|
无人驾驶是一个庞大而且复杂的工程，不但涉及的技术方方面面, 从实验室到商业落地也有一段长路要走。汽车制造商、互联网巨头、芯片巨头、传感器研发商、汽车创业企业等产业链各方纷纷入局，从展示技术研发到探索商业化落地，加速跑出者才能率先获得下一场竞赛的接力棒。 传感器如何进一步缩小并融入车体？激光雷达什么时候才能实现真正的车规级量产？在无人车技术不断发展的前提下，电池和其他相关车载系统的发展如何跟上？无人驾驶芯片的发展路线怎样才是合理的，是像Nvidia那样做通用化平台，芯片和传感器分割，还是像Mobileye那样打造专用化芯片传感器方案打包的平台？ 传统车企、初创型车企、出行服务提供商、解决方案提供商之间将以什么样的方式合作竞争？ 聚光灯熄灭之后，不禁问自己，我们距离L4级别及以上的无人驾驶还有多远？ 整体趋于理性，秀概念不如求落地 和前两年各种黑科技、新概念满天飞相比，无人驾驶在经过一段时间发展后，各类公司越来越多地选择以实际应用的角度切入无人车的战略发展，或是专注做无人驾驶出租车服务，如Voyage，或是聚焦在“打造无人驾驶大脑”，把自己定位为一二级供应商，如中国军团的Momenta。这一趋势在今年的CES上尤为明显：汽车零部件供应商巨头德尔福拆分出来的安波福与美国网约车Lyft达成合作，改装了无人驾驶的宝马5系投入载客试乘；法国Tier-1巨头也与其投资的无人驾驶技术公司Navya合作打造了无人驾驶出租车Autonom Cab，并选了一个较简单的封闭场景让人们进行体验；而丰田、本田、福特等传统车企则纷纷往出行服务商和智慧城市缔造者模式转型。 无人驾驶领域的一些问题、痛点和思考 —怎样的无人车商业模式才是可行的？ —谁才是真正掌握无人驾驶汽车用户、数据以及品牌所属权的那一方？ —如何判断一个无人驾驶公司技术的好坏？技术还是否是判断无人车公司未来的关键点?是否无人车领域的投资已单纯的变成了头部案例的角逐？ —无人驾驶技术的“long tail”长尾问题过多，路测中似乎永远都有可能遇到之前没有遇见过的路况。在没有99.999%把握的情况下，无人驾驶原则上就不能离开所谓safety driver, 这样的情况下，无人驾驶的商业落地是否遥遥无期？ —即使无人驾驶技术足够成熟，政策和监管又需要多久才能跟上行业的发展？改善民众对无人驾驶的天然恐惧感，说服民众跳进无人驾驶出租车或愿意把孩子交付给无人驾驶校车，又还需要多久？ 从“买车”变为“买服务”： 截止2030年，无人驾驶汽车将占到37%的行驶里程，而民众在出行的花费将减少10%。未来的出行方式是由车企、初创型公司、还是出行服务商提供，目前谁也说不清楚。唯一确定的是，汽车行业的利润分配将迎来变革式改变，传统汽车生产销售的利润分成将剧降至50%以下，未来将是个“买出行服务”为主的时代。 而在对无人驾驶企业商业模式的探讨上， 目前常见的有以下几种模式： 1. 打造封闭的软件 硬件生态系统，形成一个闭环，如下文会提到的Zoox 2. 打造开源的无人驾驶技术，通过销售自己的其他服务来获利，如Udacity 3. 与汽车厂商建立合作关系，成为他们的供应商。而这种模式又分好几种，有提供软件的如Uber和Mobileye； 有提供解决方案的，如Pony.AI; 有提供软硬件集成服务或后装的，如图森和AutoX 不同的模式有各自的适用范畴和优劣性，比如如果选择打造一个闭环生态系统，那么就无法与他人共享数据，就会导致公众对安全性和公平性的担忧；而选择成为解决方案提供商的初创企业则在不断的探索中发现，这一商业模式对技术层面的要求比想象中高的多。我们只能说，行业在变化，玩家们也在不断探索最适合最有利的商业模式。 在互联网&创业公司和老牌企业的竞争方面， 不难总结出几种合作模式： 1. 协作: 宝马和英特尔和Mobileye建立了联盟, 百度则与博世展开了合作，这种模式也导致很多OEM担心自己沦为代工商 2. 