激光雷達，內卷過頭

真的需要這樣的“量”嗎？

要說激光雷達有多“堆疊”，看看機械龍就知道了。

在成都車展上，量產版Mechelon亮相。除了價格，我們看到的是機甲中間顯眼的激光雷達。

去年，沙龍向業內宣布，至少要配備4部激光雷達，以“請不要說話”的字樣“在桌子上說話”。現在，讓很多人更加驚訝的是，為什么激光雷達要安裝在車底。

沙龍官網的回答是，“去掉很多弊端。”當然主要是夜晚和倒車場景。

然而，在“過猶不及”的當下，沙龍的做法實在值得商榷。有必要這樣浪費嗎？

01

合理性25%，修9000。

本文不做純技術解讀，試圖讓讀者明白真相。

首先，有激光雷達從業者認為，激光雷達安裝在車尾的合理比例也是25%。

雖然按照官方的說法，后面的激光雷達主要用于倒車等場景，但是倒車速度慢且與安全的強關聯性弱，一般的攝像頭和超聲波雷達就足夠了。而且現在的汽車基本都配備了360°倒車影像，激光雷達很難做到物盡其用。

一般來說，激光雷達主要是對前方和側面的感知要求比較高。而這涉及到激光雷達的成本還是很高的。

8月初，汽車博主@陳志豪白羊座曝光了小鵬P5激光雷達的更換費用。價格表顯示，碰撞事故后小鵬P5激光雷達(車左前方)的維修價格達到8916元，加上相應的更換和工時，總費用將超過9000元。就算給Xpeng Motors打個折成本價，其實單個激光雷達也要4500多元。

所以就像上面說的機械龍一樣，由于安裝位置的特殊性，它的激光雷達發生碰擦的概率遠遠高于車頂的安裝方式。一旦發生事故，維修費用也相當高。

雖然華為曾經宣稱96線激光雷達的成本要低于200美元，但無論是采用轉鏡還是MEMS微振鏡技術，從目前激光器、探測器、驅動電路的成本計算，短時間內都很難做到。

在過去的一年里，激光雷達在汽車圈非常受歡迎。光是宣稱“全球首款搭載激光雷達的量產車”，至少還有小鵬P5和極狐Alpha S，但雷達數量還沒有達到沙龍所說的標準。即便如此，短期內也很難降低激光雷達的登機成本。

對于激光雷達數量的“軍備競賽”，也有一些車企反對“增加”激光雷達的數量。例如，李的創始人李想就曾談到這一點。他認為兩個激光雷達的作用可能不等于一個，盲樁的數量沒有意義。

為什么？在現有車輛條件下，單個激光雷達帶來的數據量都是巨大的，何況兩個？

有相關工程師做過實驗。他們在數據采集車上安裝了一個128線和兩個16線激光雷達，加上四個攝像頭，一個毫米波雷達，一個慣性導航和兩個GPU。這些傳感器帶來的數據量甚至難以驅動千兆位交換機。

而且兩個或者一個激光雷達就在正前方，軟件上需要的融合算法和串聯的不一樣，串聯比前者復雜很多。而且這些消費者看不到的軟件研發費用，最終也會體現在車價上。

另外，對激光雷達的“車類”要求還是很高的。目前業內對激光雷達可靠性的表現基本是“上車容易維護難”。前期所有的數據都很好，但是半年一年之后，各種數據開始……o被大打折扣。

所以這是非常考驗激光雷達企業的機電能力的。激光雷達的可靠性，各種抗干擾包括最重要的抗沖擊，是否能應對霜、霧、凝結、薄冰覆蓋的場景，激光雷達是否具有自清潔、加熱等功能等等。，都需要開發和解決。

由此看來，激光雷達走“民用路線”還有很長的路要走。

02

激光雷達和純視覺路線

其實說到自動駕駛，一個繞不開的話題就是，選激光雷達還是攝像頭？還是融合路線？

說到底，自動駕駛就是把汽車的駕駛能力和駕駛責任從人逐漸轉移到汽車上，通過感知、決策和執行三個核心環節來實現。而感知環節用什么，在業內還是充滿爭議的。

純視覺路線最極端的例子是特斯拉。此外，Mobileye的視覺和百度的Apollo lite也選擇了監管解決方案的技術路線。為什么目前只有特斯拉等少數公司采用純視覺方案？

在這一點上，我們不得不佩服從“首要原則”考慮問題的馬斯克。一方面，純視覺路線更復雜，R&D投入更高，但從邏輯上推斷未來是必然結果；另一方面，單純的愿景并不能僅僅通過投入資金就直接得到結果。它需要積累足夠的數據和場景，不斷訓練、完善、篩選優秀可靠的AI模型，通過不斷的算法迭代來實現。

當然也有反對的。比如，有業內人士認為，視覺技術本身就存在一定的技術缺陷。“比如跨層停車，特斯拉沒有這個功能，這個功能的實現需要激光雷達，因為跨層停車場景都是靜態障礙物，地形復雜，需要地形建模。如果建模，那一定是更好的激光雷達方案。”

