首页 > 科技未来 > 内容

LiDAR，车企分手的决心有多大？

发布于：2024-06-18 编辑：匿名来源：网络

新能源车企今年做了两件事，降价和智能升级。

碳酸锂的成本从每吨60万下降到每吨9万，对于上游矿业公司和锂盐工厂来说是一场灾难，但这将给车企明年继续降价的充分理由。

与此同时，智能化进程正在加速，车企今明两年将推出“量图”车型。

理想CEO表示，“到2020年，无论有没有城市NOA，都会像买一栋20-30层的高层建筑带电梯和不带电梯一样。

”一方面，车企将城市NOA功能的范围扩大到更多的城市，另一方面，越来越多的车型配备了高端智能驾驶功能的硬件配置，比如激光雷达。

尽管受到技术争议，但它仍然存在于大多数车企的智能驾驶计划中。

可以预见，随着材料成本的下降和需求的扩大，明年L3级高端智能驾驶配置的性价比将得到提升。

这个配置甚至可能会在20万以下的车型中看到，激光雷达的出货量也会比较大。

弹性。

尽管技术路线图上仍有明显的进步空间，但昂贵的激光雷达却被主张纯视觉解决方案、急于优化成本的特斯拉过早地淘汰了。

随着高精度地图的淘汰，激光雷达也面临着同样的困境。

日益成熟的自动驾驶算法和不断增强的计算能力最终将使一些车企去掉“辅助轮”，转而采用更经济的解决方案。

激光雷达企业在成本快速降低、大规模量产、替代技术路线受阻的三重压力下，正在亏损经营。

尽管出货量大幅增长，但股价在资本市场上仍没有反应。

生存，还是死亡？激光雷达面临失去ADAS市场的风险。

即使技术再好、占有率再高，如果不能确认其会成为未来智能驾驶解决方案的标准功能，那么长期的出货量前景并不明朗，增长空间依然存在。

一个问号。

01 三“罪” 感知层路线之争最终将回归到数据和算法。

成本、规模和准确性之间的权衡仍然是一个“不可能三角”。

就车辆制造而言，只有控制硬件成本，才能优化用户体验。

批评激光雷达的主要原因有三个：成本高、替代方案有限以及并非绝对必要。

城市路况和高速公路差异很大，包括信号灯变化、潮汐变道、行人轨迹预测、非机动车轨迹预测……对企业软硬件综合能力要求极高，对算力要求极高并且代码量呈指数级增长。

高精地图的存在可以预测车道线、路标等交通要素的位置，为自动驾驶系统提供道路预验证信息，成为车企快速上线城市NOA的“捷径”。

地图很容易使用，但很难使用。

采集和维护地图的成本相当高，获得测绘资质也很困难。

未来随着城市规模的扩大，收集成本也会相应增加。

此外，道路每天都在变化。

长期覆盖不足，必然导致系统鲁棒性差，依赖高精度地图贯穿城市。

NOA的前期工作耗时耗力，车企等不起。

拿走地图的信心是算法层可以容纳海量参数的大模型给出的。

从下半年开始，车企集体喊出了“无形象”的口号。

小鹏汽车计划到今年年底扩展到 50 个城市。

年底华为将覆盖全国大部分城市。

今年3月，它宣布了All in自动驾驶的理想。

，无地图的城市NOA将于年底前制作。

感知层有两种流行的技术路线，以特斯拉为代表，是纯粹的视觉解决方案，仅使用摄像头，有强大的算法和数据积累支撑；还有多种传感器融合，利用各个传感器的优势互补来提高测量的精度，同时也减轻了算法层的计算压力。

更多的国内车企选择了这条路线。

单台激光雷达售价1万元，车企批量采购以压低价格。

单价较前几年大幅下降，迫使激光雷达制造商不得不付出损失并不断降低成本。

用户体验也有局限性。

性能会随着时间的推移而下降，振动和不良的驾驶习惯会加剧磨损。

升级算法只能打补丁，整体更换成本会非常高。

这还不包括自动驾驶系统的隐性成本。

和互联网公司一样，车企也必须租用服务器，为智能终端提供算力。

海量数据存储和处理是一个成本黑洞。

多传感器解决方案需要不同的数据处理，这比纯视觉路线更加复杂和繁琐。

不仅如此，激光雷达还面临着替代产品的追捧。

但正如高精度地图可以被更先进的神经网络算法取代一样，车企也没有停止让激光雷达“光荣退休”的努力。

4D毫米波雷达除了提供速度、距离、方位等三维数据外，还“进化”出了类似激光雷达的点云成像效果，这也能弥补纯视觉算法较弱的问题并且无法覆盖整个场景。

从清晰度上来说，一些指标大约是激光雷达的16条线，尽管目前顶级的激光雷达产品已经有同样多的线了。

激光雷达由于在精度、分辨率、数据采集量等方面具有优异的优势，成本也相对较高。

单台激光雷达的成本还很难降低到1元以下，而4D毫米波雷达的成本仅为其十分之一。

从替代较低线数激光雷达开始，理想、宝马等车企相继完成了毫米波雷达的布局。

就连原本坚持纯视觉路线的特斯拉，也回归了毫米波雷达。

更“激进”的车企如百度与吉利联合创立的汽车品牌极岳，在10月份发布了国内首个BEV+Transformer“纯视觉”高端智能驾驶技术解决方案，但该解决方案并不能称为真正的纯纯驾驶技术。

想象。

，仍然需要在高精度地图覆盖的场景中开启，然后逐渐向无地图方向发展。

过去有性价比更高的4D成像毫米波雷达，后来有BEV+Transformer方案不断成熟。

但即便如此，车企目前也没有足够的勇气同时告别高精度地图和激光雷达这两根拐杖。

02 还有余热吗？是否配置无图模式激光雷达，不仅取决于车企的预算和需求，还取决于安全冗余。

激光雷达可以部分填补高精度地图的空白。

每束激光束都会反射回三维坐标信息，从而实现即时定位和地图构建。

从年初的理想系列、小鹏G6、上汽智机LS6、U8，到华为的Inquiry系列、长安英伟达等，激光雷达出货量出现了大幅增长。

今年获得大量整车厂商指定的速腾，第三季度销售了9.3万台汽车激光雷达单元，甚至超过了过去三年的销量。

但仔细想想，支持纯视觉路线的论点并不一定是反对激光雷达的理由。

纯粹的视觉路线需要大量的数据积累和计算能力支持。

特斯拉通过影子模式建立了数据收集和训练机制。

每年销售超过一百万个型号。

它建立了自建数据中心和自研芯片，并很早就投资了自动驾驶。

超过100亿，FSD beta累计里程超过5亿公里。

在中国，目前几乎没有一家车企的数据能够达到这个临界水平。

特斯拉已经展示了如何在自动驾驶方面建立优势，但这项工作确实很难复制。

智能的竞争也是算力的竞争。

小鹏、理想、吉利都建立了自己的智能计算中心。

这是领先车企在自动驾驶竞争中必须付出的昂贵成本。

他们需要销售更多的汽车和订阅服务来分摊成本，就像移动应用程序需要更多的付费用户来分摊带宽成本一样。

还存在数据的重复采集和有效性问题。

无数次模拟单一场景并没有多大意义。

因此，像极端案例这样的长尾场景对于补充有效数据尤为关键。

“不怕万，就怕难得。