芯片在每個SPAD像素的上方，覆蓋了一層極其微小的彩色濾光片陣列：

該陣列由紅、綠、藍（RGB）等不同顏色的微型濾鏡組成，每個濾鏡只允許對應(yīng)顏色的光通過并到達下方的SPAD像素。

通過分析被不同顏色濾鏡覆蓋的像素接收到的光子數(shù)量，結(jié)合算法就能重建出該區(qū)域的真實色彩，這與數(shù)碼相機的成像原理類似。

如何同時“測量距離”呢？

在SPAD探測到光子并產(chǎn)生信號的同時，芯片內(nèi)部的精確計時器會測量從激光發(fā)射到光子返回的飛行時間（ToF）。這個時間信息直接轉(zhuǎn)換成了物體的距離。

因此，在一個芯片上，每個像素點都并行執(zhí)行著“計數(shù)顏色光子”和“測量光子飛行時間”這兩項任務(wù)。這帶來的結(jié)果就是，芯片生成的每一個點云數(shù)據(jù)點，都原生在空間和時間上完美對齊地包含了空間坐標和顏色信息。

這是一種激光雷達底層結(jié)構(gòu)、范式級的革命。

“像素級原生融合”解決了傳統(tǒng)“激光雷達+攝像頭”方案中長期存在的痛點，帶來了兩個根本性的優(yōu)勢：

• 本質(zhì)上的時空對齊：由于顏色和深度信息來自同一個物理像素，兩者的數(shù)據(jù)在空間和時間上是“天生”對齊的。這避免了傳統(tǒng)方案中，由于兩個獨立傳感器位置和采樣頻率不同而產(chǎn)生的數(shù)據(jù)錯位問題。
• 革命性的“超感光”能力：SPAD的“單光子探測”能力賦予了它極高的靈敏度，即使在極低光照環(huán)境下也能清晰成像。這使得搭載該芯片的激光雷達在夜間也能可靠地識別交通信號燈、路牌等帶有顏色信息的關(guān)鍵目標，而這是傳統(tǒng)攝像頭難以做到的。

通過在芯片設(shè)計的最底層，即像素層面，對光電二極管的結(jié)構(gòu)、濾鏡層和計時電路進行了重新設(shè)計和深度融合，從而在一個芯片上實現(xiàn)了對物理世界更本質(zhì)、更完整的數(shù)字表達。

激光雷達年初被熱議，高線數(shù)方案在華為推動下，成為了被用戶、車企追捧的“新”技術(shù)潮流。

但激光雷達“一哥”的選擇，出人意料：率先開始在底層芯片架構(gòu)層面進行創(chuàng)新，線數(shù)提高是隨著芯片物理結(jié)構(gòu)升維同步提高。

不以堆線數(shù)為目標進行迭代，禾賽最終的方案，卻在“線數(shù)”這個維度對所有傳統(tǒng)方案形成降維打擊，給出了看似遠超當下“車載”需求的性能、體驗方案。

時代變了，激光雷達也變了

激光雷達跟AI技術(shù)、產(chǎn)品緊密結(jié)合在一起，大概經(jīng)歷過3個不同的歷史階段。

從DARPA挑戰(zhàn)賽開始，第一代機械式激光雷達登場，展現(xiàn)出的是難以替代的“冗余”、“補盲”價值，并在Velodyne的推動下成為自動駕駛核心傳感器之一。

后續(xù)隨著自動駕駛從演示走向落地，在成本需求驅(qū)動下，半固態(tài)產(chǎn)品登場，賦予智能汽車“安全”內(nèi)涵，代表玩家禾賽等中國玩家，徹底淘汰了Velodyne，讓機械式激光雷達的線數(shù)擴張，永遠停留在64線。

第三代，則是“固態(tài)化”——芯片化的突破，尤其是接收端的SPAD技術(shù)，讓高線數(shù)激光雷達成熟落地。但也有局限性，比如成本、能耗等等。

禾賽的6D激光雷達，是行業(yè)向第四代方案探索的第一步：

試圖終結(jié)激光雷達、攝像頭路線之爭，在物理架構(gòu)層面完成二者統(tǒng)一。

更強的性能是水到渠成的結(jié)果，禾賽探索路徑背后，更深刻的是自動駕駛、智能汽車、AI的技術(shù)浪潮趨勢。

客觀的事實也表明，每一代激光雷達“卷線數(shù)”的競爭，無一例外走不遠，很快就會被全新技術(shù)架構(gòu)從底層顛覆。

車的層面首先是艙駕融合，依托VLA、世界模型架構(gòu)，產(chǎn)生了艙駕融合的超級智能體，徹底打破傳統(tǒng)座艙與輔助駕駛割裂的行業(yè)瓶頸，構(gòu)建“思考-感知-規(guī)劃-執(zhí)行”全域一體的全新體驗。

