電子發(fā)燒友App
一周之前，特斯拉將在新車型上安裝4D毫米波雷達的消息不脛而走。
知名白客Green在推特上直接放出了特斯拉向監(jiān)管機構(gòu)申請的文檔結(jié)構(gòu)，讓“特斯拉即將重歸毫米波雷達懷抱”的信息真實性更加一籌。要知道，特斯拉在2021年才把車型上的毫米波雷達拿掉。
而一個星期內(nèi)，與特斯拉有合作緋聞的4D毫米波雷達企業(yè)Arbe股價飛升，國內(nèi)一批公司，也從苦逼的傳統(tǒng)汽車零部件供應商，化身4D毫米波雷達概念股。比如晉拓股份，股價一周飆漲50%——盡管毫米波雷達業(yè)務在其營收中占比還不足1%。
那么問題來了：
1. 離特斯拉拋掉毫米波雷達還不到兩年，怎么又把它給裝回去了？
2. 資本熱捧4D毫米波雷達，僅僅是因為特斯拉帶隊嗎？
3. 同樣是雷達，升級過后的4D毫米波雷達會對激光雷達構(gòu)成威脅嗎？
1/ 硬件升維
時間回到2021年，當年5月，特斯拉宣布移除北美出產(chǎn)車型上所有的毫米波雷達。在智能駕駛的技術(shù)框架里，毫米波雷達是一種相對成熟的傳感器，可以穩(wěn)定地測速、測距，并在全天候環(huán)境下工作。
而在成本狂魔馬斯克治下，特斯拉多年來一直使用來自大陸的毫米波雷達ARS 410，這款入門級產(chǎn)品以極高的性價比，幫助特斯拉實現(xiàn)了基本的輔助駕駛能力。
但隨著智能駕駛對汽車感知能力的要求越來越高，這顆低端毫米波雷達的短板愈發(fā)明顯：分辨率太低，對物體看不清；沒有測高能力，無法對環(huán)境形成立體的感知。
這導致的直接結(jié)果是，感知能力日新月異的攝像頭和原地踏步的毫米波雷達不時相互打架，帶來幽靈剎車等問題。
按馬斯克的話說，毫米波雷達在智能駕駛的數(shù)據(jù)流里已經(jīng)成了一個污染源——讓一個弱視來當領航員，當然不太明智。
因此，依托算法優(yōu)勢讓高分辨率的攝像頭擁有了立體感知能力后，特斯拉果斷砍掉了車型上的毫米波雷達。在那之后，馬斯克也在推特上留下了一句伏筆：只有高分辨率的雷達才行。
其實在馬斯克之前，車載毫米波雷達行業(yè)已經(jīng)意識到，傳統(tǒng)毫米波雷達難以在未來的高階智能駕駛系統(tǒng)中立足。
因此無論是大陸、采埃孚等傳統(tǒng)豪強，還是國內(nèi)外創(chuàng)業(yè)公司，都踏上了賽場：為毫米波雷達添加測高能力，大幅提升分辨率，讓其能夠成像。對這一類產(chǎn)品，行業(yè)稱之4D毫米波雷達或者4D成像雷達。
而4D毫米波雷達的比賽，首先是一場“通道軍備競賽”?？拷邮针姶挪üぷ鞯膫鞲衅髯裱恍┕餐ǖ囊?guī)律，攝像頭是“底大一級壓死人”，激光雷達是“線數(shù)越高越清晰”，毫米波雷達則是：分辨率與信號（收發(fā)）通道數(shù)量成正比。為了成倍擴充通道以獲得成像能力，行業(yè)中已經(jīng)至少分化出了三種技術(shù)派別：
力大磚飛派：多芯片級聯(lián)
傳統(tǒng)毫米波雷達通常僅使用一枚MMIC（單片微波集成電路，與天線組成信號收發(fā)單元）芯片，收發(fā)能力有限。而多芯片級聯(lián)方案的思路非常直觀——能力不夠，數(shù)量來湊，通過堆疊多塊MMIC芯片，實現(xiàn)通道數(shù)量的乘數(shù)疊加：
在MIMO技術(shù)體制下，單枚MMIC芯片通常擁有12條通道（3發(fā)4收）。雙芯片級聯(lián)可以擴充至48通道（6發(fā)8收），四芯級聯(lián)則可進一步擴充至192通道（12發(fā)16收）。
由于工藝/元器件相對成熟，技術(shù)開發(fā)難度較小，這一方案最為主流，車載毫米波雷達大廠和眾多國內(nèi)公司普遍采用。比如行業(yè)首枚4D毫米波雷達大陸ARS 540，采埃孚搭載于飛凡R7上的PREMIUM，均是4芯片級聯(lián)方案，擁有192個通道。
不過，這條簡單的思路并不能無限延續(xù)。多芯級聯(lián)方案在成倍擴充通道的同時，也會成倍地提升雷達的體積、功耗、成本。這為另一個派別的出現(xiàn)提供了契機。
