Robotaxi眼睛革命：三次激光雷達換代潮，無人車從0走向100000

2025-09-26 17:23

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

【Robotaxi眼睛革命：三次激光雷達換代潮，無人車從0走向100000】

文章圖片

文章圖片

文章圖片

賈浩楠發自副駕寺智能車參考 | 公眾號 AI4AutoRobotaxi的未來，正取決于一場正在進行的感知硬件換代趨勢。
2004-2007年的DARPA無人車挑戰賽，是如今激動人心、轟轟烈烈的自動駕駛、汽車工業智能化源頭。

賽場上叱咤風云的團隊，以及從這些團隊分化、受此啟發的創業者，后續紛紛落地生根，開創了一個全新的行業——自動駕駛，它們的名字至今如雷貫耳：Waymo、Apollo、小馬智行、文遠知行、Momenta……
它們創造了Robotaxi這一全新物種，通過一代代的AI技術體系迭代，技術上愈發接近“全無人駕駛”這一終極目標，商業上也迅速走到大規模部署的轉折點。
還在這個過程中技術外溢，直接影響、開啟了整個汽車工業的智能化普及。
產業鏈層面，一種全新的傳感器設備——激光雷達，同樣在DARPA無人車挑戰賽上首次登場，并且伴隨自動駕駛技術、Robotaxi形態不斷迭代，從最初的“意外驚喜” ，到一段時期的“成本挑戰” ，再到后來的底層必備。

Robotaxi和激光雷達，一個源頭流出的兩種產品始終相輔相成、不可或缺，整個過程互為因果，協同共進。
現在，面向自動駕駛、Robotaxi大規模商用、普及時代的激光雷達，呼之欲出：
誰能率先部署新一代高性能、高可靠、低成本的激光雷達，誰就能在未來的數據積累和運營效率上獲得難以逾越的先發優勢。
Robotaxi與激光雷達的“雙生”DARPA無人車挑戰賽前后一共舉辦過3屆，其中2004年第一屆受制于當時的軟硬件， 15支決賽圈隊伍無一完賽，成績最好的CMU ，也僅跑了12公里左右就撞車，不到賽段1/10 。
慘敗告終，但因為這場比賽，學界、車企首次合作解決無人駕駛問題，直接引發了這一輪關于自動駕駛的研究，從這個角度來說，這次比賽無疑又是成功的。
2005年第二屆挑戰賽，斯坦福大學人工智能實驗室和大眾合作，動用了大眾在德國的資源，史無前例在途銳越野車上安裝了5個SICK的單線激光雷達：

盡管當時SICK單線激光雷達最遠探測距離只有25米，但仍然幫助斯坦福隊伍6小時54分跑完全部212公里賽段，拿到冠軍。
SICK激光雷達來源于一家名叫Ibeo的德國創業公司，正是因其產品在DARPA挑戰賽上意外“走紅” ， Ibeo立刻把業務重心從傳統工業測繪轉向車載，開啟了激光雷達和自動駕駛、Robotaxi的“共生” 。
2005年的挑戰賽結果，還直接影響了當時的一家音響公司Velodyne ，將全部資源轉向車載激光雷達。

以全無人為目標的L4 ，和L2輔助駕駛有本質區別，要求系統的絕對安全和全程無人干預，所以感知系統必須具備超高可靠性、精準度和冗余保障。
從技術角度來看，攝像頭數據采集上來以后，要經過目標分割、識別、計算尺寸、距離、速度，然后再和自車的速度軌跡比較，才能輸出一個可供規劃模型輸出參考的結果。
而除了延時，這種傳統模塊化的自動駕駛算法，還可能存在噪聲、誤差，連續幾個模型累積下來，對最終結果影響很大。
與攝像頭“被動”接收環境信息相比，激光雷達則是“主動”感知環境：

發射出去的紅外光波，碰到障礙物一定會產生回波， 100%反映在點云圖上，在感知這個層面避免了“漏檢” 。
又因為點云圖本身帶有深度信息，可以直接對環境進行3維重建，省去了從圖像數據重構場景的步驟。
同時發送脈沖，接收脈沖之后，系統可以直接從返回時間讀取距離，從信號調制讀取相對速度。全程沒有“識別”這個過程，純測量，低噪音，計算簡單，每秒可以完成數百次。

從技術特征出發，激光雷達在自動駕駛系統的感知、信號處理、延時等等方面，對比純視覺方案確有明顯優勢。
所以等到了2007年的第三屆DARPA挑戰賽，六支完成比賽的隊伍中，五家使用了Velodyne的機械式激光雷達，直接確立了激光雷達在L4及以上級別自動駕駛中的地位。
然而，這種相互依賴背后，有成本和可靠性的巨大優化空間，這為日后兩個賽道共同的“成長煩惱”埋下了伏筆。
之后激光雷達和Robotaxi的發展，既有互相成就，也經歷了一段動態平衡與協同進化的歷程。
激光雷達和自動駕駛的協同進化嚴格細分的話，其實Robotaxi的真正起源是2007年的第三屆DARPA挑戰賽，這一屆首次以“城市挑戰賽”為主題，全面驗證自動駕駛系統在真實交通場景中的感知、識別、博弈、規劃、控制等等綜合能力，奠定了如今Robotaxi的基本形態：

