日期:[2021年04月21日] -- 每日经济新闻 -- 版次:[04]

A股爆炒智能出行 激光雷达商用提速 华为、大疆等纷纷加码,谁才是头部玩家?

每经记者 陈鹏丽 每经编辑 陈俊杰
  今年是激光雷达前装量产元年,车企明里暗里都在较劲。小鹏提前发布新车,无疑杀了对手一个措手不及。此前,北汽新能源旗下极狐与华为联合打造的“阿尔法S华为HI版”宣布于4月17日发布。被小鹏P5“截胡”了“首款”之后,4月16日,一个阿尔法S华为HI版新车在城市开放道路全网首试的视频走红网络。据透露,这辆新车将于今年第四季度量产交付。
  对于车企而言,要上市并量产搭载激光雷达的自动驾驶车不是易事。但这背后,其实更考验的是激光雷达厂商的批量交付能力。这个能力核心是两个词:技术和成本。时间回到2015年前后,当时,中国乃至全球的激光雷达市场都被Velodyne垄断。市场紧俏、技术门槛并非高不可攀,让中国商家看到了机会。2015年末,邱纯鑫所创立的速腾聚创果断开始研发针对无人车和专业机器人的多线激光雷达。几乎同时盯上这条赛道的还有禾赛科技。5年过去,禾赛科技、速腾聚创都成了中国的激光雷达头部企业。
  近两年,随着激光雷达产业逐步成熟,华为、大疆等重量级别选手也陆续入局。《每日经济新闻》记者注意到,伴随着自动驾驶市场的打开,一场激光雷达的战争才刚刚开始。而智能驾驶概念股已是闻风而动,4月19日,多只自动驾驶概念股集体飙升。长安汽车、东风汽车、小康股份等17股封死涨停板。
 
 几年时间,国产厂商是如何崛起的?
 
