文?|?Piero
前幾日，完成反向並購上市的激光雷達供應商Luminar?Technologies（股票代碼為LAZR）的股價就像磕了猛藥，日日狂飆，3日累計漲幅達到114%。
猛然提起Luminar妳可能有些陌生，它是第二家完成上市的致力於為自動駕駛汽車提供關鍵傳感器的矽谷企業；大哥江湖名號Velodyne?Lidar?Inc。
至於二者在激光雷達技術上誰更牛掰，我著實不感興趣，我在意的是激光雷達企業在上市初期為何如此受到市場青睞。
股市的投資者們，從頭到腳的每個毛孔裏都散發著精明的氣息（小散除外）；能讓他們拿來猛炒的企業自然具有良好的發展前景，護城河自然也是不壹般的寬廣。
被應用在車輛自動駕駛的激光雷達顯然前景廣闊，要論企業的護城河夠不夠寬，還得從激光雷達自身的特點說起。
我們知道，自動駕駛由感知、決策、執行三部分組成；激光雷達正是在感知環節扮演著重要的角色。
我們在上學那會兒都學習過，雷達是通過仿生蝙蝠發射超聲波制造的；激光雷達的工作原理也與此類似，其通過發射激光束到達物體，然後接收從物體折返的激光束，並測量激光信號的時間差和相位差來確定距離。
這也正如我們打乒乓球擊球和接球的過程，區別在於人類用眼睛結合大腦來判斷球速和旋轉；而激光雷達通過激光發射與接收器等硬件，結合軟件算法來判定障礙物方位。
但如果妳認為激光雷達只會進行障礙物方位的判斷，那就太小看它了。激光雷達可是由四大護法加身，分別是前面提到的激光發射、接收器和掃描、信息處理系統。
在激光發射器周期性的發射激光束的同時，掃描系統當然舍不得閑著；它會忙著采集目標表面的深度信息，以期得到測量目標的相對完整的空間特征；在信息處理系統的幫助下，收集到的信息被重構成為三維表面，進而形成容易被我們理解的立體三維圖形。
所以，單是看到激光雷達能幹的事就讓人感覺很了不起，真正開發壹款滿足車規級要求的激光雷達更是難度甚高（到目前為止，全世界只有法雷奧做出了壹款滿足車規級要求的量產激光雷達-SCALA）。加之未來激光雷達對自動駕駛重要的促進作用，Luminar在上市初期受到民眾青睞自然無可厚非。
激光雷達不僅具有構建清晰目標3D圖像的高超技藝，而且具有分辨率高、穿透抗擾能力強和全天候工作的優良素質。
可以說，激光雷達相對其它雷達和攝像頭有著天生的優越感。
眾所周知，小鵬汽車創始人何小鵬是激光雷達的擁躉，其曾經在今年的廣州車展發表聲明稱，小鵬汽車將從?2021?年生產的車型開始升級其自動駕駛軟件和硬件系統，采用激光雷達技術用以提高小鵬汽車的物體識別性能。
但，看起來強悍的激光雷達，並不能得到所有人的芳心。
特別是肥臀男馬斯克，其不僅對小鵬汽車自身的激光雷達路線嗤之以鼻：“小鵬汽車的軟件水平處於落後狀態，並且沒有神經網絡計算能力”；而且公開表示：“激光雷達就像人身上長了壹堆闌尾，闌尾本身的存在基本是無意義的；任何依賴激光雷達的公司都可能無疾而終。”
在老馬看來，人類通過視覺收集信息+大腦處理信息的方式進行安全駕駛，意味著自動駕駛也能通過同樣視覺感知+算法決策來實現。
於是，他堅持使用視覺融合模式；在特斯拉硬件系統?Autopilot?HW?2.0中，?搭載了?8?顆攝像頭用以提供360度環視功能，包括前置三目攝像頭（分別是長距窄視角、中距中視角和短距魚眼）、左右兩側各有?2?顆面向側前和側後的攝像頭，再加上?1?顆後置攝像頭。
要知道，視覺信號就是由攝像頭采集到的視頻數據，這些視頻數據由壹張張色彩絢麗的照片組合而成。妳可以用心觀察下，我們在生活中用手機隨手拍的較為清晰的照片的大小已經接近10MB；而在自動駕駛汽車運動過程中，每顆攝像頭每壹秒的數據量更是會達到MB（1024KB）級別；當8顆攝像頭同時工作，每秒鐘的數據量將會更大。
而與之相比，激光雷達、毫米波雷達、超聲波雷達等傳感器采集到的數據就只是規範化的數據包。就拿獲得過百度和福特1.5億美元（約合人民幣9.8億元）***同投資的Velodyne，所生產的VLP-16?16線激光雷達為例，其每壹幀的數據長度固定為1248字節，也就是大約1KB,而這顆激光雷達每秒的輸出為480幀，算下來每秒的數據總量大約只有500KB。
