上周，威马首款纯电轿车M7首发亮相，搭载来自速腾聚创的3颗自主变焦高精超视激光雷达，从而实现高频场景到低频场景的用车场景全覆盖。
巧合的是，上周另一款搭载激光雷达的纯电轿车小鹏P5开启首批车主交付。此外，今年底长城摩卡特醇版车型（配备HWP高速公路领航驾驶）也将上市，首发搭载车规级全固态激光雷达。
接下来，国内自主品牌还有广汽AION LX、上汽R-ES33、极狐阿尔法S HI版、蔚来ET7、理想X01等数款车型也将陆续搭载激光雷达上市。同时，在合资品牌车型方面，搭载法雷奥、Luminar、Innoviz等多家海外激光雷达公司的新车也将陆续上市。
在高工智能汽车研究院看来，在经历了技术路线之争、车规级、成本博弈等多个关键因素的市场磨砺之后，激光雷达公司和整个行业迎来了第二个春天。在此之前，L4级自动驾驶、非汽车行业应用是这些公司为数不多的现金流来源。
一、市场需求，尤其是从辅助驾驶到高阶自动驾驶（部分场景）的进程加速，实现更复杂功能的安全运行，是汽车制造商不可回避的坎。
高工智能汽车研究院监测数据显示，今年1-9月国内新车（合资+自主品牌）前装标配搭载L2级辅助驾驶上险量为262.55万辆，同比增长75.01%，即便是在芯片短缺的背景下，仍然实现同比大幅增长。
在搭载率方面，今年1-9月国内新车前装标配搭载L2级辅助驾驶搭载率为17.69%，同时，9月标配搭载率连续第四个月突破20%，达到22.46%，环比8月提升2个百分点。这意味着，接下来从L2到L2+、L3的升级，已经成为智能汽车市场制高点争夺战的关键。
而特斯拉反对激光雷达的理由是，人类只需要双眼就可以应对各种道路状况，所以基于视觉的自动驾驶解决方案也应该具备同样的能力。同时，摄像头成本更便宜，可以”看到“更好的分辨率和颜色，可以“读懂”交通信号灯和道路标志。
特斯拉认为答案是神经网络，而不是激光雷达。这家公司通过自主设计人工智能芯片，用于训练机器学习算法，这是其FSD系统的基础，同时通过日常驾驶数据采集来强化训练系统。
反对者则认为，即便是特斯拉FSD功能，从官方声明来看，由于仍然需要驾驶员时刻保持对前方道路的注意力，同时时刻保持接管的准备。这意味着，这套基于纯视觉的系统仍然属于L2级范畴，尽管可能在大部分场景可以表现的超出预期。
从目前的监管来看，从解放双手到解放双眼，仍然会是一个漫长的过程。这背后不仅仅是安全责任的转移（从驾驶员到汽车制造商），还有安全冗余的问题。
按照业内人士的说法，满足冗余要求的唯一切实可行的方法就是补充其他类型传感器，来弥补摄像头的天然缺陷，同时为摄像头可能的故障提供感知冗余。
而传感器的性能水平，基本上决定了辅助驾驶及自动驾驶的ODD（系统设计运行域）。传感器越好，性能越高，系统就可以看得更远，除了更高的分辨率，还有更高的帧率。
在Innovusion自动驾驶销售市场副总裁梁鸿燚看来，基于激光雷达的冗余方案是其他车企实现弯道超车的最佳选择。尤其是在高速行驶过程中，整车的安全制动需要100到150米提前预警距离。该公司的激光雷达也即将首发量产搭载蔚来ET7。
此外，整套感知系统还要看到100-150米距离的小物体，对系统来说才能够有一个安全的预警时间和距离。这个时候，激光雷达的远距离探测以及高清分辨率，对于后续的感知识别算法能力增强，至关重要。
而在目前的量产传感器级别，摄像头+雷达的融合方案，包括4D成像雷达的加入，在性能上已经有大幅提升的可能性。但高帧率要求快速反应，高分辨率要求检测小物体，这是激光雷达的特长。
以自动紧急刹车（AEB）为例，在过去几年时间由于摄像头和毫米波雷达融合技术的演进，改进的算法提供了更高的分辨率和更动态的范围探测能力（比如，摄像头从窄视场到宽视场），功能逐步从车辆识别升级到行人、动物以及骑行车等更多移动物体的识别。
而更大的改进方向，则是刹车系统的响应时间，这取决于底盘控制系统以及更远、更精准的探测能力。比如，遮挡物造成的“鬼探头”，目前可以通过激光雷达的毫秒级帧率，快速识别加塞、鬼探头等突发情况，同时对远处“小物体”的提前预警，可以实现更为舒适的紧急刹车。
同时，对于道路上常见的远距离锥桶、凹凸路面等，车辆也可以通过激光雷达感知实现超越距离预判风险，提前减速、变道。比如，速腾聚创推出的智能“凝视”功能，可以根据驾驶场景智能调节激光雷达的扫描方式。