即由攝像頭、激光雷達、毫米波雷達傳感器、線控系統、計算單元等構成無人車硬件系統，由傳感器融合、目標定位、識別、路徑規劃和行為規劃等算法構成無人車的軟件系統，軟件和硬件結合構成自動駕駛系統。
后人所做的，無非是在這條基礎路線上進行更加深入和精細化的技術迭代。
DARPA挑戰賽上瓜分冠亞軍獎金的CMU、斯坦福團隊，之后大多都匯聚到了Waymo前身、谷歌自動駕駛項目，由Sebastian Thrun帶隊，啟動了人類歷史上第一次自動駕駛商業化探索。
從2009年谷歌自動駕駛項目起步開始，一直到2015年，可以看成是自動駕駛、Robotaxi的路測階段：

這個階段Robotaxi主要挑戰是在真實道路場景中驗證技術體系可靠性，展現出的是對激光雷達性能的強需求。
舉個例子， SICK最早的激光雷達最遠探測距離只有25米，線數也只有單線，一方面限制了車輛的最高時速，一方面又不得不一次使用很多個….這也是為何當時200公里賽程要花6個小時跑完。
系統反應時間、安全冗余下限、布置形式、乘坐體驗等等，遠達不到商業化門檻。
所以Robotaxi的路測階段對激光雷達的需求是更高的線數、更遠的探測距離。
這個時期， Velodyne一度是絕對王者， 64線機械式激光雷達成了全球所有自動駕駛系統的必備傳感器，單價最貴時上百萬，便宜的時候也得“一線一萬塊” ，就這還經常斷貨。
百度Apollo當時為了更方便拿貨，甚至直接出資投了Velodyne 。
不過這個階段，國內的自主創業公司同樣開始發力，依托國內成熟的供應鏈，開始從技術、成本兩方面向頭部發起沖擊。
比如禾賽批量給Cruise供應的Pandar64 ，速騰批量給Momenta、AutoX等客戶供應Ruby128線等等。

這個階段的激光雷達產品，解決的是自動駕駛關鍵傳感器從無到有的問題，但也展現出“痛點”：激光雷達成為了自動駕駛系統單項成本占比最高的元件。
而一輛成本造價動輒一兩百萬的無人車，完全不可能替代一輛售價僅10萬左右的傳統出租車——這也是激光雷達第一次市場格局成型的驅動因素。

從2016年開始，自動駕駛賽道的頭部玩家以“落地運營”為目標，開始了技術、商業上新的嘗試探索。
首先是技術上由之前的模塊化、規則化、地圖先驗，轉向輕地圖、模型化、數據驅動，系統的泛化性空前加強，不同傳感器的前融合也進一步突破。

商業上開始以“落地運營”為目標，和車企合作制造車規、前裝量產的Robotaxi車型。
并且L4的先進理念、技術體系開始被L2接受，量產智能輔助駕駛規?；狭?，和Robotaxi路線齊頭并進。
車規，其實就是2016-2024年試運營階段Robotaxi、L2輔助駕駛對激光雷達提出的最嚴苛要求：性能更強之外，可靠性上要滿足“十年不壞不換”的基本門檻，尺寸形狀上還要滿足機動車一系列的安全設計規范。
之前叱咤風云的海外明星激光雷達玩家，幾乎都倒在“車規”這一關。

自主玩家速騰、禾賽則后來居上，迅速用更高精度、更大視場角的車規級、半固態產品滿足了需求，成為明星產品。
比如速騰M1P、禾賽AT128等等，并且逐漸在普通用戶中建立起“激光雷達=安全帶”的認知。

而L2的規?；?，也水到渠成地解決了激光雷達成本痛點——去年速騰成功把激光雷達帶入“千元機”時代，成本幾乎只有早年Velodyne產品的千分之一。
2024年開始Robotaxi似乎一夜“翻紅” ，落地規模迅速突破千臺級別、用戶層面火爆出圈，之前耕耘十多年的先行者們，也終于在資本市場上獲得了認可…..
直接驅動因素，就是激光雷達成本的迅速下降，讓Robotaxi成本優勢打平甚至超越網約車，掃清商業運營最后的障礙。
激光雷達行業的第一次群雄逐鹿，從Robotaxi起源，在量產輔助智駕中決出勝負，速騰、禾賽“兩超”局面由此產生。
L2戰場完成的第一次洗禮，為激光雷達行業帶來了成本與車規的成熟經驗，從而為Robotaxi的規?；逃脪咔辶俗詈笳系K ，也將行業競爭帶入了一個全新的階段——2025成為Robotaxi規?；逃迷?。

