激光雷达，诸神混战

2022西门子EDA创新技术客户交流会精彩视频发布，扫码即可领取回看！

技术在这个年轻产业仍具强大把控权，这便使得最精彩的竞争，无处不在。
作者| 宇多田

3年前，一个工程师穿梭在各家激光雷达CES展台，他用黑色风衣把身体裹住，看起来毫不起眼。

但没有人发现，他的风衣是一种类似天鹅绒布的质地。

这种黑色布料并不特别，但却是检测激光雷达反射率的最佳利器。有时候，稍微退后几步，某个公司的产品就可能丧失对他位置的把控。他狡黠一笑，一天下来有了判断后，就回去写报告了。

这便是激光雷达市场最有趣的地方：

技术在这个年轻产业仍具强大把控权，这便使得有意义的竞争无处不在。

疫情三年，我们无法近距离观察到工程师眼中的“不服气”，但这并不意味着商业世界在保持沉默。

这场激战，开始在地下硝烟弥漫。

一边，激光雷达头部企业明争暗斗，抢食订单：量产最早的速腾，吃下了几十个车型，曾一度风头无两，也脚底仍有踏坑风险；

而凭借产品能力，慢一拍的禾赛迅速后来居上——靠理想车型疯狂上量后，2022年，又把至少5个定点收入囊中。

同时，他们也是最快沿着Vcsel+Spad（这里简称VS）这条黄金技术路线产品化的团队之一。2022年发布的FT120，就是一颗以VS打底的补盲雷达。

 另一边，因车规与性能迟迟难以平衡，激光雷达上车之路远未闭合，新晋团队随时猛插一脚。

海外，luminar终于熬过5年在沃尔沃新车型上见到天日，宝马将2023年车型交给了Innoviz。还有诸多车厂选择了保守方案——继续信任法雷奥。

而国内，2017年成立的北京的一径与探维科技出货量迅速提升，后者的清华国家重点实验室星载激光雷达项目背景不容小觑，成立不到5年，已拿到车厂定点。

最值得注意的是，喊了至少5年却迟迟未见动静的FMCW测距技术路线，冰封之下终现裂痕：

2022年，拥有苹果传感器团队背景的AEVA，向部分客户公开了如巴掌大小的完整样机，国内有车厂则给出了“效果十分惊艳”的反馈。

而出身于MIT相关实验室团队的“摩尔芯光”们，则是这个领域最有潜力的中国团队之一。业内都很清楚，MIT是研究FMCW技术最早且最顶尖的机构之一。

当然，还有被所有人忌惮的华为，这是一个我在每一个场合都能听到的名字。

他们虽然像是在“小睡”，但在两个将要量产的车型里已看到96线激光雷达的身影，其中一个还是新势力。

2022年，物理世界处处受限，但由金钱和技术主宰的汽车元器件市场却在加速流动。旧人还在对外输出“格局已定”的结论时；新人，却猛地踢开了大门。

01

苹果的指引

“可惜啊，如果AEVA是家中国公司，那真的不知道禾赛和速腾，能不能睡地着觉。”

给出这句评价的是一家中国激光雷达公司前线人员。这也是我在2022年第一次听到，有人毫不吝啬自己对竞争对手的赞美。

也许，这真的如同一位看过样机的车厂人士所透露，如果AVEA的性能真如B样所示，那么市场要变上一变。

“比某三字公司看得远，还比它看的清楚，价格还比它便宜。这家三字公司是现在量产激光雷达性能综合看不错的，但比它都好，很可怕。”

