激光雷達(dá)，會是中國智駕反超的那條捷徑嗎？

百年張?jiān)?8 2023-10-23 發(fā)布于河南

展開全文

激光雷達(dá)到底有沒有用、是否最終要被去掉，成為最近行業(yè)里爭議不斷的話題之一。

前不久，華為余承東向馬斯克喊話，“特斯拉的FSD方案很不錯(cuò)”，但是“華為的方案更優(yōu)更安全，我們配備了3顆激光雷達(dá)，和特斯拉相比，華為ADS遙遙領(lǐng)先，有無高精地圖都能用?！?/span>

而事實(shí)是，華為問界M7 MAX版本（擁有城市高階輔助駕駛功能，簡稱城市NOA）選配比例超過60%，小鵬G6、G9Max銷量占比均超過70%，甚至是80%。這說明，高階智駕正在成為影響消費(fèi)者購買智能電動車決策的主要因素之一。

不難發(fā)現(xiàn)，這些具備城市NOA功能的車型無一例外都搭載了激光雷達(dá)，前不久上市的智己LS6甚至標(biāo)配激光雷達(dá)和城市NOA。這意味著，無論是頭部車企想保持領(lǐng)先還是腰部車企想迎頭趕上，在這場已經(jīng)打響的智能高維競賽中，激光雷達(dá)幾乎成為一個(gè)必備項(xiàng)。

激光雷達(dá)邁入前裝量產(chǎn)大爆發(fā)時(shí)代

其實(shí)，大部分車企之所以都選擇采用激光雷達(dá)，核心原因就兩個(gè)：底子好，迭代快。

激光雷達(dá)通過主動發(fā)射激光從而獲得目標(biāo)的距離、方位、高度、速度、姿態(tài)、形狀等參數(shù)，不像攝像頭一樣容易受外界環(huán)境光線變化影響，而且不依賴算法訓(xùn)練且算力要求低，在細(xì)小和異形障礙物的檢測方面，相比攝像頭和毫米波雷達(dá)等傳統(tǒng)傳感器有絕對優(yōu)勢。

激光雷達(dá)和攝像頭的感知能力差異

沃爾沃 Jim Rowan (駱文襟) 總裁兼CEO也曾在EX90發(fā)布會的公開演講中說到：“沃爾沃EX90標(biāo)配了激光雷達(dá)。通過使用智能駕駛軟件和傳感器，我們可以把車禍導(dǎo)致重傷和死亡事故率降低20%?！?/span>

奔馳也表示，激光雷達(dá)對于“實(shí)現(xiàn)安全可靠的L3級別自動駕駛是必不可少的”。

正是由于其安全特性，激光雷達(dá)正在大規(guī)?！吧宪嚒?。

以禾賽為代表的國內(nèi)激光雷達(dá)公司，面對整車廠降成本、過車規(guī)的需求，率先以器件半導(dǎo)體化、生產(chǎn)高度自動化、產(chǎn)品開發(fā)平臺化的方式，實(shí)現(xiàn)了激光雷達(dá)產(chǎn)品形態(tài)從機(jī)械式向半固態(tài)的轉(zhuǎn)變，并在2022年率先量產(chǎn)了半固態(tài)激光雷達(dá)AT128，成本和最早的機(jī)械式激光雷達(dá)相比，成本下降了近百倍，并迅速實(shí)現(xiàn)月銷破萬，成為全球首家月交付過萬的車載激光雷達(dá)公司。

禾賽AT128

這促成了激光雷達(dá)大批量上車，也讓國產(chǎn)激光雷達(dá)呈現(xiàn)出“風(fēng)景這邊獨(dú)好”的發(fā)展態(tài)勢。而眼下，激光雷達(dá)的發(fā)展即將邁入新階段——大規(guī)模前裝量產(chǎn)。這一階段的主要動力正是高階智駕需求的大爆發(fā)。

