激光雷达军团里，冒出一个清华帮
出品｜虎嗅科技组
作者｜宇多田
头图｜受访者提供，王世玮（中）与探维清华大军，背后是即将出货的激光雷达
2022年初，Velodyne亚太区负责人翁玮悄然离职。
这个在2016~2018年统治中国自动驾驶市场长达3年的美国激光雷达巨头，在董事会卷入长达两年无休止内斗、固态产品研发陷入停滞后，彻底拱手让出中国市场。
与此同时，因反向拆解Velodyne产品而登上自动驾驶历史舞台的速腾、禾赛等中国大多数激光雷达厂商，也走到了一个必须依靠自己力量与速度，而非“逆工程能力”才能活下去的关键节点。
一方面，自动驾驶巨大的炒作推力、华为的搅局，让激光雷达成为车厂们“幻想超越特斯拉”的不二选择；而另一方面，虽然用于避障与测绘的激光雷达在工业界已存在20余年，但能嵌入车里的固态激光雷达却需要被重新定义与构建。
机械激光雷达因复杂的系统构造显然过不了车规，纯固态路线尚未成熟，混固态路线成为大多数公司的选择，但成本仍未降至车厂最佳预期。
换句话说，即便是2022年当下，也没有堪称完全合格的车载激光雷达。
在所有技术路线都未跑出的状态下，很多创业公司再次嗅到了吞食巨大蛋糕的新机会：国外，包括已上市的Luminar、Ouster等数十家固态公司蓄势待发；国内，除了大疆、速腾、禾赛、一径等坚持下来的佼佼者，一支掌握着多项固态专利的清华博士团队，也准备加入混战。
清华实验室的“固执”
早在2017年，有远见的创业者们从奥迪A7上那颗法雷奥生产的4线激光雷达上，就嗅到了摆脱Robotaxi狭窄市场束缚的商机。如果回看当年的媒体报道，表达“固态激光雷达上车量产愿景”的中国创业者声音不绝于耳。
就是在那样一个极具市场诱惑力的时间点，王世玮跟4个清华精仪系兄弟，在2017年一次年后的聚会上，“用10秒钟思考时间”做出了成立一家公司——探维科技的决定。
其中，有十几年激光雷达开发经验的CTO郑睿童博士，他是固态激光雷达和图像融合技术的开创者；有总工程师张正杰，他除了是清华大学及德国亚琛工大双学位硕士，也拥有一双切割金属的“黄金手”，曾任中国中车二七装备有限公司技术总监。
而被推上CEO位置的王世玮，作为曾参与过国家重大秘密卫星项目的光学专家，其真正对汽车供应链有了全面认识的时间点，则是在2016年加入信通院参与汽车零部件标准制定以后。
“这波大潮来了，没有人会无动于衷。在成立探维前，我们都已经工作了好几年，被技术与市场碾压过几轮，很多事情已经考虑得非常充分。”
他们觉得在实验室和超净间里捣鼓了十几年雷达与光学仪器，对相关技术轻车熟路，便也能跟法雷奥一样，未来拿下车厂的千万订单。
然而，接下来的两年，情况急转直下——没有成熟的量产技术，更没有市场。
“在华为没有明确说要上固态激光雷达之前，其实整个产业都呈一个观望状态。那时机械式雷达‘统治’自动驾驶市场，而固态路线不仅存在一堆技术问题，还没有市场。”
王世玮记得，2019年之前，高阶自动驾驶只需机械产品就能满足，而汽车产业只是“雷声大雨点小”——传统车厂们还停留在思考“蔚小理”能不能活下来的暗讽期。
因此，当2019年，高阶自动驾驶步入第一个寒冬时，只有一条大腿可抱的激光雷达公司处境也变得极为艰难。
“这本质仍然是一个先有鸡还是先有蛋的问题。”两年时间里，他们只得先做16线混固态产品，打入能提振销量收入的非汽车产业。
“情况当然不好，因为固态那时候根本不是刚需，即便测试也只是出货一小批，车厂根本起不了量。最坏的时候……应该是2019年底，如果最新一笔融资没到账，我们连买机票去美国参加CES都捉襟见肘。” 王世玮对于那时候的境遇只是轻描淡写，觉得创业没成功没必要渲染任何情绪。
“求存肯定是要先求存，但好在几个合伙人都‘轴’，对，我们就是不改路线。如果说我们哪里最特别，可能是我们从来没改过技术路线，我们就是要做固态。”
这句话的确道出了那时候整个产业的技术趋势与混乱状态。
