打脸马斯克 激光雷达助中国车企干赢特斯拉?

版权声明：本文版权为网易汽车所有，转载请注明出处。

网易汽车4月20日报道今年的上海车展，激光雷达成为明星话题。虽然流量无法跟特斯拉展台维权女车主相提并论，但对业内而言，无疑也算是一颗重磅炸弹。

高级别自动驾驶到底需不需要激光雷达，业内一直充满争议。

经历了此次车展，这个争议或许将有定论。

激光雷达最早发明于上个世纪60年代，早期主要用于气象监测、太空探测、军事测距和武器制导等场景，2005年起首次搭载到自动驾驶车辆上。

多数人认为激光雷达是L3级以上高阶自动驾驶的必需品。

但汽车圈流量担当，科技圈话题常青树，马斯克凭借对视觉方案的执着，却无数次diss激光雷达。

几年前的特斯拉AutonomyDay上，马斯克就表达了其对激光雷达的不屑。

他的原话是“Lidarisafool’serrand”，没错他说使用激光雷达的都是傻子，他甚至还说，做自动驾驶靠激光雷达注定要完蛋！

在马斯克的坚持下，特斯拉也确实凭借以摄像头为主的视觉感知方案，通过自研芯片、数据采集、深度学习和算法的不断优化，将FSD推向了一个所有量产车型中无法企及的高度。

最底层的数据、GPU集群以及Dojo计算集群，主要对数据进行采集、标注和训练。

这些数据将通过深度神经网络对模型进行分布式训练，之后推送到云端和FSD芯片端。

最终通过影子模式将这些算法模型与人类驾驶行为进行比对，检测是否存在异常。

五个步骤形成一个完整的数据闭环，使得特斯拉Autopilot系统从被动学习到主动学习。

去年开始，特斯拉已经对Autopilot底层代码进行重写和深度神经网络重构。并利用神经网络训练超级计算机Dojo，训练其自动驾驶能力，这样就使得特斯拉Autopilot可以处理4D视频数据。

车端收集处理的数据可以变为拥有时间维度的视频信息，具备了对物体进行预测的能力，大大提升了车辆对整体场景的理解。

特斯拉已经给美国部分用户推送了多个版本的FSDBeta版，让用户参与内侧，虽然有些车主表示，Beat版的特斯拉FSD在应对很多新场景时已经表现得像人类司机一样。

但从部分用户上传的视频中可以看到，某些复杂场景下，FSD仍旧搞定不了。

但马斯克始终相信，人类开车都是依靠眼睛实现的视觉方案，为啥到汽车上就必须用激光雷达呢？

马斯克不认激光雷达很大原因在于价格和非完美性。

首先，激光雷达的成本一直是其快速普及的最大障碍，虽然近年来车规级的激光雷达售价已经由几万美金，降到了几千美金，但离车企可接受的100美金还有很长的距离。

实际上，当前激光雷达的市场主要依靠汽车业务支撑，短期内很难有新的大规模需求诞生，降本压力依旧很大。

其次，激光雷达并非完美，其会受恶劣天气的影响，在雨雾和沙尘天气下，甚至跑高速车身上挂满的小昆虫尸体，都会对激光雷达的测距产生负面影响，特别是华北前段时间的沙尘天气，对激光雷达的影响堪称史诗级。

但是，激光雷达也有真香的地方。

他能搞定许多摄像头和毫米波雷达搞定不了的问题。

激光雷达测距更远，角分辨率更优并且受光照影响小，白天黑夜都能搞定，特别是无需深度学习算法，就可以获得物体的距离和方位信息。

激光雷达黎明来了？

与马斯克形成鲜明对比的是，超过90%获加州DMV路测牌照的自动驾驶公司都认为激光雷达是通往高阶自动驾驶的必备钥匙。

Waymo、Cruise、百度、小马智行等获得无人驾驶公开道路测试牌照的公司全都搭载自研或外采的激光雷达。

毕竟具备所见即所得的能力，可以让激光雷达补充毫米波雷达、摄像头缺失的场景。

2021上海车展前后，国内的几个玩家，诸如极狐阿尔法SHI版、小鹏P5、蔚来ET7（参数丨图片）、上汽智己L7等也都计划将激光雷达上车。

几天前，华为轮值董事长徐直军曾说，华为的自动驾驶比特斯拉牛，目前市区能够做到一千公里的无干预的自动驾驶，这比特斯拉就好多了。

当时很多人都觉得华为在吹牛，大家都不相信，2021年华为就能拿出量产高阶自动驾驶的能力。

几天后，搭载华为ADS自动驾驶系统的一辆极狐阿尔法SHI版测试视频就上了热搜。

视频中，面对由行人、车辆、和外卖小哥组成的复杂的城市交通路况，测试车硬是全程零接管，甚至在某些复杂的路况，表现的与人类老司机一样。

之所以表现如此优秀，很大程度得益于其搭载的激光雷达具备超强的感知力。

更为关键的是，极狐阿尔法SHI版不是期货，其量产车今年11月就能交付。

极狐阿尔法SHI版全车配置了3个激光雷达，6个毫米波雷达(4个角雷达/前后各1个雷达)，以及13个摄像头（前向5个侧向6个后向2个）与12个超声波雷达。

当然，除了激光雷达，极狐阿尔法SHI版强大的自动驾驶能力背后，也依托了华为ADS全栈自动驾驶解决方案。

硬件方面，华为ADS搭载超级中央超算ADCSC，可支持400TOPS/800TOPS两档算力。

算法方面，ADS通过华为自研的全栈算法，实现了将Robotaxi高阶自动驾驶能力落地到私家车的能力。

具体到车型上，华为为极狐阿尔法S提供的这套激光雷达方案，专门为中国路况设计。可以快速识别加塞车辆，以及在隧道中识别静止物体、实现主动避让、无车道线并线、复杂场景下泊车等。