 2019年12月的一个下午,Velodyne中国区员工收到一封邮件。这封邮件通知他们,必须在规定日期前返回Velodyne位于北京的亚太区办公室。而当他们赶回北京办公室时,等待他们的却是公司裁员的决定。
  Velodyne亚太区办公室人力资源副总裁Sheetal Pate,一个在Velodyne内部颇具影响力的女人罕见地出现在他们面前,Velodyne雇佣来的第三方法务代表代替她全程宣布和处理裁员事宜。
  一切似乎很平静,被裁撤的10位中国员工也平静地离开。裁掉这10位中国员工,相当于裁掉了Velodyne在中国市场的“大半壁江山”,因为在裁员前,Velodyne北京办公室也不过20来名员工。
  纸包不住火。当晚,虎嗅就率先曝出了这个震动行业的新闻。Velodyne方面的解释是,裁员并非完全退出中国市场,只是在中国的生意模式从直销转为代理销售。然而,不可否认的是,那次裁员风波之后,Velodyne在中国市场的声音逐渐减弱。
  翻开全球激光雷达发展史,第一章就是Velodyne。它成立于1983年,做音响起家。2005年,Velodyne创始人Dave Hall为自动驾驶汽车比赛——Darpa挑战大赛制作了一个激光雷达,从而开启了激光雷达在汽车上应用的先河。此后十多年,Velodyne 一直垄断着全球的汽车激光雷达供应。
  作为行业鼻祖,Velodyne在激光雷达上发力非常猛。2016年,Velodyne将核心业务激光雷达部门剥离,另设新公司Velodyne LiDAR。2020年,Velodyne LiDAR成功在纳斯达克上市,成为全球激光雷达第一股。据公开资料,刨除卖给政府的部分,Velodyne在2015年和2016年的销量分别达3000台和5000台。到2018年,Velodyne手握全球80%激光雷达订单。
  Velodyne垄断激光雷达市场的那个年代,激光雷达到底有多贵?2012年谷歌公开其无人车成本,总成本15万美元,最贵的元器件是Velodyne的64线激光雷达,售价7.5万美元,占整车成本一半;2016年8月,前百度高级副总裁、自动驾驶事业部总经理王劲曾“吐槽”,百度2015年12月买的激光雷达是70万人民币一个,2016年费用降到50万人民币一个。
  如此厚利的市场,自然逐渐吸引了不少创业公司的关注。2014年,邱纯鑫决定走出大学实验室,走上创业道路。他拉上哈工大实验室的同学、老师一起创办速腾聚创。由于从博士到博士后一直钻研激光雷达,邱纯鑫的初创公司一开始做的是三维静态激光雷达产品(主要应用在工程建模)。
  2015年,邱纯鑫留意到了在全球无人驾驶的产研转化逐渐开始。一番思索和斟酌后,他毫不犹豫地开始无人驾驶的动态激光雷达研发。
  邱纯鑫刚创立速腾聚创之时,没想到自己会踏入汽车用激光雷达领域,李一帆也是。2013年,在美国留学的孙恺、李一帆、向少卿在硅谷创办了禾赛科技的前身,次年禾赛科技落户上海。2016年初,禾赛科技才开始自主研发激光雷达。
  2015年~2016年间,中国涌现的一批汽车激光雷达玩家还包括镭神智能、北醒等。他们的目标均是希望凭借自身力量,挑战海外激光雷达霸主的地位。近两年,以大疆、华为为代表的科技公司也入局分羹。其中大疆内部孵化出了览沃科技(Livox),华为则在武汉专门组建万人团队,集中攻克高线数、低成本的激光雷达产品。
  总的来看,这些国产厂商虽然入局较晚,但在技术攻坚和市场占领上颇有“后来者居上”之势。
  从时间线上看,Velodyne从涉足汽车激光雷达,到推出128线激光雷达用了12年时间,而禾赛科技和速腾聚创仅用了不到4年时间。2020年底,速腾聚创的全球首批车规级固态激光雷达RS-LIDAR-M1已经批量出货发往北美市场。也就是说,国内激光雷达厂商用了5年时间,在技术上已经追平甚至超越了Velodyne。
  除了技术上的攻坚外,国产厂商另一个决胜的重要因素是更优的成本。此前,Velodyne的VLS-16定价高达8000美元,64线产品一个卖到7.5万美元。而以禾赛科技为代表的国产厂商一直坚持与Velodyne拉开价格差距,用性价比击退对手。这就有了Velodyne裁撤其亚太区团队的事情。
  国产厂商为何能快速崛起?旭日大数据董事长孙燕飚表示,激光雷达的核心是算法,通过激光雷达远距离扫描获得的物体形象是模糊的,需要通过大数据算法还原物体的外观。过去多年,随着华米OV的发展,国内的算法公司有充足的研发经费和时间去做技术研发,提升算法。
 