對車企來說，城市NOA已經(jīng)成為一場不能輸、不敢輸?shù)膽?zhàn)役，而對用戶來說，購買高階智駕的目的有且只有一個(gè)：讓出行更便捷、更安全，而這也是激光雷達(dá)不斷上車且不斷發(fā)展最根本的原因。

以華為為例，在激光雷達(dá)加持下，ADS 2.0智駕方案不僅支持城市高階智駕無圖方案，其主動安全能力也更強(qiáng)。ADS 2.0融合了激光雷達(dá)的通用障礙物檢測算法，在自動緊急制動、自動避障方面表現(xiàn)出色——在多家媒體的場景測試中，車輛能夠在120公里時(shí)速下避讓道路上的不規(guī)則物體。

這意味著，激光雷達(dá)不僅是助力城市NOA的有力武器，也是能進(jìn)一步提升主動安全可靠性的“隱形安全氣囊”。

撥亂反正，激光雷達(dá)路線“總成本”更低

在激光雷達(dá)加速上車，聲量漸響之時(shí)，另一種讓激光雷達(dá)“下車”的聲音也針鋒相對，有消息稱個(gè)別造車新勢力在制定拿掉激光雷達(dá)的計(jì)劃。

之所以這樣做，一個(gè)原因是在價(jià)格戰(zhàn)慘烈的中國智能電動汽車行業(yè)，車企的現(xiàn)金流與利潤率均遭受擠壓，急需硬件降本，單價(jià)仍不夠便宜的激光雷達(dá)首當(dāng)其沖。

另一個(gè)原因則是，特斯拉給出了高階智駕的另外一種可能：特斯拉依靠僅使用攝像頭作為主傳感器的純視覺方案，已經(jīng)在美國開啟了FSD商業(yè)化使用的進(jìn)程。

在兩大因素催化下，僅依靠攝像頭的純視覺感知這個(gè)看起來技術(shù)架構(gòu)更簡潔、硬件更便宜的方案，自然受到行業(yè)關(guān)注。

但車企為產(chǎn)品和功能的開發(fā)進(jìn)行技術(shù)選擇時(shí)，不能只關(guān)注技術(shù)的一次性BOM（Bill of materials，物料）成本，更要關(guān)注一項(xiàng)技術(shù)方案的“總實(shí)現(xiàn)成本”。

在產(chǎn)品端，特斯拉看似僅使用9個(gè)攝像頭就實(shí)現(xiàn)了純視覺方案支持的FSD，但正所謂“臺上一分鐘，臺下十年功”，你不能只看到別人現(xiàn)在吃肉，但對別人以前花過的錢、雇過的人，吃過的苦選擇性忽視。

事實(shí)上，F(xiàn)SD之所以有今天的表現(xiàn)是因?yàn)樘厮估瓕⑵渥鳛楹诵母偁幜?，并傾斜了無數(shù)資源才有的結(jié)果。

在FSD的開發(fā)過程中，特斯拉車隊(duì)積累了超過90億英里Autopilot使用里程，實(shí)際是全球最大的自動駕駛數(shù)據(jù)來源；為了利用這些數(shù)據(jù)，特斯拉不斷擴(kuò)充其超算集群，招聘頂級的AI人才，自研芯片和Dojo，外購GPU，將云端算力堆到了10 Exaflops。

換言之，這種領(lǐng)先地位是暴力美學(xué)x長期主義的結(jié)果。

當(dāng)后發(fā)車企也接受暴力美學(xué)的敘事、追隨特斯拉步入純視覺路線，就會發(fā)現(xiàn)一些扎心的事實(shí)：

PPT上有現(xiàn)成的算法架構(gòu)可供學(xué)習(xí)，實(shí)際量產(chǎn)中卻有數(shù)不清的工程大坑要填；表面是算法與產(chǎn)品功能的比拼，內(nèi)里卻是資源厚度與鈔能力的硬碰硬；理論上純視覺能幫車企省錢，現(xiàn)實(shí)則是要在荷包緊張的當(dāng)下，斥巨資建立相應(yīng)的體系。

