出品｜虎嗅科技組
作者｜宇多田
頭圖｜受訪者提供，王世玮（中）與探維清華大軍，背後是即将出貨的雷射雷達
2022年初，Velodyne亞太區負責人翁玮悄然離職。
這個在2016~2018年統治中國自動駕駛市場長達3年的美國雷射雷達巨頭，在董事會卷入長達兩年無休止内鬥、固态産品研發陷入停滞後，徹底拱手讓出中國市場。
與此同時，因反向拆解Velodyne産品而登上自動駕駛曆史舞台的速騰、禾賽等中國大多數雷射雷達廠商，也走到了一個必須依靠自己力量與速度，而非“逆工程能力”才能活下去的關鍵節點。
一方面，自動駕駛巨大的炒作推力、華為的攪局，讓雷射雷達成為車廠們“幻想超越特斯拉”的不二選擇；而另一方面，雖然用于避障與測繪的雷射雷達在工業界已存在20餘年，但能嵌入車裡的固态雷射雷達卻需要被重新定義與建構。
機械雷射雷達因複雜的系統構造顯然過不了車規，純固态路線尚未成熟，混固态路線成為大多數公司的選擇，但成本仍未降至車廠最佳預期。
換句話說，即便是2022年當下，也沒有堪稱完全合格的車載雷射雷達。
在所有技術路線都未跑出的狀态下，很多創業公司再次嗅到了吞食巨大蛋糕的新機會：國外，包括已上市的Luminar、Ouster等數十家固态公司蓄勢待發；國内，除了大疆、速騰、禾賽、一徑等堅持下來的佼佼者，一支掌握着多項固态專利的清華博士團隊，也準備加入混戰。
清華實驗室的“固執”
早在2017年，有遠見的創業者們從奧迪A7上那顆法雷奧生産的4線雷射雷達上，就嗅到了擺脫Robotaxi狹窄市場束縛的商機。如果回看當年的媒體報道，表達“固态雷射雷達上車量産願景”的中國創業者聲音不絕于耳。
就是在那樣一個極具市場誘惑力的時間點，王世玮跟4個清華精儀系兄弟，在2017年一次年後的聚會上，“用10秒鐘思考時間”做出了成立一家公司——探維科技的決定。
其中，有十幾年雷射雷達開發經驗的CTO鄭睿童博士，他是固态雷射雷達和圖像融合技術的開創者；有總工程師張正傑，他除了是清華大學及德國亞琛工大雙學位碩士，也擁有一雙切割金屬的“黃金手”，曾任中國中車二七裝備有限公司技術總監。
而被推上CEO位置的王世玮，作為曾參與過國家重大秘密衛星項目的光學專家，其真正對汽車供應鍊有了全面認識的時間點，則是在2016年加入信通院參與汽車零部件标準制定以後。
“這波大潮來了，沒有人會無動于衷。在成立探維前，我們都已經工作了好幾年，被技術與市場碾壓過幾輪，很多事情已經考慮得非常充分。”
他們覺得在實驗室和超淨間裡搗鼓了十幾年雷達與光學儀器，對相關技術輕車熟路，便也能跟法雷奧一樣，未來拿下車廠的千萬訂單。
然而，接下來的兩年，情況急轉直下——沒有成熟的量産技術，更沒有市場。
“在華為沒有明确說要上固态雷射雷達之前，其實整個産業都呈一個觀望狀态。那時機械式雷達‘統治’自動駕駛市場，而固态路線不僅存在一堆技術問題，還沒有市場。”
王世玮記得，2019年之前，高階自動駕駛隻需機械産品就能滿足，而汽車産業隻是“雷聲大雨點小”——傳統車廠們還停留在思考“蔚小理”能不能活下來的暗諷期。
是以，當2019年，高階自動駕駛步入第一個寒冬時，隻有一條大腿可抱的雷射雷達公司處境也變得極為艱難。
“這本質仍然是一個先有雞還是先有蛋的問題。”兩年時間裡，他們隻得先做16線混固态産品，打入能提振銷量收入的非汽車産業。
