本期视频传送门：
话题1、解密激光雷达是不是智商税？
话题2、特斯拉苹果灵魂人物都走了？
话题3、极氪花3亿芯片升级，亏麻了？
大小马聊科技，用毒辣视角，聊科技热点。
每周聊三个科技热点，我是小丹尼，我是大卫，我是电动Emma。
先聊第一个话题，激光雷达是不是智商税？我们上集挖了个坑，这集就给大家填上。这几年激光雷达在科技圈还有车圈都特别火热。很多人知道激光雷达都是从两年前苹果把激光雷达放到 iPhone 上。
再到最近各种智能电动车，要不就配一颗，要不两颗，甚至四颗激光雷达。
我们老观众都知道，大卫花了差不多一辆法拉利的钱买了一排激光雷达，我好奇想问一下大卫，我们都知道这两年各种激光雷达明显便宜了很多，你花那么多钱买激光雷达，觉得自己是不是冤大头？
19 年的产品三年折旧已经在财报上清零了。作为固定资产，它的使命已经到了。但是是这样，你在陪着一个技术成长，本身我们公司也在做自动驾驶，有很多前期客户因为相信我们，购买我们的产品。所以我觉得这里不存在冤大头，只存在早起的鸟儿有虫吃。
我尽早地把这个东西的好处和不好的地方发掘出来，然后改进做到产品里面是会更好的。
当然你说一个产品有没有半道被淘汰的时候，当然也有。比如说我不拿咱们行业举例子，我拿之前通信行业：英特尔花大价钱投资了 WiMAX ，最后这个技术没有用下去。但也不能说凡是跟英特尔合作买了 WiMAX 技术的都是冤大头。
我觉得不能这么想。作为普通消费者和真正作为从业者来说，其实消费是两种不同的思路。
刚才大卫说一点，我印象挺深的，你从头到尾都知道这个行业的各种优劣势，激光雷达到底哪些是比较核心的，参数或者是它的使用领域，是哪些擅长的？我觉得这个是作为从业者来说，了解从头到尾一个特别重要的过程。
对，我还要补充一点，在2017、2018 年甚至到 2019 年，那个时候你想买一个Velodyne 64 线的雷达，就是我们俗称大花盆，你敲门都不知道找谁，人家都不一定有配额给你。所以不是说这是一个买方市场，它纯粹是卖方市场。所以你想想当年做技术开发，它前期的准备要求是多复杂。
如果我们普通消费者，我们不想花那么多钱去买这些激光雷达，但是又想比较快地了解它们的优劣势，你能给我们科普一下吗？
激光雷达大家以为它是个很神秘的东西，其实它并不神秘。首先激光雷达有几个部分组成，一个是它的光源，这个光源就是我们拿来检测物体跟你之间距离的。
还有光源它以一个什么形象或者方式，变成了可以把你前面整个面或你周围全部扫描出来的一个方式，我们把它叫做 steering 就是它的动力或者你是怎么摆弄这个固定光源，让它变得可以旋转的。
第三个部分是大家有的时候会忽略掉，就是它背后的物理学原理。大家很少关注一个雷达真正的物理学原理。但实际上雷达总的来说就两种，一种是 Time Of Fly 简称TOF，另外一种叫做 FMCW ， FMCW 利用的是多普勒原理。
实际上有些观众听到这已经开始烦了，说你能不能讲点轻松的。
OK 这两个回头在视频版本直接把它的原理贴出来。
讲回光源，我们知道光从可见光到不可见光，再到微波，实际上它是从二百多纳米一直到很大的一个范围。那么不同的激光雷达实际上使用的是不同的光源，有 850 纳米的，有 905 纳米的，有 1550 纳米的等等。
那么这个光源其实是决定了几件事情，一个是它的成本，一个是它打出来的光是不是有很好的穿透性。比如说 850 纳米的，它越接近近红外，第一是越容易被背景噪声给（影响），太阳光本身也是一种电磁波，它可以会跟 850 纳米有很多噪音。
第二是它对水的穿透性或者说起雾了，它的穿透性就没有 1550 纳米那么好，同样 905 纳米也是。