投资并购：通用花费10亿美金买走了Zoox的竞争对手Cruise Automation, 福特成为Argo AI的大股东等 3. 纵向整合：如特斯拉组建“特斯拉网络”专车服务等 单点的技术竞争不再有意义， 无人驾驶技术提供商的竞争开始向平台化建构过渡： 1. 百度最新的开放式无人驾驶平台Apollo 2.0，让其拥有了更完整的解决方案和灵活的架构，支持更多车辆，如小型巴士、SUV和卡车，并在全球范围内提供更广泛的高清地图服务 2. 采埃孚的proAI平台同样是模块化平台，对于车企而言，可以按需求向采埃孚获取细化的无人驾驶技术，以丰富落地车型中相应的无人驾驶功能 3. 三星的DRVLINE自动计时平台包括多项技术标准，接纳第三方的硬件或者软件，能够让车企实现一定程度的定制化 资本市场范畴，头部效应越发明显： 随着路测里程的不断增加，技术的不断成熟，我们不难发现在资本市场，投资人的视角也越发挑剔。一年前，一个2分钟的自动驾驶视频就能引发轰动，一个超车行人或自行车的妥善处理就能获得满堂彩，而到了今年，一两个小时的路测Demo放出来，也只能换来资本市场一句“Demo做得好太容易了”。在这样的情况下，无人驾驶领域头部效应越发明显，对技术的投资逐渐变成了对团队和已经有好靠山的项目的角逐，未来几年内，“淘汰潮”和行业整合洗牌是必然趋势。 追踪观察一些无人驾驶领域玩家的近期发展， 不难印证上面提到的几个趋势：  丰田 虚拟司机“Chauffeur”和“驾驶卫士Guardian”同步走 分类：传统车企 丰田近期推出了“Platform3.0”新一代无人车，虽然依旧基于原本的雷克萨斯LS600hL车款，但相比上一代更注重将无人驾驶传感器及硬件设施和车自身的设计融为一体，更易于为消费者接受。 在感知技术方面，第三代采用的Luminar激光雷达阵列现整合了360度视野 ，同时在车身四周较低部位加装了低视距LiDAR (低于200米), 旨在更好的发现车身周围经过的儿童或是路上的小型杂物等。  安装在车身四周的低视距激光雷达，共有四个 新的车顶盖设计，据介绍是从越野摩托车头盔中获得的灵感，车顶的防风雨控制面板，同时可以用来伪装激光雷达阵列，而不是像上一代那样简单粗暴地将传感器顶在头顶。  第二代  第三代 这款测试平台车有两个版本，一个版本叫”Guardian”，包括双驾驶舱控制设计，旨在测试丰田正在开发的高级驾驶员辅助（即L3）技术; 而另一个版本”Chauffeur”则只有一个驾驶舱，它将被用来测试丰田正在开发的完整的4级或5级自动驾驶技术。据介绍，Platform3.0将在春季投入生产。  福特 “让我们寻回街道” 分类：传统车企 福特汽车总裁兼首席执行官吉姆·哈克特在2018年CES上表示公司将积极参与全球向智慧城市迈进的进程，注重于发展移动解决方案。吉姆在演讲中大秀情怀，他表示：在汽车大规模普及之前，城市街道是邻里间和家庭聚集的社交中心，摊贩可以出售商品，儿童可以安心玩耍。福特想要通过发展智能汽车和技术扭转这一趋势，将街道这一公共资源还给人们。  福特的CES展台 背后的Video大屏幕循环展示街道上的生活场景 为了体现将无人车切入实际应用的决心，福特汽车还与Postmates, 一家美国同城按需快递公司，达成了合作，福特负责无人车队的管理和提供技术支持，而Postmates作为合作商则提供服务层的运营。而这也不是福特第一次和2C端服务商合作，我们不难看出，福特的关注重点不再是单一追求自动驾驶研发技术，而是更多的思考如何把自动驾驶技术融入到用户的生活，且减少用户接受新事物的不适感。  福特和Postmates合作的无人同城快递车  Aurora 将Mobility-as-a-Service (MaaS)推向城市 分类：无人驾驶初创公司 商业模式：为车企提供解决方案 Aurora以超强的技术背景出名，由来自谷歌、Uber和特斯拉的几位大神共同创立。