汽車雷達芯片的性能和成本卷出新高度

最近，華為和小米先后發布新款智能電動車。作為新入局者，小米的SU7性能還有待觀察，而對于已經發布多款智能汽車的華為來說，其產品迭代能力似乎越來越強，也越來越受消費者的歡迎。

此次，華為發布的問界M9，搭載了多項新技術，特別是在智能駕駛方面，問界M9全面升級了HUAWEI ADS 2.0高級智能駕駛系統，搭載了全新設計的192線激光雷達。余承東表示，ADS2.0的一大突破是不依賴高精地圖，截至2023年12月底，將實現城區、高速、城快NCA（智駕領航輔助，即高級智能駕駛）的全覆蓋。

目前，眾多車企都在努力迭代高級駕駛輔助系統（ADAS），ADAS系統的硬件部分有兩大關鍵部分，一是處理器，二是傳感器，處理器就像是大腦，而各種傳感器就像是眼睛和耳朵，能否及時、準確地收集到各類信息和數據，直接決定著汽車智能駕駛的安全性，十分重要。本文主要介紹ADAS可能用到的各種傳感器，及其發展和技術融合情況。

01、ADAS的發展及其對傳感器的要求

ADAS可分為五級，從L1到L5，駕駛自動化程度逐步提高。最大的一個分界點是從L3到L4，因為L3在一些極限場景下需要駕駛員自己操控，而L4在理論上完全不需要駕駛員操控了，甚至不需要方向盤了。

從L1到L5，傳感器的種類和數量都在不斷增加，最大的一個差別是從L3到L4，從目前的發展情況來看，L4一定需要激光雷達（LiDAR），而在L3階段，很多公司還是不會用激光雷達，因為它的成本非常高。L3階段，極限場景下還是要靠駕駛員的，所以，無論是自動程度設計，還是傳感器數量和種類的應用，都要考慮成本問題。因為完全不需要考慮駕駛員，L4的成本很高，一定要用到激光雷達，而且一定要用到高清地圖。

在ADAS方面，中國與國外存在著一些差異。目前，國外的L2、L3是由法規和安全標準驅動的，特別是歐洲，10年前就已經頒布了相關法規。目前，中國還缺乏相應的法規和安全標準，車企主要靠自己創造技術和品牌效應，但消費者接受程度還不統一，有些駕駛員非常喜歡，但有些駕駛員還是很擔心，不相信ADAS。

就L4、L5級ADAS而言，從近些年的發展情況來看，以前，一開始是走私家車路線，現在，很多國外車企的一些私家車L4項目有的暫緩，有的已經停下來了，將相關資源用在了商用車上。之所以如此，一個很重要的原因就是ADAS的感應系統和控制系統成本太高了，特別是傳感器，只有商用車才能承受這樣的成本，私家車很難承受。

目前來看，ADAS用的最多的還是CIS圖像傳感器，它的性價比也是最高的，在夜間，紅外線傳感器是必不可少的，在泊車時，超聲波雷達是必需的。以上這些是目前ADAS必用的傳感器。而隨著應用需求的發展，毫米波雷達和激光雷達也越來越多地出現在了車上，不過，由于成本較高，這兩種傳感器的應用還存在爭議，特別是激光雷達，以特斯拉為代表的智能電動汽車未予采用，主要靠CIS和特斯拉強大的算法能力實現ADAS。

目前，要實現部分自動駕駛功能，最少要有4~8個不同類型的傳感器，而要實現L3級自動駕駛，則至少需要使用12個傳感器，有的系統需要近20個傳感器才行。

02、激光雷達的使用成為焦點問題

由于技術先進，且成本高昂，激光雷達在目前的汽車ADAS系統中的使用與否，以及如何使用是業界的一個熱點話題。

由于激光雷達可以生成道路的三維視圖，在自動駕駛方面能夠幫助汽車很好地識別周圍環境。盡管自動駕駛業界對激光雷達仍然存在不同的聲音，但由于其創建周圍環境高清3D點云圖的能力，通常被認為是自動駕駛汽車的核心使能傳感技術之一。激光雷達通過測量光傳播到物體并反射所需要的時間，來提供汽車周圍環境的3D點云圖。

通常情況下，激光雷達可以分為兩大類：機械式和固態激光雷達。機械式的裝配困難、掃描頻率低。固態激光雷達，掃描方式主要包括MEMS、Flash和光學相控陣(optical phased array, OPA)。

MEMS采用微掃描振鏡，達到了一定的集成度，但是受限于振鏡的偏轉范圍；Flash技術已有商用，但是視場角受限，掃描速率較低；OPA掃描技術是基于微波相控陣掃描理論和技術發展起來的新型光束指向控制技術，具有無慣性器件、精確穩定、方向可任意控制等優點，成為近年來研究的熱點，液晶、集成波導光學相控陣等固態技術層出不窮。

激光雷達的發射模塊主要有兩種探測方式：主流的是ToF，新興的是FMCW，發射激光的激光器，主流方案是EEL，新興的是VCSEL。

在接收模塊中，主流的探測技術是APD，新興的是SPAD和SiPM。APD是雪崩光電二極管，它的缺點是體積大、功耗高、偵測距離和范圍有限、一致性不好。采用SPAD方案，可以大幅降低成本，且體積更小、性能更穩定。SiPM是硅光電倍增管，它的優勢在于增益是APD的1萬倍，靈敏度是APD的2000倍，工作電壓要求非常低，只要30V，而APD要250V。SiPM的一致性非常好，可以較為容易地實現批量生產。