“情況當然不好，因為固态那時候根本不是剛需，即便測試也隻是出貨一小批，車廠根本起不了量。最壞的時候……應該是2019年底，如果最新一筆融資沒到賬，我們連買機票去美國參加CES都捉襟見肘。” 王世玮對于那時候的境遇隻是輕描淡寫，覺得創業沒成功沒必要渲染任何情緒。
“求存肯定是要先求存，但好在幾個合夥人都‘軸’，對，我們就是不改路線。如果說我們哪裡最特别，可能是我們從來沒改過技術路線，我們就是要做固态。”
這句話的确道出了那時候整個産業的技術趨勢與混亂狀态。
作為雷射雷達産業長達6年的觀察者，筆者看到，大部分創業公司幾乎把機械、半固态以及固态摸索了個遍。但為了生存，不得不先把“機械式雷達做到國産替代”。
而傳統工業級雷射雷達制造商，也都是以機械式雷達見長，他們一邊驕傲地與Velodyne的64線機械産品一較高下；一邊照搬法雷奧唯一車規産品的技術路線以求上車。
但并不是所有創業者都像王世玮團隊一樣幸運。
2019年前後，若幹家曾拿到融資的雷射雷達創業公司宣布“關門停運”；而那些從工業與測繪産業試圖跨入車載行業的“老派”雷射探測器制造商，沒有一個成功跑出來，便縮回了原來的賽道。
有産業人士向我們陳述了一個不少公司放棄車載研發的觀點：“很多公司一聽華為要進來了，像洩了氣的皮球一樣，工程師也覺得技術沒戲，投入太大，不如回到他們擅長的舒适區，繼續搞工業和測繪。”
這個想法十分有趣，因為有頭部公司持有的另一個觀點恰恰相反：“恰恰是華為進來了，說明這個方向和市場特别有戲。跟強者競争，才像個‘男人’。”
但誰也沒有想到，僅僅兩年時間，便再次迎來了2021年的劇變與爆發。
王世玮回憶，2021年後與車廠的接觸驟然增加，投資人也主動找上門，而後者的判斷依據幾乎隻有一個——這是個跟汽車産業颠覆性變革緊密相關的賽道。2021年9月，他們順利完成超1億元A輪融資，再無經曆此前“找錢”的坎坷。
一切都變得更加有趣。
這個因自動駕駛概念而爆火的零部件，雖然至今沒有人說清楚它跟汽車銷量在未來5年裡有什麼必然聯系，但它卻已經與“晶片”一起，成為唯二能跟車廠大佬“直接對話”的Tier2廠商。
而上一輪的“清洗”，直接導緻這一波的車載雷射雷達競争者驟然減少，畢竟産業内有公司“硬抄”德國雷射雷達系統商Sick産品都用了5年，這個硬體賽道也逃脫不了半導體與汽車産業的發展定律。
如今，在國内，有一定固态技術與量産經驗的公司，除去華為與大疆，一個巴掌可以數出來；而另一邊，超過10家國外車載雷射雷達廠商，則在最高難度的混固态與純固态賽道上皆有部署。
而這份不長的固态雷射雷達友商清單裡，王世玮的團隊終于可以有一席之地。
固态技術之争
一說車載雷射雷達，多數人想到的必然是無人駕駛汽車上那坨巨大的鋼鐵陀螺，那便是機械式産品的典型形态之一。鑒于車廠絕不會賣給你一輛“頭頂惡性良性腫瘤”的消費級轎車，那麼他們對車規級雷射雷達雷達的特殊要求也就變得直覺和很好了解了：
體積、穩定、量産、成本。
小馬智行的Robotaxi，雷射雷達通常架在車頂
但像開頭說的，由于Velodyne是機械式雷射雷達鼻祖，這使得機械式“從0到1”的部分已完成，才有了中國後進者一哄而上把1以上的部分逐漸累積完善，最終把市場拖入價格戰；
