自动驾驶量产前夜，多传感器融合、固态化、新材料、视觉芯片......成为智能驾驶传感器生态圈中的关键词。

10月27日，2018全球智能驾驶峰会圆满落下帷幕。本次峰会由苏州市相城区人民政府主办，数域（苏州高铁新城大数据产业发展有限公司）、上海市交通工程学会、相城区科发局、相城区科协协办，苏州高铁新城管委会承办。

本次峰会为期两天，以嘉宾分享和圆桌论坛、闭门研讨会相结合方式展开，吸引超过30位智能驾驶领域的学术大咖、技术专家、企业代表等聚焦智能驾驶技术和商业创新，围绕“如何打造智能汽车”、“构建智能驾驶的关键核心技术应用”、“智能驾驶传感器的关键应用”等三大主题，发表主题演讲，分享他们对智能驾驶的前沿认知与全新视角。

距离诸多玩家下注的日子越来越近，2020年或2022年，L3级自动驾驶汽车上路的梦想能否落进现实，成本昂贵的汽车之眼“激光雷达”成为“最后一根稻草”。激光雷达大规模上车，如何在性能、体积和成本之间获取平衡？机器视觉能否在激光雷达中发挥作用？固态激光雷达公司如何保证产品性能可靠与低成本共存？自动驾驶量产前夜，如何做好电子控制器件安全、网络安全的准备？用来处理诸多传感器数据的AI芯片如何做到车规级标准？六位自动驾驶传感器领域的代表人物揭晓了答案。

以下为各位嘉宾发言摘要，由新智驾编辑：

法雷奥中国区CTO 顾剑民

本次峰会上，法雷奥中国区CTO 顾剑民发表了题为《世界上首款为自动驾驶打造的车规级激光雷达-Valeo SCALA》的主题演讲。

法雷奥用两个关键词概括了Valeo SCALA：一是时间领先，Valeo SCALA是业内首款面向自动驾驶汽车的车规级激光雷达产品；二是量产。顾剑民的演讲也重点围绕激光雷达车规级及量产两方面展开。

激光雷达真正实现量产，在车规级方面面临众多困难。如何在性能、体积和成本之间获取平衡？如何实现水平视角、分辨率和探测距离之间的平衡？如何保证通过体积和布置等车规级测试？这都是需要考虑的问题。

激光雷达性能好，并不意味着其一定能够搭载上车。汽车作为一个系统，需要考虑各方面约束。例如，体积在保证探测距的情况下如何增大水平视角；数据刷新率；改进目标跟踪算法等等诸多问题。顾剑民提到，一款激光雷达从方案设计到最终实现车规级量产，需要花费五年或者七年的时间。

法雷奥已牵手传统车厂和出行服务商，布局SCALA的大规模量产上车。2017年11月份，世界上第一款真正实现L3级自动驾驶的量产车辆奥迪A8问世，上面搭载的正是SCALA激光雷达。据新智驾了解到，除奥迪A8外，未来奥迪A7/A6/Q8等多数新车型都将搭载SCALA激光雷达。

除和奥迪合作，SCALA完成大规模量产上车外。法雷奥也在牵手另一条技术路线上的自动驾驶玩家。SCALA激光雷达也出现在一家在法国研制的NQVYQ电动无人驾驶小巴上。这辆无人驾驶小巴共搭载了七颗SCALA激光雷达。NQVYQ无人驾驶小巴目前已生产100多辆，并在法国、美国等多地投入实际运营。

Innoviz CEO兼联合创始人 Omar Keilaf

Innoviz CEO兼联合创始人Omar Keilaf在2018全球智能驾驶峰会上提出两大观点：一，未来L3以上的自动驾驶才是激光雷达最大的市场；二，从长期来看，激光雷达的作用可能会高于摄像头。

诸多主机厂将希望押注在2020年或2022年推出L3级自动驾驶汽车。Omar Keilaf也认为，未来L3以上的自动驾驶才是激光雷达最大的市场。L3-L4级的私家车设计现已于2021年至2022年关闭了SOP（标准操作程序）， 这些平台将使用约5年。L3-L4级的程序由OEM驱动， 这些是唯一能够吸引大批量生产的计划。激光雷达将成为L3-L4级设计胜利的一部分，它将经历OEM和T1的汽车级和审核过程。所以研发满足车规级要求、低成本、低功耗的成为激光雷达厂商努力的方向。