作为激光雷达产业长达6年的观察者，笔者看到，大部分创业公司几乎把机械、半固态以及固态摸索了个遍。但为了生存，不得不先把“机械式雷达做到国产替代”。
而传统工业级激光雷达制造商，也都是以机械式雷达见长，他们一边骄傲地与Velodyne的64线机械产品一较高下；一边照搬法雷奥唯一车规产品的技术路线以求上车。
但并不是所有创业者都像王世玮团队一样幸运。
2019年前后，若干家曾拿到融资的激光雷达创业公司宣布“关门停运”；而那些从工业与测绘产业试图跨入车载行业的“老派”激光探测器制造商，没有一个成功跑出来，便缩回了原来的赛道。
有产业人士向我们陈述了一个不少公司放弃车载研发的观点：“很多公司一听华为要进来了，像泄了气的皮球一样，工程师也觉得技术没戏，投入太大，不如回到他们擅长的舒适区，继续搞工业和测绘。”
这个想法十分有趣，因为有头部公司持有的另一个观点恰恰相反：“恰恰是华为进来了，说明这个方向和市场特别有戏。跟强者竞争，才像个‘男人’。”
但谁也没有想到，仅仅两年时间，便再次迎来了2021年的剧变与爆发。
王世玮回忆，2021年后与车厂的接触骤然增加，投资人也主动找上门，而后者的判断依据几乎只有一个——这是个跟汽车产业颠覆性变革紧密相关的赛道。2021年9月，他们顺利完成超1亿元A轮融资，再无经历此前“找钱”的坎坷。
一切都变得更加有趣。
这个因自动驾驶概念而爆火的零部件，虽然至今没有人说清楚它跟汽车销量在未来5年里有什么必然联系，但它却已经与“芯片”一起，成为唯二能跟车厂大佬“直接对话”的Tier2厂商。
而上一轮的“清洗”，直接导致这一波的车载激光雷达竞争者骤然减少，毕竟产业内有公司“硬抄”德国激光雷达系统商Sick产品都用了5年，这个硬件赛道也逃脱不了半导体与汽车产业的发展定律。
如今，在国内，有一定固态技术与量产经验的公司，除去华为与大疆，一个巴掌可以数出来；而另一边，超过10家国外车载激光雷达厂商，则在最高难度的混固态与纯固态赛道上皆有部署。
而这份不长的固态激光雷达友商列表里，王世玮的团队终于可以有一席之地。
固态技术之争
一说车载激光雷达，多数人想到的必然是无人驾驶汽车上那坨巨大的钢铁陀螺，那便是机械式产品的典型形态之一。鉴于车厂绝不会卖给你一辆“头顶肿瘤”的消费级轿车，那么他们对车规级激光雷达雷达的特殊要求也就变得直观和很好理解了：
体积、稳定、量产、成本。
小马智行的Robotaxi，激光雷达通常架在车顶
但像开头说的，由于Velodyne是机械式激光雷达鼻祖，这使得机械式“从0到1”的部分已完成，才有了中国后进者一哄而上把1以上的部分逐渐累积完善，最终把市场拖入价格战；
而要打入汽车供应链的固态产品，则需要从上面极为严苛的4个维度做创新和减法，从产品角度来看，一切又回到了0。
因此，现实情况是，车厂虽然因“自动驾驶”而建立了一套相对成熟的激光雷达认知体系，但迄今却没有统一检验与应用标准。
据一位对激光雷达十分熟悉的产业人士回忆，2019年之前，国内车企老板一开始觉得激光雷达这个东西很简单——“不就是像加摄像头一样嘛”。但后来发现下面的团队没人能搞明白，这个东西怎么加。
“确切地说，2018~2019年是车厂的学习期，那时不少国内外车厂建立了激光雷达项目组，广招人才，研究到底上激光雷达要怎么用，包括‘装在什么位置’。”
他认为，那时国外车企走的相对更快，毕竟最早这个产业源自欧美，法雷奥的产品最早过车规，奥迪最先装车，通用与福特那时也在跟激光雷达公司进行密切接触。但是，从2019年后的产品进度和概念普及度来看，国外的确输给了中国速度。
一方面，由于性价比等多重因素，国产激光雷达正在逐步替代国外产品。譬如，某知名传统车厂就准备将原来使用ibeo激光雷达的品牌线换成一家国内厂商产品；
另一边，车厂积累了充分测试经验后，不再轻易被“那些好看的探测距离、视场角、分辨率、光干扰等产品参数”欺骗。