二、而在当下“确定性”规模量产的形势下，激光雷达的下一步怎么走，成为行业关注的焦点。这一点不仅仅是激光雷达公司之间的竞争博弈，也是汽车制造商后续选型重点考虑的问题。
从第一阶段量产项目的选型来看，考虑到大部分汽车制造商都是首发搭载，并在尝试不同的技术路线来满足自身的功能需求，这也是目前为什么市场呈现“百花齐放”状态的原因之一。
一些业内人士表示，目前激光雷达没有通用的解决方案——成本、应用场景、技术要求（车规级）和车身集成度设计都是OEM最终决定使用哪种激光雷达方案的因素之一。
但有一点是明确的，大部分激光雷达制造商都在尝试进一步技术开发，能够检测200米甚至是250米以上反射率低于3%的物体表面，这是能够支持自动驾驶在高速公路场景下的安全基准。
比如，车辆黑漆的反射率可低于1%，对最低数量的光子的灵敏度（最好是个位数），才可以探测到更暗、反射更少的物体成为可能。
另一个因素是背景“噪音”，即来自激光雷达波束以外的光源的光，比如太阳或明亮的人造光，它们会对反射光束造成影响，使得激光雷达很难探测到真实的物体距离。
这意味着，激光雷达加入现有的传感器融合架构之后，会造成各种不同传感器对前方道路状况以及特殊物体的判断置信度难题。
“我们一直在研究如何提高探测距离、分辨率、扫面线束等性能指标，并且我们也在尝试通过自研的接收及ASIC芯片等方式来降低成本。”一径科技联合创始人兼产品副总裁李云翔指出。
这其中，第一条博弈路线就是采用905nm还是1550nm的激光发射器。
支持前者，更多是考虑供应链的成熟度以及有竞争力的成本。他们认为，升级到1550nm是一种简单粗暴的性能提升方式，但在目前状况下需要承受更高的成本、功耗和散热需求。
而支持后者，则是因为1550nm的确可以使用更高（大概是100倍左右）的激光束能量，并保证人眼安全，这意味着可以感知更远的距离，同时提高信噪比，减小脉冲宽度至20纳秒以下。
这一点从一径科技最近推出的1550nm+MEMS方案激光雷达ML-Xs也可以看出，各项参数都达到了全新的高度。比如视场角达到120°×25°，角分辨率达到0.15°，线束达到200线，背景光噪声（在自然光照条件下）降低了70%。
第二条博弈路线是采用何种测距方式，传统的ToF（多种不同模式）还是FMCW，后者现在被很多企业认定为未来高性能激光雷达的趋势，比如，Mobileye选择了后者，原因是可以同时计算目标的距离和速度，这比ToF路线更加有效。
从技术原理来说，ToF（脉冲）和调幅连续波（AMCW）传感器通过测量接收光强的时间特性来检测距离。调频连续波（FMCW）和光学相干层析成像（OCT）传感器将接收光场的特性（振幅和相位）映射到强度中，并利用振幅和相位来检测距离。
ToF主要采用APD、SiPM或SPAD作为接收阵列，通过确定脉冲到达时间和传输时间的差来测量物体之间的距离。FMCW则主要基于平衡光探测器（BPD） 阵列进行相干探测，后续则主要会基于硅光芯片进行接收和扫描。
FMCW激光雷达的主要工作原理是通过低功率发射啁啾被物体反射，返回的啁啾之间的频率偏移与物体的距离和速度成正比。一个向上和一个向下的啁啾被用来解决两个值，距离和速度。
从长期来看，FMCW激光雷达有更好的环境光抗扰性、更好的人眼安全特性、更好的信噪比，通过硅光子学集成芯片可以提供每个像素的距离和速度数据。
不过，反对者认为，在成本、探测距离、性能和点云质量综合因素的考量下，高探测速率、敏捷扫描的TOF系统比FMCW更能满足目前的市场需求。此外，FMCW目前无法一次性同时测量径向和横向速度。
更关键的是车规级量产的难度。从目前已经披露的信息来看，按照英特尔和Mobileye的声明（考虑到丰富的前装量产经验），如果要达到车规级可靠且成本可接受，预计在2025年量产。
至于MEMS、FLASH、OPA等不同激光束扫描方案，同样取决于不同阶段技术成熟度、上游供应链的完整度以及功能应用场景的差异。
但不管接下来技术路线如何发展，市场做出什么样的选择，有一点已经非常明确：激光雷达的前装规模化量产已经开始。
高工智能汽车研究院发布预测数据，随着2022-2023年国内新车搭载L2级比例继续保持快速增长，高阶智能驾驶搭载激光雷达进入第一轮增长周期，预计到2023年国内乘用车前装激光雷达规模将超过150万颗。
来源：高工智能汽车