905 纳米或者说越接近可见光的光源，还有一个问题，它如何对我们人眼保持一种安全，它的功率不能开得太大，这也是为什么我有一次在我朋友圈发了个照片，说只要不考虑成本和人眼的安全，可以把一个激光雷达做得跟一个天文台那么大，甚至你可以打到月球再把它反射回来。
有一个很著名的实验就是打到月球再反射回来，我回头给大家贴个图，军用的雷达都不考虑什么人眼安全和成本，所以它可以做得巨大。
所以这东西要上车，要考虑刚才我说的这几点。当然还有一点就是车本身是一个移动体，车本身有震动。那这个雷达怎么针对这些震动做一些降噪的？
这里面就要涉及到光源它的旋转或者震动的方式了，这个才是 mechanical 就是机械式雷达， MEMS 这种我们叫做半固态。
或者有些人把 MEMS 微机电雷达归为全固态，其实这是不对的，包括像大疆的这种叫 Risley Prism 叫一个棱镜，它就是两个镜子可以旋转，
还有跟我们公司关系比较好的，像美国的 Ouster 它是完全Flash 面阵的雷达，这个就是完全固态的。
所以固态它其实强调雷达里面无论是发射源还是接收源，还是整个 steering就是让雷达动起来，这部分都是没有任何机械的，就像机械式的硬盘和固态硬盘的区别一样。
实际上对于一个车来说无论是我们惯用的摄像头，还是我们之前惯用的毫米波雷达，都是没有任何机械式部件的，真的就是一个板或者说像摄像头它一个 CMOS ，但它没有任何机械部件，所以激光雷达也要做到最好没有任何机械部件，才稳定才可靠。
因为车它是在震动的，它有各种工况，如果产品本身也有机械震动的话，它会跟车在某一个频率共振，但这个镜子或者说雷达就坏了就碎了，返修率就会很高。
刚才大卫给大家介绍了很多关于激光雷达的参数，包括各个有关激光雷达，怎么评判它好坏。
我之前也查过，禾赛之前想要上市，自己也递交招股书了。
虽然后来没有上市成功，但招股书里头还是有很多干货可以值得大家看一下的，到时候我也会把链接放到我们评论区置顶。招股书里头其实提到了激光雷达有一些显性的评估参数，还有一些隐性的评估参数。
其中显性的参数就包括了比如说测远能力，点频、角分辨率视场角范围就是 FOV， 还有测距精度，测距准度，还包括它的功耗、集成度什么的。
那大卫你尝试过各种激光雷达，在你测这些激光雷达的时候，你会对哪些参数会更看重？
这个问题我们要这么看，是取决于产品，我们给客户定制的产品或者我们自己的产品，它是上量的，上乘用车的，还是拿来做服务的。首先要把它区分开，我们再讨论这个问题才是现实的。
比如说像国内的蔚小理这些用激光雷达的公司，他们最终的激光雷达都是要上量的，十万二十万甚至 100 万台，所以成本是一个考量以外，我怎样满足目前 L2 级的这些场景。
但我们如果做服务，就像大家可能在有些主流城市看到的 robotaxi ，无人出租车，这是针对 L4 领域做的，这个服务是 24 小时乘以 7 天这样去服务的，它不太能让车休息，或者说本身是作为生产力工具的一部分。
它不像家用车，一天是有固定时间开的，所以我们更要的是它的稳定性，不太会关注它的成本。
那么在稳定性里面我们更关注的什么呢？其实几个点，一个是它的距离，一个是点云的质量，包括它的精度，还有它的FOV 。而且不是单纯这么谈，因为一个车它有很多的盲区，我们还要跟不同的传感器做多传感器的融合。谁的点云跟什么样的 camera 去融合，就是跟相机融合，有时还加上一些毫米波。
我们在做这个设计的时候，实际上是一个系统工程，既考虑成本，也考虑它的稳定性，也要考虑不同 FOV 远中近，还有神经网络模型，甚至到最后一步，我的点云是一坨巨大的点云。
哪怕现在我们可以把激光做到 256 线，这 256 线一秒钟产生的数据量，一帧产生的点是在 30 万点，这 30 万个点，乘以 10 就是一秒 300 万个点，这是个很大的数据量。
