激光雷达正迎来新的发展机遇。从 2020 年开始,无论是传统车企巨头,还是新造车公司,都相继宣布将在下一代新车型上搭载激光雷达。
Velodyne、Luminar、Innoviz、Aeye、Ouster、Quanergy、Cepton 等多家激光雷达公司也相继上市。汽车行业 和 投资者 对这个「含金量」更高的传感器,关注度在持续上升。
从车企、激光雷达厂商乃至整个行业发展趋势来看,激光雷达大规模上车的时间点已经来临。与此同时,激光雷达所带来的实际效果,也将影响整个行业的发展。
这也意味着激光雷达将迎来大考:
- 激光雷达本身技术发展路径、成本、性能等是否能够支持大规模上车?
- 在消费端,激光雷达上车后,如何将技术价值转化为用户价值?
一、 用第一性原理拆解激光雷达成本
被马斯克奉为创新圭臬的「 第一性原理 」,就是用物理学的角度看待世界,通过一层层拨开事物表象看到里面的本质,再从本质一层层往上走。
马斯克在特斯拉、 SpaceX 所做的一切,都是围绕第一性原理展开——几乎全部自己研发、制造,疯狂地降低成本。
比如,传统电池组市场平均价格是 600 美元/千瓦 时,主要电池供应商是松下。 马斯克通过第一性原理发现,如果从伦敦金属交易所购买锂电池组的原材料组合在一起,只需要 80 美元/千瓦 时。
他从中发现有巨大的价格差距,所以特斯拉在 2013 年开始自己建立了电池厂,投产之后电池的价格可以下降 30%,每年可以支持 150 万辆电动车对电池的需求。
这就是他对第一性原理的应用。
既然马斯克可以用第一性原理解决电池成本昂贵,甚至是 SpaceX 发射成本高昂的问题,那么用第一性原理来拆解激光雷达的成本,我们又会发现什么?
激光雷达价格昂贵,除了对性能的追求外,与其本身原材料、整个供应链体系都有着密不可分的联系。
激光雷达的成本主要包含 BOM 成本 、 研发 (软硬件) 与 IP 投入 、 测试验证 、 生产调试 等环节。
1、原材料按类别划分,主要有:
- 大约一半来自硬件模块,包括发射接收组件、FPGA 板、主控板与电源模组等;
- 第二是光学模块组件,包括转镜、棱镜、窗口玻璃等光通道;
- 最后是结构模块,包括电机、支架、轴承、壳体等。
2、 原材料按部件划分,主要有:
- 激光发射器:VCSEL (垂直腔面发射激光器,面发光、集成整合、提升光束质量) 将逐步取代 EEL (边发射激光器,边发光、依赖手工装调、效率低、一致性差) ;
- 扫描系统:转镜、棱镜、MEMS 微振镜;
- 激光接收器:SPAD (单光子雪崩二极管) 和/或 SiPM (硅光电倍增管) 将取代 APD (雪崩光电二极管) ,感知能力更强、感知距离更远、延迟也更低;
- 信息处理系统:点云处理、目标识别、通讯等。
如何通过新的 组合方式 或 技术革新 来降低成本,也是激光雷达从业者们一直在思考的问题。
这就衍生了不同的激光雷达路线。
在机械式激光雷达时代,一个 Velodyne 64 线激光雷达售价高达 7.5 万 美元,由于是在美国组装,人工成本就占据了 3 万 美元。
后来 Waymo 通过技术革新,用 4 个模块代替 Velodyne 的 64 线设计,大幅减少人工校准时间,只需要校准 4 个模块,效率提高 16 倍,成本降低了 80%。
到了 MEMS 激光雷达阶段,由于发射和接收激光器大幅减少,BOM 成本也相应降低。这一技术路线的主要成本来自 MEMS 振镜 。而据供应链上的消息,大规模量产 MEMS 振镜,成本可以降低到 30-50 美元。
