激光车载雷达_还没玩明白激光雷达 车企又开始给用户讲算法了

买有辅助驾驶功能的车型，一般人会看软件还是硬件？

相比于晦涩难懂、不够直观的自动驾驶软件来说，车企更愿意聊聊有硬核参数与冲击力的硬件。这点从很多专业用户都喜欢谈论的“激光雷达数量和线束”就可以看得出来。

不过，最近出现了一家乐于讲软件的车企——飞凡汽车。号称行业首个全融合智驾方案落地，也引出了“自动驾驶的关键到底是软件还是硬件”这一老生常谈的话题。不过，无论是软件还是硬件，其实车企更应该讲点其他的。

为什么都爱讲硬件故事？

“（激光雷达）四颗以下，请别说话。”

“算力高达1017TOPS，是特斯拉的7倍。”

这两句话，分别是沙龙机甲龙的宣传语，以及NIO DAY上李斌对ET7超算平台的介绍。车企更愿意介绍与强调硬件，软件上通常只是一句“该功能通过后期OTA实现”。自动驾驶的关键，在于硬件吗？

目前来看，自动驾驶还是一项前沿技术，如果想要实现真正的“自动驾驶”（L4），软件硬件都必须到位。但软件能力的提升，一定程度上可以减少传感器数量。例如有些Robotaxi只需要2颗激光雷达，而有些则需要6-8颗左右。当然，激光雷达的数量并不能直接反映软件水平，还要考虑到具体每个激光雷达的成本与性能，以及各家的技术路线。例如毫末智行提出的“重感知轻地图”技术路线，也需要重视传感器的配置，但并不代表软件能力的强弱。

自动驾驶的硬件，包含超算平台、感知传感器、通信模块以及惯性测量单元等等。差异主要集中在传感器与超算平台。而人们讨论的话题，也往往集中于“传感器与算法”的平衡上。把范围缩小到拥有导航辅助驾驶（NOA）功能的车型上来看，目前有很多种技术路线。

特斯拉可以算独一档，为达到控制整车成本的目的，主要依靠视觉感知来实现辅助驾驶功能，虽然车辆成本确实下降，但在软件算法、数据处理以及深度学习等方面的投入是一般新势力难以企及的高度，以2021年为例，特斯拉的研发投入高达26亿美元，高于“蔚小理”三家总和。

按照特斯拉的思路来看，虽然前期研发投入大，但只要销量够大，均摊下来是划算的。此外，从研发角度来看，坚持一条路线（视觉或激光雷达）也有利于从L2向自动驾驶（L3及以上）的顺利过渡。

不过，这样的技术路线也存在弊端，一方面，在软件能力还不够的今天，仅依靠视觉感知的特斯拉在遭遇静止物体、极端天气等场景时，依然不够稳定，也因此出现过多起事故。另一方面，有观点认为，激光雷达现在的成本虽然相比摄像头高出数倍，但随着激光雷达的生产工艺提升，规模扩大，预计车载激光雷达的平均单价将会从2021年的6500元降低至2030年的1719元（数据来源：《中国激光雷达行业发展现状分析与投资战略调研报告（2022-2029年）》），成本上的优势便不复存在，反而会在技术及体验上落后于选择激光雷达路线的车企。

另一条路线，则是在硬件上拉满，搭载激光雷达、大算力芯片等，规格上早已超过普通L2级别的需求。一方面，车企解释为“硬件预埋”，日后通过OTA升级可实现城市道路上的导航辅助驾驶功能，甚至是提升至L3及以上自动驾驶水平。目前蔚来、小鹏、理想、埃安、极狐与魏牌等车企均有城市NOA功能的开放计划。

另一方面，在L2阶段，驾驶员是驾驶的主要责任人，因此并不需要辅助驾驶达到全场景都能完美运作，但为了拉开差距，提升体验，也会有车企尽量将辅助驾驶的体验向“自动驾驶”靠拢，因此，需要更高的硬件水平。