早在谷歌成立X实验室、Uber开始共享出行服务、抑或是特斯拉交付第一辆电动汽车之前——三位创始人Sterling Anderson、Drew Bagnell和Chris Urmson就已经在研究无人驾驶了。 Aurora的商业模式主要为车企等合作伙伴提供技术解决方案，专注于对无人驾驶汽车底层技术方案的研发。虽然Aurora成立较晚，但创始团队普遍认为目前切入无人驾驶，市场仍有机会。而就在2018年1月，这家一直保持低调的公司宣布和德国大众以及韩国现代达成合作，将正式开启无人车商业化道路。从合作模式来看，Aurora提供了无人驾驶的中枢神经系统，而大众和现代则负责塑造汽车的外观和体验，保持对用户互动的控制，而Aurora的技术则在后台运行。两家车厂均把商用时间表定在了2021年。  CES上Aurora借大众展台推出的无人车  Roadstar.ai 18年重点是回归祖国做落地实践 分类：无人驾驶初创公司 商业模式：由解决方案提供商转型车队运营 Roadstar于2017年成立，在硅谷和深圳都有研发中心。三位创始人先后就职于谷歌、特斯拉、百度等，有着丰富的自动驾驶研发经验。 Roadstar.ai的商业模式是提供自主研发的多传感器融合解决方案，并力求在将来能实现车队运营：使用多个异构传感器来进行测量和感知，包括激光雷达、摄像头、毫米波雷达、GPS/IMU等。通过对不同传感器的原始数据进行前融合处理，统一输出像素级的八维空间数据。在传感器层面，Roadstar除了使用老牌Velodyne外，也同时支持国产，使用了禾赛科技和速腾的激光雷达。据了解，Roadstar2018年的发展重点是回归祖国，已在多个地区签下了无人车落地项目，并将负责深圳无人公交车第二代的运营。  Roadstar.ai的CES展台 Zoox 低调行事、坚持造车的一股清流 分类：无人驾驶初创公司 商业模式：造车 车队运营 Zoox创始团队来自斯坦福，CTO Jesse是苹果公司主席的公子，在硅谷人脉甚广。这家公司早在2014年即开始研发L4以上级别无人车，是创业公司里起步最早的一批。由于起步早，吸引了包括IDG在内的大批投资人。其商业模式是自己造车 运营车队，目前在三藩市区内路测顺利，据称有望在2020年开始运营车队
Pony.ai 力争中国第一 分类：无人驾驶初创公司 商业模式：打造深度定制化的整体解决方案 Pony.ai于2016年底成立，在美国硅谷和北京都有办公点，成立至今扩张迅速，预计2018年团队将达到150人。2017年底，Pony在广州南沙成立了研发基地，正式开始路测。而今年1月，在成立仅仅一年有余后， Pony宣布完成了1.12亿美金A轮融资。Pony的商业模式是给车厂提供解决方案，但和其他把自己定位成Tier1的无人驾驶技术公司不同，Pony认为自动驾驶技术需要深度的定制和适配，并不能实现像卖零部件一样卖解决方案给各大车厂。 成立时间不长却发展如此迅速，这和Pony耀眼的创始团队分不开关系：CEO彭军曾任百度首席架构师，负责自动驾驶，大数据及广告变现等多个关键领域的技术主导。而联合创始人兼CTO楼天城之前曾在谷歌和百度两家公司自动驾驶部门工作。“我们的目标是做中国第一”，Pony的主创团队这样表示。 图森 争取成为最快实现商业化的无人车公司 分类：无人驾驶初创公司 商业模式：为高速公路、矿区卡车等提供自动驾驶算法和系统 2016年，图森这家中国公司因在自动驾驶算法公开排行榜KITTI和Cityscapes评测数据集上获得了九个世界第一而声名鹊起。图森的目标是与运营车辆企业合作，提供定制摄像头配合毫米波雷达的低成本自动驾驶算法和解决方案，这一模式其实与国外自动驾驶卡车公司Otto相似。由于高速路段的复杂性相较市区路段较小，不少业内人士认为图森有可能成为最快实现商业化的无人车公司。 AutoX 不用激光雷达的少数派 分类：无人驾驶初创公司 商业模式：提供依赖于算法和低价摄像头的最便宜的自动驾驶方案 AutoX于2016年在美国创立，创始人为麻省理工人工智能实验室博士肖建雄，圈内的外号是Professor X。