驅(qū)動因素AI范式體系在代際更替中不斷向物理世界逼近：剛火了一年的VLA，已經(jīng)開始被快速迭代。

行業(yè)共識正在從語言模型轉(zhuǎn)向能理解物理規(guī)律的多模態(tài)世界模型。從“預(yù)測下一個詞”到“預(yù)測世界下一狀態(tài)”，這一范式標志著AI開始掌握時空連續(xù)性與因果關(guān)系。

借助世界模型，AI從認知、識別轉(zhuǎn)向理解、推理，成為具身智能和客觀環(huán)境自主高效交互的基礎(chǔ)，從“認知”到“推演”發(fā)生質(zhì)變。

這也讓AI汽車，成為物理AI落地的第一個物種：不再按照預(yù)設(shè)規(guī)則行駛的機器，而是能夠自主理解環(huán)境的物理邏輯、預(yù)判行為、應(yīng)對從未見過的長尾場景。

汽車之后，更波瀾壯闊的浪潮已經(jīng)在孕育——具身智能，正脫離實驗室演示，進入產(chǎn)業(yè)篩選與落地階段。

陪伴機器人、服務(wù)機器人、工業(yè)機器人……所有這些“身體”都需要一個理解物理世界規(guī)律的“大腦”，也都需要大量的物理交互數(shù)據(jù)來訓(xùn)練。

而過去的數(shù)據(jù)入口，有無法回避的三大瓶頸：

其一，三維空間數(shù)據(jù)稀缺。互聯(lián)網(wǎng)上有海量的文字和圖片，但幾乎沒有現(xiàn)成的、大規(guī)模的、高保真的三維場景數(shù)據(jù)。物理AI需要的不是像素，而是帶有精確幾何結(jié)構(gòu)、材質(zhì)屬性、光照信息的三維世界。
其二，采集成本極高。學(xué)術(shù)界和工業(yè)界要獲取三維場景數(shù)據(jù)，傳統(tǒng)做法是用一圈上百個相機環(huán)繞被拍攝物體（電影《黑客帝國》中“子彈時間”首創(chuàng)的拍攝方式），從極多角度獲取信息再靠算法重建三維環(huán)境，但設(shè)備極其笨重昂貴，根本無法讓人帶著它到處走，只能服務(wù)于少量實驗室場景，無法規(guī)模化。
其三，標注效率低下且質(zhì)量不足，如果要修改一個物體的位置，在照片中需要復(fù)雜的摳圖操作，且由于沒有結(jié)構(gòu)信息，移動后的光影關(guān)系和位置關(guān)系很難真實。

而物理AI訓(xùn)練需要大量可編輯、可交互的三維場景，以生成合成數(shù)據(jù)和模擬物理交互，單一的攝像頭或傳統(tǒng)激光雷達很難滿足需求。

所以，禾賽6D激光雷達誕生的真正原因，不是車端千線激光雷達不夠用，而是需要以AI汽車為載體，落地第一個原生、前融合的物理AI數(shù)據(jù)入口。

從另一個角度看，這也是AI第一性原理的體現(xiàn)，而且是更符合AI、機器的第一性原理，而非馬斯克從人類視角出發(fā)的純視覺第一性原理。

未來的發(fā)展方向，禾賽也給出了參考：

禾賽的空間智能AI硬件KOSMO，顯得格外前瞻和合理，能夠完整拍攝記錄3D世界的便攜設(shè)備，集成了自研激光雷達與攝像頭模組，結(jié)合空間感知算法與AIGC算法，可對真實物理空間進行三維掃描與重建，生成高保真三維模型。

讓三維數(shù)據(jù)采集從“奢侈品”變成“標準資源”，且數(shù)據(jù)具備可編輯和可交互的屬性。

同理，這樣的數(shù)據(jù)入口，可以在車端，可以手持，可以在機器人身上、甚至可以佩戴在智能眼鏡上……

在激光雷達行業(yè)，有一條看似簡單的競爭路徑——堆線數(shù)。從128線到512線，再到最近的近千線甚至超千線產(chǎn)品，線數(shù)成為消費者最容易感知的指標。

但禾賽始終知行合一：行業(yè)卷PPT的時候，禾賽卷量產(chǎn)交付；行業(yè)卷交付的時候，禾賽拼線數(shù)；行業(yè)卷線數(shù)、卷低價的時候，禾賽卷技術(shù)、卷體驗。

激光雷達的確是智能汽車、具身智能浪潮中給“淘金者”賣“鏟子”的聰明生意。

但當這項賣鏟子的生意，變成比“誰的鏟子更大、更便宜”的時候，禾賽最先意識到問題，又最早抓住新的技術(shù)浪潮——開始搭建那個讓淘金者真正能挖到金子的基礎(chǔ)設(shè)施。