自動駕駛的寒風從Robotaxi吹到了激光雷達。

(資料圖)

一周前，全球首家激光雷達上市公司Velodyne宣布與另一激光雷達初創Ouster合并，行業為之震撼。

Ouster的創始人出自另一知名激光雷達公司Quanergy，是一家試圖以“固態”激光雷達顛覆行業的初創。而Velodyne則是行業曾經當之無愧的霸主，其生產的“大花盆”（機械式激光雷達）幾乎是行業的圖騰。

但寒冬之下，地主家也沒有余糧。兩家公司稱，投資人對自動駕駛的熱情正在消減，必須抱團降本增效。雙方合并后，將手握3.55億現金， 市值約4億美金，在此之前兩家公司的股價已經跌去超過80%。據稱該合并的實際情況是Ouster低價并購Velodyne。

相比之下，國內激光公司雖然都還處于賠本賺吆喝的階段，但因為有融資在撐著，日子也算過得滋潤，以速騰、禾賽和圖達通為代表的企業都已經綁定了小鵬、理想、蔚來這樣的大客戶，各種技術路線也在百花齊放，鹿死誰手，尚未可知。

那么，曾經制霸行業的Velodyne是怎么淪落到要被并購的？其他公 司又能夠繞開Velodyne的坑成功上位嗎？激光雷達行業最大隱憂又是什么？

01

霸主隕落

Velodyne堪稱激光雷達行業中的傳奇。

2005年，美國音響大亨、Velodyne創始人大衛·霍爾了解到美國國防部發起的無人駕駛挑戰賽，決定躬身入局，為無人駕駛汽車研發新的傳感器，一出手便開發了64線機械式激光雷達HDL-64，性能遠超原本被廣泛使用的單線激光雷達，效果立竿見影。

短短兩年后，在新一屆無人車挑戰賽中，共有6款車完賽，其中5款安裝了Velodyne的HDL-64，包括攬得冠亞的車隊[1]。

Velodyne 64線激光雷達 HDL-64

這場比賽成為美國乃至全球自動 駕駛產業化的濫觴，參賽人員日后成為谷歌、Uber、福特等公司自動駕駛項目的中堅力量，Velodyne也近水樓臺，開始了對車載激光雷達的10年統治。

圖達通的CTO李義民曾說，如果不是霍爾，全球自動駕駛行業的發展要延誤10-25年。

在2017年以前， Velodyne基本壟斷高性能車載激光雷達，其HDL-64即便報價8萬美元，主要是因為全機械部件需要人工調校，耗時耗力，但即便如此，仍是有價無市，黑市上的價格一度炒到200萬元左右。2016年，百度向Velodyne投資7500萬美元，只為獲得優先提貨權。

那段時期，自動駕駛每年新增多少測試車，取決于Velodyne生產了多少枚雷達。

但在2016年開始的自動駕駛創業熱潮中，全世界都意識到激光雷達的前景，幾年之間數十家初創涌入。在飽和的競爭下，Velodyne的王朝迅速衰退。在競對中，最讓Velodyne頭疼的是兩家中國公司：禾賽與速騰聚創。

2017年，禾賽科技推出40線激光雷達，同年速騰聚創16線激光雷達量產，兩家公司分別在中高、中低端與Velodyne開展競爭，以中國公司擅長的性價比爭奪客戶。

次年，Velodyne的16線產品應聲降價50%。但禾賽、速騰繼續擴大份額。2019年，Velodyne發起專利訴訟，但禾賽、速騰在繳納不菲專利費用后繼續高歌猛進。

2020年，當Velodyne以激光雷達第一股的身份，在美股勉強SPAC上市時，全世界賣得最好的激光雷達其實是禾賽。

禾賽不少客戶如百度、文遠知行是從Velodyne倒戈而來，原因不僅僅是價格，還有更快的產品更新和售后服務。

相較于禾賽，Velodyne在中國只設銷售部門，服務支持能力孱弱，文遠知行COO張力就曾吐槽，Velodyne的激光雷達返修要寄到海外，全程需要1-2個月[2]，而國內的公司可以提供7x24小時的保姆式服務，甚至是7天包退換[6]。

而技術的更迭讓Velodyne的處境變得更糟。

2020年后，乘用車智能駕駛的加速普及，催生了對車規級激光雷達的需求，這是一片大得多的藍海市場。但傳統機械式激光雷達內部零件成百上千，且有大量活動部件，可靠性無法滿足車規，減少活動部件的固態/半固態激光雷達呼之欲出。

其實Velodyne早已看清趨勢，2017年便發布固態激光雷達原型產品，2020年又發布了“量產版本”。然而Velodyne并無固態激光雷達的生產制造經驗，公司管理層在上市后內斗，創始人霍爾也被爆料疏于管理[3]，直到今天，Velodyne的固態激光雷達也沒登上量產車。

在車企的固態激光雷達定點訂單中，Velodyne份額僅2%

Velodyne轉型固態激光雷達的失利直接導致霍爾去年被董事會驅逐，管理層換血。與此同時，Velodyne本就不多的汽車行業客戶還很“佛系”，他們對激光雷達上車的時間表多排在2023年甚至更晚，遠不如國內車企這般激進。