在过去5年里，号称能做FMCW激光雷达的国内外创业公司，如过江之鲫。

他们都打着类似于“完败TOF测距法”“真正上车之王”“把庞然大物缩成一枚芯片”的旗号，努力说服着投资人与市场。

其中，便有从苹果神秘且庞大的汽车项目SPG（前身就是著名的Titan）走出的AEVA。

他们的创始人Soroush Salehian，曾在苹果 SPG 领导着一支传感系统产品团队。而这支团队，便是AVEA的核心组成部分。

在此之前，他还曾经领导过一支斯坦福工程小队，为某个遥感卫星项目开发软件平台。

（非常有趣，这里插一句，你会发现做激光雷达厉害的团队，都或多或少有着航天背景。）

无论你是否愿意承认，至少在创新上，“苹果”二字就是一种说服力。

譬如，他们把激光雷达做进iPhone里，为Vcsel技术路线添置了一把火；再譬如M1芯片，展示了绝对顶级的集成能力。

你甚至可以猜测，苹果汽车的激光雷达路线很可能就是FMCW。

2022年年底，在一个激光雷达论坛上，大家听得昏昏欲睡。AEVA的中国市场总监上台，从口袋里看似随意掏出那块如U盘大小的收发模组，一边展示一边得意地宣布：

“还有很多人觉得FMCW早，但我想说，真的不早了。我们已经量产，2024年的车型项目里就能看到。”

下台后，他一下子就被包围了个水泄不通。

这种景象在疫情后就几乎很难见到了。竞对、车厂和投资人眼中有惊疑也有揣测，但没有人，不是贪婪的。

02

“多普勒”的希望

FMCW猛攻的，便是现有市场的统治者——TOF（Time of Flight）激光雷达，两者是完全不同的激光测距思路。

后者，我们已经过于熟悉——“双手搓动一支笔，以这支笔杆为核心打出无数光点，它们击中墙壁再反射回来的时间，便可计算你与墙壁的距离”。

而FMCW技术，则取决于“光波”运动的频率。

一个人站在铁轨旁，听着火车从远处低低的轰鸣，随着距离变短而愈加尖锐。而火车呼啸而过、越驶越远后，声音又重新进入“男低音声域”。

这对应的，便是声波由长至短，再变长的频率变化与位置变化。

没错，这便是多普勒效应的经典证明案例。法国物理学家更是利用它找到了恒星相对速度的测算方法。

而大家熟悉的车载毫米波雷达，便是利用光波多普勒效应的典型硬件产品。能够获得“速度”信息，是它的一大特点。

因此，简单理解，市面上大部分FMCW激光雷达，就是给传统TOF雷达，套上了一层“多普勒效应”的工作原理（所以，这里不涉及到扫描模块的技术之争）。

那么替换传统TOF路线最具诱惑力的理由，便至少有两个——

• 首先，每一个3D光点都多了第4维“速度”坐标，所以又称4D激光雷达；

• 其次，这些“光”在调频（FM）控制下，更善于寻找同类，对阳光、人造光和其他车上激光雷达发出的“噪音”则置若罔闻。

其中，AEVA对FMCW激光雷达具备的速度优势，形容很妙：

在它的眼中，如果说静止的树木、道路与红绿灯的轮廓都是黑白的世界。那么一旦发生移动，在一个黑白世界中，行进的车辆与横穿马路的行人，则是一片色彩纷呈。

实际上，支持者们一直鼓吹的“FMCW激光雷达能看到更远的移动物体”，就建立在“速度”坐标的基础上。

譬如，所谓“500米探测范围”，并不意味着，它能在500米开外用密集的光点云，打出一辆车的清晰轮廓。

相反，一个动态物体，或许只能被FMCW激光雷达打上两个点。但即便如此，叠加的速度信息，便能判断出它是行驶车辆还是行走的人。

而在隧道里，即便GPS失效，但FMCW激光雷达在已知每个点的速度和位置，及车的行驶速度下，就可以推算出自己的定位。

这样类似的案例极多。

可以说，“速度”坐标，至少对于做自动驾驶算法的工程师们，具备极大的诱惑力——

“测距不够”、“点云膨胀”及“虚点假点”，是他们吐槽激光雷达的常态。

如此优秀的实用性优势，让FMCW激光雷达全球创业公司，在5年里诞生超过20家。其中就包括2017年被通用收购的Strobe，以及2019年被自动驾驶巨兽Aurora收购的blackmore。

当年，通用 Cruise CEO 甚至发博表达了对Strobe的期盼：

“如果Strobe能把整个传感器压缩为FMCW芯片，将会把自动驾驶汽车每台激光雷达的成本砍掉99%，它将彻底改变整个行业。”

