从马斯克与何小鹏两位CEO相隔大洋抄起键盘隔空互怼，再到25岁天才少年Austin Russell创立的公司Luminar(LAZR.US)登录纳斯达克，公司股价在12个交易日股价涨幅超过4倍，一切都围绕着一个话题“激光雷达”。
特斯拉作为新能源汽车的绝对标杆型企业，曾多次在公开场合抨击激光雷达在无人驾驶方面应用前景。
而各大车企却展现了截然不同的态度，纷纷押宝激光雷达。在奥迪、奔驰、宝马、本田、沃尔沃、雷克萨斯，再到小鹏、长城、长安、北汽未来发布的车型上，都能够找到激光雷达的身影。
在这道激光雷达抉择与否的选择题中，特斯拉(TSLA.US)这一次站在了几乎所有人的对立面上。
激光雷达为何成为市场爆点?
从自动驾驶的产业链分布来看，自动驾驶系统分为三大类，即感知层、决策层、执行层，分别代替人的眼睛、大脑、手脚。
感知层包括了车辆定位和环境信息感知，而感知层之所以能够在自动驾驶中代替人的眼睛，依靠于摄像头、雷达对于周边环境信息进行捕捉搜集。
这意味着，雷达的不同技术路径，代表着用什么样的眼睛去看这个世界。
在目前的市场上，主流的环境信息感知处理方案上分成了两类：
一、以特斯拉为代表的视觉算法为主导的流派，通过摄像头、毫米波雷达捕捉周边环境信息，再通过算法为主，进行分析抉择。这一类方案所需的硬件成熟度较高，成本低，但毫米波雷达探测角度较小，远距离探测能力也不足，需要优异的算法来弥补缺点。
二、以Waymo、大部分车企为代表的激光雷达主导的流派，在摄像头、毫米波雷达的基础上增加了激光雷达，可以进行远距离、全方位的探测，分辨率较强，但硬件成本较高，且激光雷达同样也存在一些问题：比如，在恶劣天气的条件下表现一般，缺乏对环境的颜色和纹理信息的辨别，并且在大范围安装激光雷达后，激光雷达有无法判断是否为自己发出的脉冲光的串扰风险，这会直接导致激光雷达判断不出物体的形状。
对于大部分车企而言，他们在自动驾驶的研发上相对于特斯拉起步较晚，无论是新能源汽车或者是传统汽车巨头，在自动驾驶领域里，它们都无法做到像特斯拉一样，拥有完全自主软硬件算法的掌握与开发能力。
以软件研发较为深入的造车新势力举例：
蔚来(NIO.US)使用的是特斯拉“前女友”Mobileye研发的芯片，在此基础上进行算法的自研;
“全栈自研”的小鹏(XPEV.US)即将使用的是特斯拉另一位“前女友”英伟达研发的Xavier芯片，自动驾驶方案也在刚刚落地;
理想(LI.US)不光是芯片，在自动驾驶的视觉算法上，甚至都是Mobileye提供的打包解决方案，未来在切换到Nvidia Orin还需要进行算法的重写。
而一些传统车企，在自动驾驶探索的路上才刚刚起步，大部分都是选择了由三方提供技术支持来实现他们从0到1的过程。
相对于特斯拉提供的Auto Poilt产品，在自动驾驶维度上，他们与特斯拉实际上完全没有可比性，能与特斯拉对标的企业应该是谷歌Waymo、英伟达等有能力直接提供自动驾驶方案的科技公司。
而特斯拉已经在视觉算法上已经栽了好几个跟头的情况下，这些企业在追赶的道路上，如果选择与特斯拉同一条赛道，可能会比特斯拉摔的更狠，摔的更惨。
因此，选择更为稳妥的激光雷达配合其他传感器的整体方案是最优的答案，结合激光雷达综合成本大为下降，已经进入到预量产阶段，二者综合之下，直接点燃了市场对于激光雷达的热情。
对于马斯克而言，在这场雷达路线上的选择，放弃激光雷达的底气来源于两方面：一方面，一开始激光雷达的价格过于昂贵;更重要的一点则是，他坚信特斯拉算法升级的速度会比激光雷达降价的速度更快。
算法与降价之间的博弈
从公开消息来看，尽管激光雷达的头部玩家们都宣称自己手中接到了量产订单，但激光雷达量产到激光雷达真正应用到汽车，并且汽车实现量产上市之间，还存在着一定的时间差。
激光新锐Luminar早就曝光了手握15亿美元的订单，但从过往两年1260万美元、1500万美元的营收来看，这笔订单还并未真正落地。
从公司最近披露的信息中提到，“预计到今年底前将售出大约100台激光雷达”，这也从产能角度证明了这笔订单实际并未落地。
激光雷达鼻祖Velodyne在中国败北之后，选择了与现代、福特合作，但这两家车企搭载激光雷达的量产车型，最早也要在2021年实现上市。
宝马的激光雷达供应商Innoviz在第一代产品还没有在车辆搭载上市的情况下，推出了第二代产品，成本相较于第一代下降70%，预计在2021年年中应用于宝马。
小鹏、北汽、长安、广汽等搭载激光雷达量产车型的发布最早也在2021年，在不跳票的情况下，到激光雷达的大范围落地，仍然存在着1-3年的窗口期，在这窗口期，特斯拉能做到什么样的地步?