萬劍歸宗派：高度集成單芯片
與多芯片級聯(lián)的堆疊思路完全相反，高度集成的單芯片選擇將收發(fā)單元以及其他分立元器件微縮化，塞進一枚芯片中。
這一路線的擁躉，包括與特斯拉傳出緋聞的Arbe，以及背靠英特爾的Mobileye，兩者均在高度集成芯片方案上，推出了總通道數(shù)量高達2304個的4D毫米波雷達產(chǎn)品。
因為對器件小型化，這一路線在寸土寸金的晶圓上集成大量通道，不僅能夠節(jié)省體積與功耗，還有極大降本空間。但問題在于，這一方案會面臨更嚴苛的電磁波信號串擾問題，并且要啟用并不成熟的晶圓工藝。
一位毫米波雷達行業(yè)人士向我們分析，特斯拉曾經(jīng)與Arbe洽談雷達技術(shù)合作，但最終選擇自研，最主要的影響因素應該是技術(shù)方案成熟度問題。
力出一孔派：車載相控陣雷達
相比于前兩個派別，車載相控陣雷達的方案則更加大膽。相控陣的原理是通過特制的天線改變電磁波相位，將分散的能量集中成束，達到掃描的效果，從而顯著提高雷達分辨率。理論上，相控陣毫米波雷達擁有極高的性能上限。
在軍事上相控陣雷達早已有應用，但傳統(tǒng)相控陣雷達體積龐大，難以直接用于汽車，因此需要開發(fā)全新的材料，將雷達小型化。因此行業(yè)又將這一路線稱為超材料，扛旗企業(yè)主要是國外初創(chuàng)MetaWave、Echodyne等。
軍艦用相控陣雷達
不過，基礎的新材料開發(fā)向來周期漫長，這一派別的技術(shù)成熟度目前最低。顯然，無論是豪強還是初創(chuàng)，無論采用傳統(tǒng)還是新興技術(shù)方案，參與者都必須直面這樣的游戲規(guī)則：4D毫米波雷達必須在受限的成本、功耗、體積中，盡力提高信噪比與分辨率。這是一個典型的螺螄殼里做道場的活計。
2/ 算法決勝
即使是特斯拉也不例外。在向監(jiān)管部門提供的文件中，特斯拉的4D毫米波雷達方案采用雙芯片級聯(lián)方案，擁有48通道（6發(fā)8收），對應的是較低的成本，更可控的制程保障，以及較小的體積。
特斯拉向監(jiān)管部門提交的4D毫米波雷達設計
特斯拉向來有不拼傳感器硬件參數(shù)的傳統(tǒng)。2021年當國內(nèi)新勢力紛紛啟用800萬像素攝像頭時，特斯拉車型搭載的仍然是祖?zhèn)?20萬像素攝像頭，參數(shù)約等于十五年前的手機鏡頭。
但特斯拉通過基于大量數(shù)據(jù)不斷迭代算法，在數(shù)年時間內(nèi)開發(fā)出HydronNet、BEV以及Occupancy Network等算法，仍然引領了純視覺自動駕駛路線。不過，目前僅依靠攝像頭的智能駕駛還是有難以克服的Corner Case。就在本月，特斯拉宣布召回36萬輛車，原因是基于視覺的FSD存在安全隱患。
而一枚4D毫米波雷達的加入，可以提供帶有距離信息的三維點云，彌補純視覺算法的不足，提升特斯拉智能駕駛算法的上限。
國內(nèi)毫米波雷達創(chuàng)業(yè)公司行易道總裁江軍安認為，特斯拉引入4D毫米波雷達最直接的作用是，可以通過增加測高和更高的角分辨率進一步提升AEB（自動緊急制動）功能的表現(xiàn)和適用場景，更好地保證智能駕駛的安全性。
這需要盡力壓榨4D毫米波雷達的潛力，并與其他傳感器妥善地融合——軟件算法是這一過程的關鍵因素。
Sensefreedom算法總監(jiān)姚偉偉告訴我們，特斯拉自研雷達的硬件選型，側(cè)面反應出其對4D毫米波雷達的側(cè)重點在算法上。江軍安的判斷則是，算法將是4D毫米波雷達的主要壁壘，也是差異化競爭的核心環(huán)節(jié)。
毫米波雷達算法可以粗略分為基礎的信號處理算法和上層的感知算法，前者決定毫米波雷達是否“看得清”，后者決定是否“看得懂”。在此之前，一些初創(chuàng)公司嘗試從信號處理算法的創(chuàng)新入手，推高4D毫米波雷達的性能極限。
比如國內(nèi)行易道開發(fā)了壓縮感知算法，在已定點的雙芯片級聯(lián)4D雷達的硬件基礎上將雷達的角分辨率做到了0.7°以下；森思泰克也采用超分辨算法，推出了角分辨率0.7°的四片級聯(lián)產(chǎn)品。國外大廠已經(jīng)量產(chǎn)的產(chǎn)品這一數(shù)據(jù)均超過1°。