搭载激光雷达的小鹏 P5,使用的是 大疆激光雷达 Livox 的产品,百万级年产量估计 BOM 成本为 260 美元,但目前是千级产量,BOM 成本大约在 500-600 美元 。
Flash 激光雷达,由于没有扫描器,高功率 VCSEL 和高性能 SPAD 还处于萌芽阶段。万级像素的 Flash 激光雷达 BOM 大约 500-700 美元左右。 未来大规模生产可以降低到 100 美元以下。
随着激光雷达量产上车,行业对未来激光雷达的预期从最开始千元美金级别,下降为 400-500 美元。 随后,价格逐步趋于稳定,在 3-5 年内降幅不大。
「从车企角度来说,订单的量也影响激光雷达的成本售价。」法雷奥中国 CTO 顾剑民说到。
「激光雷达价格偏高,很大一部分因素在于激光雷达还没有像摄像头和毫米波一样被大批量的应用。」图达通 CEO 鲍君威表示。
「如果激光雷达应用到前沿的技术,其成本将与工艺成熟度、技术路线成熟度相关,这样的成本确实很难在一两年内降下来。当前,大部分激光雷达公司采用的是市面主流的技术路线,这里的降本主要与需求量相关。」一径科技产品部刘思家告诉汽车之心。
在与上述业内人士的交流中,大家都不约而同指向了一个关键词:规模化量产 。这指的是,研发成本与生产成本可随量产规模的扩大显著分摊,并带来激光雷达价格大幅下探。
目前业内逐渐形成共识,即当激光雷达规模达到 10 万的量级,价格将远低于 1000 美元。据法雷奥公布的 2021 年度财报显示:法雷奥激光雷达目前已出货 16 万只。其价格也已经远低于 1000 美元。除此之外,控制上游元件成本、技术路径迭代和产业链上下游的专业化分工也是降低激光雷达成本的主要方向。
1、 控制上游元件成本
激光雷达公司可通过自研光学元件、芯片等上游产品进而控制激光雷达产品 BOM 成本。如 2019 年时法雷奥激光雷达产品 Scala 的主板成本占比达 45%、激光单元占比 23%、机械镜单元占比 13%、机械式激光硬件占比 10%。如果激光雷达厂商可自研并量产芯片及光学元件,BOM 成本将显著降低。
2、 技术路径迭代
由成本较高的机械式向纯固态迁移、由人工成本较高的 EEL 向可机器量产的 VCSEL 发展等。此外激光雷达公司在积极开发成本较低的 FMCW 方案及 1550nm 方案,并持续探索成本降低新技术路径。
3、 产业链上下游的专业化分工
这是影响激光雷达价格的重要因素之一。锐驰智光 CEO 姜波向汽车之心表示:当前激光雷达整个产业链还处于初级发展阶段,并不具备专业化的分工。这也导致能够满足车企大批量供应需求的激光雷达厂商并不多。 激光雷达想要大规模上车,首先要解决价格成本和性能之间的相互矛盾问题,其次是供应链合理分工以及产量规模的问题。
二、 车企如何选择激光雷达
激光雷达能否真正大规模上车,最终的决定权掌握在车企手中。当下,国内车企对激光雷达上车的态度,大致划分为两类:
- 一类是敢于尝试新鲜事物的车企,其侧重点更关注的是其产品在整个行业领先性,即激光雷达在通过车规的必备前提下,上车时间节点靠前是刚需。
- 另一类则是传统车企,其更关注激光雷达公司的体量大小,应用的车型是否有足够的产能来供应激光雷达。
不难看出,选择激光雷达上车,车企除了关注产品本身外,也关注激光雷达公司是否具备大规模量产的能力。
鲍君威表示,作为感知系统上车,激光雷达的安全性、稳定可靠性、抗干扰性、可量产性、使用寿命、美观性等是车企主要关注的维度。
目前,业内主要通过以下三方面来评价激光雷达本身性能优劣:
- 一是 探测距离 ,即场景中物体能否在足够远的距离提前被探测和感知到,从而预留出足够的时间做出反应。
- 二是 角分辨率 ,这决定了场景中所有物体是否可以看得清楚、准确。