在Omar Keilaf看来，未来激光雷达的作用可能会高于摄像头，但前提是，激光雷达产品的分辨率低这一问题需解决。即将推出的Innoviz One的分辨率和摄像头一样高。所以Omar Keilaf相信，长期来看，激光雷达的作用可能会高于摄像头。且机器人出租车（Robotaxis）最终将采用大批量、低成本的车规级激光雷达。

目前Innoviz共有两款激光雷达产品：InnovizPro和InnovizOne。InnovizOne目前已有部分样品。届时，InnovizOne的生产线将被放在中国。Innoviz开发了三种面向激光雷达的芯片，基于对激光雷达的性能要求，为激光雷达设计芯片组。此外，Innoviz有一个专门的团队开发所有的光学系统，并且也在开发自己的计算机视觉技术。

Omar Keilaf重点介绍了机器视觉。现在OEM厂商也越来越多的要求在产品中加入机器视觉的功能。虽然机器视觉目前在激光雷达中的作用还没有得到充分的证实，但是在产品研发下一步，Innoviz希望能够加强对机器视觉的重视。

Quanergy 创始人兼CEO Louay Eldada

Quanergy创始人兼CEO Louay Eldada在2018全球智能驾驶峰会上表示，激光雷达公司Quanergy将在中国建立超大型的生产设施，以增加旗下固态激光雷达等产品的产量。

Louay Eldada着重强调了激光雷达对于自动驾驶汽车的必要性。激光雷达是唯一一个三维的传感系统，摄像头是二维的，雷达是一维的。

但对于激光雷达公司来说，兼具激光雷达的性能可靠和成本的标准是一大挑战。Louay Eldada着重介绍了Quanergy S3固态传感器的产品优势。在性能方面，S3固态传感器已达到车规级，拥有150米的探测距离，最低的探测距离是零，这是其它激光雷达做不到的，且在速度及信号率方面也更有优势。在成本方面，Quanergy欲将其激光雷达成本控制在1000美元以下。小批量对应成本为1000美元以下，大批量对应成本为几百美元。

Louay Eldada计划，Quanergy激光雷达产品在2019-2021年达到自动驾驶L3级别，2022-2024年间投入第一批的量产车，达到高度自动驾驶的等级。2025年及以后，自动驾驶将适用于全路况。

安森美半导体自动驾驶负责人 Radhika Arora

此次峰会上，Radhika Arora分享了当下自动驾驶领域中摄像头系统面临的挑战，以及安森美在图像传感器方面所提供的额外功能。

对于传统的整车厂、一级供应商以及初创车企来说，其第一大的挑战即动态探测。当人们驾车在高速上行驶，强光会屏蔽司机视线。而在自动驾驶汽车上，摄像头辨识度需要更优于比人类视线。遇到强光，摄像头依旧能够探测到前方物体。这样的道理同样适用于光线较弱的夜晚及不同的气候条件。

Radhika Arora提到摄像头探测到一个物体时，需要高像素对物体进行分类，判别其为人类或动物或其他障碍物。分类需求及感知需求对摄像头清晰度提出了更高的要求。安森美芯片目前已拥有帮助摄像机清晰捕获画面，并做出归类的功能。

在功能的安全性方面，电子控制器件安全要求越来越高，车辆内部电子元器件及复杂程度越来越高，这也对传感器芯片提出了计算挑战。Radhika Arora提到，当下传感器面临着一个危险环境，若部分电气元器件发生故障，会产生许多危险因素。所以传感器需具备能够识别哪些元器件发生故障的功能，并做出判断，将相应数据传回控制中心。

安森美非常重视自动驾驶汽车面临的网络安全问题。Radhika Arora表示，当L4级自动驾驶汽车推向市场之后，网络安全是必须考虑的问题。当有人侵入汽车电脑系统，或在系统中加入了错误信息，或截取部分视频图像，或删除部分内容，都会导致自动驾驶汽车做出错误决策，从而产生危险。安森美即将推出一款具备网络安全功能的图像传感器。