而且每一个点还有多个维度，xyz还有它的 intensity 就是强度信息，这么大的数据，你滚到一个 data 的包里面，丢到 GPU 里面， GPU 都要爆了，所以还要考虑这部分问题。
所以不是说雷达只占了自动驾驶系统的最重要的一部分，就越远越好，点云越多越好，也不完全是这样。
那你觉得现在量产车里面有没有哪一款是把激光雷达，和车融合得最好一个产品？
我只能说在 robotaxi 领域比如说Waymo, Waymo 甚至连雷达都是自己做的，当然 Waymo 以外还有几家头部的企业，我这里就不点名了，我只是说一下他们的方法。
第一个是把激光雷达和各个传感器做到了真正意义上的前融合或者说激光和摄像头包括毫米波，它的融合精度非常高。
这个是一点，其次就是非常耐锤，非常耐用。我们早期激光雷达可能三个月，你在外面风吹日晒的就有各种问题了，那么现在基本行业内能做到两年。但实际上你想想，两年对于乘用车来说是个很短暂的寿命。所以这也已经是很大的提高了。
还有一些就是雷达的散热、安装方式、线束管理，这就是个比较系统的工程。
刚才大卫提到了 Waymo 自己造激光雷达，其实最早的时候它测试车的时候用的都是 Velodyne 的激光雷达，因为太贵了，要 8 万美金以上，算上各种的零部件，差不多要人民币 100 万了，这个肯定是承担不起的。
甚至他们之前还策划一档节目，开着自动驾驶车在湾区送披萨，就是为了证明自动驾驶可能是可行的，但背后搞了一堆警察给它清路，专门的路线测试好多遍，为了节目效果，准备了很多。
后来因为激光雷达用 Velodyne 的太贵了，就自己搞激光雷达，包括现在像华为，大疆，我们上集也说了，他们自己也造这些激光雷达，都是把成本压了很多，甚至还有一些争议。
我们也都知道自动驾驶分成两大路线，一大路线就是特斯拉这种视觉的最基础的。我们之前讲过，我还问过大卫这个问题，以后激光雷达便宜了特斯拉会不会采用激光雷达？当时大卫的答案是不会用激光雷达。
但我们也知道，激光雷达它确实是在某一些特定的场景下，比这种纯视觉的方案要更有优势。比如说它测比较静态的障碍物，或者是在黑夜里，或者测远能力比较强，能看到几百米以外的障碍物，所以确实有一些优势。
大卫你觉得激光雷达以后在车载包括在 robotaxi 上，数量上或者它的使用场景等会越来越普遍吗？
肯定是会越来越普遍的，我这里有两个大胆的猜测，给大家分享一下，一个是激光雷达，越来越会长得像一个相机，其实相机和激光雷达在大部分原理上是相同的，只是说激光雷达多了一个主动发光的一个物体。
因为我们知道相机看到的世界实际上是因为太阳或灯照亮了这个世界。然后相机的 CMOS 传感器只作为一个 receiver 接收到了光子，激光雷达是有一个发射光子的发射器，激光还有一个接收激光的接收器。
所以像 Flash 雷达都是最有潜力做得很像相机的，而且大家如果去搜索一下或者我给大家贴个图，确实长得很像相机，如果把它的发射器拿掉，它就是一个镜头组，就是我们叫SPAD的一个面阵了，就很像相机。
所以这是一个方向，具体说放多少个，要看场景的定义。之前有一个国内的自动驾驶公司老板说只要一个就够了，那祝他好运吧。
因为一个激光雷达，它所能覆盖的 FOV 就是在固态激光雷达领域是非常窄的，也就是 100 度左右，就是你前向 100 度不足以 cover 各种在路上遇到的情况的，甚至不足以 cover 很多基本的 corner case （极端情况）。
另外一个方向就是 FMCW ，我越来越意识到FMCW 这种雷达的先进性。