- 三是 可靠性 ,即整个激光雷达的架构设计稳定可靠,能够满足车规对感知元件的性能和安全要求。
顾剑民表示,面向量产车,车企需要的激光雷达在具备车规级品质和高可靠性外,性能上并不需要追求极致,而是合适就好,毕竟要考虑成本因素。
对激光雷达公司而言,车企所关注的维度则包括:
首先,是激光雷达公司的 整合软硬件资源能力 。激光雷达作为感知传感器之一,其应用需要与毫米波雷达、摄像头等多种产品的辅助,确保整个系统有足够的冗余,以确保整体安全。
在相互融合的过程中,激光雷达需要让车辆能够在道路上的碎片 (如轮胎碎片) 和人类驾驶员无法正确看到或预期的障碍物 (如前车跌落的货物) 时及时警报。即使它们不在其视野范围内,通过借助预测算法,激光雷达仍然可以预测行人、骑自行车者、其它车辆的轨迹。
其次,是激光雷达公司是否能够给其提供 稳定的量产产品 。姜波表示,稳定主要包含两个方面,一是可靠的品质,二是可持续的产量。
依据此,激光雷达公司要满足车企三方面需求,包括产品性能是否满足车企应用,生产规模是否能够跟车企预期的采购规模相匹配,质量保障体系是否能够保证出产的产品都能够符合质量的要求。目前,真正符合上述车企要求的激光雷达公司数量并不多。
其中,法雷奥第一代激光雷达已经量产上车,第二代激光雷达也即将量产上车,实际交付激光雷达数量超 16 万颗。图达通与均胜合作的位于宁波的产线已经安装完毕,进入准量产状态, 前期规划年产能为 10 万台。
为了支持快速增长的量产订单,禾赛在建的「麦克斯韦」智造中心,号称设计产能超百万台,预计将在今年全面投产。
速腾聚创也有自己单独的生产线,能够给车企客户提供稳定的量产产品,甚至一度有传闻称速腾给华为代工激光雷达。
综上,车企选择一家激光雷达公司最重要的标准,就是后者能够持续稳定产出车规级、可靠性高的激光雷达产品。
三、 激光雷达上车后,能给用户带来什么价值?
在激光雷达从业者的眼中,相比于纯视觉感知算法,应用激光雷达的多传感器融合模式具有多重优势。
激光雷达是天然的三维传感器,能够在 时间 (白天、夜晚、雨雪天气等) 和 空间 (隧道、高速、城市道路) 上拓宽 L3/L4 级自动驾驶的使用场景。
具体来说,在交通拥堵、道路复杂、环境干扰、疲劳驾驶等情况下,驾驶者很难及时做出精准判断,激光雷达的作用就是帮助车辆提前做出决策,进行车辆的安全制动。
同时,在大光比、暗光、静止物体识别上,激光雷达拥有摄像头无法比拟的优势。其次,自动驾驶系统一般由 感知-决策-控制 三大要素构成。
作为感知系统,激光雷达的远距离识别能力,也能够缩短识别物体时间,从而使决策端更能够游刃有余,这也就间接为用户提供更加相对舒适的驾驶体验。
第三,在一定安全制动距离内,传感器如果无法对一些常见小物体进行有效探测,那就极有可能导致车辆侧翻、爆胎等恶劣事故。
相对来说,激光雷达具有更高级别的角分辨率和更小的光束发散角,能带来更精准的探测较远距离小物体的能力。
理论上,激光雷达有诸多优点,但激光雷达上车是否有真正的使用价值,业内褒贬不一。从用户视角看,激光雷达能否带来实际价值,将成为用户是否会选择搭载激光雷达车型的重要因素之一。支持的一方认为,车型是否搭载激光雷达,在实际体验感受上有明显区别。
如 AEB 功能。 Velodyne 曾展示利用激光雷达大幅改善行人自动紧急制动系统(PAEB,Pedestrian Automatic Emergency Braking)。
测试的场景包括:
- 车辆与成人 50% 重叠 (测试车辆宽度的中间位置) ;
- 与成人 25% 重叠;与儿童 50% 重叠;
- 与儿童 25% 重叠,与成人 75% 重叠,成人位于儿童 10 英尺的后方;