地平线（上海）芯片研发总经理 吴征

近期曾有着二十年芯片、半导体研发经验的吴征博士加入地平线，负责研发自动驾驶的AI车规级处理器。这也是吴征博士加入地平线以来的第一次公开演讲。

大数据蜂拥而起的时代，如何将无用数据转化成有用数据？如何挖掘数据价值？这是一个很大的挑战。其中还牵涉到如何有效地进行处理数据，本质上看，这是一大计算问题。吴征及地平线押注AI是这一关键技术，它基于大数据进行训练和推理，可将无用数据进行“识别”， 把非结构化数据转化成结构化数据，提取有用的信息。

作为一家技术驱动型的公司，有着强大人工智能算法的地平线，又如何完成庞大的数据处理、挖掘其价值？吴征进行了详细的介绍，地平线定位于一家软硬件结合的公司，其核心是要打造自己的BPU (Brain Processing Unit）芯片，类似于 Google 的TPU。地平线瞄准的是嵌入式AI 芯片，应用在物联网方面的终端产品，节点和控制设备， 专注于边缘计算。这与研发服务器，云端AI芯片不同， 前者计算性能更强大，同时功耗和成本也是考虑的问题。

吴征提到，AI计算技术与应用场景高度相关。某种程度上可以理解为，场景决定算法，算法决定芯片。反之，芯片又要求有算法，只有软硬件接合，提供解决方案应用到场景才能最终解决问题，这是一个闭环系统。

针对车规级AI处理器芯片，吴征详细介绍了其在温度、生产周期、失效率及安全标准认证方面的要求。地平线目前的第二代车规级AI芯片，已进入最后的开发阶段。与第一代不同，前者从方框级的识别精确到像素级的语义识别。

滨松中国高级工程师，滨松激光雷达项目产品技术负责人 鲍泽宇

本次峰会上，滨松中国高级工程师鲍泽宇发表了题为《用于自动驾驶激光雷达的核心光电半导体器件》的主题演讲，从滨松产品技术的角度介绍了激光雷达的技术背景及其方向。

鲍泽宇提到，激光雷达可以实现测距和测角两方面的功能，测距功能的基本方法为激光测距。传统的激光测距方法分为三种：直接TOF测距、间接TOF测距、三角测距。从应用角度看，自动驾驶现阶段需要进行高速、长距离、及紧密的系统分布，所以直接TOF测距法成为现阶段激光雷达主要应用的测距方法。在测角功能上，由机械旋转向固态激光雷达的发展已成共识，MEMS、Flash、OPA实现测角的方法不同，各有其优缺点，未来激光雷达的不同方法融合也可能出现。

激光雷达区别于其他雷达方法的关键点为其具备主动光源、长量程以及高分辨率三大特点。主动光源方面，分为针对点扫描式、线扫描式以及整个面光源三种不同发展路线，滨松已具备不同路线的产品，鲍泽宇认为1550纳米的激光雷达也是未来光源波长选择的发展的趋势。在光源选择方面。面对激光雷达长距离特点，当前多数器件碰到这样的问题，即光电器件转化出的信号距离远，回波光较弱时，会被淹没在后端的电路噪声中，如何分辨电路噪声抑或真实信号，滨松的探测器发展路线是提高光电转换期间的内部增益，此外滨松Si APD新产品暗电流已达到0.01nA，新InGaAs APD暗电流降低到25nA级别，其暗电流将是原来的八分之一。

在鲍泽宇看来，激光雷达是一个系统化工程。一个完美的激光雷达不仅需要探测器和激光器元器件厂家的努力，同时也需要光路设计以及其他的系统化设计厂家共同协作循环推动激光雷达的发展。

总结来看，鲍泽宇口中的“系统化工程”一词同样适用于自动驾驶传感器。大到摄像头、毫米波雷达、激光雷达，AI视觉芯片，小到探测器、激光器元器件等等，这条产业链上的参局者紧密相连，或许一个小动作将成为自动驾驶汽车的大规模落地发展的关键。

本文摘自：搜狐网 于胜越、苏州市相城区人民政府