举个例子，以前各家激光雷达厂商都会将探测距离写到100米200米300米，数字越大越好，但现在，车厂基本都清楚“这个数字究竟能在什么样的环境条件下能测出来”，检测目标都有哪些特点，白天和黑夜的光线干扰会造成多大的效果差别。
“某国产雷达厂商产品可以做到在200m探测10%反射率的物体，已经很好了。一般10%的反射率相当于黑色轮胎，通常都会拿这类反射率低的目标物做一个最低标准。” 王世玮认为，现在的车厂都不是小白，对“横评”轻车熟路。
“而且车厂问我们的问题，通常简单粗暴——你价格能比XX便宜多少？”
小鹏P5的激光雷达（左前方）拍摄自2021年4月上海车展
然而，正是激光雷达在供应链中的权重逐步增高，新的问题随之产生。
截止目前，曾经高喊会因规模化而降至500元单价的车载激光雷达，成本仍高至几千人民币，部分产品的生产工艺良品率也不高；从稳定性看，所谓“过车规”，只有旧体系的一套指导原则在发挥基础作用。
“2017年奥迪用Scala激光雷达的时候，车规究竟是什么样子，其实也是奥迪自己说了算。当然，在环境稳定性方面会有一个行业共识，毕竟摄像头和毫米波雷达都要做环境稳定性测试。 但激光雷达在车上的检测率、识别效果，甚至是与摄像头等多种传感器的配合度，其实行业并没有统一的性能评测标准。”
王世玮在跟车厂沟通中，发现不少客户已经具备了初步成熟的测试体系，或者从一级供应商那里做了很多借鉴，但的确缺乏标准性。
有人曾向我们透露，2021年一家新势力所谓上了两台激光雷达的量产车型，车头的激光雷达几乎没有发挥作用。简单来说，就是作为“车体装饰”。这种尴尬的营销性配置，也许未来仍会在其他车型上重演。
此外，有人称ibeo的量产产品虽然在体积上做到了跟iPhone一样大小，但却在散热方面不及预期；而MEMS型产品（这是一种有名的混固态技术路线之一）的车规验证并不完备，在稳定性上还有待提升。
本质上，这些问题还是在于车载固态激光雷达产品在四个维度上都不够成熟。
激光雷达按照“扫描方式”的分类
事实上，我们经常把激光雷达称为“机械、混合固态和固态”的技术路线划分方式，主要判断依据是“扫描模块是否会动，动的部分有多少”。
而这也是当下激光雷达过车规最大的技术难点之一。
从长远来看，纯固态一定是主流路线（譬如芯片级产品稳定性肯定最强）。但如今，无论是Flash还是OPA，所有固态技术尚不成熟——或造价高昂或探测距离短。而国外研发此技术的公司均无好消息。
迄今为止技术路线没有谁输谁赢，各有千秋。图片来自民生证券
因此，大多数希望尽快走入汽车供应链的企业，都选择了混合固态技术路线。
在这个区间里，不少厂商选择的是MEMS或其他双轴振镜技术方案。但是，在探测距离和环境稳定性上，仍然还存在难以兼得的状态，需要继续实现工艺突破。
实际上，有产业人士曾告诉我们，在所有光学扫描方案里，反射式的单轴扫描是最经典、最稳定、最容易过车规的方案，同时也是最返璞归真的方式。这也是为何包括法雷奥、禾赛等头部厂商都在混合固态区间内选择了这一形态。
“但单轴也有很大的问题，就是怎么做到在控制体积的同时做到‘多线’，实现3D效果。” 王世玮指出，传统单轴振镜与转镜产品大多都是单线雷达（当然也有法雷奥Scala这样的4~8线产品），因此，就需要在其他部分做更多创新。
他提醒我们，由于市面上总是关注于激光雷达的扫描系统，恰恰就忽视了它另外三个重要组成部分——发射、接收以及信号处理电路。
“激光雷达比我们想像得要复杂太多，扫描部分在激光雷达结构里的占比其实并不高。而激光器与接收器，都在经历着跟成本与性能密切相关的技术变革。”
王世玮指出，即便他们扫描模块走的是单轴微振镜路线，但在给收发模组做“阵列化”创新后，除了做出多线效果，也要将光学装调难度降到了最低——
在器件数量大幅减少的前提下，组装调试时间用几分钟来完成。
“我们的一个核心技术突破，是在收发模组层都采用了阵列化的集成器件，直接保证了探测分辨率从第一代16线产品突破迭代到64线，一直到现在的192线固态版本。” 由于收发系统细节涉及到技术专利，他只能透露基础信息。