頭部玩家的Robotaxi車隊規模，從百臺走到千臺，用了幾乎10年，而2025年僅一年，就從千臺走向萬臺規模。
自動駕駛對激光雷達的要求，也轉變為高性能、低成本、高可靠性的三重平衡。
激光雷達的第二次格局重塑規?；逃煤驮囘\營的本質區別，是Robotaxi突破以往一城一地的“地理圍欄”與運營時段限制，開始向全地域、全時段、全氣候條件部署。自然要應對更多更復雜的場景挑戰。
對關鍵的激光雷達，提出了更嚴苛的要求。

性能層面自不必說，肯定是更高了。要求“萬無一失”的Robotaxi ，需要在更遠距離識別更小、更低矮的障礙物（如130米外13x17厘米的紙盒）、雨天地面線檢測等等，這樣系統才能預留充足決策時間，保障安全與乘坐體驗，保護車輛資產。
此外，還需要更高可靠性。 Robotaxi和私家車最大的不同是幾乎7×24全時段運營， “車規”要求更加升級。而全固態設計因無運動部件，在可靠性、體積和成本方面潛力巨大，開始逐漸成為主流方向。

當然全固態產品當下探測距離仍有限制，所以更多用在補盲位置，不過半固態產品的“固態化”程度也在不斷提高。
“高性能、高可靠性、成本可控” ，就是激光雷達第二次格局迭代的主要驅動因素——自研數字化芯片。
比如速騰聚創前不久公布的遠距四顆EM4激光雷達與四顆E1補盲雷達的組合方案：

核心采用VCSEL+SPAD-SoC的數字化架構，實現了高靈敏度的數字化檢波功能，大幅提升了信號的完整性和點云質量。
VCSEL指垂直腔面發射激光器，能量轉化率高、光束質量優越、和波長穩定性，光束發散角低至0.1度，光束形狀可控，尤其適合高精度測量。
最重要的是垂直出光，允許芯片級封裝，支持晶圓級制造，可實現低成本大規模生產。

SPAD-SoC全稱是單光子雪崩二極管與數字信號處理器集成芯片，是千線級別激光雷達的核心技術：
將SPAD陣列、淬滅電路、時間數字轉換器（TDC）及信號處理等功能集成于單一芯片，實現更高效的光子檢測與距離測量。其架構與CMOS圖像傳感器相似，可支持高分辨率（如1080P、4K甚至8K），而傳統SiPM方案無法實現高線數化。
理論上， EM4最高0.050°×0.025°角分辨率，可以有效探測最遠170米外的輪胎、以及250米外的石塊、紙箱或橫穿小動物等目標。
實際測試中， EM4可以在130米外清楚探測到地面的13x17厘米的紙盒：

還自帶雨霧雪塵去噪技術，能夠在極端氣候條件下，智能識別每一個回波數字信號攜帶的信息，精準去除雨霧雪塵噪點，還原清晰環境信息：

芯片化，同時滿足了性能躍遷、可靠性提升和成本下降，是目前唯一能滿足Robotaxi頭部玩家全天候全地域商業化運營的激光雷達產品。
實際上，這也是這個賽道所有玩家達成共識的下一代激光雷達技術迭代路線。
速騰聚創EM平臺的多款數字化產品已經率先規模交付上車，而其他激光雷達廠商，也給出了2026或2027年的量產計劃。
Robotaxi規模化，長期看是算法、工程、運營等等綜合能力的角力。
但未來2-3年，卻是頭部實力玩家拉開關鍵差距，積累先發優勢動能最關鍵的時期。

2025年迅速突破萬臺已無懸念，更多的行業分析報告，以及一線專家認為， 2-3年內落地10萬臺，才具備營收、數據持續加速的基礎。
同樣是又一個質變的關鍵節點，但Robotaxi賽道史上頭一次在關鍵技術、硬件上有了不需爭論、驗證的明確選擇：
誰提前迭代、儲備最基礎關鍵的“眼睛” ，誰就很有可能在算法、運營的“持久戰”中無后顧之憂，搶占先機。
數字化架構激光雷達的性能、成本優勢，還體現在持續可迭代，尤其是自研芯片帶來的持續升級、性能提升的優勢，也有助于Robotaxi在持續運營中不斷改進，搶占先機。

對激光雷達玩家來說， Robotaxi規?；逃每赡苡质且淮胃窬种厮艿男聶C遇：“萬億市場”價值真正開始兌現——Robotaxi開始替代傳統出租車網約車，甚至是一部分私家車。
更廣義的自動駕駛層面， Robotaxi外溢的量產智能輔助賽道， 2025年同步進入L3的量產元年，并且在后端技術體系、前端感知方案上和Robotaxi交匯融合。
L4的競賽還在進行，但決勝的鑰匙之一已然清晰。誰能在感知硬件上先發先至，誰就能在十萬臺及后續持續運營上就能建立顯著的領先優勢。
未來其實不在明天，而在今天。這不僅是關于一款傳感器或一項技術的抉擇，更是關于在智能出行革命中，不僅了解過去，更能看清未來。

推薦閱讀

上一篇：滴滴AI出行助手開啟公測：想打什么車一句話搞定

下一篇：高通發布多款驍龍芯片，支持智能體助手是最大賣點丨最前線