AutoX的主要研究方向是通过计算机视觉，实现汽车在任何条件下的无人驾驶，且提供成本远远低于市面上常见的无人驾驶解决方案。相比其他竞争对手，AutoX的方案更依赖于算法，并运用了结合机器学习和计算机视觉两个领域的三维深度学习技术 – 该技术的创始人正是Professor X本人。 目前业界对于AutoX 的解决方案褒贬不一，有人认为是另辟蹊径，以算法节约硬件成本，也有不少业内人士认为完全不依赖激光雷达等先进传感器的做法不可取。当然了，AutoX的聪明之处在于并没有把话说死，创始团队在接受采访时也表明，虽然目前的重点是构建低成本自动驾驶底层系统，但未来不排除会通过迭代使自己的系统能够支持其他传感器。 Drive.ai 深挖汽车后装市场 分类：无人驾驶初创公司 商业模式：打造无人驾驶 V2V & V2X的智能系统 Drive.ai是一家由前斯坦福大学人工智能实验室室友们联合创建的硅谷创业公司，该公司的商业模式是利用深度学习技术，创建用于自动驾驶汽车的人工智能软件，而这一软件系统并不单单包含车辆的无人驾驶系统，还包括车辆与行人、车辆与车辆间的交互系统。公司主要发力的是后装而非前装市场，通过为现有车辆提供改装套件，帮助其实现L4级的自动驾驶。 无人驾驶“眼球”之争——激光雷达 实现L4以上级别的自动驾驶，需要复杂的多种传感器组合。汽车行业对激光雷达在无人驾驶领域核心地位的认知不断深入，这项技术已经成为研发无人驾驶汽车的“标配“。 现阶段, 大多数公司都是用激光雷达、毫米波雷达、摄像头的组合，少数如Tesla采用毫米波雷达 摄像头的方案，业界为此一直存在质疑，普遍认为廉价的毫米波雷达精度不够，无法发现行人和静止或横向的物体，而光学摄像头通过对周围环境进行二维拍照，再通过算法生成物体的形状、距离等，由于受限于光线等因素，判断并不可靠。相比之下，激光雷达优势明显，探测距离远，精度高，然而也存在对雾和烟尘等的穿透能力较弱等缺陷，而一度高昂的成本也限制了激光雷达的大规模生产应用。 激光雷达的用途，主要分类及优劣势 激光雷达英文简称为LiDAR，原理是利用激光束探测目标，获得数据并生成精确的数字高程模型。激光雷达并不是新兴事物，在工业和军事上已有很多年的应用历史。然而对于驾驶员辅助系统，激光雷达的关键挑战则在于保证系统在任何环境状况下（温度变化、阳光照射、黑暗中或雨雪天气）都能正常工作，视角够大且还要能以一定精度辨认出一定距离以外的物体。当然，还需要能够体积小，可以在低成本下完成大规模车规级生产。 以下为市面上一些激光雷达的工作原理和优劣势: 核心问题和行业趋势 —哪种激光雷达技术最好？ 目前来看，虽然各种技术流派都各有优劣，但总体来看，固态、成本降低、体积缩小是大趋势。
—什么才是激光雷达研发的真正技术难点？ 简单说来，就是接收的灵敏度 (如何去干扰去杂质) 算法的灵敏度 (如何更快捷的计算点云等)
—激光雷达发射波段的选择？ 大部分激光雷达公司选择近红外波段的905nm半导体激光发射器发射激光脉冲，然而不少国家的法规限制了激光脉冲的功率，导致探测范围有限；也有一些公司如Luminar使用1550nm激光器，可获得40倍于905nm激光器的脉冲强度，扩大了探测范围。 在不同波段的考量方面，905nm波长可以直射人眼视网膜造成危害，因此有功率限制；而1550nm波长则无法投射到视网膜上，但同时该波长的激光器成本比905nm高很多
—激光雷达视距达到多少米才算够? 对于高速行驶的汽车，自动驾驶汽车需要能够定位至少200米内的低反射物品才能留有足够的制动时间。而目前，虽然市面上很多激光雷达企业表示自己产品的视距可达200米以上，但是不少都是实验室数据，真正路测情况下视距达到100米已经非常可贵，未来激光雷达的稳定性和各种天气光源下的表现还有待增强。