特斯拉在自动驾驶一直保持着极为激进的研发路线，从整车的传感器来看，特斯拉用了12个超声波传感器，1个毫米波雷达，8个感知摄像头，在整车的感知范围布局上，几乎没有重叠，而对比小鹏，小鹏光是毫米波雷达就使用了5个，这充分显现了马斯克对于自身视觉算法的自信。
尽管这种自信造成了数起“人工智障”才能发生的血淋淋事故，但马斯克始终认定激光雷达是没有必要的配件，并坚持在视觉算法的路线上不断优化。
在11月发布的FSD Beta版本中，特斯拉利用神经网络的深度学习功能，通过多个不同角度的视频文件提取特征要素合并融合，再进行加工处理成为时态模块形成点状的数据，点状数据汇集到 BEV 网中，将时间和序列进行融合，展现更平滑和动态的结果。
从最终的结果来看，特斯拉引入了3D鸟瞰预测图，将摄像头一直被饱受诟病的只能拍摄“二维画面”实现了3D化的呈现。
在算法不足以支撑更高级别自动驾驶功能的前提下，打出“安全牌”用多种雷达与传感器的硬件组合是对消费者负责任的选择。
而对于特斯拉，在算法领先于同行玩家的同时，如何使用性价比最高的零件创造更大的效益，是特斯拉的目标。这也就注定了，在马斯克眼中，价格高昂的激光雷达，只能是其他企业对于视觉感知存在的问题和缺陷的遮羞布。
从这个角度来看，激光雷达的供应商在激光雷达的降本之路上，能够成为最大的受益者。因为对于在算法上存在不足的整车企业而言，激光雷达的大规模普及，是他们在自动驾驶上能追上特斯拉必不可少的“加速器”。
特斯拉的多赛道优势
对于自动驾驶算法而言，推动其发展进化的核心物质基础有两个，一个是芯片本身的算力，另一个是训练算法模型的数据。
解析特斯拉的自动驾驶的竞争格局，对比整车制造商，特斯拉拥有完全自主软硬件算法的掌握与开发能力。
而对比能够直接提供自动驾驶方案的科技公司，特斯拉在数据沉淀、商业化变现的维度上，也占据着优势。
对于自动驾驶而言，训练的机会越多、掌握的场景数据越多，技术进步便越快;而技术进步越快，就能推动市场消费者进一步的加入，从而掌握更多的场景数据，实现一种良性循环，夯实的壁垒也会越来越高。
谷歌Waymo最初的自动驾驶解决方案用于出租车，这种重资产的商业模式注定了，如果使用大量实况路测的话，谷歌需要在出租车、自动驾驶两个维度，同时进行大范围的烧钱。
因此谷歌只能通过模拟仿真的场景进行自动驾驶的路测模拟，尽管从数据来看，可以每日实现100年的虚拟技术路测，但在实际的驾驶过程中，有很多突发场景与反应，是只有切身碰见才能将数据记录，虚拟技术路测很难去进行模拟。
谷歌目前也走上了多角色发展的路线，自研激光雷达实现了商业化之路，同时在车载系统、无人卡车等领域不断布局，在未来或许能产生多业务之间的协同效应，但就目前而言，Waymo离C端用户，还存在着一定距离。
而Mobileye尽管与很多车企达成了合作并提供了解决方案，但是其摄像头收集到数据的所有权都归属于车企，是否愿意将收集到的数据贡献给Mobileye完全取决于车企，在这种被动的情况下，目前在新势力中，也仅有蔚来与Mobileye实现深度合作愿意将数据共享，对于未来软硬件自研一体化的趋势下，Mobileye的市场份额或将越来越小。
而特斯拉累计销售的车辆已经突破了100万辆，在拥有大量车辆的前提下，在此基础上开发出深度学习的“影子模式”，在数据的搜集广度跟成本上，拥有以上企业都不具备的绝对优势。
在路测中，一部分通过虚拟环境进行模拟，在实际的驾驶过程中，机器并不参与驾驶，而是由人主导，机器在整个过程中能够学习驾驶员在面对各种情况时的行为数据，出现模拟结果和驾驶员真实操作相违背的时候，将其深度学习并记录上传，从而提升自动驾驶能力，这一类的数据更为真实，也更有价值。
与此同时，特斯拉采用的是硬件预装+后续付费的模式，所有产品从出厂时均配备相关的自动驾驶硬件，如果用户想要添加和使用这些功能，用户可以以打包价在车辆预订或后续使用时买断相关的功能，特斯拉会通过 OTA 进行系统升级，这也给予特斯拉商业化变现的良好平台。
不论是对比整车制造企业，亦或是自动驾驶方案解决商，多赛道的特斯拉相比之下，在数据闭环、商业化落地、算法更新速度上，拥有着行业标杆型企业应有的优势。
而在自动驾驶行业业务盈利模式还没有成熟的阶段，行业充斥着大量不确定性，一个新技术的出现与应用，是就此沉默还是改变行业，只能交给时间来决定。
狮子抓兔子，不论抓到与否，对于狮子而言，只是这一顿饭能否吃饱的问题，可对于兔子而言，却是至关生死的问题。
手握优势的特斯拉，自信不光源于对自身技术的自信，也在于它拥有着试错的成本，但对于其他竞争企业而言，这可能是它们是近年来在自动驾驶上追赶特斯拉的最好机会。
关键词： 激光雷达