这个领域有一家在美国纳斯达克的上市公司叫Aeva ，我们最近也在跟它接触雷达。
FMCW 这种雷达有一个好处，它不但让激光雷达本身拥有了传统激光雷达的 xyz 和 i 信息，它每一个点云都具有速度信息，因为光波多普勒的物理学原理决定它可以任何一个点云都有速度信息。
我们想象一下，我们传统的自动驾驶是需要激光雷达跟摄像头融合。
无论是否融合，激光雷达的数据经过神经网络，我们需要做在神经网络层面做图像的分割或者语义的分割等。FMCW 打出来的雷达点云本身可以把静止物体和移动体直接分开，因为它靠速度信息直接就分开了，这个太先进了，太前卫了。
所以我能想象五年左右的时间点，FMCW 甚至会把目前的毫米波雷达都干掉。
因为它雷达本身具有激光雷达的优点，又具有传统毫米波雷达的优点，它合在了一起，而且还很小，且成本基本上按照 roadmap 的话，在五年之内能做到两三百美元，基本上就把毫米波雷达市场挤得没有了，没的做了。
这个太革命性了，因为很多意外都是你没有办法侦查这个东西，到底是静还是动。很多的静物在那里，你就直接撞过去了。
我看 Aeva 给我们的演示，它直接就把路面和两边的树，还有行人，还有车直接就分开了，不需要经过神经网络直接在数据层面做剥离，你打到周围的静态的东西，它没有速度，那直接就剥离了。
但这件事情在传统的，现在我们说传统也就是四五年前的时间，在传统的机器学习当中，实际上是用神经网络的形式来做分割的，路面和行人甚至是周围的树木都是要用这种方式做分割的。这个就浪费算力了。
FMCW 雷达在这方面直接就省去了传统激光雷达所用的这部分，所以我觉得马斯克说话当然是很有意思、很对。
而且无独有偶，这家雷达公司 Aeva 里面很多工程师都是 Space X的，所以只能说马斯克他不喜欢雷达这件事情不成立，他只是不喜欢雷达在车上。
大家仔细想一下这个事情，不是说他不喜欢雷达，不喜欢雷达的话 Space X 的人在干嘛呢？对吧？
还有一个观众比较关心的问题，就是激光雷达比如说在车上用得比较多了，以后满大街跑的车上都放着激光雷达，会不会对我们人眼或者是其它的器官造成伤害？
因为之前我也看有一些车企，像蔚来它用的自己投资的那家公司Innovusion 的激光雷达，宣称自己激光雷达波长用的是 1550 纳米的。
就相比于 905 纳米 或是 850 纳米的要更长一些。
他们说这个距离人眼能观测到的波长范围距离会比较远，所以这个相对来说对人眼的害处是有限的。
但其实激光雷达还没有大批量地布局在车上或者是路面上的话，谁也没有测试过这些到底对人眼有没有危害，你觉得呢？
是这样的，所有的激光雷达就是我们指的能买到的这些，在显著位置的标签上都会写着 FDA 认证，Laser一级人眼安全都会有这个。否则你说我那一桌子雷达开起来，我们公司上不上班了。
真是大头了，而且这个问题本身就挺有意思的，因为通常在一个技术开始就是往上走，但又还没有完全被量产的时候，大家就会觉得这个东西有辐射，可能会对人不好，一旦它真的大规模量产了，这个问题就突然消失了。
我明白蛋泥那个问题，或者说 Innovusion 的宣传点我也懂，这里面是要这么比的，就是在相同的功率下面，905 纳米不如 1550 纳米光源的穿透力，只能这么比。所以我可以把 905 纳米光源功率开大，但功率开太大，对人眼就有伤害了。
所以目前激光雷达行业是做了个妥协，就是 905 纳米或者说越接近可见光范围的，我们把功率调低一点，那 1550 纳米的可以把功率调得很高，所以这个是它的优点，而不是说它就对人眼完全无害。
是的，还有一个大家比较顾虑的，其实两年前 iPhone 就把激光雷达上了，包括之后的 iPad Pro ，基本上之后的 iPhone 的顶配都会配一个激光雷达。