“简单说，就是用低成本、更稳定的单轴，做到了多线的感知效果。”
在收发系统层面的技术革新趋势，图片来自民生证券
直到现在，我们才意识到，虽然每家激光雷达企业的产品，在各种报道中，都会被简单概括为某一种扫描形式。但事实上，由于激光雷达由上百种光学、电子器件组成，复杂度极高，远远不是“固态与非固态”可以代表的。
甚至于，每家公司在光学设计、信号处理、集成方式、收发器件品牌与价格选择上，都会有极大的差别。
举个例子，在收发系统的设计上，激光雷达厂商大多会采用APD技术（上图），而现在有往单光子器件SPAD发展的趋势，但量产芯片化与性价比还有不足，国内也仅有几家公司在做相关产品。
因此，我们并非贸然下了这样一个市场结论：
第一批上车的激光雷达，虽然为车厂们卯足了噱头，但实际效果应该远低于其宣称的物体检测与感知能力；
而车载固态激光雷达之争，在固态产品走向成熟、混固态产品成本持续降低、量产能力持续爬坡的3年里，仍然不会有一个明显的高下之分。
硬件融合大势不可逆
就像在半导体世界里，多块XPU融合的超异构计算创新掀起了第四代算力革命一样，在自动驾驶汽车上，既然数据要在新旧传感器之间穿梭与碰撞，打破了原有模块化的独立运行机制，那么必然就会打破硬件与硬件之间的“隔阂”。
因此，硬件融合趋势，也发生了如今每天能够加载1000万条代码的消费级汽车上。
早在2008年，王世玮在清华精密仪器与测量实验室里，连过年都在忙着为一个国家卫星项目做图像与点云数据融合技术时，肯定想不到，十几年后，一项与之极为类似的技术会对自动驾驶和汽车产业有如此重要的作用。
多传感器融合。这是一个在车上为激光雷达、摄像头、毫米波雷达等多种传感器“建立联系通道”，并为汽车大脑做信息预处理的关键步骤。
如果打个比方，这是一种“让汽车自动驾驶前，先把零部件们放进一个语言体系里对话”的能力。
一般情况下，一辆robotaxi的传感器分布
然而现实很骨感。这项自动驾驶相关的高级技术，远远未被汽车产业领会、消化和吸收。
“大多有自动驾驶业务或团队的公司，在做传感器数据融合时，都采用的后融合处理方案——摄像头生成图像的数据，激光雷达生成自己的点云数据，分别做感知，再交给主处理器做融合。”
一位熟悉融合技术的工程师告诉我们，最常见的方法是把各类传感器的线都接在一块板子上，然后做标定和处理。
“但这种方法精度有很大问题，车上不同位置的传感器在空间与时间上很难对齐。而且一旦图像出现误识别，你就得去检查一下激光雷达的‘看法’，如果后者给了一个相反的判断，那么你该选择谁？这事儿永远都得人为介入，或者预先制定规则，但也难免发出错误指令。”
他举了个例子，某车厂在车头两边塞了两个激光雷达。但很明显，车后的摄像头与两颗激光雷达的位置和方向完全不同，扫描角度千差万别，通过“后融合”在精度上毫无疑问会有缺损。
而“前融合”可以解决以上问题。
这种方法的特点在于，把多个传感器的原始数据先“揉搓”在一起，再扔在一个“神经网络大锅”里做感知训练。这就好比把多个硬件组合在一起，形成一台“超级传感器”——不仅能看到图像，也能看到红外线和点云数据。
这项技术在国内最有名的传播者和实践者，是曾经的明星高阶自动驾驶公司Roadstar（很遗憾，这家公司因内斗而解散），其首席科学家、也是后来成立了元戎启行的周光，曾详细介绍过“前融合”的精度优势：
“假设在你手上有个手机，激光雷达只能看到手机一个角，摄像头只能看到第二个角，毫米波雷达可以看到第三个角。如果用后融合算法，由于每个传感器只能看到一部分，因此物体非常有可能不被识别，最终被滤掉。但在前融合中，由于它集合了所有数据，相当于可以看到这个手机的三个角，那对于前融合来说，是非常容易能够识别出这是一台手机的。”
探维把激光雷达与摄像头以特殊方式“融”在了一起