新信號處理和感知算法和多通道的射頻設計幫助4D毫米波雷達獲得更小的角分辨率，通常意味著更清晰的成像能力，但要讓4D毫米波雷達擁有更強競爭力，還需要成像和識別算法的進步。
此前，傳統(tǒng)毫米波雷達由于分辨率太低，不具備成像能力，很難依托它精確識別物體，其主要作用是對物體進行聚類、追蹤。
而4D毫米波雷達能夠成像，則為大規(guī)模引入機器學習創(chuàng)造了條件，在經(jīng)過機器學習訓練后，4D毫米波雷達對物體的識別能力將會進一步提升——就像攝像頭的感知能力不斷升級那樣。
毫米波雷達點云仍有進步空間
但這樣做的前提是，要有足夠的數(shù)據(jù)作為養(yǎng)料喂養(yǎng)算法。因此，那些先行量產(chǎn)4D毫米波雷達、擁有更大出貨量的企業(yè)，能夠在算法改進上占得先機。
而論數(shù)據(jù)閉環(huán)能力，沒有公司比得上特斯拉。如果特斯拉今年就在新生產(chǎn)車型上全面導入HW4.0，那么到明年將擁有上百萬臺裝車的4D毫米波雷達。龐大車隊收集的海量數(shù)據(jù)，能夠使特斯拉以比任何公司都快的速度迭代其算法。
不過，4D毫米波雷達的從業(yè)者普遍認為，特斯拉的進場是利好大于競爭。因為后者的示范效應帶來的不僅是資本市場的關注，也會讓更多車企加速4D毫米波雷達的上車，讓算法在量產(chǎn)中持續(xù)改進。
3/ “同門”暗戰(zhàn)
在理想的智能駕駛傳感器架構(gòu)中，攝像頭、毫米波雷達、激光雷達互為冗余，能力互補。但現(xiàn)實的情況是，在有限的資源下（主要是成本），只有少數(shù)量產(chǎn)車能同時配齊攝像頭、4D毫米波雷達與激光雷達，三者之間的競爭同樣明顯。
若以一場賽跑作比，攝像頭是一個短板極少、身位領先的全能型選手，同時具備低成本、高信息密度、生態(tài)成熟等優(yōu)勢。
而毫米波雷達與激光雷達各有優(yōu)劣，前者成本較低，擁有全天候工作能力，后者成像能力更強，可提供精確的環(huán)境建模能力。
而對環(huán)境進行三維建模，是高階智能駕駛必須的工作，要求傳感器必須具備高分辨率、三維探測能力。
高線束激光雷達天生擁有這一能力，而攝像頭也通過BEV、Occupancy Network（格柵網(wǎng)絡）等神經(jīng)網(wǎng)絡算法獲得了這一能力，毫米波雷達實現(xiàn)從二維到三維、從低清到高清的躍升則略晚了一步。
因此，自2020-2022年，毫米波雷達在高階智駕的體系中地位實際上在邊緣化，不僅一度被特斯拉開除，還見證激光雷達邁入商業(yè)化元年、走向高階智駕核心傳感器。
第一款4D毫米波雷達大陸ARS 540
而毫米波完成向4D的轉(zhuǎn)變后，也試圖向核心傳感器的位置發(fā)起沖擊，對標激光雷達。不止一家毫米波雷達公司表示，其推出的4D毫米波雷達角分辨率可以達到0.7°到0.5°（工作頻率30hz）——這已經(jīng)逼近64線激光雷達的水平。如果這一分辨率能升級至0.1°，那么則約等于128線激光雷達。
特斯拉啟用4D毫米波雷達，標明了一條可以嘗試的路徑：廉價（百元級）的攝像頭與成本稍高（千元級）的4D毫米波雷達配合，取代成本高昂（數(shù)千元）的激光雷達。
不過，由于頻率、探測原理的限制，4D毫米波雷達短期內(nèi)趕上激光雷達的性能并不現(xiàn)實。車企與毫米波雷達供應商共同端掉激光雷達飯碗的前提是，擁有強大的基于視覺的算法能力。并不是每一家車企，都是特斯拉。
更加符合現(xiàn)實的情形是：激光雷達需要將降低成本的戰(zhàn)役進行到底，并不斷提升可靠性，從“精密儀器”轉(zhuǎn)向“車規(guī)級零部件”。
4D毫米波雷達進一步提高分辨率，建立起更成熟的算法，完成對傳統(tǒng)毫米波雷達的替換。至于攝像頭，無論激光雷達還是4D毫米波雷達勝出，它都很難被取代。
編輯：黃飛
工商網(wǎng)監(jiān)
評論