上市之后，Velodyne陷入持續虧損。多重利空之下，Velodyne江河日下，只能抱團取暖。

Velodyne的遭遇其實只是一個縮影。去年以來，美股上市激光雷達公司股價普跌80%以上，不僅Velodyne被迫與Ouster合并，另一家Quanergy更是暴跌99%，慘被納斯達克除名。

當太平洋東岸的業績一瀉千里，太平洋西岸的量產則穩步推進。

幸運的是，中國激光雷達廠商的種子客戶是天然卷的造車新勢力。

在蔚小理狂熱的智能駕駛競賽下，自2021年以來，速騰、圖達通、禾賽的固態/半固態激光雷達相繼登上小鵬、理想、蔚來的量產車型。在這三對合作中，新勢力都對激光雷達的產品定義進行了深度介入。其中蔚來更是親自上手，設計了圖達通獵鷹的電路板。

Velodyne實際上輸給了大洋彼岸充滿危機感和戰斗力的命運共同體。

但行業遠未到勝負已定的時刻。如果說車載激光雷達的商業化是一場100公里負重越野馬拉松，那些跑在最前面的玩家，也才剛剛沖過了第一個檢查點。

02

王座無人

Velodyne的遭遇是一個殘酷事實：盡管它比很多公司早將近10年進入行業，卻沒有什么護城河。

其中的原因當然有管理、商業乃至政治的，但歸根結底是技術的：過去幾年中，車載激光雷達的主要市場從Robotaxi向乘用車遷徙，形態從機械旋轉式轉向固態/半固態。以機械激光雷達起家的Velodyne，未能順利完成這場高難度的技術與產品重構。

但那些將Velodyne趕下王座的挑戰者們同樣如履薄冰。因為整個行業的技術路線多樣，且快速發展、切換，嘗試構筑壁壘的技術豪賭，很可能會變成一場輸光底褲的梭哈。

這種不確定性具體表現為，在激光雷達的各項關鍵技術中——從測距模式，到激光發射、掃描、接收模塊，幾乎每一項都沒有收斂出一個最優解，而是有多條各有優劣的道路供企業選（du）擇（bo）。

由此，行業中出現了百花齊放的場景：行業中有數十家公司，而幾乎每家公司都通過技術排列組合，拿出不同于別家的方案。

典型的例子是，激光雷達“國產三杰”禾賽、速騰、圖達通的首款乘用車激光雷達AT128、M1、獵鷹雖然前后腳上車，但技術查重率很低。

其中速騰M1偏向使用更成熟的零部件，已多次迭代提高部件集成度，理論成本低，適合扮演價格屠夫。

禾賽AT128在光源上啟用了新的VCSEL陣列，追求零部件的半導體化，盡量減少運動部件，有利于產品可靠性。

圖達通獵鷹則講求大力出奇跡，用更大的體積、功率（以及更貴的零部件）換取更高的性能，看得更遠，分辨率更高。

在數十乃至上百萬臺激光雷達交付驗證前，沒人知道哪家的方案會勝出，或者三者會劃分出市場的三個檔次，抑或其他公司攜突破性技術將他們掃進故紙堆——火熱的激光雷達從光學、光通信、半導體延攬了大量人才，這不是一個缺少新技術的行業。

對激光雷達企業來說，更確切的答案是盡快以足夠低的成本登陸更多的智能電動汽車，并保證這種精密光學設備在復雜車輛環境上的可靠性，盡可能讓自己的方案成為事實上的行業標準。

因此，跑在前列的激光雷達企業聚焦于兩個關鍵詞：工程化與制造。

禾賽科技CEO李一帆在接受《九章智駕》訪談時稱， 禾賽負責工程化的CTO向少卿統管上千人，而他與首席科學家各管百來人。去年5月，禾賽投開始自建“麥克斯韋”激光雷達超級工廠。

無獨有偶，速騰聚創上周也與立訊精密成立合資制造公司“立騰創新”——兩者試圖帶頭將無休止的技術競賽拉回精密制造的量產比拼。

即便如此，激光雷達短期內仍然是一門燒錢的生意。禾賽麥克斯韋超級工廠投資2億美元，規劃年產能百萬臺。今年9月29日，禾賽才宣布車規激光雷達的月交付量剛剛突破一萬臺——這已經是速度最快的頭部玩家。

而在2天后，特斯拉一年一度的AI Day召開，馬斯克把寒氣傳遞給了每一家激光雷達公司。

03

最大敵人 并非同行

一個容易被忽略的事實是，激光雷達公司們最大的敵人不是同業的競爭對手，而是攝像頭，更準確地說，是那些研發純視覺自動駕駛的公司，特斯拉是這一陣營的話事人。

在過去幾年中，馬斯克多次Diss激光雷達，認為后者是自動駕駛的“拐杖”，任何依靠激光雷達的人都會失敗。但一直以來，大多數從業者對激光雷達的態度都是“你噴你的，我用我的”。這是因為，不要激光雷達的純視覺自動駕駛高度依賴深度學習，在環境感知上一度存在重大缺陷：

