调研 | 凯文 京京

撰写 | 京京

自动驾驶无疑是当前以及未来十年最火热的领域之一。作为自动驾驶汽车最重要的元件，高线数激光雷达近两年来需求暴增。然而由于供应商少、价格高昂、交货周期长，这个“无人车之眼”却成了整个行业快速发展的最大限制因素。

很多新玩家因此退而求其次，希望绕过激光雷达，单纯通过毫米波雷达+摄像头的廉价方案实现自动驾驶，然而大量路测数据和事故事实都证明，激光雷达是无人驾驶汽车绕不开的核心传感器。当前，包括谷歌Waymo、百度、Uber、Cruise、nuTonomy、驭势科技等自动驾驶公司都广泛采用激光雷达方案，更加印证了这一事实。

国内首款32线混合固态激光雷达发布于2016年11月，由创立于硅谷的禾赛科技研发而成，这也是禾赛推出的首款激光雷达产品。

上月，禾赛科技又发布其最新产品——40线混合固态激光雷达产品Pandar 40。新产品集各家激光雷达优势于一身，不仅体积小，拥有150米有效测量距离，还专门为自动驾驶优化了线束分布，使得最小角分辨率达到了0.33°，功效相当于一个传统83线雷达。

技术：从激光传感器到无人驾驶激光雷达

事实上，禾赛科技并非做无人驾驶激光雷达起家。

自2013年成立以来，禾赛一直致力于顶尖激光传感器开发，其技术最早应用于激光甲烷遥测仪，后与大疆合作推出无人机载燃气安检系统，为国内外一些天然气公司提供相关产品及技术支持，2016年完成了数千万元人民币销售额，客户遍及全国几十个城市及欧美国家。

因此，禾赛做激光雷达并非从零开始。虽然激光测距和气体检测原理不同，但电子信号处理等核心问题类似，人才储备也相通。

当然，能做出国内首款32线激光雷达，也离不开创始团队强大的技术背景以及坚实的技术积累。

CEO李一帆本科毕业于清华大学精密仪器系，博士毕业于美国伊利诺伊大学智能机器人姿态控制方向，曾在硅谷LAM机器人公司、帕克集团、以及西部数据集团做过首席工程师和战略投资工作；CTO向少卿本科毕业于清华大学，也是斯坦福大学机械和电子双硕士，后在苹果做手机中的核心电路研发工作；首席科学家孙恺是同济大学汽车学院教授。

激光雷达涉及光学、精密机械、模拟电路、数字电路、FPGA、深度学习等多项尖端技术，在禾赛科技50人团队中，80%为技术研发人员，其中不乏经验丰富的电子工程师、光学工程师、激光传感器科学家以及硬件工程师。

市场：从测试车到成熟车，激光雷达千亿规模

禾赛科技之所以从激光气体检测转型做无人驾驶激光雷达，正是因为看到了当前全球市场上无人驾驶激光雷达的尴尬现状以及巨大的市场空间。

目前，全球范围内，真正能量产出货的高线数激光雷达公司基本只有硅谷公司Velodyne一家，其64线激光雷达价格高达8万美元，16线也近1万美元。由于一辆车往往需要多个激光雷达来保证精确度，因此对于造价约200万人民币的无人车来说，激光雷达成本巨大。此外，由于市场供不应求，加上产品本身设计和工艺的限制，Velodyne的激光雷达交货周期长达半年以上。

然而，价格高、周期长，仍旧挡不住众多无人车公司争相购买Velodyne激光雷达，这家公司2016年销售额高达1.5亿美元。据Velodyne亚洲区市场总监翁炜介绍，仅在中国，去年其销售额就较2015年增长了四倍，达到1500 万美元。

虽然当前无人驾驶激光雷达主要用于测试车市场，但是全球测试车市场有百亿人民币规模。对于激光雷达公司来说，从中切一两个点都会是几亿人民币，更不用说无人车成熟以后，一亿辆无人车对应的就是激光雷达千亿级的市场规模。