然而，如果真的这么简单，那创业，也就没有太多价值了。

03

众人才能拾柴

5年里，远不止AEVA、Blackmore、Strobe以及Voyant Photonics这些国外公司募集到大量资金。国内创业者也加入了FMCW鼓吹大军。市场结果，却一次又一次证明了理论与实践的天然差距。

截止目前，至少有两家早期中国FMCW激光雷达公司濒临倒闭，其中一家还在艰难融资；而车厂供应名单里，还是TOF的天下。

2021年，TOF技术路线代表企业Aeye的CEO，还专门写了一篇洋洋洒洒的千字文章，从各技术维度来揭露FMCW的“真面目”。其中一点，就提到FMCW欠缺成熟的供应链：

“从历史上看，一项独特的颠覆性制造技术，必须有10倍的技术收益，才能抵消一个拥有强大供应链的产品。”

没错。如果你曾见过一些创业公司的FMCW样机，或者在PPT上看过他们的产品图样，可能会生出一种类似的感觉：

粗犷且笨重。

重达5公斤以上，跟蜂窝煤一般大小的铁疙瘩，不仅与汽车市场的风格有些出入，还跟“把所有器件全部集成在一枚比巴掌小的芯片”的许诺，一个天上，一个地下。

 “本质上，他们是拿来光通讯的组件做了拼装，因为FMCW激光雷达的核心部件，与光通信产业的核心部件高度重合。”

一位产业人士指出，中国公司做FMCW激光雷达芯片的好处与坏处，都藏在供应链里。

好处是，FMCW需要的激光器等若干组件，很容易在光通信行业里找到，做原型机开发可行性非常高。

甚至于，这里面绝对蕴藏着一条未来不可估量的激光雷达光芯片产业链条；

但坏处则是，它们是为光通讯产业而生，而非听命于由消费者主导的汽车市场。

很容易想到，缠在电线杆顶上那些5G基站盒子和电缆，做成傻大粗的模样并不会招致反感；但精密稳定如汽车和半导体，却很难。

对FMCW激光雷达的规划，从一开始就不是一台设备，而是一枚几毫米大小的芯片。

因此，创新到底由上而下，还是由下而上？很长时间里，大家都不敢冒然前进。

回看大跨步如AEVA，有两点绝对不可忽视——

首先，他们的工作建立在相对成熟的海外硅光芯片供应链上。从设计、前端研发、晶圆厂再到模组集成缺一不可。

“硅光芯片的根儿在MIT，但整个产业的繁荣是供应链拱起来的。所以，前几年在国内谈FMCW很不现实，产品体积和成本都大地要死，因为你连核心器件都买不到。” 

一位硅光产业人士很唏嘘，如今国内硅光产业链有隐隐起势，但还不够，很不够。

其次，他们与车厂，以及德国日本Tier1一起秘密研发超过3年时间。漫长的沉默背后，是后者愿意从底层算法和二次开发层面，提供最大的支持。

因为使用FMCW，可能意味着对TOF激光雷达算法的推倒重来——

把原有算法积累抹除，解绑与TOF的长期经验磨合，不是每个车厂都能做到的。

“这是在变相要求传统车厂以开放心态提升实力，但对自动驾驶算法工程师，则是个不可错失的好机会。”

04

巨头的优势

把激光器件“焊”在一枚芯片上，这个过程必然要用到一项关键技术——

硅光子芯片。

几十年来，科技巨头们其实一直在利用光子的力量。通过几千米的海底电缆，我们可以轻易把数据从太平洋对岸的服务器，传至中国西部某个大型数据中心。

但一开始敢把这种技术直接“搬”到数据中心内部，甚至于一枚芯片上的，只有在21世纪初才发力的半导体巨头。

然而，直到2020年左右，受到“数据中心内部服务器连接瓶颈”和“摩尔定律死亡论”的牵引，这项技术才真正受到产业重视——

如果在一枚芯片上，用光介质而非电子来传输数据，那么，将有远超10倍的速度、功耗与成本优势。

譬如，台积电与第二梯队晶圆厂格罗方德，在2020年后，开始大肆宣传在硅光子技术上的动作。

“激光收发器件集成在光芯片上，仅仅是第一步；因为扫描部件，还是要用电信号。因此，怎么把用电的器件也放在光芯片上，才最关键。”

