一年以前，陆奇在北京国家会议中心上喊出百度要“ALL IN AI”的口号。而去年此时，李彦宏乘坐自动驾驶车赶往会场，收到了那张著名的五环罚单。

一年之后，百度已无陆奇，却有了自动驾驶路试牌照。百度Apollo3．0的量产，让自动驾驶再一次火爆起来。

从世界范围来看，Waymo、优步（Uber）、Lyft、百度（Baidu）和梅赛德斯－奔驰（Mercedes－Benz）等厂商正逐步加大对无人驾驶的研发和量产力度，其关键性的就是在于雷达技术和应用上的突破。而大部分企业更是瞄准了激光雷达这块“香馍馍”， Yole Développement分析预计全球汽车激光雷达市场将在2023年达到50亿美元，到2032年将达到280亿美元。

作为无人驾驶的核心技术，激光雷达是一种集激光、全球定位系统（GPS）和IMU（Inertial Measurement Unit，惯性测量装置）三种技术于一身的系统，用于获得数据并生成精确的DEM（数字高程模型）。

激光雷达发展历程

在大多数参与自动驾驶玩家看来，激光雷达是实现自动驾驶的必要基础，传统雷达无法识别物体细节，而摄像机在暗光或逆光条件下识别效率明显降低。但是，市场的火热发展也正让激光雷达出现了一些不一样的认知，飞速狂奔的激光雷达，也许已经“跑错了道”。

一、弄错了认知方向：体积大、价格高是激光雷达的“标配”

激光雷达应用于无人驾驶，要从Velodyne说起。早在2004年，美国国防部高级研究计划署（DARPA）主办了一场跨越莫哈韦沙漠的无人驾驶挑战赛，这个比赛的初衷是刺激军事和商业应用领域的自动驾驶技术研发。

Velodyne的创始人David Hall在此次比赛中敏锐的发现了激光雷达装置在自动驾驶技术中的优势，并开始着手研究。不久，Velodyne研发出了第一台激光雷达，其直径达到30英寸，重量接近100磅。

时至2010年，谷歌推出无人驾驶汽车项目。谷歌车顶所使用的“车顶花盆”就是Velodyne 生产的64线激光雷达传感器，成本约为7．5万美元，其成本占到一辆谷歌无人车近一半。

谷歌无人车的“车顶花盆”

而这个“车顶花盆”，并不招人待见。一个明显的问题就如无人驾驶测试车的外观，激光雷达体积较大，安装在测试车上相当笨重，因此Alphabet子公司Waymo的测试车采用了黑色巨大弧形车顶，而丰田和优步的测试车顶上则像顶了个咖啡罐。

长此以往，厂商开始认为，体积大、价格昂贵，是目前激光雷达的“标配”。但是，一批研发机构已经开始着手解决这个“痛点”，2015年Velodyne发布16线激光雷达，价格从7．5万美元的降至8000美元；2018年3月，Cepton公司推出第四代产品Vista，其是目前市场中功耗最低，体积最小的传感器，且价格低于1000美金。

低于1000美元的“Vista”激光雷达

与机械激光雷达（如Velodyne）、固态激光雷达（如Quanergy）和flash激光雷达（如LeddarTech）不同，Cepton采用微动技术（MMT），并与日本某一级供应商进行合作，将激光雷达应用于车灯的空箱之中，进一步拓展激光雷达的应用领域。

二、搞错了应用场景：只有无人驾驶激光雷达才能“大展拳脚”

激光雷达在现阶段智能车辆实现中是不可或缺的传感器，它具备精确的测距、空间定位与描述、可靠的障碍物检测等独特能力。通过高分辨率激光雷达，有助于实现复杂交通环境下自主驾驶，特别是针对交通拥堵、狭窄道路、小区和停车场等特殊场景。

激光雷达在无人驾驶中占尽了风头，让许多厂商和消费者们开始认为只有无人驾驶才能让激光雷达“大展拳脚”。诚然，事实证明激光雷达之于无人驾驶就如水之于鱼，有着不可替代性，但是也要看到，激光雷达的应用场景不仅局限于无人驾驶领域。

要涤荡这种认知，首先要明白激光雷达的工作原理。所谓激光雷达，就是通过使用光来测量距离，激光雷达能够非常快速地采集样点——每秒高达150万个数据点。

想象一下，当发出光脉冲时启动秒表，然后当光脉冲（从遇到的第一个物体反射出来）返回时停止计时器；通过测量激光的“飞行时间”，并且知道脉冲行进的速度，就可以计算距离。

