1. 从“鸡肋”到“标配”一场关于激光雷达的舆论反转最近几年但凡关注智能驾驶或者机器人领域的朋友肯定对“激光雷达是不是智商税”这个话题不陌生。这个争论从几年前激光雷达刚开始在量产车上露头时就开始了而且愈演愈烈。支持者认为它是实现高阶自动驾驶不可或缺的“眼睛”是安全的终极保障反对者则嗤之以鼻觉得它成本高昂、技术路线摇摆、纯属车企营销的噱头和“堆料”竞赛的产物。作为一个从机械式激光雷达时代就接触相关应用的从业者我亲眼见证了这场技术从实验室走向前装量产从备受质疑到逐渐成为中高端车型“军备竞赛”核心的全过程。今天我们不站队也不空谈概念而是想带大家透过技术发展的历史脉络看看激光雷达究竟解决了什么问题又为何会陷入“智商税”的争议以及它未来的价值锚点究竟在哪里。要理解一个技术产品的价值最好的方式不是看它今天被宣传得多厉害而是回到它诞生和演进的场景里看看它当初为何被发明又如何在一次次的技术路线抉择和成本博弈中走到了今天这个位置。激光雷达的故事远比我们想象的要曲折和有趣。2. 技术史的透镜激光雷达因何而生又为何昂贵在讨论“税”之前我们得先搞清楚“货”是什么。激光雷达英文LiDAR是“Light Detection and Ranging”的缩写简单说就是通过发射激光束并测量其反射回来的时间来精确感知周围物体距离和形状的装置。它的基本原理和雷达RadAR类似只不过把无线电波换成了光波。波长更短意味着它能“看”得更精细能构建出厘米级精度的三维点云图。2.1 起源从测绘与科研的“贵族仪器”说起激光雷达并非为汽车而生。它的早期应用主要集中在地形测绘、大气研究、考古勘察等专业领域。比如机载激光雷达可以穿透森林的冠层直接绘制出被植被覆盖的地形在考古学中它能帮助发现被丛林掩埋的古代城市遗迹。在这些场景下激光雷达是无可替代的工具它的价值体现在极高的测量精度和独特的数据获取能力上至于成本往往是科研或特定工程项目预算可以接受的。此时的激光雷达是典型的B端专业设备体积庞大、价格昂贵动辄数十万甚至上百万人民币、对环境如温度、振动极为敏感。这个阶段的“贵”是技术稀缺性和定制化带来的。核心部件如高功率激光发射器、高灵敏度探测器尤其是用于1550纳米波长的铟镓砷探测器、高速扫描机构如多面转镜、振镜以及处理海量点云数据的计算单元无一不是“高精尖”的代名词。产量低供应链不成熟自然价格居高不下。2.2 转折点自动驾驶的“黄金瞳”与“机械式”的狂欢时间来到21世纪初DARPA自动驾驶挑战赛点燃了全球对无人车的热情。参赛车队们发现仅靠摄像头和毫米波雷达车辆在复杂、非结构化的越野环境中如同“半盲”无法可靠地识别障碍物的三维轮廓和距离。这时来自Velodyne的64线机械旋转式激光雷达进入了视野。它通过360度旋转能实时生成周围环境的高精度3D点云图堪称感知系统的“上帝视角”。以Waymo前Google无人车项目为代表的早期自动驾驶领导者几乎清一色地选择了在车顶“顶个花盆”机械式激光雷达的俗称。它性能强大但缺点也同样突出除了我们刚才提到的昂贵早期一颗64线雷达售价近10万美元还有体积大、外观突兀、旋转部件寿命有限通常只有几千小时、难以通过车规级耐高低温、抗振动冲击考验等问题。然而在技术探索的蛮荒期性能是唯一的追求。激光雷达为算法提供了最干净、最直接的三维几何信息极大地降低了感知算法的开发难度成为了L4级Robotaxi研发的“黄金标准”和“入场券”。