激光雷達仍處于發展的初期，其性能和成本是業界正在努力攻克的難題，特別是成本，目前，每臺激光雷達的價格要幾千美元。為了解決成本問題，各家公司，特別是相關芯片廠商正在固態激光雷達的三條技術路線上各施所長，都希望將價格拉低到幾百美元，甚至100美元以下。

目前，汽車制造商正在尋找高性能、遠程激光雷達傳感器，希望將每個傳感器的成本降到 500美元左右，雖然激光雷達制造商已經取得了進展，但這樣的成本水平依然很高，與CIS等傳統傳感器相比，應用水平還有明顯差距。從接收模塊的探測器，激光器，到整體系統結構，都有降價空間。

隨著激光雷達在智能汽車上用量的增加，特別是在中國，相關車企和車型之間的競爭越來越激烈。2023年，激光雷達價格戰打響，出貨價一度跌至500美元以下。

雖然各家激光雷達廠商的發展路線各有不同，但成本大都集中在收發器芯片上，約占總成本的50%-70%，因此，提高相關模塊的集成度被視為降低激光雷達成本的首選方案。以發射端芯片為例，用集成模塊替代分立模塊，材料和調試成本可降低70%以上。

在激光雷達成本大戰中，有幾家中國本土企業較為凸出，如長光華芯（主打VCSEL激光器芯片），縱慧芯光（主打VCSEL激光芯片及模組），禾賽科技（提供高級激光雷達傳感器），靈明光子（率先開始dToF在車載激光雷達上的布局），以及阜時科技（主攻SPAD芯片，2022年接到多家車企激光雷達廠商的定制合同）。

03、多種傳感器融合

特斯拉CEO埃隆·馬斯克把激光雷達貶低得一塌糊涂，他說，特斯拉只需要用CIS，就可以實現全天候自動駕駛。不過，更多的車企認為，要實現更好的自動駕駛，需要多種傳感器的融合。第一，要實現自動駕駛，一定是全天候的，現在，霧天和下雨天的圖像識別效果是比較差的；第二，自動駕駛有一個非常重要的指標——安全，要求具有雙保險，如果CIS圖像出現問題，另外一種傳感器就要提供信息，保證做出正確的判斷，這需要多種傳感器的支持。

激光雷達用光（雖然不是可見光），所以它有類似于圖像傳感器的缺陷，如霧天的識別效果不好。毫米波雷達雖然對金屬很敏感，但是霧天、雨天時的穿透力很好，同時，毫米波雷達能偵測到移動物體的速度，激光雷達和CIS圖像傳感器識別不到速度，只能看見物體。因此，每種傳感器在整個ADAS系統中都有它的獨特作用。

舉個簡單的例子，在高速彎道上行駛的時候，毫米波雷達無法識別前面的彎道，不知道要拐彎，但是，攝像頭可以識別前面需要拐彎了，它可以通過ADAS系統實現轉向，這樣就可以實時地讓毫米波雷達和激光雷達按照你想要走的路線行駛了。

還有一個例子，要捕獲車前很遠地方的某一個物體信息，用毫米波雷達獲取的信息量不大，但是，圖像傳感器和激光雷達可以獲取移動物體的圖像，補充信息，保證操作正確，這對汽車非常重要。

關于汽車傳感器的融合，業界已經醞釀了有很長時間，但成功的案例還不多。融合會經歷幾個不同的階段，而真正的融合是在系統里，包括MCU、GPU等處理器，以及各種傳感器。對于傳感器來說，無論是激光雷達，還是圖像傳感器，或是其它傳感器，實現融合的難點在于：它們在不同的位置，獲取信號的方式也不一樣，很難把這些信息有機地整合在一起。難點也是機遇，目前，很多傳感器廠商正在攻關這些難關。

對于一家傳感器廠商來說，如果具備圖像傳感器、毫米波雷達和激光雷達等多種技術的開發和產品量產能力，則可以在成本和系統層面給客戶提供更好的方案，這或許也是多種傳感器融合發展的一個趨勢。

此外，做好融合也需要很強的算力，如果算力芯片或模塊的功耗太高，或算法需要的計算量太大，則會給信息的融合帶來更多挑戰，為了解決這些問題，相關廠商也在不斷摸索解決方案。

04、結語

人們對終極自動駕駛的追求，使得ADAS系統不斷向前演進，這對相關芯片，特別是處理器和傳感器提出了更多、更高的要求，同時也在促進相關技術和產品的發展。

在ADAS系統用到的各種傳感器當中，激光雷達最為昂貴，爭議也最大。當下，ADAS系統還是以CIS圖像傳感器和AI算法為主要元素，而隨著激光雷達技術水平的提升，以及成本的下降，它在系統中所發揮的作用也越來越大，同時，采用的廠商也越來越多。

對于自動駕駛而言，多種傳感器技術融合已經成為多數從業者和車企的共識，是未來的主流發展方向。