但是，前融合方案在开发中会遇到很多技术难题。譬如开发与前融合数据相试配的感知算法。对于车载传感器系统来说，想通过系统标定达到一百米外3~5厘米的融合精度，是一个几乎不可想象的技术指标。
王世玮也极为推崇“前融合”这项对汽车自动驾驶能力至关重要的技术。但是，除了无可比拟的感知精度优势，在清华实验室为国家做过大型卫星前融合项目后，他认为对于汽车产业来说，保证系统“后续无人介入”更为重要。
“与汽车不一样，卫星有个苛刻的客观前提：你一旦发射了，就很难再去修正一些问题。这也就要求我们当时必须做到，让产品在无人化状态下实现一切自动化有序工作。”
他举了个有意思的例子，当年美国哈勃望远镜发射上天后，科学家才发现它里面有块镜子不太好，看东西很模糊。但解决方法只有一个，就是再重新发一颗卫星上去，装一个补偿镜。
“我们当时做国家项目，不可能都像哈勃望远镜一样，不断发新卫星去维修，因此就必须保证卫星在无人状态下自动化处理信息。而这就是我们当初采用‘前融合’技术的另一个重要原因——必须让系统自己明白，怎样让像素与点云数据自动匹配起来。”
因此，王世玮与清华师兄弟，把当年在实验室积累的卫星核心技术，特别是以激光雷达为核心的硬件级前融合技术，在这波自动驾驶浪潮的鼓动下，做了一些对应汽车软件痛点的商业创新——
就像当年给卫星做数据融合一样，先为摄像头与激光雷达做硬件层的结构化集成，让两者实现基于同轴光学系统的空间对准与时间同步，免除标定步骤。
简言之，就是建立一种严丝无缝的“时空同步协作机制”，在摄像头暴露图像缺陷时让激光雷达顶上；在激光雷达出现稀疏点云时，被摄像头的优势补齐。
“激光雷达从一开始的4线、8线，再到16线、32线、64线以及128线，后面有没有可能出现214线、512线？不太可能，因为这不仅耗费时间，厂商也要考虑线数与成本的平衡。”
王世玮觉得，激光雷达的技术积累是漫长的，不然业内也不会有人硬抄国外雷达就抄了好几年。倒不如另辟蹊径：
“我们回想当初做项目的一些细节，其实就考虑过这个问题。譬如发现有些微小物体上的激光非常稀疏。那么在前融合状态下，感知系统会‘自发’去倚重摄像头做识别，这时候，激光雷达的分辨率大幅降低其实也没问题。”
但他认为，这不是为激光雷达的低线数找借口，而是“如果你用一个128线的激光完全能够实现2k高清图像的效果，那么为何不这样去做呢？”
坦率讲，虽然如今国内车厂嘴上都在说“软件定义汽车”，但他们大多远不具备突出的软件实力。
此外，尽管他们对激光雷达有了初步理解，但依然缺乏对多传感器的系统性应用能力（所以才长久以来都被Tier1牵着鼻子走），更不用说涉及到多种高端传感器的前融合技术。
“新势力会走得相对快，不少车厂对前融合也很感兴趣。” 跟车厂近期密切接触的王世玮，感受到了来自车厂端的剧烈变化，和越来越多的软件层痛点。 “我们发现其实客户对于无需标定的‘数据融合’感受非常强烈。有车厂这块儿的工程师吐槽说空间匹配精度不够，尤其是高速场景，失误很多，因此诉求也很多。”
写在最后
当我问及王世玮做激光雷达这起起伏伏的4年多里，有没有最值得庆祝的胜利节点时，他绞尽脑汁却最终没有给出答案。因为他觉得公司远远没有到达所谓“成功”的那一层，2022年的任务实则更为艰巨。
有固态样品的激光雷达厂商需要跨过第二座大山——或投资建厂，或寻找合作代工，尽快扩大生产销售能力。这将是王世玮跟他的技术团队未来几年里主要去解决的难题。
“坦率讲这不是我们的优势，因为现在体量还不算大，如果产能迅速扩大，我们还会遭遇验厂、良率、交付等一系列生产上的挑战。”
但即便如此，他们在海淀东升科技园的办公室短短半年里已经坐满了人，来自清华等名校和自动驾驶公司的年轻工程师面孔，也许代表了一家科技公司背后的产业，正位于极速上升期。
6年里来，有人退出，有人进来，有人成为独角兽，有人即将上市。但我们极为希望能看到更多科技创业者踏入这个充满未知、竞争者环伺的汽车垂直产业。
因为这里不仅是百亿美金撑起的市场，也有难度最大的汽车硬件创新、最厉害的对手。
页:
[1]