此时的“贵”是技术探索必须支付的“学费”对于动辄数亿美元研发投入的科技公司来说尚可承受。2.3 “智商税”争议的根源从技术理想主义到商业现实的碰撞当自动驾驶的风口从L4 Robotaxi吹向L2/L3级别的量产乘用车时矛盾彻底爆发了。车企和消费者对成本的敏感度与科技公司完全不在一个量级。一颗激光雷达动辄数千甚至上万元人民币的成本对于整车BOM物料清单是巨大的压力。而更关键的是在L2这个以人类驾驶员为责任主体的阶段激光雷达带来的安全冗余价值是否值得让消费者为此额外买单这成了一个灵魂拷问。与此同时以特斯拉为代表的“纯视觉”路线高歌猛进。马斯克公开称激光雷达为“拐杖”认为依赖激光雷达是“愚蠢的”人类仅靠双眼就能开车机器也应该可以。纯视觉方案成本极低主要就是摄像头且符合“第一性原理”的简洁美感。两派阵营就此划清界限“激光雷达派”认为激光雷达提供的是直接、稳定、不受光照影响的深度信息是确保安全冗余的“硬保险”。尤其在应对异形障碍物如掉落的路牌、静止的故障车、恶劣天气如逆光、夜间时具有理论上的优势。“纯视觉派”认为通过海量数据训练的神经网络足以像人脑一样理解三维世界增加激光雷达是多此一举且会造成传感器融合的复杂性和“数据幻觉”过度依赖某一传感器。在“纯视觉派”的话术里成本高昂、尚未证明其不可替代性的激光雷达自然就成了“智商税”——一个用高昂价格购买心理安慰实则技术路线不明、必要性存疑的“奢侈品选项”。3. 降本增效的破局之路技术演进如何回应质疑“智商税”的指控本质上是对“性能提升与价格不匹配”的质疑。激光雷达行业近五年的发展史就是一部轰轰烈烈的“降本增效”奋斗史。技术路线的快速迭代正是对质疑最有力的回应。3.1 扫描方式的革命从“机械旋转”到“固态化”机械旋转式是性能标杆但也是成本和可靠性的瓶颈。于是“去机械化”成为主攻方向。主要衍生出三条技术路径转镜/振镜式半固态这是目前车规前装的主流。代表技术是MEMS微振镜。它用一个微小的镜片通过电子控制进行快速、微幅的二维偏转从而实现激光扫描。由于运动部件极小微米级可靠性大幅提升成本显著下降且外观可以做成更符合车身设计的扁平状。华为、速腾聚创等厂商的多数产品都采用此路线。棱镜式半固态典型代表是禾赛科技的AT128采用一维转镜加一维棱镜的独特设计。通过两个非重复扫描的运动部件实现了高密度、无重复图案的点云在抗干扰如多雷达对射和帧率上有优势。Flash式纯固态类似于相机闪光灯一次发射覆盖整个视场的大面阵激光然后通过面阵传感器接收。它完全没有任何运动部件理论上可靠性和成本潜力最高。但难点在于单次发射能量分散探测距离较短面阵传感器成本极高。目前主要用于短距补盲雷达。3.2 测距原理的优化从“飞行时间法”到“FMCW”主流的ToF飞行时间法原理简单但有个致命弱点容易受到其他激光雷达甚至太阳光的干扰且无法直接测量速度需要多帧点云推算。于是一种源自相干光通信的FMCW调频连续波技术被引入。FMCW激光雷达通过发射频率连续变化的激光并比较发射与接收信号的频率差不仅能算出距离还能直接、精确地测出物体的径向速度多普勒效应。这带来了两大好处第一抗干扰能力极强只有自己发出的特定频率模式的光才会被识别第二原生速度信息让感知算法如虎添翼。尽管FMCW在器件需要窄线宽激光器和信号处理上更复杂但被认为是下一代激光雷达的重要方向。Aeva、禾赛等公司已在此领域布局。