但其实它的应用场景包括应用的这些各种 App ，效果比较低于预期的，很少有人天天拿着激光雷达来玩。相对于这些摄像头来说，很多人也是拿它玩一下，给自己家建个模。
但是建模还都是比较印象派的建模，感觉一个电脑后边都是空的，一个桌子就没有腿的那种，经常出现这种情况，大家玩一玩就不用了。
包括苹果它自己，现在官网上也基本上不怎么宣传激光雷达了，都是说在犄角旮旯处，这个激光雷达可能在照夜景的时候对拍摄有一些帮助。
其实整个激光雷达在手机上应用我觉得还是低于预期的，以后会不会激光雷达在车上的应用，也没有大家想象的那么重要。
用户是不需要了解技术背后的原理的，用户只是想把产品用得很爽。所以我觉得最终用户是不会关心车上是不是上激光雷达，这一类消费者应该占总消费人群不超过0.5%。你说你买一个车，你开回家，老婆你看我这车买得多厉害，带激光雷达的。送你个生日礼物，带激光雷达的车。
你老婆会觉得你是不是有点毛病。
不过说起激光雷达除了车以外的应用，还有一个重要的客户就是考古学家。我也是最近看报道才知道，激光雷达在考古学上有一个非常重要的发现——玛雅文明。
玛雅文明是集中在美洲中部的一个古代文明，那里因为有大片的热带丛林，所以如果是个考古学家，你在丛林里面又不能开车、不能随意砍伐那些树，就只能靠两条腿，两只眼睛去考古，非常艰难。
当时就有一对很出名的考古学家叫 Chase 夫妇，他们用了 25 年的时间，才发现玛雅城市很小的一部分，他们就越考越焦虑，感觉他们用几辈子可能都挖掘不完玛雅文明。
转机出现在 2008 年，他们跟一个教授聊到激光雷达，他们就想是不是能够像刚才大卫给我们科普的，用这玩意穿过树林来生成很清晰的 3D 地图，这样他们就能很快速地了解整个玛雅城的地形，所以他们就开始用这个技术，结果第一次生成图像的时候就震惊了。
他们一周之内采集的数据，比 25 年用人手采集的数据都要多，而且还发现了很多之前没有想到的一些考古发现。这之后基本上整个南美热带丛林的考古，都上了这种激光雷达技术，而且效果还特别好，发现了玛雅文明同时代的好几个古文明。
你们知道为什么，这么正能量的科技利用案例，这么大的发现，我们都没怎么听过？一个很重要的原因是因为这个发现跟欧美一直宣传的历史很不一样。
欧洲人登陆美洲之前，说这是一片没有怎么被开发，很少人居住的荒野。但现在用这些激光雷达考出来的东西就发现，这里其实不是荒野，而是一个人口很多，曾经很伟大的城邦，还有大量的农业。
从这个你可以推导出来，那些欧洲侵略者上岸之后，对于当时文明的破坏有多大。
我讲一个亲身的体验。一个月前我有幸去武汉大学，历史系的教授李工真老师他也是我一个忘年交朋友，我很喜欢他。
他带我去看敦煌展，武汉大学历史系和武汉大学测绘系联合作的，就在武大校园内，测绘系用激光雷达和三维重建技术把敦煌的大大小小的石窟基本上全都 1 比 1 复制了一遍。然后用 3D 打印技术在武大展把它全打印出来了，所以你进去看，可以看到 1 比 1 的石窟。
而且他们做了一个很有意思的事情，就是利用激光雷达把石窟扫出来之后，若干年会做一个对比，就留下了一个完整的数字的博物馆。
这个石窟到底有没有形变？因为如果地质灾害发生的话，可能会有些形变，那会做对比，包括把激光雷达、把全景的都采集出来，这是个非常有意思的事情。第一次让考古学离我这么近，离我的专业这么近。
好有意思，而且你们有没有发现就很多学科的崛起都是源于技术的发展。
或者说是交叉技术的应用，你说一个搞激光雷达的人，如果不遇到历史系的人，他可能未必有灵感去做这件事情。
对，包括我们前两天去的腾讯的深圳总部参观。