而要打入汽車供應鍊的固态産品，則需要從上面極為嚴苛的4個次元做創新和減法，從産品角度來看，一切又回到了0。
是以，現實情況是，車廠雖然因“自動駕駛”而建立了一套相對成熟的雷射雷達認知體系，但迄今卻沒有統一檢驗與應用标準。
據一位對雷射雷達十分熟悉的産業人士回憶，2019年之前，國内車企老闆一開始覺得雷射雷達這個東西很簡單——“不就是像加攝像頭一樣嘛”。但後來發現下面的團隊沒人能搞明白，這個東西怎麼加。
“确切地說，2018~2019年是車廠的學習期，那時不少國内外車廠建立了雷射雷達項目組，廣招人才，研究到底上雷射雷達要怎麼用，包括‘裝在什麼位置’。”
他認為，那時國外車企走的相對更快，畢竟最早這個産業源自歐美，法雷奧的産品最早過車規，奧迪最先裝車，通用與福特那時也在跟雷射雷達公司進行密切接觸。但是，從2019年後的産品進度和概念普及度來看，國外的确輸給了中國速度。
一方面，由于成本效益等多重因素，國産雷射雷達正在逐漸替代國外産品。譬如，某知名傳統車廠就準備将原來使用ibeo雷射雷達的品牌線換成一家國内廠商産品；
另一邊，車廠積累了充分測試經驗後，不再輕易被“那些好看的探測距離、視場角、分辨率、光幹擾等産品參數”欺騙。
舉個例子，以前各家雷射雷達廠商都會将探測距離寫到100米200米300米，數字越大越好，但現在，車廠基本都清楚“這個數字究竟能在什麼樣的環境條件下能測出來”，檢測目标都有哪些特點，白天和黑夜的光線幹擾會造成多大的效果差别。
“某國産雷達廠商産品可以做到在200m探測10%反射率的物體，已經很好了。一般10%的反射率相當于黑色輪胎，通常都會拿這類反射率低的目标物做一個最低标準。” 王世玮認為，現在的車廠都不是小白，對“橫評”輕車熟路。
“而且車廠問我們的問題，通常簡單粗暴——你價格能比XX便宜多少？”
小鵬P5的雷射雷達（左前方）拍攝自2021年4月上海車展
然而，正是雷射雷達在供應鍊中的權重逐漸增高，新的問題随之産生。
截止目前，曾經高喊會因規模化而降至500元單價的車載雷射雷達，成本仍高至幾千人民币，部分産品的生産工藝良品率也不高；從穩定性看，所謂“過車規”，隻有舊體系的一套指導原則在發揮基礎作用。
“2017年奧迪用Scala雷射雷達的時候，車規究竟是什麼樣子，其實也是奧迪自己說了算。當然，在環境穩定性方面會有一個行業共識，畢竟攝像頭和毫米波雷達都要做環境穩定性測試。
但雷射雷達在車上的檢測率、識别效果，甚至是與攝像頭等多種傳感器的配合度，其實行業并沒有統一的性能評測标準。”
王世玮在跟車廠溝通中，發現不少客戶已經具備了初步成熟的測試體系，或者從一級供應商那裡做了很多借鑒，但的确缺乏标準性。
有人曾向我們透露，2021年一家新勢力所謂上了兩台雷射雷達的量産車型，車頭的雷射雷達幾乎沒有發揮作用。簡單來說，就是作為“車體裝飾”。這種尴尬的營銷性配置，也許未來仍會在其他車型上重演。
此外，有人稱ibeo的量産産品雖然在體積上做到了跟iPhone一樣大小，但卻在散熱方面不及預期；而MEMS型産品（這是一種有名的混固态技術路線之一）的車規驗證并不完備，在穩定性上還有待提升。
本質上，這些問題還是在于車載固态雷射雷達産品在四個次元上都不夠成熟。
雷射雷達按照“掃描方式”的分類