—激光雷达数据的处理应该是中心化还是分布式？ 智能激光雷达的出现，使得激光雷达可以做到预先处理原始数据，加快障碍物定位、检测与分类的过程，满足了很多OEM和Tier1的需求。不过对于自动驾驶系统中，是使用中心化的方式处理数据，还是以分布式的方式让各传感器处理数据，业界还存在争议，目前没有统一的定论。
—何时才能真正实现量产？ 传统旋转机械式激光雷达的制作工艺复杂，需要大量的校准调试，这很大程度上限制了产品出货量，使得价格居高不下。随着新技术新工艺的发展，不少固态雷达公司号称自己可以在2018年实现量产。不过对于部分专注于L4市场的激光雷达公司来说，无人车不量产则激光雷达的需求上不去，需求上不去激光雷达价格降不下来，则对无人车量产造成阻碍，这个问题似乎是一个死循环。这也是为什么越来越多的激光雷达公司逐步放眼于LiDAR在L3 ADAS系统、地图、安防等其他领域的应用。
—做硬件还是软件？激光雷达公司商业模式不断变化 不少激光雷达公司在做硬件的同时也开始做可以独立使用的Perception软件，似乎从纯硬件向解决方案提供商过渡是行业的一个大趋势，如Quanergy在18年1月推出了自己的Perception软件系统，而速腾聚创也一早推出了“普罗米修斯计划”- 将传感器硬件、平台与激光雷达算法合三为一。
—资本市场观察？ 无人驾驶的火热带动了激光雷达市场。从市场热度来看，相比头部效应明显，二三梯队公司却稍显冷却的无人驾驶市场，激光雷达的市场是从上到下的火热。在Velodyne、Quanergy等领头羊的带领下，仍然有一大批初创公司孜孜不倦的带着新技术新发明进入市场，并且不断获得融资。相比无人驾驶，不同激光雷达的性能表现比较简单直观，这也是投资人乐意尝试新技术新产品的原因。 代表公司 激光雷达市场竞争激烈，既有行业龙头Velodyne、quanergy, 也有后起之秀Aye、Cepton, 还有一批来自中国的初创公司如禾赛科技、速腾等。各大传统车企也竞相进入这一领域，大陆从Advanced Scientific Concepts（ASC）收购了激光雷达业务，福特收购了激光雷达公司Princeton Lightwave，通用汽车也收购了Strobe。 Velodyne 创始时间：1983年 融资情况：16年8月获得$150mm福特和百度的联合投资 量产阶段：机械式激光雷达17年出货量达20万台，固态激光雷达预计18年进入规模化生产，价格可控制在几百美金 激光雷达界行业龙头，十多年前即开始研发激光雷达，随着近两年无人车的大热崭露头角。Velodyne Lidar于2016年独立，同年8月获得百度和福特1.5亿美金投资，其已经量产销售的激光雷达有64线、32线和16线，为多家无人车公司使用。 Velodyne在本次CES上推出了128线激光雷达产品VLS-128，号称视距达300米，点云数据相较64线更为清晰，其超高分辨率使得传感器端数据可以直接拿来运行图像分类算法，而无需进行原始数据的融合再做分类检测，减少了处理时间，加快了车的反应能力。同时在降低价格方面，Velodyne表示已经设计了自己的ASIC芯片，使128线所需的总组件数量下降到几百个，预计可在18年实现量产。 VLS128的图像，高清晰度，点阵密度高 比左一64线产品，中间的128线体积缩小很多 同时，Velodyne 也发布了面向车规等级的固态激光雷达产品 Velarray，彰显了Velodyne进驻固态激光雷达的野心，Velarray采用Velodyne专有的ASIC，以125mm x 50mm x 55mm的小尺寸封装实现卓越的性能指标，可嵌入车辆的前部，侧面和角落。它提供了高达120度的水平和35度的垂直视野，即使对于低反射率物体也具有200米的范围。在大批量生产时，目标价格可低达是数百美元。 Quanergy 创始时间：2012年 融资情况：16年8月获得$90mm德尔福、三星和Sensata的战略性投资，总计融资达$135mm 量产阶段：到2018年下半年达到年产量20万台，从2019年开始，年产量将提升至100万台 Quanergy的S3固态雷达获得了2017CES的汽车智能类最高奖项，可谓赚足了眼球。