狂装激光雷达，新造车跑偏了吗？

你认为激光雷达到底算不算“堆料”？

2021年，无论是车界老手、新兵蛋子，还是PPT忽悠大户，不约而同地推出了激光雷达车型。

激光雷达，这个被马斯克称为“只有傻瓜才会用”的东西，成为了造车江湖中绝对的“C位”。

你也不知道它是什么“货”，但就是火了起来，而且这把火烧得越来越旺。甚至新车中，没搭载激光雷达都不好意思秀自动驾驶能力。

搭载激光雷达的车都不便宜，国金证券指出，已确认搭载的前装量产车型产量将于2023年突破30万台，价位集中在40万-80万元。羊毛出在羊身上。这波激光雷达热，会是新一波韭菜党的狂欢吗？

01 要想L4过得去，激光雷达不能少？

激光雷达到底有多火，下面这个表很能说明问题。

深途不完全统计

2022年内上市的搭载激光雷达新能源车多达12款。几乎所有已知的电动车品牌都加入了这场军备竞赛。北汽极狐阿尔法S、小鹏P5、蔚来ET7、上汽RS33、智己L7等等新车都预告了激光雷达的上车。

1颗激光雷达甚至已经不够用了，长城旗下新能源汽车品牌沙龙机甲负责人在广州车展喊出：“你有几颗激光雷达？4颗以下，请别说话。”还有玩家化身无情的激光雷达批发户，一辆车上搭载了5颗激光雷达。

如此疯狂的军备竞赛基于这样一个越来越时髦的共识：要想实现L4，激光雷达不能少。

自动驾驶有三大要素：“感知、决策、控制”。每个环节都需要特定的软硬件做支撑。在感知层面，电动车需要依靠传感器感知和传递外界信息。这些传感器相当于汽车的“眼睛”。

目前，电动车上搭载的传感器包括：视觉传感器、毫米波雷达、超声波雷达、激光雷达和车载传感器网络。

不同类型的“眼睛”探测的距离以及精准度也不同。

车要上路，要面临极为复杂的现实场景，要实现更高阶的自动驾驶能力，对“眼睛”也提出了更高的要求。

毫米波雷达造价低，但是探测距离和精度比较弱，视觉传感器很容易受天气的影响。车企们如无头苍蝇般乱窜了多年，才渐渐找到了一条目前相对可行的路子——激光雷达路线。

激光雷达精度高、探测距离远，可增强感知系统的冗余性，补充毫米波雷达、摄像头缺失的场景。除了易受自然光或热辐射影响，以及价格贵外，激光雷达几乎没有缺点。

而且，进入2020年以来，激光雷达的造价相对没那么贵了。半固态、固态激光雷达逐渐代替机械式雷达，激光雷达的成本从上万美元降低到1000美元。激光雷达的体积也在不断缩小，从一个又笨又大的“黑家伙”进化成可隐藏于汽车车体内的“零部件”。

成本低了，技术进步了，共识形成了，这才有了大量的激光雷达上车。

进入2021年来，激光雷达厂商融资的消息接连不断。

8月，激光雷达制造商Innovusion宣布获得6600万美元B+轮融资。其投资人列表里包括蔚来资本。而蔚来的新车ET7搭载的就是Innovusion提供的超远距离高精度激光雷达。11月，激光雷达厂商禾赛科技宣布获得来自小米产投7千万美元追加融资，加上之前官宣的超3亿美元融资，禾赛D轮融资总额已超过3.7亿美元。

福特、沃尔沃、戴姆勒、奔驰等传统整车厂多通过投资或合作的方式积极参与到激光雷达领域中。

02 激光雷达越多，能力越强？

吃瓜群众可能好奇，为什么车上的激光雷达，安装位置并不固定，比如，蔚来ET7的激光雷达在头顶，而小鹏P5的激光雷达在前保险杠的两侧。车企搭载的激光雷达数量也不统一，给人营造出一种激光雷达越多，自动驾驶的能力就越强的感觉。

蔚来ET7，激光雷达在头顶

我们先说说激光雷达工作的原理。

激光雷达可分为激光发射、激光接收、光束操纵和信息处理四大系统。激光雷达先发射光束，光束遇到障碍物会反射，光学接收器接受物体反射回的光脉冲。随后，激光雷达上的信息处理器会通过测量激光信号的时间差及相位差描绘周围物体的三维点云图，从而获取精确距离、轮廓信息。

但是一个激光雷达具体能测多远距离、能有多精准，这里面的水可就深了。

激光雷达在测距原理、激光发射、激光接收、光束操纵及信息处理等五个方面均存在不同技术路线。厂商们走的路线不同，造出来的激光雷达在性能和效果上会大不相同。

市场上衡量一个激光雷达性能的指标也有多个维度，包括线数、探测距离、测量精度、测量准度、扫描频率等等。

行业还没有统一的测评标准。所有人都在摸着石头过河。一辆车应该搭载多少颗激光雷达，激光雷达应该走什么样的路线，价格应该定多少，似乎没人能说得清。

所以尽管都是激光雷达，但不同的激光雷达安装的位置并不统一，成本不相同，性能和效果也天差地别。

当下，少有的共识是，大家都是奔着纯固态激光雷达的方向去的。

激光雷达中成本最大的硬件单元当属扫描部件，这个部件直接影响激光雷达的性能。按照扫描模块和收发模块的运动方式，激光雷达分为三类：

机械式：激光雷达整体旋转起来，对物体进行360度扫描。造价高，体积大，技术成熟，多应用于Robotaxi。

混合固态：激光收发模块是不运动的，只有扫描模块在运动。进一步细分为MEMS、转镜式和棱镜式三种路线。

纯固态：不仅激光收发模块不运动，而且，扫描模块也没有机械运动。这一路线又分为OPA和Flash两种。

机械式激光雷达技术成熟但造价太高，最佳方案是纯固态方案，固态激光雷达没有运动部件，因此体积更小、成本更低、可靠性也更高，但是纯固态方案的技术还不太成熟。因此大部分的车型都选择了搭载半固态激光雷达，等到技术成熟再进阶到纯固态激光雷达。