馬斯克甚至開發了DOJO超級計算機來做這件事，這是打一場“持久戰”，不可能一蹴而就。然而市場機會不等人，大家都想快速切入智能駕駛市場，占據一席之地。最現實的解決辦法是盡快找到一個能有結果的解決方案。所以車企優先考慮激光雷達方案是可以理解的。

但是任何事物的發展都要符合客觀規律，激光雷達的問題之一就在于系統的計算能力能不能動。激光雷達的硬件部分只是最基本的。重要的是軟件融合算法能否流暢運行，智能駕駛平臺能否移動。

激光雷達方案并不像一些人認為的那樣有用。與純視覺路線的實景圖像相比，其特點是數據量大，但信息量小。

好吧，我們只需要看一下北行CEO李源博士在第二十屆中國汽車供應鏈大會上分享的512線和128線100-200m激光雷達探測效果對比圖。

而且，雖然激光雷達是通過反射生成圖像，但是生成的是“粗糙”的環境圖，也就是點云圖像或者3D環境圖。但是這個激光雷達生成的這個圖像的精度取決于激光線的數量。

比如我們說華為研發的激光雷達是96線還是128線。

激光雷達需要收集的數據量非常大，多少取決于周圍環境的復雜程度。因為數據量太大，必須有額外的計算能力支撐，需要成本更高、計算能力更強的處理器，但這并沒有帶來額外的性能和功能提升。

正如有人問，為什么有些車企愿意選擇并大力推廣激光雷達？

一位知乎博主“鸚鵡怪”說，“因為對于廠商來說，激光雷達方案實現起來比較快，算法比純視覺簡單，R&D投入也比較少。關鍵是開發周期短，只要車上配備激光雷達和性能尚可的處理器。這些都是消費者自己買的，成本是消費者的。"

對于車企來說，這也減少了研發周期和成本。還有一個考慮是，車企可以將這些搭載激光雷達的量產車作為向純視覺解決方案過渡的手段，積累數據，改進算法，為未來實現純視覺感知做準備。

所以在激光雷達的“堆砌”之爭中總有一種通信需求大于實際需求的感覺，我們來看看。

畢竟高水平的自動駕駛離真正的量產應用還太遠。知道了本質區別，消費者自然會知道如何選擇。真的需要這樣的“量”嗎？

要說激光雷達有多“堆疊”，看看機械龍就知道了。

成都車展上，量產版梅奇隆亮相。除了價格，我們看到的是機甲中間顯眼的激光雷達。

去年，沙龍向業內宣布，至少要配備4部激光雷達，以“請不要說話”的字樣“在桌子上說話”。現在，讓很多人更加驚訝的是，為什么激光雷達要安裝在車底。

沙龍官網的回答是，“去掉很多弊端。”公司的……se，主要是夜晚和倒車場景。

然而，在“過猶不及”的當下，沙龍的做法實在值得商榷。有必要這樣浪費嗎？

01

合理性25%，修9000。

本文不做純技術解讀，試圖讓讀者明白真相。

首先，有激光雷達從業者認為，激光雷達安裝在車尾的合理比例也是25%。

雖然按照官方的說法，后面的激光雷達主要用于倒車等場景，但是倒車速度慢且與安全的強關聯性弱，一般的攝像頭和超聲波雷達就足夠了。而且現在的汽車基本都配備了360°倒車影像，激光雷達很難做到物盡其用。

一般來說，激光雷達主要是對前方和側面的感知要求比較高。而這涉及到激光雷達的成本還是很高的。

8月初，汽車博主@陳志豪白羊座曝光了小鵬P5激光雷達的更換費用。價格表顯示，碰撞事故后小鵬P5激光雷達(車左前方)的維修價格達到8916元，加上相應的更換和工時，總費用將超過9000元。就算給Xpeng Motors打個折成本價，其實單個激光雷達也要4500多元。

所以就像上面說的機械龍一樣，由于安裝位置的特殊性，它的激光雷達發生碰擦的概率遠遠高于車頂的安裝方式。一旦發生事故，維修費用也相當高。

雖然華為曾經宣稱96線激光雷達的成本要低于200美元，但無論是采用轉鏡還是MEMS微振鏡技術，從目前激光器、探測器、驅動電路的成本計算，短時間內都很難做到。

在過去的一年里，激光雷達在汽車圈非常受歡迎。光是宣稱“全球首款搭載激光雷達的量產車”，至少還有小鵬P5和極狐Alpha S，但雷達數量還沒有達到沙龍所說的標準。即便如此，短期內也很難降低激光雷達的登機成本。

對于激光雷達數量的“軍備競賽”，也有一些車企反對“增加”激光雷達的數量。例如，李的創始人李想就曾談到這一點。他認為兩個激光雷達的作用可能不等于一個，盲樁的數量沒有意義。