事實上，我們經常把雷射雷達稱為“機械、混合固态和固态”的技術路線劃分方式，主要判斷依據是“掃描子產品是否會動，動的部分有多少”。
而這也是當下雷射雷達過車規最大的技術難點之一。
從長遠來看，純固态一定是主流路線（譬如晶片級産品穩定性肯定最強）。但如今，無論是Flash還是OPA，所有固态技術尚不成熟——或造價高昂或探測距離短。而國外研發此技術的公司均無好消息。
迄今為止技術路線沒有誰輸誰赢，各有千秋。圖檔來自民生證券
是以，大多數希望盡快走入汽車供應鍊的企業，都選擇了混合固态技術路線。
在這個區間裡，不少廠商選擇的是MEMS或其他雙軸振鏡技術方案。但是，在探測距離和環境穩定性上，仍然還存在難以兼得的狀态，需要繼續實作工藝突破。
實際上，有産業人士曾告訴我們，在所有光學掃描方案裡，反射式的單軸掃描是最經典、最穩定、最容易過車規的方案，同時也是最返璞歸真的方式。這也是為何包括法雷奧、禾賽等頭部廠商都在混合固态區間内選擇了這一形态。
“但單軸也有很大的問題，就是怎麼做到在控制體積的同時做到‘多線’，實作3D效果。” 王世玮指出，傳統單軸振鏡與轉鏡産品大多都是單線雷達（當然也有法雷奧Scala這樣的4~8線産品），是以，就需要在其他部分做更多創新。
他提醒我們，由于市面上總是關注于雷射雷達的掃描系統，恰恰就忽視了它另外三個重要組成部分——發射、接收以及信号處理電路。
“雷射雷達比我們想像得要複雜太多，掃描部分在雷射雷達結構裡的占比其實并不高。而雷射器與接收器，都在經曆着跟成本與性能密切相關的技術變革。”
王世玮指出，即便他們掃描子產品走的是單軸微振鏡路線，但在給收發模組做“陣列化”創新後，除了做出多線效果，也要将光學裝調難度降到了最低——
在器件數量大幅減少的前提下，組裝調試時間用幾分鐘來完成。
“我們的一個核心技術突破，是在收發模組層都采用了陣列化的內建器件，直接保證了探測分辨率從第一代16線産品突破疊代到64線，一直到現在的192線固态版本。” 由于收發系統細節涉及到技術專利，他隻能透露基礎資訊。
“簡單說，就是用低成本、更穩定的單軸，做到了多線的感覺效果。”
在收發系統層面的技術革新趨勢，圖檔來自民生證券
直到現在，我們才意識到，雖然每家雷射雷達企業的産品，在各種報道中，都會被簡單概括為某一種掃描形式。但事實上，由于雷射雷達由上百種光學、電子器件組成，複雜度極高，遠遠不是“固态與非固态”可以代表的。
甚至于，每家公司在光學設計、信号處理、內建方式、收發器件品牌與價格選擇上，都會有極大的差别。
舉個例子，在收發系統的設計上，雷射雷達廠商大多會采用APD技術（上圖），而現在有往單光子器件SPAD發展的趨勢，但量産晶片化與成本效益還有不足，國内也僅有幾家公司在做相關産品。
是以，我們并非貿然下了這樣一個市場結論：
第一批上車的雷射雷達，雖然為車廠們卯足了噱頭，但實際效果應該遠低于其宣稱的物體檢測與感覺能力；
而車載固态雷射雷達之争，在固态産品走向成熟、混固态産品成本持續降低、量産能力持續爬坡的3年裡，仍然不會有一個明顯的高下之分。
硬體融合大勢不可逆
就像在半導體世界裡，多塊XPU融合的超異構計算創新掀起了第四代算力革命一樣，在自動駕駛汽車上，既然資料要在新舊傳感器之間穿梭與碰撞，打破了原有子產品化的獨立運作機制，那麼必然就會打破硬體與硬體之間的“隔閡”。
