Robotaxi「眼睛」革命：三次激光雷达换代潮，无人车从0走向100000

十三
2025-09-28
10:16:35

来源：量子位

贾浩楠 发自 副驾寺

智能车参考 | 公众号 AI4Auto

Robotaxi的未来，正取决于一场正在进行的感知硬件换代趋势。

2004-2007年的DARPA无人车挑战赛，是如今激动人心、轰轰烈烈的自动驾驶、汽车工业智能化源头。

赛场上叱咤风云的团队，以及从这些团队分化、受此启发的创业者，后续纷纷落地生根，开创了一个全新的行业——自动驾驶，它们的名字至今如雷贯耳：Waymo、Apollo、小马智行、文远知行、Momenta……

它们创造了Robotaxi这一全新物种，通过一代代的AI技术体系迭代，技术上愈发接近“全无人驾驶”这一终极目标，商业上也迅速走到大规模部署的转折点。

还在这个过程中技术外溢，直接影响、开启了整个汽车工业的智能化普及。

产业链层面，一种全新的传感器设备——激光雷达，同样在DARPA无人车挑战赛上首次登场，并且伴随自动驾驶技术、Robotaxi形态不断迭代，从最初的“意外惊喜”，到一段时期的“成本挑战”，再到后来的底层必备。

Robotaxi和激光雷达，一个源头流出的两种产品始终相辅相成、不可或缺，整个过程互为因果，协同共进。

现在，面向自动驾驶、Robotaxi大规模商用、普及时代的激光雷达，呼之欲出：

谁能率先部署新一代高性能、高可靠、低成本的激光雷达，谁就能在未来的数据积累和运营效率上获得难以逾越的先发优势。

Robotaxi与激光雷达的“双生”

DARPA无人车挑战赛前后一共举办过3届，其中2004年第一届受制于当时的软硬件，15支决赛圈队伍无一完赛，成绩最好的CMU，也仅跑了12公里左右就撞车，不到赛段1/10。

惨败告终，但因为这场比赛，学界、车企首次合作解决无人驾驶问题，直接引发了这一轮关于自动驾驶的研究，从这个角度来说，这次比赛无疑又是成功的。

2005年第二届挑战赛，斯坦福大学人工智能实验室和大众合作，动用了大众在德国的资源，史无前例在途锐越野车上安装了5个SICK的单线激光雷达：

尽管当时SICK单线激光雷达最远探测距离只有25米，但仍然帮助斯坦福队伍6小时54分跑完全部212公里赛段，拿到冠军。

SICK激光雷达来源于一家名叫Ibeo的德国创业公司，正是因其产品在DARPA挑战赛上意外“走红”，Ibeo立刻把业务重心从传统工业测绘转向车载，开启了激光雷达和自动驾驶、Robotaxi的“共生”。

2005年的挑战赛结果，还直接影响了当时的一家音响公司Velodyne，将全部资源转向车载激光雷达。

以全无人为目标的L4，和L2辅助驾驶有本质区别，要求系统的绝对安全和全程无人干预，所以感知系统必须具备超高可靠性、精准度和冗余保障。

从技术角度来看，摄像头数据采集上来以后，要经过目标分割、识别、计算尺寸、距离、速度，然后再和自车的速度轨迹比较，才能输出一个可供规划模型输出参考的结果。

而除了延时，这种传统模块化的自动驾驶算法，还可能存在噪声、误差，连续几个模型累积下来，对最终结果影响很大。

与摄像头“被动”接收环境信息相比，激光雷达则是“主动”感知环境：

发射出去的红外光波，碰到障碍物一定会产生回波，100%反映在点云图上，在感知这个层面避免了“漏检”。

又因为点云图本身带有深度信息，可以直接对环境进行3维重建，省去了从图像数据重构场景的步骤。

同时发送脉冲，接收脉冲之后，系统可以直接从返回时间读取距离，从信号调制读取相对速度。全程没有“识别”这个过程，纯测量，低噪音，计算简单，每秒可以完成数百次。

从技术特征出发，激光雷达在自动驾驶系统的感知、信号处理、延时等等方面，对比纯视觉方案确有明显优势。

所以等到了2007年的第三届DARPA挑战赛，六支完成比赛的队伍中，五家使用了Velodyne的机械式激光雷达，直接确立了激光雷达在L4及以上级别自动驾驶中的地位。

然而，这种相互依赖背后，有成本和可靠性的巨大优化空间，这为日后两个赛道共同的“成长烦恼”埋下了伏笔。

之后激光雷达和Robotaxi的发展，既有互相成就，也经历了一段动态平衡与协同进化的历程。

激光雷达和自动驾驶的协同进化

严格细分的话，其实Robotaxi的真正起源是2007年的第三届DARPA挑战赛，这一届首次以“城市挑战赛”为主题，全面验证自动驾驶系统在真实交通场景中的感知、识别、博弈、规划、控制等等综合能力，奠定了如今Robotaxi的基本形态：

