華為說“不造車”，要做智能汽車“增量部件”供應商。

這是一個標志性的事件，即華為通過現行說法揭示了一個在整車之外的巨量市場，其中包括高精地圖、芯片、感知硬件（激光雷達）、電池、智能座艙等，在龐大而紛繁的智能汽車產業鏈中，這些“增量部件”隨便拎一個出來，又有著各自特有的產業邏輯。

擺在一眾玩家面前的現實問題是，在智能汽車高速推進的產業變革中，“增量部件”這場戰該如何打？

為此，在2021年的開端，我們特意制作了“智能汽車‘增量部件’爭奪戰”專題，希望用全景式的掃描，讓我們認清各個“增量部件”行業賽道的當前現實，各路玩家，尤其是中國企業的競爭力到底如何，機會又在哪里，以此作為我們擁抱智能汽車產業變革的開始。

與智能制造、智能家居等新概念相似，智能汽車產業的開端同樣也是基于物聯網（IoT）技術的實現。對應的，實現物聯網的首要是對現實世界感知，即通過硬件傳感器捕捉車輛的位置信息和外部環境信息，以反饋給大腦系統，做好自動駕駛的執行操作。

簡單來說，感知是自動駕駛的關鍵一步。目前，市場上的廠商基本借助硬件傳感器來解決感知層的問題。其中，在眾多硬件傳感器中，又以激光雷達的取舍最為熱議。

一方面，以特斯拉為主的“明星”廠商極力反對激光雷達，篤定視覺算法的技術路徑。另一方面，目前智能汽車產業鏈上的大多數玩家都選擇了激光雷達陣營，傳統車企如寶馬、豐田、沃爾沃，與新能源車企，如小鵬、蔚來均宣布未來新車型將搭載激光雷達。

同時，在激光雷達賽道上，國內的專業玩家也備受資本市場與產業巨頭的青睞。譬如，禾賽科技便獲得了百度、博世和安森美的投資，而速騰聚創也取得了北汽、上汽和阿里的投資，等等。

其次，伴隨著華為、大疆、科沃斯等各領域的巨頭跨界入場，可以說，激光雷達已經成為物聯網（IoT）時代炙手可熱的領域。

那么，回過頭來，再看看特斯拉與一眾產業鏈玩家的分歧，在視覺算法與激光雷達的爭論上，智能汽車產業又該走向何方？

特斯拉的“棄子”，不過噱頭“棋子”

很難想象，在自動駕駛的技術路徑還尚未完全成熟，同時大部分同行都屬意激光雷達的的情況下，馬斯克會如此強烈的反對激光雷達的應用，直言“用激光雷達是愚蠢的”。

這難道就是眾人皆醉我獨醒？

事實上，「智能相對論」認為，站在一眾市場玩家的對立面，對于特斯拉來說似乎并沒有什么損失，反而在市場營銷上賺足了關注度。每每激光雷達產業出現新熱點與話題，特斯拉的觀點、馬斯克的發言總能被拿出來比較，并同時增加其視覺算法的曝光度。

不得不說，這是陽謀。本文亦是不能免俗。

但是，換個角度來說，從技術應用層面聚焦，實際上激光雷達與視覺算法的爭論并非是魚和熊掌不可兼得的問題。同樣的，市場上小鵬、蔚來等玩家也并沒有說要放棄視覺算法，只采用激光雷達之類的發言。

不管是傳統車企還是技術服務商，都傾向于視覺算法＋激光雷達的綜合方案作為自動駕駛傳感器技術解決路徑。

那么，兩者之間的區別在哪？如果我們以人的視覺功能來類比，簡單可以拆分出兩個關鍵詞，一是“感知”，即知道有物體在什么位置；二是“識別”，即知道那個物體是什么東西，如何行動？后者要比前者更加復雜深度。

對應的，激光雷達與視覺算法在自動駕駛中承擔的便是“感知”與“識別”的作用。

首先，激光雷達在工作時，會主動向四周散射激光，隨后基于飛行時間反饋來判斷周邊是否存在障礙物，以及障礙物的位置甚至體積并生成點云圖。

作為一項強感知的技術，激光雷達基于較高的準確度具有明顯的應用優勢，能很好的補充原有車載GPS、攝像頭等的不足，讓智能汽車感知環境的能力更上一個層級。

其次，視覺算法則為智能汽車提供識別物體的能力。以特斯拉的自動駕駛大腦系統來說，其主要借助特斯拉上的攝像頭，對周邊的物體建立模型，同時把相片數據添加到神經網絡的訓練集里，再通過海量的訓練來提高“大腦”對周邊物體的識別判斷能力。

對比兩者，你會發現，更好的“感知”能力與更好的“識別”能力，就如同更好的“眼睛”與更好的“大腦”，并不沖突，理應是自動駕駛標配的技術。

技術上，兩者并不存在根本性的沖突。如果真要說一點，那就是激光雷達不像攝像頭那樣具備物體識別能力，也就是說感知與識別兩項能力不能在激光雷達上進行融合，但是基于多傳感器方案，依舊可以采用攝像頭來補充上這一缺點。