所以，在汽車自動駕駛中，靠攝像頭疊加構建的視覺感知融合方案相對采用激光雷達方案，對系統算力的要求要高得多。
也正是考慮到這個原因，押註於視覺融合方案的特斯拉，決意摒棄英偉達基於GPU開發的Xavier自動駕駛芯片，轉向自主研發更高算力的FSD芯片。
妳以為攝像頭相對激光雷達，只有對系統算力要求高這壹個缺點？
當然不是，車輛在自動駕駛中必須精確定位自己的位置，才有資格考慮“要去哪兒”的問題。無奈的是，利用攝像頭來實現自身定位非常困難；而激光雷達可以通過將自身檢測數據與高精度地圖連續實時匹配，進而獲得汽車在高精度地圖上的全球位置及行駛方向。
也許妳會說，攝像頭不能很好的實現自身定位沒關系呀，不是有GPS了麽，定位本來就應該是它的任務呀。
我們要知道，GPS自身的定位精度本來就不足，這點大家在開著導航找目的地的時候絕逼是深有體會。其實GPS的定位精度取決於衛星提供的精度；原則上美國提供的該系統定位精度可以達到5米，但普通民眾所接收的民用信號是經過技術處理的，最優良的精度只能達到10米；當汽車行駛在周邊高樓林立、進出隧道等路況時，10米的定位精度也將變成奢望。
但目前國際上較為公認的自動駕駛定位精度要求為10厘米；妳說靠GPS來定位自動駕駛靠不靠譜。當然了，未來換裝我國的北鬥系統定位精度會高壹點，但軍用信號預計也只能達到1米，民用信號定然也無法滿足自動駕駛的精確定位需求。
另外，在我看來激光雷達在探測成像這塊可以被類比為太陽，而攝像頭就像是地球。
地球本身不發光也不透明，光源來自太陽，地球通過自轉產生晝夜交替。攝像頭在工作時就像地球壹樣，需要獲得外界的光源；因此在夜晚光線暗淡、強光照射、存在高亮反白物體時，攝像頭采集的數據都難以通過算法進行有效可靠的環境感知。
而激光雷達在工作時並不受到外界光源的影響，它是通過發射激光束來主動探測成像的，可以直接測量物體的距離方位、深度、反射率等信息。
也正是由於這個原因，特斯拉在車身周邊加裝了12個超聲波傳感器和壹個增強版的前向毫米波雷達，用以彌補視覺的不足；但特斯拉在市場上偶發的慘烈事故，仍昭示著其視覺融合方案，任重道遠。
激光雷達在自動駕駛中相對攝像頭著實有著諸多天然的優勢，但價格卻也高的離譜。就以Velodyne的激光雷達為例，16線束的需要4千美元（約合人民幣2.6萬元），64線束的高達8萬美元（約合人民幣52.4萬元）；而壹個攝像頭的硬件成本才幾百美元。
不僅如此，前面提到視覺融合模式需要更強大的系統算力，其中壹個很重要的原因是攝像頭能夠獲得豐富的紋理色彩，進而實現精細化的識別與跟蹤。但激光雷達所采集信號的色彩紋理並不豐富，並不適合信號跟蹤。因此，當車輛采用激光雷達方案時，仍必須采用與相對較少數量的攝像頭融合的模式；而這將進壹步疊加對應車輛的前裝出廠成本。
因此，要想采用激光雷達輔助自動駕駛的方案，成本降低是必然趨勢；也許正是囿於這種市場對於激光雷達降本的不確定性，Luminar的股價在狂飆後又出現了連續多日的大幅回調。
好在曾經處於汽車圈外的壹些企業也將自動駕駛視作未來的藍海，紛紛投身激光雷達開發。就拿華為為例，其透漏出自己的目標是短期內開發出100線的產品，並在未來將成本降低至200美元（約合人民幣1309元），甚至100美元（約合人民幣654元）；另外無人機巨頭大疆，也在今年8月宣稱自己可以量產千元級適用於L3、L4級別的激光雷達，對應的產品Horizon和Tele-15的價格分別為800美元（約合人民幣5236元）和1200美元（約合人民幣7853元）。
當然，特斯拉這種傾註視覺融合的方案，也並非完全不可取。其通過融合毫米波雷達和超聲波傳感器等方式來補償視覺的缺陷；並通過自身強大的芯片開發團隊，打造出算力更強大的滿足車規級的芯片。
未來，實現完全無人駕駛的方案，絕不是自古華山壹條路。
在充分市場競爭的道路上，就看激光雷達的降價速度，能否優先於視覺融合團隊的算力提升速度。
無論如何，自動駕駛的初衷是讓人們更快樂的出行；任何企業不應執迷於某種技術或方案；畢竟壹絲絲的遲滯與誤差，就可能讓多少家庭痛不欲生。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。