- 成人位于驾驶员侧的前角;
- 以及倒地成人 50% 重叠。
参加测试的两部车辆以每小时 30 英里 (约 48 公里/小时) 的速度沿直线行驶。
测试结果显示搭载 Velodyne 激光雷达 PAEB 系统 (配有 Velarray 激光雷达传感器) 的车辆在所有测试场景的五次测试中成功地及时停车五次,均避免了碰撞。
而搭载使用雷达+摄像头技术 PAEB 系统的车辆在每个测试场景中均以失败告终。
从测试的结果来看,激光雷达的感知确实要比摄像头,具有可准确获取目标信息、抗干扰能力强、探测范围广、近全天候工作等优点。
反对的声音则认为,在最真实的需求下,实际上激光雷达还没有发挥真正的作用,现阶段车企对激光雷达还是 硬件预埋 和 选装 的心态。
有业内人士甚至直言:「现阶段国内很多车厂上激光雷达真的是为了安全吗?其实大家并没有实际可用的自动驾驶,是否搭载激光雷达,更多是出于对车型产品的定位区隔,带激光雷达就是高端车型,没有激光雷达就是低端车型。」
即将在 2022 年发布或交付的车型中,如蔚来 ET7、理想 L9、小鹏 G9、智己 L7、飞凡 R7 等均搭载了激光雷达,都属于各个车企的中高端车型。
从这一现状看,目前上车的激光雷达与车型的豪华程度相关,豪华车型全系标配,中低端车型为选配。在姜波看来,激光雷达更多的是装配在以 科技属性 为主要卖点的品牌上,比较典型的是造车新势力。
他认为,激光雷达真正大规模上车,百万台是一个起点。在这样的规模下,激光雷达才算是车上的一个常规零部件,而非一个小众奢侈品。 在此之前的小批量样车,更多是探索和秀肌肉的成分。
顾剑民表示,提高汽车包括乘客以及道路上其他车辆和使用者的安全,是激光雷达最主要的任务。只有确保这一点,这一技术才能够真正给用户带来实际价值,真正走向市场。
与此同时,这也在考验车企的自动驾驶研发能力,包括传感器融合技术和系统工程能力。
如果车企研发能力强,在感知融合、AI 识别算法上有积累,就有可能通过更少的激光雷达来实现更高等级、更稳定的自动驾驶或 ADAS 功能,事半功倍。
当前,激光雷达已经进入上车前夜,包括法雷奥、Velodyne、Luminar、Cepton、Innoviz、速腾聚创、禾赛、一径科技等激光雷达公司,先后拿到车企订单。
在去年的广州车展上亮相的 13 款前装激光雷达新车型中,搭载 速腾聚创 产品的多达 6 款,包括智己 L7、威马 M7、小鹏 G9 等车型。今年交付的蔚来 ET7、ET5 则选择全系标配图达通的猎鹰激光雷达 。
理想 L9 则选择搭载 禾赛 AT128 激光雷达 ,除理想,禾赛还拿下了包括集度、高合、路特斯等车企的前装定点,预计在今年开始量产交付。
新款梅赛德斯-奔驰 S 级轿车也将成为全球首款搭载 法雷奥第二代激光雷达 SCALA2 的车型,并实现了 60km/h 时速以下的 L3 级别的自动驾驶。 目前法雷奥正在开发的 SCALA 3 激光雷达,将 L3 级别自动驾驶的最高车速提升至 130km/h。
一径科技现仍聚焦在多个细分领域,如商用车、Robotaxi 和 AGV 机器人等,已经拿下包括自动驾驶卡车应用商赢彻科技、末端无人配送京东、Robotaxi 企业元戎启行等公司量产订单。
尽管多家企业激光雷达即将量产上车,但这一市场发展仍处于早期,需要越来越多的激光雷达公司来推动整个市场规模的扩大,未来或许有更多的玩家乃至巨头进入这一行业。 激光雷达最终将会发展到什么阶段,将取决于激光雷达上车之后给用户带来的实际价值是否能够被用户所接受。
培养用户对自动驾驶的使用习惯,也将是车企推广 L3 及以上自动驾驶的难题之一。