是以，硬體融合趨勢，也發生了如今每天能夠加載1000萬條代碼的消費級汽車上。
早在2008年，王世玮在清華精密儀器與測量實驗室裡，連過年都在忙着為一個國家衛星項目做圖像與點雲資料融合技術時，肯定想不到，十幾年後，一項與之極為類似的技術會對自動駕駛和汽車産業有如此重要的作用。
多傳感器融合。這是一個在車上為雷射雷達、攝像頭、毫米波雷達等多種傳感器“建立聯系通道”，并為汽車大腦做資訊預處理的關鍵步驟。
如果打個比方，這是一種“讓汽車自動駕駛前，先把零部件們放進一個語言體系裡對話”的能力。
一般情況下，一輛robotaxi的傳感器分布
然而現實很骨感。這項自動駕駛相關的進階技術，遠遠未被汽車産業領會、消化和吸收。
“大多有自動駕駛業務或團隊的公司，在做傳感器資料融合時，都采用的後融合處理方案——攝像頭生成圖像的資料，雷射雷達生成自己的點雲資料，分别做感覺，再交給主處理器做融合。”
一位熟悉融合技術的工程師告訴我們，最常見的方法是把各類傳感器的線都接在一塊闆子上，然後做标定和處理。
“但這種方法精度有很大問題，車上不同位置的傳感器在空間與時間上很難對齊。而且一旦圖像出現誤識别，你就得去檢查一下雷射雷達的‘看法’，如果後者給了一個相反的判斷，那麼你該選擇誰？這事兒永遠都得人為介入，或者預先制定規則，但也難免發出錯誤指令。”
他舉了個例子，某車廠在車頭兩邊塞了兩個雷射雷達。但很明顯，車後的攝像頭與兩顆雷射雷達的位置和方向完全不同，掃描角度千差萬别，通過“後融合”在精度上毫無疑問會有缺損。
而“前融合”可以解決以上問題。
這種方法的特點在于，把多個傳感器的原始資料先“揉搓”在一起，再扔在一個“神經網絡大鍋”裡做感覺訓練。這就好比把多個硬體組合在一起，形成一台“超級傳感器”——不僅能看到圖像，也能看到紅外線和點雲資料。
這項技術在國内最有名的傳播者和實踐者，是曾經的明星高階自動駕駛公司Roadstar（很遺憾，這家公司因内鬥而解散），其首席科學家、也是後來成立了元戎啟行的周光，曾詳細介紹過“前融合”的精度優勢：
“假設在你手上有個手機，雷射雷達隻能看到手機一個角，攝像頭隻能看到第二個角，毫米波雷達可以看到第三個角。如果用後融合算法，由于每個傳感器隻能看到一部分，是以物體非常有可能不被識别，最終被濾掉。但在前融合中，由于它集合了所有資料，相當于可以看到這個手機的三個角，那對于前融合來說，是非常容易能夠識别出這是一台手機的。”
探維把雷射雷達與攝像頭以特殊方式“融”在了一起
但是，前融合方案在開發中會遇到很多技術難題。譬如開發與前融合資料相試配的感覺算法。對于車載傳感器系統來說，想通過系統标定達到一百米外3~5厘米的融合精度，是一個幾乎不可想象的技術名額。
王世玮也極為推崇“前融合”這項對汽車自動駕駛能力至關重要的技術。但是，除了無可比拟的感覺精度優勢，在清華實驗室為國家做過大型衛星前融合項目後，他認為對于汽車産業來說，保證系統“後續無人介入”更為重要。
“與汽車不一樣，衛星有個苛刻的客觀前提：你一旦發射了，就很難再去修正一些問題。這也就要求我們當時必須做到，讓産品在無人化狀态下實作一切自動化有序工作。”
