德國車企評估新方案，清單上有華為

10年前，車載激光雷達很貴。一個要幾十萬元。它還很大，很容易壞掉。這東西只能用在少數園區里的無人車上。沒有人相信它能量產，裝在普通車上。

當時全球市場只有幾家公司。Velodyne是最大的。Luminar剛剛成立。Innoviz還在準備。這個行業很冷門。華為內部的一些工程師，看到了不一樣的地方。

他們申請到一筆預算。從微波雷達團隊借了3位專家。目標很簡單。把激光雷達的機身變小。把成本大幅度降下來。這是一個難辦到的事情。

他們選擇了一條務實的路線

技術用的是905納米激光器。搭配旋轉電機混合振鏡。這個方案不先進。它的好處是技術成熟。可以把成本快速做到20萬元以內。然后每年再降30%。

 

這讓公司內部的人看到了量產的希望。策略的第二步是自己做芯片。2019年，一個叫“小光芯”的項目在公司內部啟動。這改變了所有事。

他們把發射端和接收端做到了一起。發射端是8通道硅光集成芯片。接收端是改良后的CMOS。兩個分開的模塊變成了一個很小的模組。

成本下降速度很快

2021年，華為發布了96線等效雷達。這時的成本已經不到5000元。產品的良率第一次超過90%。量產的節點被打通。華為開始做一件以前很少做的事。

它向所有合作的車企公開BOM清單。目的就是把市場做大。大家一起來用，成本才能繼續降。這個策略很快就看到了效果。規模效應出現了。

2023年下半年，激光雷達平均售價跌破2800元。

華為給車企的議價空間保持在12%到15%之間。它的盈利沒有減少。出貨量變得很大。總的利潤反而更高了。

搭載華為激光雷達的車型越來越多。覆蓋問界 M9、享界 S9、嵐圖夢想家、阿維塔 12。這些車在路上跑的總里程超過了23億公里。

23億公里

這個數字相當于繞地球赤道跑了5。75萬圈。每天會產生超過20TB的原始點云數據。海量的數據是提升性能的關鍵。工程師最頭疼的問題是極端場景。

數據解決了極端場景問題

過去很難遇到的場景都被數據捕捉到了。比如雨夜高架上金屬護欄的反光。四川山地隧道出口突然出現的黑車。廣州城區臺風天被吹起來的路邊錐桶。

這些寶貴的場景素材被放進模擬倉里。系統不斷學習和迭代。激光雷達的性能得到了提升。在6%反射率下有效探測距離從150米提升到220米。

雨天識別漏檢率從千分之4。2降到千分之0。3。

技術進步直接影響了行業法規。中國高速L3法規的落地節奏加快了。2024年6月，工信部發布了智能網聯汽車準入與上路通行試點的實施指南。

高速場景的L3被認為會最先放開。這里成了華為ADS 4。0的目標。新一代系統最大的不同不是算力。而是對激光雷達“全冗余”這個邏輯的補充。

攝像頭在逆光下可能會失明。毫米波雷達會被噪聲干擾。這時候，單獨的激光雷達仍然可以工作。它能識別前方的靜止車輛、掉落的貨物和翻越護欄的行人。

硬件冗余換取生存概率

識別率達到100%。延遲保持在50毫秒以內。這種做法在全球還沒有先例。國家道路交通管理工程技術研究中心5月給出了測試報告。