對標(biāo)特斯拉的車企如果以總實(shí)現(xiàn)成本算筆賬，能很自然地得出結(jié)論：純視覺其實(shí)短期內(nèi)并不省錢，反而可能更燒錢，風(fēng)險(xiǎn)更大。

通俗一點(diǎn)說，在同一條技術(shù)賽道上，在資金技術(shù)實(shí)力相差懸殊的背景下，你或許能追上對手的昨天，但永遠(yuǎn)追不上它的明天。

車企急需的“秘密武器”

陡然加速的城市NOA落地進(jìn)程，其實(shí)給車企們出了一道需要限時(shí)解答的難題：當(dāng)智駕頭部車企憑借人無我有的城市NOA贏得更多訂單時(shí)，后發(fā)的車企要如何快速跟進(jìn)，防止因?yàn)楦唠A智駕的缺失掉出消費(fèi)者的購車清單。

跟隨特斯拉的腳步開發(fā)純視覺方案，看似是一條可以快速復(fù)制的道路，但實(shí)際情況已證明并非如此——2022年年中，特斯拉公開了具備三維感知能力，可實(shí)現(xiàn)通用障礙物檢測的Occupancy Network占用網(wǎng)絡(luò)，如今一年半過去，國內(nèi)企業(yè)量產(chǎn)占用網(wǎng)絡(luò)的仍寥寥無幾。

若以一場競賽作對比，在純視覺的路線上，特斯拉顯然是一個(gè)重金培養(yǎng)、訓(xùn)練充分、才華橫溢的天才型選手。大多數(shù)智駕后發(fā)的車企其實(shí)并不具備其條件，如果跟隨純視覺路線，最后的結(jié)果不一定是站在巨人肩膀上，反而更可能望著巨人的身影絕塵而去。

某頭部新能源車企產(chǎn)品專家表示：“從戰(zhàn)略角度來看，跟隨行業(yè)內(nèi)的最強(qiáng)者不一定是明智的決策。說白了，特斯拉能干的事兒，行業(yè)里又有幾家能做出來？華為研發(fā)能力這么強(qiáng)，都沒有正面硬剛，而是選擇另一個(gè)可以超越特斯拉的方案?！?/strong>

類似的案例在人工智能時(shí)代并不罕見。今年ChatGPT爆火過后，全世界都沿著OpenAI的路徑進(jìn)行大語言模型創(chuàng)業(yè)，國內(nèi)也掀起了“百模大戰(zhàn)”。而就在前兩周，當(dāng)ChatGPT已經(jīng)進(jìn)化到多模態(tài)階段，能看能聽說，此時(shí)許多創(chuàng)業(yè)公司的文字對話大模型甚至還沒商用。

照抄學(xué)霸作業(yè)的結(jié)果，往往是學(xué)霸越來越猛，自己越來越懵。

對后發(fā)車企來說，相比于在特斯拉制定的規(guī)則中邯鄲學(xué)步，更理性的選擇是取長補(bǔ)短、融會貫通。采用帶有激光雷達(dá)的多傳感器融合感知方案，既能利用視覺算法已有的發(fā)展成果，又可以使用天生擅長三維探測的激光雷達(dá)作為有效補(bǔ)充。

在眼下的城市NOA競賽中，車輛必須擁有精確的三維探測能力。而要獲得這一能力，不同傳感器付出的代價(jià)是不同的。

比如上文提到的基于純視覺的占用網(wǎng)絡(luò)，其感知經(jīng)歷了一個(gè)2D轉(zhuǎn)3D的過程，必須經(jīng)過大量數(shù)據(jù)訓(xùn)練才能輸出較為準(zhǔn)確的占用結(jié)果。并且這一網(wǎng)絡(luò)有很高的計(jì)算開銷，會對車載芯片算力和算法設(shè)計(jì)提出考驗(yàn)。