他舉了個有意思的例子，當年美國哈勃望遠鏡發射上天後，科學家才發現它裡面有塊鏡子不太好，看東西很模糊。但解決方法隻有一個，就是再重新發一顆衛星上去，裝一個補償鏡。
“我們當時做國家項目，不可能都像哈勃望遠鏡一樣，不斷發新衛星去維修，是以就必須保證衛星在無人狀态下自動化處理資訊。而這就是我們當初采用‘前融合’技術的另一個重要原因——必須讓系統自己明白，怎樣讓像素與點雲資料自動比對起來。”
是以，王世玮與清華師兄弟，把當年在實驗室積累的衛星核心技術，特别是以雷射雷達為核心的硬體級前融合技術，在這波自動駕駛浪潮的鼓動下，做了一些對應汽車軟體痛點的商業創新——
就像當年給衛星做資料融合一樣，先為攝像頭與雷射雷達做硬體層的結構化內建，讓兩者實作基于同軸光學系統的空間對準與時間同步，免除标定步驟。
簡言之，就是建立一種嚴絲無縫的“時空同步協作機制”，在攝像頭暴露圖像缺陷時讓雷射雷達頂上；在雷射雷達出現稀疏點雲時，被攝像頭的優勢補齊。
“雷射雷達從一開始的4線、8線，再到16線、32線、64線以及128線，後面有沒有可能出現214線、512線？不太可能，因為這不僅耗費時間，廠商也要考慮線數與成本的平衡。”
王世玮覺得，雷射雷達的技術積累是漫長的，不然業内也不會有人硬抄國外雷達就抄了好幾年。倒不如另辟蹊徑：
“我們回想當初做項目的一些細節，其實就考慮過這個問題。譬如發現有些微小物體上的雷射非常稀疏。那麼在前融合狀态下，感覺系統會‘自發’去倚重攝像頭做識别，這時候，雷射雷達的分辨率大幅降低其實也沒問題。”
但他認為，這不是為雷射雷達的低線數找借口，而是“如果你用一個128線的雷射完全能夠實作2k高清圖像的效果，那麼為何不這樣去做呢？”
坦率講，雖然如今國内車廠嘴上都在說“軟體定義汽車”，但他們大多遠不具備突出的軟體實力。
此外，盡管他們對雷射雷達有了初步了解，但依然缺乏對多傳感器的系統性應用能力（是以才長久以來都被Tier1牽着鼻子走），更不用說涉及到多種高端傳感器的前融合技術。
“新勢力會走得相對快，不少車廠對前融合也很感興趣。” 跟車廠近期密切接觸的王世玮，感受到了來自車廠端的劇烈變化，和越來越多的軟體層痛點。
“我們發現其實客戶對于無需标定的‘資料融合’感受非常強烈。有車廠這塊兒的工程師吐槽說空間比對精度不夠，尤其是高速場景，失誤很多，是以訴求也很多。”
寫在最後
當我問及王世玮做雷射雷達這起起伏伏的4年多裡，有沒有最值得慶祝的勝利節點時，他絞盡腦汁卻最終沒有給出答案。因為他覺得公司遠遠沒有到達所謂“成功”的那一層，2022年的任務實則更為艱巨。
有固态樣品的雷射雷達廠商需要跨過第二座大山——或投資建廠，或尋找合作代工，盡快擴大生産銷售能力。這将是王世玮跟他的技術團隊未來幾年裡主要去解決的難題。
“坦率講這不是我們的優勢，因為現在體量還不算大，如果産能迅速擴大，我們還會遭遇驗廠、良率、傳遞等一系列生産上的挑戰。”
但即便如此，他們在海澱東升科技園的辦公室短短半年裡已經坐滿了人，來自清華等名校和自動駕駛公司的年輕工程師面孔，也許代表了一家科技公司背後的産業，正位于極速上升期。
6年裡來，有人退出，有人進來，有人成為獨角獸，有人即将上市。但我們極為希望能看到更多科技創業者踏入這個充滿未知、競争者環伺的汽車垂直産業。
因為這裡不僅是百億美金撐起的市場，也有難度最大的汽車硬體創新、最厲害的對手。