无人驾驶离我们很远，但其实又离的很近。远到我们不觉得这技术有什么现实意义，说近这些年已经普及的ADAS辅助驾驶系统就可以视为自动驾驶的初级形态，ADAS不知道已经帮助多少人实现了倒车停车的梦想。

换句话说，现有依靠摄像头微波传感器的ADAS辅助驾驶系统没被吹成人工智能、无人驾驶大概念，就已经说明无人驾驶时代正在到来。

吴恩达（右一）与团队推出无人驾驶出租车

从百度出来创立Drive.ai的吴恩达，今天就正式在美国德克萨斯州推出了无人驾驶出租车业务。虽然这项业务还处于免费实验状态，但无人驾驶走进商业化的开创性意义是不可忽视的。

看起来，科幻电影中梦幻的交通体验即将实现。不过小新要先泼上一盆冷水，所有事情都有梦想与现实两面，未来你能体验到的无人驾驶形式，跟科幻电影教导你的梦幻状态或许有着天壤之别。

这个问题，就是无人驾驶普及过程所带来的。

激光雷达太贵了！

按照当下的技术水平来算，无人驾驶已经实现，无论是Google Waymo、Uber还是与国内的百度，来一次路测表演、基础场景体验可以说是绰绰有余，只是如何进行合理的商业化普及，这是一个大门槛。

门槛最核心的问题就是无人驾驶汽车的成本。

其中，核心的神经网络深度学习芯片不难，跟着摩尔定律的步伐，英伟达们用不了多久就有能力拿出低功耗高性能的产品，不管是L4还是L5级别功能，都用不了太久。

难就难在无人驾驶的“眼睛”上！这个眼睛不是别的，就是新闻中经常看到的激光雷达，这玩意是用来观察探测汽车周边路况环境的，没有了这个传感器无人驾驶基本就不存在了。

激光雷达

关于激光雷达的信息，关注军事的读者能如数家珍，常混B站的二次元也都撸过局座“雾霾防激光雷达”的鬼畜，就算普通小白听到“雷达”两个字也能猜出来这东西是干什么的，价格有多贵。

虽然自动驾驶使用的激光雷达，跟电视上那种直径上十米大锅的雷达大相径庭，甚至长得神似酒吧舞池里的追光灯、新闻发言人面前的话筒架，但价格还是严正的宣示了自己是个“雷达”的事实。

集合了各种检测传感器的Uber无人车

无人驾驶汽车激光雷达生产商Velodyne销售的64 线激光雷达价格高达 7.5 万美元，一台激光雷达比一台整车都贵！而且不同设计一台车需要的激光雷达数量不同。去年年末Velodyne又推出了128线性能更高的新产品，到今天也没公布价格，不知道是不是怕传出去影响无人驾驶市场发展。

当然，Velodyne其实也推出了“廉价”版的16线激光雷达，价格也是 7999 美元起步。

价格贵也就算了，产能还跟不上，现在国内外几十家生产车用激光雷达的厂商产能加起来都不够各家无人驾驶公司分。Velodyne的产品排队排到了9个月以后。

此前王劲与百度的商业机密纠纷中，爆出王劲的景驰在成立半年的时间里，就弄到了数十辆无人驾驶测试车，让业界艳羡不已议论纷纷。毕竟王劲在百度时，负责过激光雷达的采购与产业链的梳理，还曾喊出“要把64线激光雷达的成本降至500美元”的“小目标”。

小小的雷达把整个市场都憋出病了！

谁代表未来？方向比努力更重要

激光雷达贵也就罢了，大规模量产需要时间周期也能把握，不行用在特定用途上逐步缓解高成本难题，这些都好说。

难就难在现在的激光雷达技术正面临着淘汰，而新一代技术又摇摆不定！

当下，整个行业所产出应用的激光雷达，都还是机械式的旋转激光雷达（对，需要360°转着扫描），机械构件会严重影响高精密测量器件的精准度，所以必将被淘汰。

头顶旋转激光雷达的Google无人车队

新一代的激光雷达研发方向是固态激光雷达，集中在用MEMS微机电系统和OPA相控阵系统替代现在的旋转机械构件上。

MEMS微机电系统，就是使用微型电机技术带动镜片反射折射激光到车身的不同角度进行高效采样，OPA相控阵技术则是让激光发射器直接根据电流的变化，发出指向不同角度的激光。按精准度灵敏度来看，OPA远胜于MEMS，不过在市场化上要落后很多。