来看几个具体的表现

后车突然加塞场景

暴雨天气

人车混行

至于成本，去年有消息称，华为自研的量产激光雷达，按照年产10万套/推进，价格控制到200美元左右。

也有人表示，预售价为38.89万和42.99万的两款HI车型价格有点高。

实际上，这只是硬件的费用。

阿尔法SHI版交付后，软件层面，自动驾驶系统有2种付费模式，一次性买断和按需订阅，订阅模式上华为会和极狐分成。

与华为极狐合作的阿尔法S不同，还处在准现货阶段的小鹏P5关注度同样很高。

车规级激光雷达方案，通常有单个、2个和3个布局方式，极狐用的是3个的方案，小鹏P5用了2个。

小鹏P5用的是大疆Livox的车规级激光雷达HAP，小鹏P5也号称是全球首款量产激光雷达智能汽车。

也就是说，相比极狐阿尔法SHI，小鹏P5会更早交付。

这一点也得了小鹏内部人士的确认，小鹏P5的交付时间一定会比极狐阿尔法SHI版早交付。

除了华为外，业内一直在苦苦等待另一个实力玩家大疆正式入场的消息。

毕竟大疆早在2016年内部就为车载项目，这已经不是什么秘密了。

车展前夕，大疆正式推出智能驾驶业务品牌“大疆车载”，宣告正式切入汽车赛道，其在智能汽车领域的解决方案也一并对外公布。

大疆给出的智能汽车方案包括，智能驾驶和相关的核心零部件两大领域。

我们这次主要讨论核心零部件的激光雷达。

还是用实车举例，大疆Livox为小鹏P5提供的这套激光雷达，可以做到针对低反射率为10%的物体(如黑色汽车)探测距离150米，横向视场角120度，角分辨率0.16度X0.2度，点云密度等效于144线激光雷达。

此外，大疆在激光雷达布局上也有不少创新，可以跟双目摄像头集成，也可以跟左右后视镜集成。

而蔚来ET7则搭载了Innovusion提供的超远距高精度激光雷达，横向视场角120度，最远探测距离500米，分辨率0.06度X0.06度，等效300线。并将激光雷达布局在比较安全的车顶位置。

上面列举的几个激光雷达的参数，估计很多小伙伴都不甚了解，这里给大家做个简单的说明。

一个激光雷达常见的核心参数包括线数，探测距离、测量精度、视场角、角分辨率、点云密度和功耗等几个维度。

线数，表示激光雷达包含的发射/接收机的数目，线数与测量精度成正比，线数越多，精度越好，对应的安全性越高。

探测距离，一般指激光雷达对于10%低反射率目标物的最远探测距离。

因为物体的反射率通常与表面材质、色彩有关，为了确保安全，激光雷达厂商必须考虑低反射率的极端情况，也就是木桶的最短板，通常给到的探测距离是就针对默认反射率为10%的物体的数据。

测量精度，对同一距离下的物体多次测量所得数据之间的一致程度。

视场角，就是激光雷达探测覆盖的角度范围，分为水平和垂直两个视场角范围。视场角越大说明激光雷达的角度覆盖范围越广。

角分辨率，指激光雷达相邻两个探测点之间的角度间隔，也就是角度间隔越小，对目标物的细节分辨能力越强。

点云密度，激光雷达每秒完成探测获得的探测点的数目。点频越高对目标物探测和识别能力越高。

功耗，激光雷达系统工作状态下消耗的电功率。

激光雷达种类

当前市面上，激光雷达可以分为机械旋转、混合固态、纯固态三种。

混合固态有可以分为MEMS、转镜。纯固态分为相控阵OPA、Flash。

这几种技术路线都有各自的短板：

机械旋转激光雷达，如何更好的满足车规级标准是一个很大的挑战。

MEMS激光雷达，受限于有限的光学口径和扫描角度，测距能力和视场角FOV难有竞争力。

Flash激光雷达拥有全固态优势，易过车规，但当前测距离不足，难以承担核心前向感知的需求。

其实，大家主要记住激光雷达的发展趋势就好，主要是由当前主流的机械、混合固态过渡到纯固态。

观点：客观的说，虽然目前特斯拉FSD表现出的能力很强，但其可存在局限性。

视觉方案对样本数量和深度学习算法要求高，需要大量的真实数据用来支持其深度模型训练，极端情况下，存在预测失准的概率，在加上多目摄像头的校准和恶劣天气下能力较差等因素，综合考量安全性受到严重挑战，虽然事件发生概率较小，但一旦发生常是车毁人亡。比如特斯拉那起著名的撞白色卡车事故。

其次，特斯拉目前视觉方案采用一个前置毫米波雷达来探测。但毫米波雷达毕竟不擅长对高度测量，如果在遇到探测物体是信号比较弱的塑料制品，Autopilot系统的识别功能可能会出错。

因此，就高阶自动驾驶而言，这就是为什么多数人都认为激光雷达为主的多传感器融合是必然选择。

但是，近日马斯克透露，FSDBetaV9.0已经基本准备就绪，并且会实现重大进步，该版本是纯视觉方案，也不依靠毫米波雷达。