即由摄像头、激光雷达、毫米波雷达传感器、线控系统、计算单元等构成无人车硬件系统，由传感器融合、目标定位、识别、路径规划和行为规划等算法构成无人车的软件系统，软件和硬件结合构成自动驾驶系统。

后人所做的，无非是在这条基础路线上进行更加深入和精细化的技术迭代。

DARPA挑战赛上瓜分冠亚军奖金的CMU、斯坦福团队，之后大多都汇聚到了Waymo前身、谷歌自动驾驶项目，由Sebastian Thrun带队，启动了人类历史上第一次自动驾驶商业化探索。

从2009年谷歌自动驾驶项目起步开始，一直到2015年，可以看成是自动驾驶、Robotaxi的路测阶段：

这个阶段Robotaxi主要挑战是在真实道路场景中验证技术体系可靠性，展现出的是对激光雷达性能的强需求。

举个例子，SICK最早的激光雷达最远探测距离只有25米，线数也只有单线，一方面限制了车辆的最高时速，一方面又不得不一次使用很多个….这也是为何当时200公里赛程要花6个小时跑完。

系统反应时间、安全冗余下限、布置形式、乘坐体验等等，远达不到商业化门槛。

所以Robotaxi的路测阶段对激光雷达的需求是更高的线数、更远的探测距离。

这个时期，Velodyne一度是绝对王者，64线机械式激光雷达成了全球所有自动驾驶系统的必备传感器，单价最贵时上百万，便宜的时候也得“一线一万块”，就这还经常断货。

百度Apollo当时为了更方便拿货，甚至直接出资投了Velodyne。

不过这个阶段，国内的自主创业公司同样开始发力，依托国内成熟的供应链，开始从技术、成本两方面向头部发起冲击。

比如禾赛批量给Cruise供应的Pandar64，速腾批量给Momenta、AutoX等客户供应Ruby128线等等。

这个阶段的激光雷达产品，解决的是自动驾驶关键传感器从无到有的问题，但也展现出“痛点”：激光雷达成为了自动驾驶系统单项成本占比最高的元件。

而一辆成本造价动辄一两百万的无人车，完全不可能替代一辆售价仅10万左右的传统出租车——这也是激光雷达第一次市场格局成型的驱动因素。

从2016年开始，自动驾驶赛道的头部玩家以“落地运营”为目标，开始了技术、商业上新的尝试探索。

首先是技术上由之前的模块化、规则化、地图先验，转向轻地图、模型化、数据驱动，系统的泛化性空前加强，不同传感器的前融合也进一步突破。

商业上开始以“落地运营”为目标，和车企合作制造车规、前装量产的Robotaxi车型。

并且L4的先进理念、技术体系开始被L2接受，量产智能辅助驾驶规模化上量，和Robotaxi路线齐头并进。

车规，其实就是2016-2024年试运营阶段Robotaxi、L2辅助驾驶对激光雷达提出的最严苛要求：性能更强之外，可靠性上要满足“十年不坏不换”的基本门槛，尺寸形状上还要满足机动车一系列的安全设计规范。

之前叱咤风云的海外明星激光雷达玩家，几乎都倒在“车规”这一关。

自主玩家速腾、禾赛则后来居上，迅速用更高精度、更大视场角的车规级、半固态产品满足了需求，成为明星产品。

比如速腾M1P、禾赛AT128等等，并且逐渐在普通用户中建立起“激光雷达=安全带”的认知。

而L2的规模化，也水到渠成地解决了激光雷达成本痛点——去年速腾成功把激光雷达带入“千元机”时代，成本几乎只有早年Velodyne产品的千分之一。

2024年开始Robotaxi似乎一夜“翻红”，落地规模迅速突破千台级别、用户层面火爆出圈，之前耕耘十多年的先行者们，也终于在资本市场上获得了认可…..

