作為(wei) 目前無人駕駛技術上最為(wei) 核心的零部件，激光雷達是絕大多數主機廠難以跳開的一個(ge) 對於(yu) 周遭環境感知的元器件。激光雷達有著探測距離較遠、成像精度較高這樣的優(you) 點，是無人駕駛最為(wei) 依賴的千裏眼，但其成本可能高達兩(liang) 台豐(feng) 田普銳斯的價(jia) 格，以及其非常容易受到環境因素的影響，使得惡劣氣候下探知的結果大打折扣，也成為(wei) 無人駕駛商業(ye) 化部署最大的攔路虎。

激光雷達的工作原理

激光雷達LiDAR，全稱是Light Detection And Ranging，作為(wei) 當前無人駕駛汽車探知周圍環境的主要零部件，其工作原理與(yu) 普通雷達類似，也就是通過接受自己發射出多線束的的激光束來建立三維的點雲(yun) 圖，並通過光電處理生成精確的三維立體(ti) 圖像，從(cong) 而來實現對探測目標的速度和位置信息的感知功能。但對於(yu) 目前使用機械式360度旋轉激光雷達的無人駕駛技術解決(jue) 方案來說，要想普及存在幾個(ge) 製約因素：

1.成本高昂

且不論無人駕駛在軟件和團隊方麵的巨大投入，光就硬件成本來看，激光雷達高昂的成本就成為(wei) 製約無人駕駛商業(ye) 化應用的主要原因。目前除了特斯拉之外，幾乎所有成熟的無人駕駛技術方案都采用的64位激光雷達，其成本在人民幣70萬(wan) 元左右，而這個(ge) 價(jia) 格已經遠遠超過市麵上絕大部分車型的價(jia) 格。

2. 易受極端氣候環境的影響

由於(yu) 激光雷達的成像原理，因此其極易受到雨雪及大霧天等不良氣候環境的影響，而這也會(hui) 限製依靠激光雷達實現無人駕駛功能的車輛的全天候出行。

3. 數據量過大

激光雷達由於(yu) 其成像模式，會(hui) 產(chan) 生海量的數據，這對於(yu) 車載處理器的運算能力產(chan) 生比較大的挑戰。一旦車載控製器運算能力不夠而出現宕機或者下達指令速度有所延遲，會(hui) 對於(yu) 複雜路況下的安全行駛出現非常大的挑戰。

特斯拉放棄激光雷達

激光雷達成本高昂，而且極易受到極端天氣環境影響，因此埃隆馬斯克從(cong) 一開始就沒有將激光雷達作為(wei) 特斯拉無人駕駛解決(jue) 方案Autopilot的必選硬件解決(jue) 。特斯拉當前主要是以毫米波雷達作為(wei) 探測周邊環境的硬件，配合搭載在車身周圍的攝像頭以及超聲波雷達，特斯拉的無人駕駛硬件成本方案比較低。雖然這套硬件方案的感知水平較低，但特斯拉可以依托其在軟件算法方麵的能力來加以彌補。

無人駕駛係統視為(wei) 一個(ge) 新生的嬰兒(er) ，通過後期大量的訓練，它們(men) 將具備對於(yu) 複雜道路情況作出決(jue) 策的能力。目前無人駕駛仍然存在一個(ge) 很大的問題就是相關(guan) 數據的積累不夠，使得車載控製器無法對於(yu) 各類突發的交通狀況作出一個(ge) 準確的判斷。特斯拉在總部建立了一個(ge) 雲(yun) 端控製器，用來接受每一台特斯拉車輛個(ge) 體(ti) 上傳(chuan) 的駕駛信息，因此其所能積累的相關(guan) 數據是非常驚人的。而在海量道路信息上傳(chuan) 的基礎上，特斯拉的無人駕駛控製器就能快速進行機器學習(xi) ，讓控製器在最短時間內(nei) 成為(wei) 一個(ge) 經驗豐(feng) 富的老司機。

特斯拉最為(wei) 吸引目前消費者的一個(ge) 亮點就是特斯拉當前的無人駕駛係統的硬件冗餘(yu) 。基於(yu) 目前的硬件解決(jue) 方案，通過搭載在特斯拉上的OTA技術，就可以實現對於(yu) 車載無人駕駛控製軟件的迭代升級，未來甚至可以將目前的Autopilot 2.0硬件直接升級到L5級的無人駕駛水平，而消費者不需要重新購買(mai) 其他車輛或進行任何的硬件升級。