比如，蔚来ET7搭载的激光雷达属于转镜式激光雷达。这种激光雷达具有探测距离远、探测角度大的优势。为了更好地扫描物体，车企一般会把这种激光雷达放置车顶。

也有大胆者，比如长城摩卡，选择了直接搭载固态激光雷达。

03 不搞激光雷达行不行？

那么问题来了，不搭载激光雷达行不行？

可以。

特斯拉坚决反对搭载激光雷达。

当下造车江湖中，分为两个派别，一派走纯视觉路线，传感器以摄像头+毫米波雷达为主，注重人工智能视觉算法，这一派有且仅有一家车企在坚持，那就是特斯拉。另一派坚持走激光雷达路线，车上的传感器以激光雷达为主，毫米波雷达、摄像头等为辅，大部分车企都走的是这个路线。

马斯克是造车界绝对的意见领袖。但在感知层技术路线选择上，大部分车企都站在了马斯克的对立面。

不是其他玩家不想追随马斯克，而是大多数车企的能力跟不上。

自动驾驶本质是依靠大量的数据喂养训练AI。特斯拉有着别家难以企及的超强算法和路测数据。换句话，人家车的“大脑”聪明，营养还多。

全世界满地跑的特斯拉电动车都在为特斯拉搜集数据。2016年底，特斯拉就已经获得了35亿英里的路测数据。这些庞大的数据源源不断地为特斯拉的AI大脑提供养分。

来源 /pexels

在核心的AI算法上，特斯拉一直遥遥领先于其他车企。特斯拉自2019年起就在自研自动驾驶芯片，其新一代的芯片HW4.0已经进入测试，据说性能将是旧版的3倍。除此之外，特斯拉还有AI超算Dojo。Dojo项目负责人表示，特斯拉Dojo是史上最快的AI训练计算机。

在算法和路测数据这两大方面，其他玩家都比不过特斯拉，走激光雷达路线反而是最优解。

内卷的大环境也让车企们身不由己。

“现在整个行业基本上都形成了共识，除了特斯拉外，只要是造电动车，都得搭载激光雷达。”易观分析师何奇对深途指出。

在这场以技术为名的狂欢中，蹦跶得最活跃的当属造车新势力、自主品牌。这些玩家尤为清楚地意识到：如果不抓住这次机会，未来造车大浪潮席卷全球，自己终究会被甩下车。

罗兰贝格全球合伙人Johan Karlberg认为，基于自动驾驶，汽车产业的利润将进行重新分配。而通过高阶自动驾驶的道路上，激光雷达是目前最好的铺路石。

不少玩家通过预埋激光雷达，内卷硬件数量的方式，抢占了技术制高点，相当于拿到了通往未来的那一张船票。

04 软件能力不够，硬件来凑

2021年被称之为激光雷达元年，但激光雷达还有一条漫长而曲折的路要走。

除了技术研发外，激光雷达最大的bug就是造价依旧很高。光大证券在研报中指出，大部分性能优良的激光雷达价格在1000美元左右。激光雷达的成本依然占智能汽车零部件综合成本的大头。

买家希望L2级别中的激光雷达价格能降到500美元，高阶自动驾驶系统中的价格下降到1000美元。

理想与现实之间还存在着较大的鸿沟。

“激光雷达是需要走量的，通过市场规模的拉动促进价格下探。现在超声波雷达或者毫米波雷达发展得比较成熟了，几百块钱就可以买得到。”何奇分析指出：“在不断的市场教育下，激光雷达有可能像毫米波雷达一样，形成一定的市场规模，成本低，大部分人也都能买得起。”

大规模的量产，能分摊高昂的研发成本和生产成本。锐驰智光披露，LakiBeam128目前万台级供货价定在743美元；在十万台级别，其单价为498美元；在百万台级别，其单价是289美元，量产带来的价格下探幅度显著。

“从总体来看，激光雷达并非是一个资本泡沫，反而是一个经过验证的解决方案，是存在一定的市场需求的。整个行业疯狂内卷其实是看到这条路走得通。”何奇表示。

当然硬件堆砌还只是自动驾驶的前菜。激光雷达相当于车的眼睛，而决定车智能化水平的还得是“大脑”，也就是AI算法、软件能力。

如今，大部分的国内车企还都在拼硬件，“堆料”，软件系统只能借助外力，只有极少数玩家决定全栈自研。

网络上不时有反对者吐槽：“国内智能汽车只会‘堆料'。‘灵魂'跟不上‘肉体'。”某种程度上来说，这句话没错。

车企们打的是这样的算盘：自动驾驶汽车的硬件决定了自动驾驶能力的上限，现在，还没到软件能力比拼的时候，但硬件有了，好歹拿到了下一轮竞赛的门票。

“我觉得‘堆料'有利有弊，行业大量使用激光雷达，量起来了，成本才会下降，这是好事。”何奇表示：“当然，对于车企来说，如果软件能力不够，系统更新迭代的速度会很慢。但是，这也不失为一个办法，好比大家都在爬山坡，如果我爬不上去，那么为什么不选择借助外力呢？”