直接驱动因素，就是激光雷达成本的迅速下降，让Robotaxi成本优势打平甚至超越网约车，扫清商业运营最后的障碍。

激光雷达行业的第一次群雄逐鹿，从Robotaxi起源，在量产辅助智驾中决出胜负，速腾、禾赛“两超”局面由此产生。

L2战场完成的第一次洗礼，为激光雷达行业带来了成本与车规的成熟经验，从而为Robotaxi的规模化商用扫清了最后障碍，也将行业竞争带入了一个全新的阶段——2025成为Robotaxi规模化商用元年。

头部玩家的Robotaxi车队规模，从百台走到千台，用了几乎10年，而2025年仅一年，就从千台走向万台规模。

自动驾驶对激光雷达的要求，也转变为高性能、低成本、高可靠性的三重平衡。

激光雷达的第二次格局重塑

规模化商用和试运营的本质区别，是Robotaxi突破以往一城一地的“地理围栏”与运营时段限制，开始向全地域、全时段、全气候条件部署。自然要应对更多更复杂的场景挑战。

对关键的激光雷达，提出了更严苛的要求。

性能层面自不必说，肯定是更高了。要求“万无一失”的Robotaxi，需要在更远距离识别更小、更低矮的障碍物（如130米外13×17厘米的纸盒）、雨天地面线检测等等，这样系统才能预留充足决策时间，保障安全与乘坐体验，保护车辆资产。

此外，还需要更高可靠性。Robotaxi和私家车最大的不同是几乎7×24全时段运营，“车规”要求更加升级。而全固态设计因无运动部件，在可靠性、体积和成本方面潜力巨大，开始逐渐成为主流方向。

当然全固态产品当下探测距离仍有限制，所以更多用在补盲位置，不过半固态产品的“固态化”程度也在不断提高。

“高性能、高可靠性、成本可控”，就是激光雷达第二次格局迭代的主要驱动因素——自研数字化芯片。

比如速腾聚创前不久公布的远距四颗EM4激光雷达与四颗E1补盲雷达的组合方案：

核心采用VCSEL+SPAD-SoC的数字化架构，实现了高灵敏度的数字化检波功能，大幅提升了信号的完整性和点云质量。

VCSEL指垂直腔面发射激光器，能量转化率高、光束质量优越、和波长稳定性，光束发散角低至0.1度，光束形状可控，尤其适合高精度测量。

最重要的是垂直出光，允许芯片级封装，支持晶圆级制造，可实现低成本大规模生产。

SPAD-SoC全称是单光子雪崩二极管与数字信号处理器集成芯片，是千线级别激光雷达的核心技术：

将SPAD阵列、淬灭电路、时间数字转换器（TDC）及信号处理等功能集成于单一芯片，实现更高效的光子检测与距离测量。其架构与CMOS图像传感器相似，可支持高分辨率（如1080P、4K甚至8K），而传统SiPM方案无法实现高线数化。

理论上，EM4最高0.050°×0.025°角分辨率，可以有效探测最远170米外的轮胎、以及250米外的石块、纸箱或横穿小动物等目标。

实际测试中，EM4可以在130米外清楚探测到地面的13×17厘米的纸盒：

还自带雨雾雪尘去噪技术，能够在极端气候条件下，智能识别每一个回波数字信号携带的信息，精准去除雨雾雪尘噪点，还原清晰环境信息：

芯片化，同时满足了性能跃迁、可靠性提升和成本下降，是目前唯一能满足Robotaxi头部玩家全天候全地域商业化运营的激光雷达产品。

实际上，这也是这个赛道所有玩家达成共识的下一代激光雷达技术迭代路线。

速腾聚创EM平台的多款数字化产品已经率先规模交付上车，而其他激光雷达厂商，也给出了2026或2027年的量产计划。

Robotaxi规模化，长期看是算法、工程、运营等等综合能力的角力。

但未来2-3年，却是头部实力玩家拉开关键差距，积累先发优势动能最关键的时期。

2025年迅速突破万台已无悬念，更多的行业分析报告，以及一线专家认为，2-3年内落地10万台，才具备营收、数据持续加速的基础。

同样是又一个质变的关键节点，但Robotaxi赛道史上头一次在关键技术、硬件上有了不需争论、验证的明确选择：

谁提前迭代、储备最基础关键的“眼睛”，谁就很有可能在算法、运营的“持久战”中无后顾之忧，抢占先机。

数字化架构激光雷达的性能、成本优势，还体现在持续可迭代，尤其是自研芯片带来的持续升级、性能提升的优势，也有助于Robotaxi在持续运营中不断改进，抢占先机。

对激光雷达玩家来说，Robotaxi规模化商用可能又是一次格局重塑的新机遇：“万亿市场”价值真正开始兑现——Robotaxi开始替代传统出租车网约车，甚至是一部分私家车。

更广义的自动驾驶层面，Robotaxi外溢的量产智能辅助赛道，2025年同步进入L3的量产元年，并且在后端技术体系、前端感知方案上和Robotaxi交汇融合。

L4的竞赛还在进行，但决胜的钥匙之一已然清晰。谁能在感知硬件上先发先至，谁就能在十万台及后续持续运营上就能建立显著的领先优势。

未来其实不在明天，而在今天。这不仅是关于一款传感器或一项技术的抉择，更是关于在智能出行革命中，不仅了解过去，更能看清未来。

Read More