3.3 产业链成熟与规模效应成本曲线的陡峭下滑任何电子产品的成本都遵循“莱特定律”产量每翻一番成本下降一个固定的百分比。随着蔚来、理想、小鹏、问界、极氪等众多品牌将激光雷达作为高端车型的卖点前装需求量从每年数万颗迅速攀升至百万颗级别。需求的爆发吸引了大量资本和玩家入场推动了整个产业链的成熟激光芯片从国外垄断走向国内自研探测器供应链逐步完善封装、校准工艺效率提升车规级量产经验不断积累。结果就是等效性能的激光雷达价格在过去三年里以每年30%-50%的速度下降。几年前还要大几千上万元的96线雷达如今性能更强的128线雷达可能只需要一两千元人民币。成本正在快速逼近车企的“甜蜜点”。4. 价值重估在今天和未来的智能驾驶中它扮演什么角色当价格不再是不可逾越的障碍后我们再来冷静评估激光雷达的核心价值。它真的只是“冗余”吗我认为它的角色正在从“安全冗余的备胎”转向“感知体系的主干之一”尤其是在面向L3及以上级别的系统中。4.1 解决纯视觉的“阿喀琉斯之踵”纯视觉方案依赖纹理、特征和深度学习推理来估算深度伪激光雷达。这在绝大多数常规场景下表现优异。但它存在几个本质挑战极端光环境面对强烈的逆光、隧道口的“黑洞效应”、夜间无路灯且对向车开远光灯等情况摄像头动态范围有限画面可能过曝或全黑信息输入质量骤降。几何特征缺失的物体一个纯色的、形状不规则的、静止的障碍物比如一个掉在路中间的黑色行李箱、一块泡沫摄像头缺乏足够的纹理特征进行识别和分类可能直接忽略或误判。激光雷达则不受颜色和纹理影响直接反馈其三维轮廓。测距精度与实时性视觉测距是“估算”尤其在远距离和高速场景下精度和置信度会下降。激光雷达是“直接测量”精度可达厘米级且延迟极低。激光雷达的价值不在于替代视觉而在于与视觉、毫米波雷达形成异构冗余。当视觉系统因某种原因“失明”或“判断模糊”时激光雷达提供的精确几何信息可以作为一道坚固的备份防线。这就像登山时的主绳和安全绳视觉是主绳承担主要工作激光雷达是安全绳在主绳出现意外时防止坠崖。对于将安全视为生命线的自动驾驶来说这种冗余不是浪费而是必要投资。4.2 赋能更高级别的自动驾驶功能对于城区NOA导航辅助驾驶、城市L3等功能场景复杂度指数级上升。十字路口无保护左转、人车混行的狭窄路段、施工区域临时摆放的锥桶……这些长尾场景的Corner Case极端案例层出不穷。激光雷达提供的稳定三维信息能极大地帮助系统进行更准确的场景理解、可行驶区域分割和运动预测。更重要的是激光雷达点云数据与高精地图的匹配可以为车辆提供更稳定、更不受天气影响的定位能力激光SLAM这对于在GPS信号不稳定如高架下、隧道的区域保持功能连续性至关重要。4.3 从“功能驱动”到“数据驱动”的新范式一个被低估的价值是激光雷达可以生成高质量的真值Ground Truth数据。在自动驾驶算法的训练和测试中需要大量标注好的数据。激光雷达点云本身就能提供精确的三维标注无需像视觉数据那样进行复杂、耗时的3D框标注。这意味着装备了激光雷达的量产车可以在合规前提下源源不断地收集带有精准三维信息的场景数据反哺自动驾驶大模型的训练形成数据闭环。这或许才是激光雷达长期价值的最大体现它不仅是感知器更是未来自动驾驶数据生态的“基础设施”。5. 理性看待什么情况下它可能仍是“智商税”尽管前景光明但我们也不能无脑吹捧。在当下这个过渡阶段激光雷达确实可能在某些具体情境下对消费者而言价值感知不强接近“智商税”。