要說激光雷達的“堆料”有多“卷”，看看機甲龍就知道了。

成都車展上，機甲龍的量産版車型亮相，除了價格，我們看到的是，機甲龍車屁股正中間那個顯眼的激光雷達。

去年沙龍汽車以“4顆以下，請别說話”向業内宣告至少搭載4顆激光雷達才有資格“上桌說話”，如今，更讓很多人想不到的是，激光雷達為什麼要裝到車屁股上？

沙龍官網給出的答案是，“規避掉諸多弊端。”當然，主要是夜間和倒車的場景。

不過，在“過猶不及”的當下，沙龍的做法确實值得商榷。有必要這麼浪費嗎？

合理性25%，修一下9000

本文不做純技術的解讀，盡量讓讀者能夠明白其中的道理即可。

先說，已經有激光雷達從業者認為，裝在車尾的激光雷達，存在的合理性百分比也就在25%。

雖說根據官方表述後面的激光雷達主要為了倒車等場景，但倒車速度慢，與安全的強相關性較弱，一般的攝像頭和超聲波雷達也夠了。而且，現在的車基本都裝了360°倒車影像，激光雷達其實很難做到物盡其用。

正常來說，激光雷達主要對前方和側方的感知要求更高。而這就涉及到，激光雷達的成本現在還很高。

8月初，汽車博主@陳志豪Aries 就曝光了小鵬P5的激光雷達更換費用，價目表顯示發生剮蹭事故後小鵬P5單顆激光雷達（車的左前）維修價格達到8916元，加上相應的更換及工時費，總費用将超過9000元。就算給小鵬汽車打個對折算成本價，實際上單顆激光雷達也得在4500元以上吧。

所以，就像前面提到的機甲龍，由于安裝位置的特殊性，其激光雷達出現剮蹭、碰撞的概率要遠遠高于車頂的安裝方式。一旦發生事故，維修成本也是相當高的。

雖然華為曾宣稱，要将96線激光雷達成本做到200美元以内，但是，無論采用轉鏡式還是MEMS微振鏡技術方案，從目前激光器、探測器、驅動電路等成本來計算，短期內也很難做到。

近一年來激光雷達在車圈非常火，光是宣稱“全球首款搭載激光雷達的量産車”的，就至少有小鵬P5和極狐阿爾法S，但是雷達數量上還沒有達到沙龍所說的标準。即便如此，激光雷達的上車成本也短期內很難降低。

對于激光雷達數量的“軍備競賽”，也有車企大咖反對在激光雷達數量上做“加法”，比如，理想汽車創始人李想就曾對此有過吐槽。他認為，激光雷達2顆作用未必抵得上1顆，盲目堆數量沒有意義。

為什麼？在現有的車況下，單顆激光雷達所帶來的數據量都是巨大的，何況兩顆？

有相關工程師做過實驗，他們曾在數據采集車上安裝了1個128線和2個16線激光雷達，加上4個攝像頭、1個毫米波雷達、1個慣性導航、2個GPU，這些傳感器帶來的數據量，就連千兆交換機都難以帶動。

并且，兩顆或一顆激光雷達都在正前方，與一前一後兩顆安裝，軟件方面需要做的融合算法就不一樣，一前一後的要比前者要複雜得多。而且，這些消費者看不見的軟件研發費用，最終都會體現在車價上。

另外，激光雷達的“車規級”要求，還是很高的。目前業内在激光雷達可靠性上的表現，基本都是“上車容易維持難”。前期各項數據都很好，但基本半年、一年之後，各種數據開始大打折扣。

所以，這就非常考驗激光雷達企業的機電能力。激光雷達的可靠性，各種抗幹擾性包括最重要的抗震性，能否應對霜、霧、凝露、薄冰覆蓋的場景，激光雷達是否有自清洗、加熱等功能等等，都需要研發解決。

從這方面來看，激光雷達要走“平民路線”，确實還有很長的距離。

激光雷達和純視覺路線

其實，說到自動駕駛，繞不開的一個話題就是，選擇激光雷達還是攝像頭？或者融合路線？

畢竟，自動駕駛是将汽車的駕駛能力及駕駛責任逐步由人轉移到汽車，通過感知、決策和執行三大核心環節來達成。而在感知環節用什麼，現在業内還充滿争執。

純視覺路線最極端的例子就是特斯拉。此外，Mobileye的SuperVision，百度的Apollo lite也選擇了純視覺方案的技術路線。為何目前隻有特斯拉等少數幾家采用純視覺方案呢？

在這點上，我們不得不佩服從“第一性原理”來考慮問題的馬斯克。一方面，純視覺路線更複雜、研發投入更高，但是從邏輯推導未來，這是必然的結果；另一方面，純視覺不是光投錢就能直接得到成果，需要積累足夠多的數據和情景，不斷訓練改進篩選優秀可靠的AI模型，通過不斷的算法疊代去實現。

當然也有反對的。比如有業内人士認為，視覺技術自身也存在一定技術短闆，“比如跨層泊車，特斯拉沒有這個功能，而這個功能的實現是需要激光雷達的，因為跨層泊車場景全是靜止障礙物，地形又複雜，需要地形建模，而建模的話肯定是激光雷達方案更好一些。”

馬斯克甚至開發了DOJO超算來幹這件事，就是要打“持久戰”，無法一蹴而就。但是，市場機會不等人，大家都想快速切入智能駕駛市場，占有一席之地，那最現實的解決之道，就是找到能盡快有結果的方案，搞起來再說。所以，車企優先選擇激光雷達方案，就是可以理解的了。

但是，任何事物的發展，都要符合客觀規律，而激光雷達的一個問題在于，要看系統算力能否帶得動。激光雷達的硬件部分隻是最基本的，重要的是軟件的融合算法能否流暢運行，智能駕駛平台能否帶得動。

激光雷達方案也并不是有些人所想的，那麼有用。因為和純視覺路線的實景圖像比，它的特點是：數據量大，但信息量卻不大。

這個，我們隻要看看第20屆中國汽車供應鍊大會上，北醒CEO李遠博士分享的一張512線和128線激光雷達100~200米探測效果對比圖就能明白。

而且，激光雷達雖然也是通過反射生成一張圖像，生成一張“毛胚”的環境地圖，也就是點雲圖或3D的環境圖形。但這激光雷達生成的這張圖的精度是依賴激光的線數的。

比如，我們說華為開發的激光雷達是96線或者128線的，就是這個意思。

激光雷達需要采集的數據量非常龐大，而且有多少還依賴于周圍環境的複雜程度，由于數據量太大，就必須有額外的算力支持，需要更高成本，更高算力的處理器，但這卻并不帶來額外性能和功能上的提高。

就像有些人問的，為何有些車企願意選擇并大力傳播激光雷達呢？

一位知乎博主“鹦鹉怪獸”表示，“因為對于廠商來說，激光雷達方案實現起來相對較快，算法要比純視覺簡單，研發投入相對少，關鍵是開發周期短，隻要給車裝上激光雷達，以及性能尚可的處理器就行，而這些都是消費者自己花錢買的，成本是消費者的。”

對車企而言，這也降低了研發周期和成本。還有一點考慮是，車企可以用這些裝了激光雷達的量産車作為向純視覺方案的過渡手段，邊積累數據，邊提高算法，為将來實現純視覺感知的能力做準備。

所以，紛紛擾擾的激光雷達“堆料”之争，總感覺傳播需求大于實際需求，我們看看就好。

畢竟，高級别自動駕駛還離真正的量産應用太遠。知道本質的區别，消費者自然會知道如何選擇。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!