一位硅光产业人士指出，即便强大如AEVA，把收发、光学模组缩成了U盘，但整个激光雷达，仍然光是光，电是电。

“大家还在探索，如何把光和电信号都集成在一块芯片上。”

实际上，有能力把光电区域都堆在一块板子上，目前，全球有且只有一家公司——18年前就开始研究硅光子技术的英特尔。

因此，这也是我之前撰文一直强调，在英伟达上车、外界普遍看衰Mobileye时，无论如何也不能小看这家英特尔子公司。

Mobileye在2021年初公布FMCW激光雷达原型时，声称自己是真正的“Lidar-on-chip”。其最不可忽视的力量，便是背后英特尔独有的硅光制造技术。

而处于晶圆厂第二梯队的格罗方德，在2014年收购IBM相关硅光业务后，在今年7月，才宣布开发一种新硅光子工艺，并得到了高通、英伟达在内的巨头支持。

只不过，诸如Mobileye这类公司的最大缺陷也是巨头的通病——缓慢且傲慢。

很明显，中国创业公司在竞争意识上一直要快很多。特别是2020年以后，归国的FMCW芯片顶级人才也陆续回国。

很有趣的是，你会发现，几家拿到融资的中国企业，与Mobileye研究FMCW的团队，有着共同的MIT实验室背景。

我们顺手去扒了一下创始人们在知名期刊上发表的FMCW与相控阵技术论文，发现不同团队的成员名字，的确在多篇论文中穿插组队出现。

另外，加上中国光芯片供应链的加速之势，这时候FMCW激光雷达的再次腾空，便再次有了创新的沃土。

“无论TOF还是FMCW，终极目标其实殊途同归，就是把所有器件全放在一枚芯片上。无论可靠性还是成本，都将是最无敌的。

但无疑，至少当下，AEVA让所有做FMCW芯片的公司，都看到了希望。”一位硅光产业人士指出。

05

谁行谁上

“2021年，产业里还在讨论和批判上车的那些’装饰品’。但今年一下子就感觉，讨论Vcsel、Spad还有FMCW成了大势。”

一位长期奔波在江浙沪一带的从业者感叹，今年一个小小的激光雷达论坛，就挤进了上千人，满眼都是Vcsel和FMCW，他还纳闷这到底是不是一个小众市场。

“以前去ADAS会场才有这么多人。”

只是，无论把技术路线说得多么溜，车厂的诉求永远简单且当机立断：

性能好，过车规，量产，再便宜，再小；再便宜，再小……

你会发现，2023~2025年的车型，尽管很多激光雷达合作研发周期超过3年，但车厂旗下品牌琳琅满目，依然处于见异思迁的不稳定状态。

事实上，在当下，顶级TOF企业研发部门的秘密武器，并不输FMCW的原型机。在后者谋求量产和上车的时间里，TOF们也在加速狂奔。

“某家公司的量产TOF已经非常棒了，但他们下一代能塞进某个‘缝’里，你能信？”

一位车厂人士指出，如今上车的激光雷达体型还是被嫌弃很大，为了给这些头顶、保险杠里的雷达做清洁就很麻烦。

那么，小到省去这个步骤，他透露，已经有公司做到了。

此外，各家的下一代都在瞄准Vcsel+Spad，几乎是分秒必争。但有趣的是，做集成的开始瞄准更小的模组，而模组供应商在瞄准更小的芯片。

野心，正在沿着供应链往上爬。

两种芯片的流行，正在催生更加细分创新器件创业者的诞生，譬如Spad赛道就有识光芯科等海外背景天使团队在迅速崛起。

以此判断，愈加细分的市场，将会导致商业模式与竞争阵营再次发生变化。而这，将是后话了。

- END -

本文转载自微信公众号：宇多田，内容仅供交流学习之用，如有任何疑问，敬请与我们联系[e-mail]。

▼ 往期精彩回顾 ▼