顯然，馬斯克如此激烈的對外反對激光雷達，很難讓人信服是出于技術維度的思考。

進擊的華為，真能打下高成本？

誠然，就激光雷達的成本問題而言，特斯拉還真就看不上這一路經。目前，激光雷達成本高昂，動輒就是上千美元至上萬美元不等，相比之下攝像頭的硬件成本才幾百美元，其中成本差距近乎十倍以上。

也正是如此，激光雷達雖然具備明顯的技術優勢，但是很難量產大規模應用。可以說，成本問題是激光雷達應用最明顯的瓶頸，誰能解決這個問題，也就將有機會顛覆目前的市場格局。

顯然，華為看到了這一點。此前，在第十二屆汽車藍皮書論壇上，華為智能汽車解決方案BU總裁王軍便透露，華為未來計劃將激光雷達的成本降低至200美元（約1390元人民幣），甚至是100美元（約695元人民幣）。

此言一出，業內嘩然。

緊接著，「智能相對論」看到，在12月的T10 ICV CTO峰會上，華為正式發布旗下設計開發的96線中長距激光雷達產品。幾百美元的成本區間一時在市場上引起諸多熱議，相比此前大疆發布的千元級汽車激光雷達，華為進一步將成本價打了下來，說是腰斬也不為過。

盡管王軍表示，“暫時還做不到此前宣稱的100美元……”但是，從高管發言到產品發布，華為的這一波也確實為其進軍激光雷達領域賺足了市場熱度，也為智能汽車產業的激光雷達陣營添足了籌碼和底氣。

但是，又不得不說，在相關價位的產品還沒有正式上線、量產應用的情況下，類似的語不驚人死不休的發言倒是與特斯拉有異曲同工之妙，很是吸引眼球。

實際上，盯著激光雷達成本打的玩家不光是華為，而真正要將整個激光雷達產業的成本降下來也并不容易。細說起來，可以在三個方面大致了解一下。

其一，車規認證。

從經濟管理的角度來說，一個產品若要降低成本，規模化生產是最常態的路徑。產量上來了，成本也就隨之降低。而在激光雷達領域，若是實現量產，第一步首先是獲得車規級認證。

然而，車規本身認證周期比較長，需要做數百項測試，歷時2－3年才能完成。這在無形中就拉長了激光雷達實現量產應用的周期。

目前，整體量產市場規模幾乎為零。直到小鵬、北汽、長城等車企相繼公布其對于車載激光雷達的產品規劃，我們才能在市場中看到2021年激光雷達產業或將進如量產元年的信號，可見激光雷達車規化之困難。

其二，產品工藝。

禾賽科技發現，激光雷達成本居高不下也存在產品工藝上的問題，即產品集成度過低，每一線（每個收發通道）都需要兩塊電路板、數個芯片／器件來實現，同時每一線都要進行精密裝調，生產過程復雜，隨著線數的增加，成本便呈指數級上升。

也就是說，如果不改良產品工藝本身，哪怕是進入量產階段，在成本控制上仍存在冗余。對此，禾賽科技希望通過自研激光雷達專用芯片來解決，即把數百個激光收發通道都集成到幾顆分別負責發送和接收的芯片上。

過去，32線機械式激光雷達需要安裝32個收發系統，而在新的工藝下，這32個收發系統都被集成到芯片中。也就意味著，一顆激光雷達所需的裝調次數從原來的32次減少到1次，裝調工作量下降了97％（31／32）。

那么，基于芯片化的升級，激光雷達不僅可以解決量產的成本問題，還能進一步帶來性能上的提高。當然，芯片生產進而又涉及到另外一個領域的討論。

其三，生產流程。

既然要做到規模量產，那么生產環節自是不能忽略。據華為公布的信息，其第一條車規級激光雷達的第一條Pilot產線是依托華為在光通訊領域積累的精密制造能力以及先進工藝裝備實驗室的基礎上建立的。

也就是說，激光雷達生產想要走量的前提，得先要深化生產制造技術。因此，Livox在復用大疆工廠的一套生產體系和流程的同時，也進一步創新了Dl－Pack封裝技術，把多線激光器和接收器全部封裝在小片子當中，同步實現激光器的自動校準，大幅度簡化了繁瑣的人工對準工序，保證量產能夠做到高良率和高產能。

總結來說，借助先進的制造能力和生產體系來實現激光雷達生產的自動化，逐步成為當前產業巨頭跨界的一個優勢。伴隨著接下來量產化的實現，這一優勢也將繼續放大。

小結

不難發現，從目前行業整體情況與產品本身、生產流程來看，激光雷達產業在2021年量產元年或將迎來車規化、芯片化、自動化的發展。屆時，一批車規級的高性能激光雷達走下自動化生產線，服務需求日益增長的智能汽車產業。

當然，又不得不說，激光雷達當前仍然面臨著精度、耐久性、散熱性、適配性等技術難題，未來縱然少數幾家大廠可以實現從0到1的量產，但對于整體的激光雷達市場和智能汽車產業而言，仍有不短的路要走。

責任編輯：PSY