MEMS在防抖相机系统里非常常见，技术相对成熟，更容易普及，市场已经有相关样品推出。OPA则还在实验室处于概念展示阶段。

这只是激光发射端遇到的问题，接收端问题同样严重。

第一个是有效距离问题。

激光发射返回接收是有距离限制的，超出距离无法被有效监测到。当然，提高激光强度，可以部分解决这一问题，但当下采用的是波长905nm的激光，达到一定强度后，将会烧伤人的视网膜。

为了解决这一问题，只能增加激光波长，普通的硅传感器检测不了长波长激光，于是不得不采用价格更高的砷化铟镓（InGaAs）。这种材料生产规模不如硅芯片那么大，加工工艺难度也就更大，价格当然也就更贵！

第二个是抗干扰能力。

激光接收端面对复杂的光源环境，在一些炫光条件下经常会出现失灵状况，就像司机碰到对面开远光灯是一个心情。这对于承载用户生命安全的汽车来说，是致命的缺陷。

当下的激光雷达接收端只能检测到光脉冲信息，用来跟发射端匹配得出激光源从发射到回收的时间，从而确定被检测物体的距离。这一技术被称为TOF飞行时间，即光在发射过程中消耗的时间。这也是抗干扰能力差的核心原因。

而更复杂的CWFM连续波调频技术则能检测到更多激光信息，其原理是将反射回来的激光与刚发射出来的激光放在一起进行干涉处理，得到干涉图样即可分析出被检测物体的距离与速度。这直接解决了炫光带来的干扰。

但如果想达成CEFM连续波调频技术，就必须设计更复杂的激光发射系统。

第三个是软件算法匹配。

上边每一种不同的技术方案，都需要从零开始设计激光雷达的硬件架构、算法系统，而这些技术都有可能在近两年内获得重大突破而快速普及，也有可能长期没有任何进展。

这对于相关无人驾驶公司来说，一旦押错宝选错技术方案，就将面临着被市场淘汰的风险。在技术方向还不明朗的现状下，谁都不敢轻举妄动。

这些问题加在一起，使得激光雷达的技术路线难以落定，成整个市场暂时陷入停顿。最终也造成了一个让人心酸的情况：

其实包括Velodyne在内的多家厂商已经能够实现激光雷达大规模量产，年产量百万台并不成问题，但现在市场上只有相关公司出于研发需求才进行采购，实际需求量并不高。如果真的建起大工厂生产，产品反倒卖不出去了，同时成本又高的吓人，也不能降价销售。最终，激光雷达无法进入大工厂生产。

结语

激光雷达未来会怎么发展，市场没有给出清晰的答案，但无人驾驶确实到了进行商业化的阶段。Drive.ai给出的短途出租方案也是有益尝试。

Drive.ai推出的无人驾驶出租车服务，目前还只聚焦于3、5公里“步行太长开车太短”这样的社区间短途出行。利用无人驾驶的特性免除停车难题，将技术无缝融入人们日常生活。

在很长一段时间内，Drive.ai的无人驾驶出租车服务还分配有专人常驻车内，并且还在远程提供专业人员随时待命对接操控，以确保其安全性。当然，常驻车内的员工是不需要驾驶车辆的，远程待命的专业人员也只是在路况复杂的情况下才会接入处理。

随着搜集数据样本增多，人工干预也会随之变得更少直至忽略不计。一个人能够管控的无人驾驶车辆也就随之增多。

这也是无人驾驶面临实际商业应用场景的一种升级迭代方式。无人驾驶也必然会从能承受高成本的观光营销类的B2B2C市场出发，逐渐走向实用。

另一方面让各大厂商犯愁的激光雷达技术选型问题，换个角度来讲也代表着这事是真的快成了！毕竟没有一家公司在乎还处于科幻概念阶段的技术投入。

以目前激光雷达微型化低成本化的方向来看，极有可能短时间内实现。只是现在市场追求的是更加完美能够稳步迭代的产品，毕竟开拓一个新市场并没有那么容易，还是静待供应链给出惊喜吧！

不过苹果能用五年时间，把微软Kinect一整套结构光技术塞进iPhoneX的刘海里，已经展示了当下半导体产业链的技术能力。

而在iPhoneX发布前，苹果一直在研发TOF飞行时间技术，这跟现在的激光雷达技术一致。未来环境动作识别技术集中在CWFM连续波调频技术上，加上苹果也已经入局无人驾驶，靠着苹果的供应链能力，会带来更多好消息。

另外Google百度这样的企业也在出手投资激光雷达企业，个个奔着低成本量产的目标而去。大厂商们布局所有赛道，会卡准应用场景核心标准的专利技术。无论雷达贵不贵，他们都是要率先进行小范围商业化内测的。

你我离无人驾驶时代只差一台激光雷达，这个目标并不遥远。