一方面，攝像頭本身并非全天候傳感器，雨雪霧天與夜間難以正常工作；另一方面，在此前的視覺算法框架中，被攝像頭拍到的物體必須被識別，才能被系統認為存在。這導致純視覺自動駕駛在應對沒訓練過的障礙物、靜止物體時表現極不穩定，常常漏檢、誤檢。

而激光雷達無需經過訓練，也能通過準確的測距探測到障礙物，為自動駕駛提供保障。

因此，智能駕駛行業此前的主流看法是，應該搭建多傳感器融合的感知系統，讓攝像頭與激光雷達優勢互補。然而，激光雷達的硬件優勢正在被特斯拉通過軟件算法的優勢漸漸拉平。

在今年AI Day上，特斯拉詳盡介紹了占用網絡（Occuppancy Network），這一算法能夠基于二維圖像，高精度高實時性地還原三維世界，不僅能感知物體的體積，也能判別其動靜狀態。這與激光雷達的能力實質上沒有什么不同。

上圖為激光雷達感知，下圖為占用網絡感知

如果攝像頭能夠成為激光雷達的平替，后者的生存空間將岌岌可危。

理想今年在大力加碼基于視覺感知的智能駕駛。而在占用網絡公開后，理想更是率先長他人志氣——CEO李想在微博上稱，激光雷達的本質就是占用網絡。據說小鵬智能駕駛負責人吳新宙也私下告知激光雷達廠商，要準備轉型。

不過，行業中并不全是特斯拉的追隨者。到今年年中，速騰聚創拿下了超過40個激光雷達車型定點，禾賽也聲稱，來自主機廠的前裝定點有數百萬臺之多。更多的車企則在觀望：激光雷達用不用，取決于它夠不夠便宜，性能夠不夠穩定。

在此之前，車規級激光雷達的價格已經從上萬元，被壓縮到了3000余元，但相比于幾百元一枚的高清攝像頭，激光雷達的身價仍然讓絕大多數車型難堪重負。將價格再降一個數量級，是車企們對激光雷達的殷切希望，也是大規模裝車的前提條件。

一場攝像頭與激光雷達相互偷家的暗戰實際上已經打響。

激光雷達的戰略目標是降本，按照李一帆的展望，激光雷達最終的價格將是攝像頭的2-3倍[4]；而攝像頭的戰略目標則是提效，讓視覺算法精度、置信度更高，盡可能逼近激光雷達。

當下，兩者共存的聲音仍是主流，但在這場競速賽中，作為新興傳感器的激光雷達面對著更大的隱憂——歷史上決定一項新技術興衰的首要因素常常不是其理論性能的先進性，而是對既有技術、設施的調用能力，翻譯一下就是，生態。

比之激光雷達，攝像頭的生態完善而龐大。

基于圖像的計算機視覺向來是AI顯學，傳感器（攝像頭）的保有量最大，數據量最多，人才最為密集。這種優勢直接繼承到了智能駕駛領域，眼下絕大多數智能駕駛功能，都是由攝像頭+視覺算法完成，或者至少以攝像頭為主。這帶來的是完整的數據閉環，以及視覺算法極高的進化速度。

相較之下，激光雷達的生態建設尚在初級階段，數據與人才更少，算法也更加稚嫩。甚至于，因為人眼熟悉的是圖像而非點云，造成激光雷達的數據標注效率要比圖像更低，要價更高：一幅圖像的標注通常耗時數十秒、開價幾毛錢，而一幅激光雷達點云的典型標注成本則是數分鐘、十元起[5]。

這些差異的根源可能要追溯到文明形成甚至人類的遠古祖先進化出眼睛。

特斯拉前AI總監Andrej 近日在一場播客中稱，人類打造的人工世界，是從便于人眼感知的角度出發而建，視覺傳感器天然地會因此居于核心地位。想明白了這一點的特斯拉，每年都在突破視覺智能駕駛的天花板，就在三天之前，特斯拉開始在北美推送FSD V11。

這意味著激光雷達要打一場不對等的戰爭。面對快速進化的對手，激光雷達如果要在自動駕駛中爭得一席之地，需要跑得更快，與下游的合作更加緊密，盡快突破“成本、性能和穩定性”的不可能三角。

參考資料：

[1] It Began With a Race…16 Years of Velodyne LiDAR，Velodyne

[2] 誤判、逆襲、翻車，激光雷達十年上車路，晚點LatePost

[3] LIDAR maker Velodyne boots its founder after an investigation into ‘inappropriate’ behavior，The Verge

[4] 一個激光雷達頭部玩家對從1到10的思考——九章智駕對話禾賽CEO李一帆，九章智駕

[5] 十年燒了千億美元，無人車依然無路可走，晚點LatePost

[6] 激光雷達的廝殺18年：西方“諸神黃昏”，東方“新王隱現”，HiEV大蒜粒車研所

關鍵詞： 激光雷達 velodyne