 胜负未分,自动驾驶也有派别之争
 
 近年来,海内外不断有新玩家加入,激光雷达有了更明确的应用前景。
  2020年,对于激光雷达行业而言有分水岭的意义。去年下半年,海内外不少电动车车企发布激光雷达“上车”的消息。去年9月,北美豪华新能源车企Lucid发布的Lucid Air搭载了一颗125线激光雷达,这款雷达的供应商是中国的速腾聚创,预计今年二季度量产;10月,小鹏宣布将推出首款量产激光雷达的车型;北汽“极狐”也明确2021年将量产搭载3颗激光雷达的新车;此外,本田LEGEND、奔驰S级、丰田雷克萨斯LS、长城等厂商也陆续宣布2021年要上市激光雷达车型。
  “在我看来,还是中国的企业相对更激进一点。海外车企可能更多还持观望态度。”一位激光雷达行业人士告诉《每日经济新闻》记者。
  海内外车企大动作背后,激光雷达在全球掀起资本热潮。去年9月底,Velodyne一马当先成为激光雷达第一股;12月,Luminar也成功登陆纳斯达克。进入2021年,Aeva、Innoviz、Ouster目前已经相继完成了上市。国内,禾赛科技也积极尝试冲击科创板,不过最后未果。
  激光雷达(Light Detection And Rangin),简称LiDAR。从定义上看,它是一种集激光、全球定位系统(GPS)和IMU(Inertial Measurement Unit,惯性测量装臵)三种技术于一身的系统,用于获得数据并生成精确的DEM(数字高程模型)。技术原理是,通过激光器和探测器组成的收发阵列,结合光速扫描,激光雷达可以实现对所处环境实时感知,获取周围物体的精确距离及轮廓信息,以实现避障或自主导航功能。
  事实上,在自动驾驶感知层技术路线上,业内一直存在两派:一是以摄像头+毫米波雷达为主、注重计算机视觉算法的视觉主导派,以特斯拉为代表;二是以激光雷达为主、毫米波雷达、摄像头等为辅的激光雷达派,以小鹏等为代表。
  2020年,激光雷达行业发生过一场著名的“隔空互怼”。这场“口水战”的主角正是高调敢言的特斯拉CEO马斯克,以及小鹏汽车的创始人何小鹏。
  马斯克一直对激光雷达不看好。2019年4月,马斯克在自家的一场新品发布会上曾炮轰激光雷达:“谁依靠激光雷达谁就会完蛋”,“激光雷达太蠢了”,“像阑尾一样”,“我们要抛弃激光雷达,记住我的话,这就是我的态度”。
  到2020年11月,当小鹏汽车发表声明将在2021年生产的车型上采用激光雷达技术时,马上引来马斯克的“围观”。他称:“他们(小鹏)有特斯拉的旧版本软件,没有我们最新的神经网络计算机。”随后马斯克还直言小鹏抄袭特斯拉旧代码,偷了苹果的代码。
  何小鹏当然不能忍,他发布一条微博以回应。“看来我们发布的包含激光雷达的小鹏下一代自动驾驶架构,让西边的某人很不爽。”“明年开始,在中国的自动驾驶你要有思想准备被我们打得找不到东。”
  马斯克拥护视觉主导的原因是,“人类开车都是完全视觉驱动,为啥到机器就非激光雷达不可了呢?”而且他对特斯拉多年沉淀的全视觉感知算法颇为自信。
  不过,多位业内人士在接受记者采访过程中直言,特斯拉之所以不用激光雷达,其实主要还是成本问题。据了解,特斯拉所运用的单目摄像头成本在150元到600元之间,更复杂的三目摄像头成本也不过千元以内。
  而对比之下,激光雷达的成本要贵不少。举个例子,2020年初,览沃对外推出两款激光雷达产品,其中Livox Horizon零售价低至6499元;Tele-15零售价低至9000元。显然,即便这样也要比复杂的三目摄像头贵很多。
  目前来看,三目摄像头的价格优势仍然十分明显。前述激光雷达行业人士也告诉记者,“现在做到1000美元以下(激光雷达),一般会装在高端车;500美元以下(激光雷达)多应用在普通、大众的车型;200美元以下(激光雷达)就是搭载在大众都用得起的车型上。”
  激光雷达就一定是自动驾驶的未来吗?速腾聚创相关负责人在接受记者采访时表示,“目前,L3-5级无人驾驶乘用车使用LiDAR已逐渐成为行业标准,在咨询机构Yole 2019的报告中预测,汽车雷达市场规模在2024年将超过80亿美元。”
  高新兴高级副总裁、战略品牌总经理吴冬升告诉记者,毋庸置疑,绝大多数自动驾驶领域企业都会使用到激光雷达技术。相对于计算机视觉技术,激光雷达技术优点是安全性上会更高。“我们知道,自动驾驶最重要的就是要求‘安全’。当然,其缺点是成本会更高,不过近年激光雷达的成本一直呈下降趋势。”
  他提到,当前L2级自动驾驶感知系统主要由毫米波雷达、超声波雷达、摄像头等车载传感器组成。而单纯的计算机视觉技术存在精度、稳定性和视野等方面的局限性,无法满足L3级以上自动驾驶对于传感器的性能要求。“所以采用激光雷达技术将会极大地加速L3/L4自动驾驶时代的到来。2021年是L3级自动驾驶车型量产元年,激光雷达将成为标配。”
  不过,吴冬升也表示,“未来主流的趋势是多传感器融合共享,使用机器学习和神经网络等AI技术来分析多传感器感知数据。多传感器融合系统所实现的功能要远超多个独立系统能够实现的功能总和,实现1+1>2。”
  孙燕飚则认为,“目前阶段来说,这没有说哪一个技术路线更优,大家都在发展,最终的判定标准是谁的安全自动驾驶速度最快。”入局者众
 
 中国企业,位列第一阵营?
 