该款固态激光雷达设备将光学相控阵（optical phased array）用作发送器，以120°的弧度发射准直的光脉冲，通过三个主要组件的交互，每秒生成五十万个数据点。光接收器检测反射光脉冲，信号处理器计算每个光脉冲的飞行时间（Time of Flight），创建车辆周围的实时三维视图，以检测，分类和跟踪场景中的物体。被业界认为可与Velodyne的混合固态扫描技术媲美，各有优劣。 Quanergy的明星产品固态雷达S3 18年的CES上，菲斯克(Fisker)携手Quanergy 一同亮相，展示全新款EMotion电动豪车，Quanergy则将旗下的S3配置到该款车型。该车将于19年上市并将配备S3传感器并拥有自动驾驶功能。 菲斯克前和侧面共装了5个S3 隐蔽嵌入式设计，不影响美观 Quanergy于16年8月从Sensata，Delphi Auto和三星获得9000万美金B轮融资，现估值达15亿美金，有望成为首家IPO的自动驾驶汽车技术公司。Quanergy和多家OEM及Tier1供应商有深厚的合作伙伴关系，包括现代、Daimler等。 Quanergy CEO接受采访时表示，“现在Sunnyvale和麻省Sensata的工厂已具备量产实力，年产百万的情况下价格可低至250美金。固态雷达相比机械旋转式雷达的可靠性和硅基CMOS的低廉成本将推动固态LiDAR成为4级和5级自动驾驶车辆的唯一可选传感器方案，也将有助于工业自动化安全等别的应用”。 和竞争对手相比，Quanergy的聪明之处在于预见了L4市场的发展缓慢和规模小，CEO表示，无人车，尤其是L4无人车只是Quanergy软硬件产品的很小的应用范围，其产品将在安防、地图测绘、工业自动化和L3 ADAS等领域得到广泛应用。我们也期待在更多领域看到Quanergy的产品。 Cepton 创始时间：2016年 融资情况：17年获得$8mm A轮投资 量产阶段：2018年将联合汽车供应链企业，推进年量产5000台的目标 Cepton科技是激光雷达行业的后起之秀，其三维激光雷达可应用于自动驾驶汽车，工业自动化与高精地图等多个领域。自公司成立以来的18个月里，Cepton团队已经开发和量产了三款高性能激光雷达并向全球8个国家和40多家客户供货，是激光雷达行业增长速度最快的明星企业。 Cepton团队在CES上接受采访时曾表示，其产品一半以上的应用是在无人驾驶之外，技术路线类似于MEMS，但是是采用微动原理(Micro-motion)。公司目前正与合作商合作完成车载激光雷达可靠性测试，预计2018年可以完成。Cepton近日宣布，将与无人驾驶技术创业公司May Mobility达成战略合作，在May Mobility旗下自动驾驶车队安装Cepton新型激光雷达。 Aeye.AI 创始时间：2013年 融资情况：17年10月获得KPCB A 轮投资, 总融资额为$22mm 量产阶段：公司目前正在与大型出行厂商和OEM商合作进行初期测试，并计划于2018年推出商业化产品 Aeye是一家美国旧金山的机器视觉公司，针对自动驾驶汽车提供基于固态激光雷达、软件、算法的视觉解决方案。Aeye率先推出iDAR（Intelligent Detection and Ranging）概念，是一种新型的智能数据采集形式，集成了三个核心组件：世界上第一个灵活的MOEMS LiDAR，与低照度高清摄像机相融合；人工智能算法；可自定义的软件 可扩展的硬件。这种强大的组合使iDAR能够动态地适应自动化和自动化车辆的实时需求。