5.1 “有”和“用”是两回事软件能力的滞后这是目前最普遍的问题。很多车型虽然硬件上预埋了激光雷达但相关的感知融合算法和功能开发并未同步跟上。导致用户花钱买了硬件但在当前版本的软件中激光雷达可能并未被充分调用或者其作用仅仅体现在AEB自动紧急制动等基础安全功能的性能小幅提升上体验感知不明显。这就好比买了一台4K显示器却一直用它播放720P的视频。只有当车企推出真正深度融合激光雷达感知的高阶智驾功能如全场景的城区领航并且软件迭代迅速时这块硬件的价值才会完全释放。5.2 技术路线尚未统一存在“踩坑”风险正如前文所述MEMS、转镜、Flash、FMCW……技术路线百花齐放各有优劣尚未像摄像头那样形成绝对主导的稳定方案。这意味着今天你买的车型所采用的某种激光雷达方案可能会因为该技术路线本身的缺陷如MEMS的长期可靠性、Flash的测距能力或供应商的后续发展问题在几年后成为“落后”或“难以维护”的技术。消费者承担了技术路线试错的风险。5.3 过度营销与“军备竞赛”部分车企将激光雷达的数量1颗、2颗、3颗和性能参数多少线、多少米探测距离作为核心营销点进行“堆料”式宣传。但对于消费者而言3颗雷达是否一定比1颗体验好2倍200米探测距离在城区限速60km/h的道路上相比150米有多少实际意义如果软件算法和系统集成能力跟不上更多的硬件可能只是增加了功耗和潜在的故障点并未带来体验的质变。为过度冗余的、超出实际需求的硬件性能付费就构成了另一种形式的“税”。6. 给消费者的决策建议如何判断是否值得投入所以回到最初的问题激光雷达到底是不是智商税我的结论是它本身不是智商税它是一个强大的、有明确价值的传感器。但是为它付费是否明智取决于具体的产品、软件实现和你的个人需求。在决定是否选择带激光雷达的车型时你可以问自己以下几个问题功能匹配度我是否迫切需要并经常使用高速NOA、城区NOA等高阶辅助驾驶功能如果我的用车场景主要是城市通勤、高速巡航现有成熟的L2ACC车道保持已经足够那么对激光雷达的急迫性就不高。软件兑现承诺车企是否已经发布了基于这颗激光雷达的、成熟可用的高阶智驾功能还是仅仅停留在“硬件预埋OTA敬请期待”的PPT阶段查看真实车主的口碑、专业媒体的实测视频比看参数表更重要。系统整合能力这家车企在智能驾驶领域的自研能力如何是否有成熟的感知融合算法团队激光雷达不是“即插即用”的需要强大的软件和算法才能发挥威力。选择在智驾领域有长期投入和技术积淀的品牌通常更靠谱。成本考量激光雷达版本与其他版本的价格差是多少这个差价如果用来升级续航、音响、内饰等其他你更在意的配置会不会带来更高的幸福感我个人在实际的测试和体验中发现在当前时间点2024年一套融合了激光雷达的高阶智驾系统在应对加塞、识别静止障碍物、通过复杂路口时的确能表现出更高的稳定性和从容感。但这种优势并非天壤之别优秀的纯视觉方案如特斯拉FSD在大部分场景下也已非常流畅。两者的差距正在缩小。最终的选择更像是一种“风险偏好”投资。如果你追求极致的安全冗余愿意为可能只有1%场景下才体现出来的优势支付溢价并相信这些硬件能为未来的软件升级提供可能那么激光雷达是值得的。如果你更务实认为现有的辅助驾驶已经足够好用更看重车辆的续航、空间、性价比那么完全可以省下这笔钱。技术没有绝对的“税”与“非税”只有是否适合当下的你。激光雷达的故事还在继续它的价值最终将由持续下降的成本、不断成熟的软件和实实在在的用户体验来共同定义。