軟件的影響力其實是非常大的，特斯拉達到L5級別的無人駕駛技術方案目前沒有正式商業(ye) 化應用，而實驗室的數據比較缺乏說服力。但是我們(men) 以特斯拉的電池管理係統為(wei) 例，在電芯都是基本外購的前提下，特斯拉的電動車的續航裏程以及充電時間都遠遠領先當前其他老牌車企的電動車車型，這背後就是特斯拉在電池管理係統BMS上麵發揮出來的巨大作用。因此將BMS的軟件能力複製到無人駕駛技術上，筆者對於(yu) 未來特斯拉Autopilot還是充滿信心的。

未來無人駕駛技術的解決(jue) 方案

特斯拉的強項在於(yu) 其強大的軟件開發能力，由此帶來特斯拉的無人駕駛控製器可以通過更為(wei) 海量的學習(xi) 來自動做出對於(yu) 未來複雜路徑的規劃與(yu) 選擇，換句話說，就是通過不斷實際道路數據的積累，將特斯拉的無人駕駛控製器訓練成一個(ge) 老司機的水平。當前人工智能技術發展日新月異，機器人在某些特定領域取代人類駕駛車輛並非不可能。這條技術路線可以用來平衡硬件領域不用激光雷達的不足，但對於(yu) 更多的主機廠來說，其並不具備如此強大的軟件開發能力，降低激光雷達成本是唯一能夠商業(ye) 化無人駕駛技術的方法。

不同於(yu) 傳(chuan) 統的機械式360度旋轉激光雷達，目前歐美車企都熱衷開發固態激光雷達加毫米波雷達的技術解決(jue) 方案。固態激光雷達由於(yu) 改變了數據讀寫(xie) 模式並省去了旋轉部件，成本可以大幅下降到可以量產(chan) 的程度，據福特稱，其固態雷達的成本可以下降到數百美元。而且固態雷達在探測進度上的不足，可以憑借其他探測設備以及軟件算法上的不斷完善來加以解決(jue) 。此外，固態雷達沒有旋轉部件，因此比較容易地集成在整車內(nei) 部，從(cong) 整體(ti) 造型上更加符合設計師的需求。

國內(nei) 車企在無人駕駛領域的機會(hui)

縱觀全球各大排行榜，我們(men) 幾乎隻有百度的阿波羅可以在榜單上出現，而國內(nei) 的自主品牌車企幾乎都是集體(ti) 缺席。無論是硬件解決(jue) 方案還是軟件編譯能力，國內(nei) 自主品牌車企都毫無任何優(you) 勢與(yu) 勝算。未來我們(men) 如果希望能夠實現彎道超車，唯有緊密團結在以華為(wei) 、中興(xing) 這樣的5G企業(ye) 周圍，通過萬(wan) 物互聯來獲取周邊環境主動傳(chuan) 遞出來的信號，由此來降低我們(men) 對於(yu) 傳(chuan) 感器和軟件算法的高要求。

在5G的基礎設施的建設上，中國在全球處於(yu) 明顯的領先位置，但萬(wan) 物互聯遠非短時間內(nei) 可以實現，其需要數以萬(wan) 億(yi) 計的投資以及耗時十數年的建設時間，而這段時間內(nei) ，無人駕駛技術是否出現更替也存在很大的不確定性。

無人駕駛時代的到來已經毋庸置疑，但實現無人駕駛的技術路線其實還遠沒有最終確定下來：無論是在包括激光雷達在內(nei) 硬件方案的取舍；還是希望能夠通過5G技術直接跳過車載控製器，一切交由性能更為(wei) 強大的雲(yun) 端控製器來計算；抑或是通過更新而不斷接近人類駕駛員的控製器來實現無人駕駛，都各自有各自的優(you) 勢，但也各自有的困難所在。即使對於(yu) 國內(nei) 各方最為(wei) 關(guan) 注的5G技術，筆者覺得可以保持高度關(guan) 注，但是在牽涉到無人駕駛軟件開發、相關(guan) 硬件在整車上的集成控製以及人工智能技術給到控製器的學習(xi) 能力等這些事關(guan) 車企的核心競爭(zheng) 力，都不能放鬆投資與(yu) 積累的進度。一旦在這些領域被外資車企巨頭或者那些積極投身無人駕駛的互聯網公司拉開差距，那未來國內(nei) 的自主品牌不僅(jin) 將淪為(wei) 整車的代工廠，喪(sang) 失利潤最為(wei) 豐(feng) 厚的領域，而且也將陷於(yu) 在技術上難以追趕的被動局麵，在汽車行業(ye) 這次百年不遇的技術變革期，再度出現落後。