北醒光子 Benewake 创始时间：2015年 融资情况：16年底获得了IDG和顺为资本等的A 轮投资，并于2017年加入了博世DNA 量产阶段：其适用于仓库无人机的激光雷达已经可以量产，出货量累计万台，高速无人驾驶场景下的应用尚在探索 这家来自中国的激光雷达公司在CES崭露头角，北醒的早期产品主要用于无人机避障，仓库机器人等，随着近几年自动驾驶的持续升温，北醒了解到车载激光雷达产品的强烈市场需求，开始瞄准车载领域创造新的价值。 北醒选择 Flash LiDAR 作为产品发展方向，原因是因为激光雷达在激光发射端的产业链最成熟，有现成方案可用；而在接收端，使用的是高速 CMOS。选择FLASH也就意味着发射的光线是面阵而不是线束，这就要求有更高的技术才能实现较远的探测距离。 北醒在CES的展台 据北醒联合创始人郑凯介绍，北醒的CE30-A已经出货，主要用于仓库内自动导航车，水平视场达132度，垂直视场9度，测距4米。此次CES，北醒推出了30-A的升级版30-D，探测距离30米，主要应用于低速场景下的自动驾驶和高速无人驾驶的侧翼和路面的探测。 据郑凯透露，CE30-D还在向车规级迈进，并与很多客户达成协议进行测试。北醒在无人车载激光雷达领域还在不断探索，先从封闭的低速环境实现落地，再逐步向开放的高速等场景产品探索，并首先面向商用货车，再紧跟着面向载人的乘用车。 新产品CE30-D 其他代表公司 不做LiDAR做元件的LeddarTech – 推出了 LeddarCore LCA2 芯片——业界首款能够实现车用激光雷达大规模量产的 3D 固态激光雷达芯片，该芯片每秒将可进行高达24. 5万次数字化波形计算。同时展出的还包括目前仍处于开发阶段的 LiDAR 系统分立方案 LeddarCore LCA3，首款样品计划将于 2018 年推出。 以色列黑马Innoviz - 发布了新品InnovizPro是一款基于MEMS扫描技术的、独立的固态LiDAR解决方案，能够高精度地创建高密度3D点云，并号称可达到150米长距离的探测范围。 3D图像杀入激光雷达领域的TetraVue – 在CES上展示了其最新空间感知解决方案，集成了包括固态激光雷达发射单元、深度感知摄像头等一系列传感器和算法，其相机能够处理 100 倍以上的实时数据，以精确地呈现周围环境中物体的位置和运动情况。 奋起直追的中国军团：国内的激光雷达产品在诞生之初，并不是专为自动驾驶的优化而设计的。巨大的市场需求潜力和国产化的机会，也带动了近几年初创激光雷达厂商的异军突起。 —北科天绘：2018年初宣布已经完成过亿元人民币A 轮融资，由云晖资本领投，StarVC跟投。本轮融资将主要用于扩大现有激光雷达产品的生产规模、相关领域高端人才引进、提供行业解决方案以及加强下一代激光雷达的技术研发。 —速腾聚创：CES期间首发MEMS技术路线的固态激光雷达M1Pre，其探测距离达到200米，角分辨率则达到了0.09°（水平）*0.2°（垂直），面向车规进行设计，计划今年第一季度向车厂交付样机。 —Innovusion：由前百度自动驾驶事业部总监鲍君威创立, 公司位于硅谷。此次CES展示了Hi Def LiDAR产品，体积小于 100 立方英寸, 水平可视角是 90 度左右，垂直可视角 40 度左右，检测距离在 200 米以上。 激光雷达作为无人驾驶的关键“标配”，已经从2年前的大秀概念进入了各放异彩的阶段，尽管各自的技术路线各有千秋，激光雷达整体朝着体积更小、成本更低、量产在望 、感知更加智能的方向加速前进着。正如汽车界的概念车一样，激光雷达也同样需要经历从Demo到量产之间的多重考验。可以预见的是，随着厂商和资本的持续投入，激光雷达的生产效率将大幅度提高，而最关键的价格问题，也有望加速实现几何数量级的降价。 而除了激光雷达以外，高精度地图的构建，模拟仿真系统的测试等都是无人驾驶的技术难点。目前真正能够驶上真实道路，实现产业化的还只能算“自动驾驶”，“无人驾驶”还停留在试验阶段，距离实际应用还有一定距离。依靠渐进式的技术革新，采取“关键零部件升级-半自动-全自动”的实用主义的渐进式革命，或许才是通往无人驾驶商业化落地的最佳路径。 |
|
|
来自： AND_AL > 《Industry》