图源：飞凡汽车

不过，可以明确一点，没有不重视自动驾驶软件算法的，只不过当前的软件水平还不足以让激光雷达等硬件“下岗”，因此，至少在现阶段，想带来良好体验，软硬件都需要到位。

车企更愿意讲硬件，其实很好理解。硬件有实打实的参数，最容易比较，从人无我有，到人有我多，从个数到参数，都很容易能和竞品进行比较，拉开差距。此外，硬件非常直观，有就是有，没有就是没有。

但软件故事，还真就不太好讲。

软件故事：讲多了涉密，讲少了没意义

软件层面的东西，其实比较难以体现，尤其是在自动驾驶领域。

不过飞凡汽车这次很“头铁”，讲起了软件上的创新。在感知融合上，号称使用了行业首创Full Fusion全融合算法。通俗来说就是使用了前融合+后融合+混合融合三种。

我们都知道，车辆上有激光雷达、毫米波雷达、超声波雷达以及摄像头等多种传感器。车辆需要把他们的数据融合到一起。在融合方式上，目前绝大多数都采用后融合。后融合，是各传感器分别通过各自的感知算法，输出对物体的识别结果给主处理器，通过卡尔曼滤波等方式再进行融合，这种方式融合的是目标数据而非原始数据。

后融合算法典型结构 图源：CSDN用户xingdou520

而前融合技术则较为少见，其原理是将各传感器的原始数据进行时间与空间上的同步后，统一在主处理器进行处理。这种方式的优势在于可以大大提升对物体感知的全面性，减少误检漏检发生。但难度很高，一方面，对于处理器的算力要求非常高，另一方面，将各传感器的空间进行对齐也存在困难。

前融合算法典型结构 图源：CSDN用户xingdou520

飞凡汽车这次提出的“全融合”，则是将两种融合技术再加上两种相融的结果，三种进行融合，但为什么不只是用更有优势的前融合，三种融合在实际使用时又是怎样工作的，实际上都占了多大比重。这些关键问题，飞凡汽车并没有详细说明。

图源：飞凡汽车

手机、电脑等消费品的“软件”，可以直观地通过UI来体现，但自动驾驶的软件层面并没有直观的体现方式。只能靠车企“一张嘴”来说。但从两方面，就注定车企在这部分的故事讲不深。

一方面，软件算法比较晦涩难懂，想要通俗易懂并正确的传递给大众，存在难度。这次飞凡汽车“试图”为用户讲明白软件上的创新，就被媒体指出“硬伤太多”。车企自己都能讲错，更别说用户理解起来有多费劲。另一方面，软件如何真正体现给用户看？总不能拿底层代码来看吧，最后就变成讲太多了涉密，而讲得太少又没意义这种局面。

图源：微博@电动知士大雨

话说回来，如此强调软件的飞凡R7，这次在感知硬件上也拉得很高，不但搭载了LUMINAR激光雷达，还搭载了采埃孚的Premium4D成像雷达。从宣传角度来说，与其强调这些软件上的东西，还不如讲讲硬件来得实在。但在品驾看来，无论讲软件还是硬件，事实上都有点跑偏。

应该告别“重参数，轻效果”

汽车新四化让车变得更像是“数码产品”，比参数那一套逻辑也被带到了车上来。车企强调车的算力、芯片、车内的屏幕个数、辅助驾驶的功能点等等，但“这些屏幕用起来到底怎么样？辅助驾驶好用吗？极端工况下这些功能还能应对吗？”等这些注重效果的内容，则被忽视。

特别是在辅助驾驶方面，如果只看功能点，很多家都很类似，但从实际体验来看，相差甚远。举个例子，算力只有10TOPS的理想ONE可以在部分高速道路上使用导航辅助驾驶功能，而算力高达1016TOPS的蔚来ET7，在城市导航辅助驾驶功能开放前，这款车也只能在部分高速路段使用导航辅助驾驶功能。如果不看实际效果，那它们又有什么区别？多出的一千算力意义何在？

重参数，最后也只会引来参数上的内卷，激光雷达从一个变成四个，算力从10变成1000。车企有必要从实际应用与体验角度上，讲明白自己的产品，而不是抛出一些唬人的参数与技术。产品最终还是拿来用的，而不是拿来比的。飞凡汽车也提出了“坚持做大腕不做大嘴”的口号，这款车的水平究竟如何，等着拿实际表现来说话。