激光雷達(dá)的探測結(jié)果則天生自帶三維信息，能實(shí)現(xiàn)物理意義上的“3D直出”，算法的工程開發(fā)難度更低。

相比于攝像頭或者4D毫米波雷達(dá)，激光雷達(dá)分別在測距精度、分辨率、真值獲取等方面有明顯的優(yōu)勢。更重要的是，其3D直出的特性對云端算力和數(shù)據(jù)量需求更低，這有助于智駕后發(fā)車企繞開純視覺路線的算力與數(shù)據(jù)霸權(quán)。

其實(shí)，如果一家車企沒有提前布局高階智駕技術(shù)方案，眼下最緊缺的要素甚至不是算力、數(shù)據(jù)或者資本，而是時(shí)間。如果相應(yīng)法規(guī)落地，為了實(shí)現(xiàn)L3功能再補(bǔ)裝激光雷達(dá)很可能意味著需要1~1.5年額外的車型和算法適配——導(dǎo)致直接落后了對手一代車型。

用禾賽CEO李一帆的話來說：“這是一場比拼速度的游戲，激光雷達(dá)可以讓高階智能駕駛落地速度提前至少3年。從某種程度上說，其實(shí)可以把激光雷達(dá)看作一個(gè)'作弊神器'”。

根據(jù)NuScenes的數(shù)據(jù)，到目前為止純視覺方案在多目標(biāo)追蹤感知任務(wù)上的平均表現(xiàn)，仍然沒有追上“激光雷達(dá)+攝像頭”融合方案在三年之前的表現(xiàn)，截至到今年上半年，兩種路線在數(shù)據(jù)集上的精度表現(xiàn)仍存在3年差距。

換句話說，使用激光雷達(dá)與攝像頭融合的方案，相較于純視覺方案，理論上可以在感知層面追趕以年計(jì)算的進(jìn)度。

另一方面，從歷史平均數(shù)據(jù)來看，純視覺方案在上述感知任務(wù)中的精度提升速度正在變慢——這意味著從全行業(yè)來看，純視覺方案提升感知效果的邊際成本也在上升。

在這樣的背景下，當(dāng)智駕后發(fā)的車企試圖小步快跑、從無到有地?fù)屨几唠A智駕市場時(shí)，去掉激光雷達(dá)看起來并不是一個(gè)理性的決策，反而有可能會讓自己被甩得越來越遠(yuǎn)。

禾賽CEO李一帆把智能駕駛的競賽比作一場群架，“賽場上體型最高大、身材最強(qiáng)壯的那個(gè)人一定會跟所有人說：今天我們大家都不要帶武器?！?/span>

今天，這個(gè)“壯漢”是誰不言而喻，而那個(gè)武器，毫無疑問就是激光雷達(dá)。

事實(shí)上，激光雷達(dá)的硬件價(jià)格也在不斷下探。廠商仍在不斷推進(jìn)激光雷達(dá)的降本工作和生態(tài)建設(shè)。

以禾賽為例，他們不僅把激光雷達(dá)價(jià)格從8萬美元降至1000美元以下，也為下游客戶提供各種參考設(shè)計(jì)和參考算法，不斷降低激光雷達(dá)的使用門檻，讓車企能夠用得好，用戶能覺得買得值。

這為激光雷達(dá)配合城市NOA的熱潮，進(jìn)一步普及創(chuàng)造了條件。

對于置身下半場競爭的中國車企來說，是追著領(lǐng)頭羊的背影蒙眼狂奔，還是拿起秘密武器抄捷徑，在這場智能駕駛下半場的關(guān)鍵之戰(zhàn)上領(lǐng)先一個(gè)身位，答案已經(jīng)不言自明。

作者：遠(yuǎn)川汽車組

本站是提供個(gè)人知識管理的網(wǎng)絡(luò)存儲空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來自：百年張?jiān)?8 > 《科技、制造業(yè)》

舉報(bào)/認(rèn)領(lǐng)