真的需要这么“卷”吗？
要说激光雷达的“堆料”有多“卷”，看看机甲龙就知道了。
成都车展上，机甲龙的量产版车型亮相，除了价格，我们看到的是，机甲龙车屁股正中间那个显眼的激光雷达。
去年沙龙汽车以“4颗以下，请别说话”向业内宣告至少搭载4颗激光雷达才有资格“上桌说话”，如今，更让很多人想不到的是，激光雷达为什么要装到车屁股上？
沙龙官网给出的答案是，“规避掉诸多弊端。”当然，主要是夜间和倒车的场景。
不过，在“过犹不及”的当下，沙龙的做法确实值得商榷。有必要这么浪费吗？
01
合理性25%，修一下9000
本文不做纯技术的解读，尽量让读者能够明白其中的道理即可。
先说，已经有激光雷达从业者认为，装在车尾的激光雷达，存在的合理性百分比也就在25%。
虽说根据官方表述后面的激光雷达主要为了倒车等场景，但倒车速度慢，与安全的强相关性较弱，一般的摄像头和超声波雷达也够了。而且，现在的车基本都装了360°倒车影像，激光雷达其实很难做到物尽其用。
正常来说，激光雷达主要对前方和侧方的感知要求更高。而这就涉及到，激光雷达的成本现在还很高。
8月初，汽车博主@陈志豪Aries 就曝光了小鹏P5的激光雷达更换费用，价目表显示发生剐蹭事故后小鹏P5单颗激光雷达（车的左前）维修价格达到8916元，加上相应的更换及工时费，总费用将超过9000元。就算给小鹏汽车打个对折算成本价，实际上单颗激光雷达也得在4500元以上吧。
所以，就像前面提到的机甲龙，由于安装位置的特殊性，其激光雷达出现剐蹭、碰撞的概率要远远高于车顶的安装方式。一旦发生事故，维修成本也是相当高的。
虽然华为曾宣称，要将96线激光雷达成本做到200美元以内，但是，无论采用转镜式还是MEMS微振镜技术方案，从目前激光器、探测器、驱动电路等成本来计算，短期內也很难做到。
近一年来激光雷达在车圈非常火，光是宣称“全球首款搭载激光雷达的量产车”的，就至少有小鹏P5和极狐阿尔法S，但是雷达数量上还没有达到沙龙所说的标准。即便如此，激光雷达的上车成本也短期內很难降低。
对于激光雷达数量的“军备竞赛”，也有车企大咖反对在激光雷达数量上做“加法”，比如，理想汽车创始人李想就曾对此有过吐槽。他认为，激光雷达2颗作用未必抵得上1颗，盲目堆数量没有意义。
为什么？在现有的车况下，单颗激光雷达所带来的数据量都是巨大的，何况两颗？
有相关工程师做过实验，他们曾在数据采集车上安装了1个128线和2个16线激光雷达，加上4个摄像头、1个毫米波雷达、1个惯性导航、2个GPU，这些传感器带来的数据量，就连千兆交换机都难以带动。
并且，两颗或一颗激光雷达都在正前方，与一前一后两颗安装，软件方面需要做的融合算法就不一样，一前一后的要比前者要复杂得多。而且，这些消费者看不见的软件研发费用，最终都会体现在车价上。
另外，激光雷达的“车规级”要求，还是很高的。目前业内在激光雷达可靠性上的表现，基本都是“上车容易维持难”。前期各项数据都很好，但基本半年、一年之后，各种数据开始大打折扣。
所以，这就非常考验激光雷达企业的机电能力。激光雷达的可靠性，各种抗干扰性包括最重要的抗震性，能否应对霜、雾、凝露、薄冰覆盖的场景，激光雷达是否有自清洗、加热等功能等等，都需要研发解决。
从这方面来看，激光雷达要走“平民路线”，确实还有很长的距离。
02
激光雷达和纯视觉路线
其实，说到自动驾驶，绕不开的一个话题就是，选择激光雷达还是摄像头？或者融合路线？
毕竟，自动驾驶是将汽车的驾驶能力及驾驶责任逐步由人转移到汽车，通过感知、决策和执行三大核心环节来达成。而在感知环节用什么，现在业内还充满争执。
纯视觉路线最极端的例子就是特斯拉。此外，Mobileye的SuperVision，百度的Apollo lite也选择了纯视觉方案的技术路线。为何目前只有特斯拉等少数几家采用纯视觉方案呢？
在这点上，我们不得不佩服从“第一性原理”来考虑问题的马斯克。一方面，纯视觉路线更复杂、研发投入更高，但是从逻辑推导未来，这是必然的结果；另一方面，纯视觉不是光投钱就能直接得到成果，需要积累足够多的数据和情景，不断训练改进筛选优秀可靠的AI模型，通过不断的算法迭代去实现。
当然也有反对的。比如有业内人士认为，视觉技术自身也存在一定技术短板，“比如跨层泊车，特斯拉没有这个功能，而这个功能的实现是需要激光雷达的，因为跨层泊车场景全是静止障碍物，地形又复杂，需要地形建模，而建模的话肯定是激光雷达方案更好一些。”
马斯克甚至开发了DOJO超算来干这件事，就是要打“持久战”，无法一蹴而就。但是，市场机会不等人，大家都想快速切入智能驾驶市场，占有一席之地，那最现实的解决之道，就是找到能尽快有结果的方案，搞起来再说。所以，车企优先选择激光雷达方案，就是可以理解的了。
但是，任何事物的发展，都要符合客观规律，而激光雷达的一个问题在于，要看系统算力能否带得动。激光雷达的硬件部分只是最基本的，重要的是软件的融合算法能否流畅运行，智能驾驶平台能否带得动。
激光雷达方案也并不是有些人所想的，那么有用。因为和纯视觉路线的实景图像比，它的特点是：数据量大，但信息量却不大。
这个，我们只要看看第20届中国汽车供应链大会上，北醒CEO李远博士分享的一张512线和128线激光雷达100~200米探测效果对比图就能明白。
而且，激光雷达虽然也是通过反射生成一张图像，生成一张“毛胚”的环境地图，也就是点云图或3D的环境图形。但这激光雷达生成的这张图的精度是依赖激光的线数的。
比如，我们说华为开发的激光雷达是96线或者128线的，就是这个意思。
激光雷达需要采集的数据量非常庞大，而且有多少还依赖于周围环境的复杂程度，由于数据量太大，就必须有额外的算力支持，需要更高成本，更高算力的处理器，但这却并不带来额外性能和功能上的提高。
就像有些人问的，为何有些车企愿意选择并大力传播激光雷达呢？
一位知乎博主“鹦鹉怪兽”表示，“因为对于厂商来说，激光雷达方案实现起来相对较快，算法要比纯视觉简单，研发投入相对少，关键是开发周期短，只要给车装上激光雷达，以及性能尚可的处理器就行，而这些都是消费者自己花钱买的，成本是消费者的。”
对车企而言，这也降低了研发周期和成本。还有一点考虑是，车企可以用这些装了激光雷达的量产车作为向纯视觉方案的过渡手段，边积累数据，边提高算法，为将来实现纯视觉感知的能力做准备。
所以，纷纷扰扰的激光雷达“堆料”之争，总感觉传播需求大于实际需求，我们看看就好。
毕竟，高级别自动驾驶还离真正的量产应用太远。知道本质的区别，消费者自然会知道如何选择。