 根据安信证券今年1月发布的相关研报,海外激光雷达公司主要有Velodyne、Valeo、Ouster、Innoviz、Quanergy、Luminar等,国内公司不少也已跻身国际主要厂商之列,如禾赛科技、镭神智能、北醒、速腾聚创、北科天绘等。
  实际上,国内瞄准激光雷达赛道的还有大疆与华为。2020年8月,华为智能汽车解决方案BU总裁王军透露,“华为在武汉有一个光电技术研究中心,该中心就正在研发激光雷达技术,目标是短期内迅速开发出100线的激光雷达。”据了解,华为是从2016年开始预研激光雷达产品。
  记者了解到,当前激光雷达企业正在用自己偏好的技术路线参与全球竞争,抢夺车企的定点量产订单。据悉,现存激光雷达有三种技术路线,分别是机械式激光雷达、混合固态激光雷达以及全固态激光雷达。固态激光雷达又分为三种,Flash、OPA和MEMS。其中MEMS 最受拥护,具有体积小、低成本、易量产的优势。国内厂商中,速腾聚创在固态MEMS雷达上走得较深、较远。今年3月,速腾聚创开发的国内首条车规级固态激光雷达产线正式落成,公司研制的RS-LiDAR-M1也将在今年二季度启动定点项目量产交付。
  速腾聚创相关人士告诉记者,目前在全球大约有150家车载激光雷达企业。
  从体量上看,海外巨头中,Velodyne LiDAR 2020财年实现营业收入为9536.2万美元(约合6.25亿人民币);而Ouster 最新披露的财务数据显示,2020年公司(未审计)年收入为1890万美元(约合1.24亿元人民币);Luminar2019年营业收入为1260万美元(约合8710.75万元人民币);Luminar估计,公司2020年年底的收入将达1500万美元。
  从销售量上看,早在2017年,Velodyne LiDAR在全球就总计销售了十多万个激光雷达。
  对比之下,国内巨头禾赛科技2019年营业收入是3.48亿元,2020年1~9月营业收入是2.53亿元。禾赛科技的激光雷达销量2019年是2890套,2020年前三季度为2132套。速腾聚创等国内其他厂商则尚未对外公布过其销售或财务数据。
  从企业估值上看,截至北京时间4月17日,Velodyne LiDAR的总市值是25.19亿美元;Luminar的总市值是60.02亿美元,成为全球市值最高的激光雷达上市公司。
  而禾赛科技的招股书显示,禾赛科技目前的估值约是133亿元。
  从收入规模及估值上看,全球是Velodyne与禾赛科技走在较前面。不过,从技术积累及量产经验而言,海内外厂商几乎是站在同一条起跑线上。
  孙燕飙则认为,自动驾驶上,国内厂商是在迅速赶超,因为中国拥有广大的用户群,后装市场特别大。目前激光雷达市场还是处在比较初期阶段,全球来看,中国激光雷达厂商与国际厂商相比还有差距。“中国厂商现在是处于第二梯队。差距主要体现在软件层面,一些高端的激光雷达器还是依靠德国、美国的进口。这不过我认为,未来3~5年,中国厂商在这领域整体会赶超。”
  吴冬升表示,今年是激光雷达前装量产的元年,已推开了黄金时代的大门。目前,大部分激光雷达路线的规模化应用,都面临着上游元器件及半导体工艺不成熟障碍,或旋转电机的相关问题。此外,激光雷达真正要进入量产,智能化和软件感知算法将是更大的挑战。