因此，无论从短期还是长期看，无人驾驶激光雷达都是一块充满想象空间的市场。

产品：从角分辨率入手，40线赛过64线

当然，激光雷达作为无人车的重要元器件，还需综合考虑技术、成本以及产品设计和工艺，不仅要满足高精度要求，还要尽可能降低成本。禾赛科技在这次新产品研发中就进行了大胆创新，实现了产品性能和成本的优化平衡。

众所周知，激光雷达线数越多，排布越密，对信息的把握也就越准确。例如，当人身上只扫过3根线时，很难判断和识别出是人，而如果线数增加一倍，3根线变成6根线，就能更加清楚地辩认出人形。

激光雷达线数并非一定要是2的整数次幂。禾赛科技在与客户交流中，发现了他们对于无人驾驶激光雷达的核心要求——在50米外尽可能捕捉到行人和车辆的更多细节。为了满足对中间线的高密度要求，禾赛科技在新产品Pandar 40中打破了传统激光雷达均匀分布的限制，在接近0°范围附近25线的角分辨率做到了0.33°，从而能够充分捕捉行驶过程中远处物体的细节特征。

举个例子，对于50米外的一个1.7米高的行人，Velodyne 16线2°角分辨率只能投射1条线，64线0.43°角分辨率可以产生5条线，而禾赛科技的40线0.33°角分辨率则会有6条线，大大提升了激光雷达扫描数据的质量。

除了硬件产品，禾赛科技也会根据客户需求，提供无人车系统中的底层识别技术。目前，包括智行者科技、驭势科技等在内的无人车公司已经采用禾赛科技激光雷达产品测试，禾赛也正在和国内外一些传统车企商讨合作，计划将产品推向全球市场。

总结

去年，禾赛无人机载燃气安检系统以及激光甲烷遥测仪已经得到了市场验证。今年，禾赛将加大推广力度，保证这块业务持续增长。同时，无人驾驶激光雷达两代产品的推出，也得到了数家无人车公司的高度认可。测试车市场虽然规模有限，但是用李一帆的话说，“足够大家活了，如果今年能卖出200台，便可以得到资本市场的认可。”

相比AI通用技术而言，激光雷达等硬件产品更容易形成技术壁垒，这对于拥有强大技术实力的禾赛科技来说，无疑是核心优势。而能够打破传统设计来提升效果、降低成本，也体现了禾赛的产品创新能力。接下来，能否拿下无人驾驶这条热闹赛道上的大玩家们，能够顺利实现量产和供货，是禾赛科技要闯过的重要难关。

当前，无人车市场最大的硬件难题正在得到解决。未来，随着识别、决策等软件算法和系统的进一步提升，随着无人驾驶相关政策法规的进一步完善，随着配套基础设施的逐步到位，市场爆发便指日可待。不过，据李一帆说，这个日子恐怕不会在2020年以前。

近日，爱分析对禾赛科技创始人兼CEO李一帆进行了调研访谈，精选部分内容与您分享。

爱分析：激光燃气检测业务目前有哪些合作客户？

李一帆：包括中国最大的民营天然气输送公司，他们每年营收几百亿。我们当时还在美国的时候就找到我们了，后来就成了我们的大客户。

爱分析：目前无人驾驶激光雷达有哪些主流技术方法？

李一帆：一些中短距离激光雷达采用的是三角测距法，这个技术难度低，成本也低，主要针对扫地机器人这样的产品，当然也有公司用这种方法来做无人驾驶激光雷达，效果肯定会受限。我们用的是光飞行时间法（TOF），可以实现远距离检测，技术难度大很多，成本也更高。

爱分析：TOF相比三角测距法，有哪些难点？

李一帆：首先，测量光行走1cm的时间是很难的，对系统的技术要求非常高，需要系统有非常快的计算能力，1秒要10亿次-100亿次来观察这个东西。

其次，这些激光都是很弱的光，因为太强的话会伤人，如何在太阳光很强、距离很远的情况下还能让这些激光检测到周围的物体，这也是难点所在。

爱分析：线数的增加对技术要求高吗？

李一帆：这其实就类似于把手机摄像头从500万到2000万像素，技术上没有本质差别，但你要解决的是同样体积下，如何塞进那么多像素，这在工艺和设计上会有很大的挑战，因为我不太可能做出个两倍体积、两倍像素的东西来，因为激光雷达的体积大家默认就是这么大，再大了心理上就无法接受。