激光雷达的应用原理

传感器通过快速的对整个环境进行采样，可以形成一个完整的点云，而此种运作方式在许多领域都将大有可为。比如：

应用于机器人领域，激光雷达解决了机器人行走的问题，知道如何路径规划，以及避障的功能，如镭神智能、波士顿动力公司都在此方面进行了尝试并有产品产出；在无人机测绘领域，激光雷达可以对正在作业中的矿山和施工现场做精确的三维建模。比如Cepton的SORA200产品，重仅仅550克，探测距离达到200米，专门提供无人机测绘解决方案；在铁路领域，激光雷达可以测量车辆，并可在中央车顶配备惯性测量单元（IMU）和 GPS天线，用以获得轨道沿线经纬度信息的3D数据。

CeptonSORA200应用于无人机上

再谈汽车驾驶领域，除了无人驾驶中激光雷达作为汽车的“眼睛”可以实现路障识别外，其还可以应用于自动紧急制动（AEB）系统，采用雷达测出与前车或者障碍物的距离，然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较，从而保障人为驾驶的安全性。

此外，在汽车零配件领域，与机械激光雷达（如Velodyne）、固态激光雷达（如Quanergy）和flash激光雷达（如LeddarTech）不同，Cepton采用微动技术（MMT），并与日本某一级供应商进行合作，将激光雷达应用于车灯的空箱之中，进一步拓展激光雷达的应用领域。

三、辨错了配件关系：激光雷达可取代其他冗余

激光雷达、雷达与摄像头之间，永远都不会是取代与被取代的关系。特斯拉CEO伊隆·马斯克（Elon Musk）曾认为：他可以在不依靠一项技术的情况下打造出自动驾驶汽车和半自动驾驶汽车。该技术就是激光雷达（LiDAR），即使用激光来帮助汽车绘图和穿梭于周围的环境。

马斯克认为，其可以依靠摄像头和雷达——在不使用激光雷达的情况下——来完成自动驾驶系统所需的大部分工作。

这也是目前一些厂商对于激光雷达的看法：过于冗余。事实真正的如此吗？实际上，激光雷达传感器可带来冗余和重叠的功能，这是打造无人驾驶汽车所需要的东西，让车辆即便面对最具挑战性的环境，也能够应对。

目前来说，无人驾驶所必备的三种设备：摄像头、激光雷达和雷达，他们各自有着自己的优点，例如，摄像头能够识别物体，但在某些黑暗和低光照的条件下很难看清物体。而激光雷达则能够从一个物体上反射激光，进而形成一个图像，即使雨雪可能限制其有效性，也可能会避免照明问题。

这些优点和缺点，虽然每种技术都提供一定程度的冗余，但从安全性的角度来说必须存在的。无人驾驶当前最为人所诟病的就是安全性问题，比如Uber今年3月18日发生的无人驾驶首例致死车祸，其原因在于无人车传感器已经探测到这位正在横穿马路的行人，但自动驾驶软件没有在当下采取避让措施。

作为传感器本身来说，多类型多渠道的传感器能够形成联动效应，进而一定程度上增加无人驾驶的安全性。毕竟，只要有0．01％的风险，就会有人因此付出生命的代价。

同样，从另一个角度来看，马斯克不看好激光雷达也是因为特斯拉正试图以最低的成本来开发自动驾驶汽车，以低成本并专注软件的方式来替代激光雷达的高昂价格。

但实际上，随着技术的完善性和发展，激光雷达的价格正在逐步下降。Otto公司使得激光雷达技术较数年前不仅功能大幅提升同时成本下降了近九成，其产品主要用于18轮的大型货运挂车上。而Cepton公司在保证性能的基础上，更是承诺将Vista的售价降至200美元以下，并已经投入量产。

四、狂奔的激光雷达，该走向何方？

激光雷达发展至今，市场已经是一片红海，如何能够在激烈的竞争中展现出自身优势，狂奔的激光雷达，又该走向何方呢？

其实，激光雷达发展中面临着更多的机遇与挑战，比如材质、环境、行驶速度和成本依然是激光雷达需要攻坚的难题，与此同时，其也面临着许多的机遇。

比如，其在智能机器生态系统中就将大有可为。与使用二维图像相比，点云能够更容易的被计算机使用，用于构建物理环境的三维形象——二维图像是人脑最容易理解的数据，而对于计算机来说，点云是最容易理解的。

再如，智能激光雷达能为无人驾驶“安全护航”。比如Cepton所研制的微动技术（MMT），其可以实现传感器无任何旋转或摩擦部件，从而将雷达深度集成与车身之中，提高产品的安全性。在自动驾驶、主动安全和高精度地图方面，Vista提供了很好的解决方案。

总的来说，激光雷达是实现无人驾驶的重要传感器，由于其功能特性可以在复杂交通环境的感知中起到关键作用，越来越受高度重视。当然，激光雷达在应用市场的过程中也存在着一些机遇和挑战，具体激光雷达这条路怎么“走得好、走得稳”，这还需要市场和时间来检验。

智能相对论：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI＋医疗、机器人、智能驾驶、AI＋硬件、物联网、AI＋金融、AI＋安全、AR／VR、开发者以及背后的芯片、算法、人机交互等。