他们重点想宣传的一点，就是把腾讯游戏技术也可以用在这种无论是考古，或者比如说他们重建了古长城，这也就是刚才我们说的学科交叉，你可以把一些新的技术用在一些传统的行业，能碰撞出更新的火花。
今天我们聊激光雷达，我们也觉得它确实比如说之后量产了，可能会大规模使用，会有一些可能大家担心的风险。
但是整体来看，我觉得像这种新技术的广泛应用，包括交叉学科的使用，还是对我们整体的人类发展是有益的。
总而言之，我觉得激光雷达确实是一个很好的东西，目前来说它还面临的问题也蛮多的，成本、可靠性等等。
但是我们再给它多一点时间，或者说整个自动驾驶行业和激光雷达的关系，再往后五年，我们看不会变成现在的这种简单地说采买采卖的关系，可能会变成一体化的，激光雷达公司和算法公司本来身就绑在一起了，做出来一个端到端的方案。
那么用户也不需要了解你使用的是谁家的激光雷达，用的是什么样的算法，它就是一个小玩意，装上去你的车就具备了某种能力，如果你不选装也无所谓，我觉这才是一个比较好的体验。
我最后还有一个问题想问大卫，像现在激光雷达目前发展，我觉得还比较处于一个早期阶段。我想让大卫你推荐一些比如说我们需要重点关注的公司，或者是你比较看好的一些产品，或者是哪一些公司你觉得之后会大举的进入或大举的投入激光雷达，你觉得非常有潜力？
我刚才讲的公司叫Aeva 它就是 FMCW 领域的一家美国上市公司。
当然还有一个公司叫 Blackmore, Blackmore 被美国另一家很有名的自动驾驶公司 Aurora 给收购了，所以它变成 Aurora 的产品，这个 Aurora 公司大家可以去关注一下他们。
还有就是我们合作比较紧密的，像 Ouster 、Innoviz 这些都是在行业内做得比较好的，而且它们都是有绝对专利领先的，就是它们本身不是个 copycat，我也知道有些公司很容易做出来一个激光雷达，我可以跟大家讲做一个激光雷达在目前 2022 年，一点都不难。
你在实验室里买来各种材料，买来光学的光头，买来解码器，买来一个比如说 MEMS 本身做好的振镜，你都可以组装一个激光雷达，但你不能绕过去别人的专利，或者说不能把它做可靠。当然这也是为什么我们鲜有跟国内的一些激光雷达公司合作，一个是专利的问题，一个就是我觉得稳定性和可靠性还是差了一些，当然我不排斥，之后也会推广它们的产品。
不过我刚才说的这几家公司大家可以去看，我们统称为叫做雷达系统公司叫做 Lidar system company 它不是生产光头的，也不是生产解码器的，它不是生产某一个零件的，它是生产整个激光雷达的的系统。那具体的光头、解码器、 IC 都在各个版块，有自己的独门绝活的公司有很多。
刚刚大卫说的一列公司里面那个 Ouster 应该是钱最多的，起码是推广费最多的。因为你在谷歌上如果搜激光雷达 Lidar，它第一个出来的广告就是这个公司。
这个公司的专利，虽然专利数量不多，但专利的比重是最高的。Flash 固态雷达你永远都绕不过它。你只要做这个东西，你就一定有它的专利包在里面。就像早年机械旋转式雷达一定是 Velodyne 的，你也绕不过。
那对于国内这些公司，比如说禾赛、速腾聚创 ，还有大家很关心的华为，还有大疆的激光雷达。我觉得禾赛和速腾还是比后两家要高一个量级的，因为这两家公司在这个领域确实深耕了很久。
而且无论是我们作为自动驾驶公司，还有很多同行都会选择禾赛的机械式雷达作为 robotaxi 的主雷达，所以大家可见它的稳定性，还有它的性价比。
那另外一个就是速腾的 M1 是我知道目前为止在中国签约了最多主机厂或者说最上量的一个乘用车激光雷达，所以这两家公司也是各有绝活。
至于说大疆和华为，我们再看一看。
大疆棱镜的原理，我不觉得是一个长期来说上车比较有效的一个方式。
更多内容扫码查看原文：