爱分析：Velodyne 32线激光雷达售价30多万，64线激光雷达售价70多万，激光雷达的价格和线数增加是线性关系，成本也是线性关系吗？

李一帆：成本不是线性关系，线数的增加所需要的成本并不多。

爱分析：您认为现在无人车市场起不来，是因为硬件成本太高还是软件技术不成熟？

李一帆：从软件公司角度看，他们可能会认为市场没有完全爆发是因为激光雷达这样的硬件太贵，但我认为不然。

因为现在即使是装配了顶级硬件的无人车也没有实现全天候大量路测，所以很显然软件技术还不够成熟。只有当我们的技术达到一个经得起验证的产品后，才能谈降价的问题。即便先把价格降下来，但是如果量起不来，那也是行不通的。

从硬件角度来讲，激光雷达虽然贵，但性能上是满足大家要求的，基本就等着市场需求增加了。这中间我们也会做一些优化，比如做得更小、更便宜。

爱分析：据一些媒体报导，很多车企都将2020年作为一个无人车实现量产的时间节点，您怎么看？

李一帆：量产这个词的解释方式有很多，因为它其实没有说明是开始量产、下线，还是开始设计、要进入量产。在汽车行业大家一般会说SOP（Start Of Production）以及下线，前者是开始生产，后者是生产完要投入市场。汽车从设计、投入生产、完成生产，这个过程需要好几年，所以无人车的SOP至少要到2020年往后了。

爱分析：您是如何判断这个时间节点的？

李一帆：从现实情况来看，现在在路上跑的测试车不多，而且无法直接面向消费者。谷歌虽然有一些低速车在跑，但离量产还比较远。有些公司说的量产可能只是几百台、几千台的量产，而不是车规级的量产。

爱分析：您如何看待那些不采用激光雷达，坚持做纯视觉算法或方案的公司？

李一帆：我认为这种做法长远是行不通的，后续很有可能会出现他们之前没有看到的问题。

虽然现在激光雷达还是相对比较贵，但是我觉得到了合适的时间，他们也会考虑激光雷达。因为主流做车的公司都在用，包括智行者、驭势科技这种做无人车整车方案的，也在用激光雷达。

这就好比亚马逊Echo，肯定会有人说单麦就可以解决这个问题，但是最终所有做硬件的人基本都是一圈麦克风。所以大家已经形成共识了，不要幻想软件可以解决一切问题，能从硬件入手，还是先要采用优秀的硬件设备。

爱分析：如何看待AI公司的估值逻辑？

李一帆：一般的估值有三种方法，第一，按PE估算，但是早期创业公司很少有人是按这个算的；第二，行业标准估值方式，比如点击量、用户量等，但这个对AI公司不适用；第三，拿行业标杆公司或者竞争对手来比较，这是一个相对常见的办法。

比如激光雷达行业，Velodyne和Quanergy就是两家可以拿来对标的公司，国内公司可以参考国外的公司，在估值上做一些调整。

爱分析：现在AI公司估值都很高，如何判断这里面哪些是泡沫哪些不是？

李一帆：现在的创新行业，往往都是100家公司，最后只会剩一家。如果是这种情况，公司就会变得很贵，因为你多跑出去一点点，都可能给你带来10倍的利益。

举个例子，比如你要投像微信这样的软件，用户量增长可能会从1000万、到1亿、再到10亿左右。你在它用户量1亿的时候，就已经按照10亿在估值了，而且它的用户量很快也能增加到10亿。

但是很可能跟微信一样的那些软件估值也很高，但最后会死得很快。所以这个事情对微信来说就不是泡沫。行业最优者会跑得特别快，这个最优者其实并没有泡沫，因为它真的值那个价，但第二名往后就不一样了。

很多投资人没有这个判断能力，他会觉得，我投个第二名，拿第一名80%的钱也是划算的，但这个判断往往是错的，因为你的第二名现在80%，明年只剩下8%，后年是0.8%了。

爱分析：您认为激光雷达领域，市场集中度会很高吗？

李一帆：会很高，因为能做的人很少，而且会有很多壁垒存在。