进击的华为，真能打下高成本？
诚然，就激光雷达的成本问题而言，特斯拉还真就看不上这一路经。目前，激光雷达成本高昂，动辄就是上千美元至上万美元不等，相比之下摄像头的硬件成本才几百美元，其中成本差距近乎十倍以上。
也正是如此，激光雷达虽然具备明显的技术优势，但是很难量产大规模应用。可以说，成本问题是激光雷达应用最明显的瓶颈，谁能解决这个问题，也就将有机会颠覆目前的市场格局。
显然，华为看到了这一点。此前，在第十二届汽车蓝皮书论坛上，华为智能汽车解决方案BU总裁王军便透露，华为未来计划将激光雷达的成本降低至200美元（约1390元人民币），甚至是100美元（约695元人民币）。
此言一出，业内哗然。
紧接着，「智能相对论」看到，在12月的T10 ICV CTO峰会上，华为正式发布旗下设计开发的96线中长距激光雷达产品。几百美元的成本区间一时在市场上引起诸多热议，相比此前大疆发布的千元级汽车激光雷达，华为进一步将成本价打了下来，说是腰斩也不为过。
尽管王军表示，“暂时还做不到此前宣称的100美元……”但是，从高管发言到产品发布，华为的这一波也确实为其进军激光雷达领域赚足了市场热度，也为智能汽车产业的激光雷达阵营添足了筹码和底气。
但是，又不得不说，在相关价位的产品还没有正式上线、量产应用的情况下，类似的语不惊人死不休的发言倒是与特斯拉有异曲同工之妙，很是吸引眼球。
实际上，盯着激光雷达成本打的玩家不光是华为，而真正要将整个激光雷达产业的成本降下来也并不容易。细说起来，可以在三个方面大致了解一下。
其一，车规认证。
从经济管理的角度来说，一个产品若要降低成本，规模化生产是最常态的路径。产量上来了，成本也就随之降低。而在激光雷达领域，若是实现量产，第一步首先是获得车规级认证。
然而，车规本身认证周期比较长，需要做数百项测试，历时2－3年才能完成。这在无形中就拉长了激光雷达实现量产应用的周期。
目前，整体量产市场规模几乎为零。直到小鹏、北汽、长城等车企相继公布其对于车载激光雷达的产品规划，我们才能在市场中看到2021年激光雷达产业或将进如量产元年的信号，可见激光雷达车规化之困难。
其二，产品工艺。
禾赛科技发现，激光雷达成本居高不下也存在产品工艺上的问题，即产品集成度过低，每一线（每个收发通道）都需要两块电路板、数个芯片／器件来实现，同时每一线都要进行精密装调，生产过程复杂，随着线数的增加，成本便呈指数级上升。
也就是说，如果不改良产品工艺本身，哪怕是进入量产阶段，在成本控制上仍存在冗余。对此，禾赛科技希望通过自研激光雷达专用芯片来解决，即把数百个激光收发通道都集成到几颗分别负责发送和接收的芯片上。
过去，32线机械式激光雷达需要安装32个收发系统，而在新的工艺下，这32个收发系统都被集成到芯片中。也就意味着，一颗激光雷达所需的装调次数从原来的32次减少到1次，装调工作量下降了97％（31／32）。
那么，基于芯片化的升级，激光雷达不仅可以解决量产的成本问题，还能进一步带来性能上的提高。当然，芯片生产进而又涉及到另外一个领域的讨论。
其三，生产流程。
既然要做到规模量产，那么生产环节自是不能忽略。据华为公布的信息，其第一条车规级激光雷达的第一条Pilot产线是依托华为在光通讯领域积累的精密制造能力以及先进工艺装备实验室的基础上建立的。
也就是说，激光雷达生产想要走量的前提，得先要深化生产制造技术。因此，Livox在复用大疆工厂的一套生产体系和流程的同时，也进一步创新了Dl－Pack封装技术，把多线激光器和接收器全部封装在小片子当中，同步实现激光器的自动校准，大幅度简化了繁琐的人工对准工序，保证量产能够做到高良率和高产能。
总结来说，借助先进的制造能力和生产体系来实现激光雷达生产的自动化，逐步成为当前产业巨头跨界的一个优势。伴随着接下来量产化的实现，这一优势也将继续放大。
小结
不难发现，从目前行业整体情况与产品本身、生产流程来看，激光雷达产业在2021年量产元年或将迎来车规化、芯片化、自动化的发展。届时，一批车规级的高性能激光雷达走下自动化生产线，服务需求日益增长的智能汽车产业。
当然，又不得不说，激光雷达当前仍然面临着精度、耐久性、散热性、适配性等技术难题，未来纵然少数几家大厂可以实现从0到1的量产，但对于整体的激光雷达市场和智能汽车产业而言，仍有不短的路要走。
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
智能相对论：
AI产业新媒体；
今日头条青云计划获奖者TOP10；
澎湃新闻科技榜单月度top5；
文章长期“霸占”钛媒体热门文章排行榜TOP10；
著有《人工智能 十万个为什么》
【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI＋医疗、机器人、物联网、AI＋金融、AI＋教育、AR／VR、云计算、开发者以及背后的芯片、算法等。