為什么？在現有車輛條件下，單個激光雷達帶來的數據量都是巨大的，何況兩個？

有相關工程師做過實驗。他們在數據采集車上安裝了一個128線和兩個16線激光雷達，加上四個攝像頭，一個毫米波雷達，一個慣性導航和兩個GPU。這些傳感器帶來的數據量甚至難以驅動千兆位交換機。

而且兩個或者一個激光雷達就在正前方，軟件上需要的融合算法和串聯的不一樣，串聯比前者復雜很多。而且這些消費者看不到的軟件研發費用，最終也會體現在車價上。

另外，對激光雷達的“車類”要求還是很高的。目前業內對激光雷達可靠性的表現基本是“上車容易維護難”。前期所有的數據都很好，但是半年一年下來，各種數據開始大打折扣。

所以這是非常考驗激光雷達企業的機電能力的。激光雷達的可靠性，各種抗干擾包括最重要的抗沖擊，是否能應對霜、霧、凝結、薄冰覆蓋的場景，激光雷達是否具有自清潔、加熱等功能等等。，都需要開發和解決。

由此看來，激光雷達走“民用路線”還有很長的路要走。

02

激光雷達和純視覺路線

其實說到自動駕駛，一個繞不開的話題就是，選激光雷達還是攝像頭？還是融合路線？

< img alt = "機械龍，，特斯拉，P5，李" src = "/eeimg/{H……tI }/img/20230303182523416309/5 . jpg "/>

說到底，自動駕駛就是把汽車的駕駛能力和駕駛責任從人逐漸轉移到汽車上，通過感知、決策和執行三個核心環節來實現。而感知環節用什么，在業內還是充滿爭議的。

純視覺路線最極端的例子是特斯拉。此外，Mobileye的視覺和百度的Apollo lite也選擇了監管解決方案的技術路線。為什么目前只有特斯拉等少數公司采用純視覺方案？

在這一點上，我們不得不佩服從“首要原則”考慮問題的馬斯克。一方面，純視覺路線更復雜，R&D投入更高，但從邏輯上推斷未來是必然結果；另一方面，單純的愿景并不能僅僅通過投入資金就直接得到結果。它需要積累足夠的數據和場景，不斷訓練、完善、篩選優秀可靠的AI模型，通過不斷的算法迭代來實現。

當然也有反對的。比如，有業內人士認為，視覺技術本身就存在一定的技術缺陷。“比如跨層停車，特斯拉沒有這個功能，這個功能的實現需要激光雷達，因為跨層停車場景都是靜態障礙物，地形復雜，需要地形建模。如果建模，那一定是更好的激光雷達方案。”

馬斯克甚至開發了DOJO超級計算機來做這件事，這是打一場“持久戰”，不可能一蹴而就。然而市場機會不等人，大家都想快速切入智能駕駛市場，占據一席之地。最現實的解決辦法是盡快找到一個能有結果的解決方案。所以車企優先考慮激光雷達方案是可以理解的。

但是任何事物的發展都要符合客觀規律，激光雷達的問題之一就在于系統的計算能力能不能動。激光雷達的硬件部分只是最基本的。重要的是軟件融合算法能否流暢運行，智能駕駛平臺能否移動。

激光雷達方案并不像一些人認為的那樣有用。與純視覺路線的實景圖像相比，其特點是數據量大，但信息量小。

好吧，我們只需要看一下北行CEO李源博士在第二十屆中國汽車供應鏈大會上分享的512線和128線100-200m激光雷達探測效果對比圖。

而且，雖然激光雷達是通過反射生成圖像，但是生成的是“粗糙”的環境圖，也就是點云圖像或者3D環境圖。但是這個激光雷達生成的這個圖像的精度取決于激光線的數量。

比如我們說華為研發的激光雷達是96線還是128線。

激光雷達需要收集的數據量非常大，多少取決于周圍環境的復雜程度。因為數據量太大，必須有額外的計算能力支撐，需要成本更高、計算能力更強的處理器，但這并沒有帶來額外的性能和功能提升。

正如有人問，為什么有些車企愿意選擇并大力推廣激光雷達？

一位知乎博主“鸚鵡怪”說，“因為對于廠商來說，激光雷達方案實現起來比較快，算法比純視覺簡單，R&D投入也比較少。關鍵是開發周期短，只要車上配備激光雷達和性能尚可的處理器。這些都是消費者自己買的，成本是消費者的。"

對于車企來說，這也減少了研發周期和成本。還有一個考慮是，車企可以將這些搭載激光雷達的量產車作為向純視覺解決方案過渡的手段，積累數據，改進算法，為未來實現純視覺感知做準備。

所以在激光雷達的“堆砌”之爭中總有一種通信需求大于實際需求的感覺，我們來看看。

畢竟高水平的自動駕駛離真正的量產應用還太遠。知道了本質區別，消費者自然會知道如何選擇。

標簽：機甲龍小鵬特斯拉小鵬P5理想汽車

汽車資訊熱門資訊