比亚迪11款新车全部搭载激光雷达，但仔细看配置表你会发现：它们可能并没有全部用上2160线，而且激光雷达的数量也未必堆满。这究竟是技术的“减配”，还是面对现实挑战的“精明务实”？当华为的896线激光雷达还在为”图像级感知”而自豪时，比亚迪和速腾聚创联手推出的最高2160线方案，直接将行业带入了”千线时代”。
然而，这场参数狂欢背后，一个更现实的问题悄然浮现：车上的芯片算力，真的能处理如此海量的点云数据吗？
激光雷达的”线数”，简单理解就是垂直方向上的激光束数量。线数越高，意味着在相同距离内可以发射更多激光束，对环境的三维扫描就越精细。速腾聚创EM4数字化激光雷达支持从520线到2160线的全规格定制化方案，其最远探测距离可达600米。
技术参数的跃升直接带来数据量的指数级增长。以EM4的1080线版本为例，其点频高达2592万点/秒，相当于每秒对环境进行超2500万次的三维”连拍”。2160线雷达一帧的数据量比192线雷达大了不止11倍，对硬件散热、功耗、成本都提出了更高要求。这正是车企”减配”或延迟部署高线数雷达的潜在动机。
当我们将目光投向多雷达并联场景时，问题会更加严峻。某些激进方案计划在车头、两侧安装三颗高线数雷达，这将导致域控制器的算力被瞬间榨干。系统可能无法及时处理所有信息，造成感知延迟和决策卡顿。
激光雷达吐出的是点云数据，每秒数百万个点散落在三维空间里，无序、稀疏、且伴随噪点。在把这些数据喂给神经网络之前，必须进行预处理。最典型的步骤叫体素化：把无序的点变成规则的占用网格。这是一个典型的逻辑密集型任务，而不是计算密集型任务，它包含大量的条件判断、循环和内存寻址。这种活NPU干不了，只能扔给CPU去干。光是处理一颗激光雷达的体素化，就能吃掉1-2个宝贵的CPU核心。
当前行业主流的英伟达Orin-X芯片，总算力为254TOPS，拥有12个CPU核心。当系统需要同时处理操作系统、规划控制、通信协议以及海量的激光雷达数据时，算力瓶颈便暴露无遗。有行业分析指出，当前顶级智驾芯片在应对极端数据场景时仍面临考验，算力已成为制约传感器性能完全释放的关键瓶颈。
面对算力天花板，车企的宣传话术和实际动作出现了微妙的分离。一边在发布会上大谈”千线时代”、”图像级感知”，另一边却在悄悄调整硬件配置。
比亚迪在新车型上只在前向保留一颗激光雷达，侧向和后向的感知任务交给了4D成像雷达来完成。这释放出明确信号：从堆砌硬件数量转向追求系统平衡。比亚迪能够实施这种策略，关键在于其与速腾聚创的深度绑定关系。
差异化配置策略——不搞一刀切
速腾聚创EM4数字化激光雷达支持从520线到2160线的灵活定制，这意味着比亚迪可以根据不同车型的定位和价格区间，灵活配置激光雷达的性能。行业观察者推测，比亚迪很可能采用”分级覆盖”的策略：在仰望、腾势等高端旗舰上采用千线级方案，树立技术标杆；而在王朝、海洋网的中端乃至入门车型上，则可能配置520线或720线版本。
这种”按需分配”背后是商业与技术逻辑的双重考量。一方面，通过大规模的订单，比亚迪硬是把单颗激光雷达采购价压到了极低的位置，有行业信源透露成本甚至能控制在3000到5000元人民币的区间。另一方面，合理的性能配置避免了算力的无谓浪费，确保了系统运行的流畅性。
传感器融合趋势——构建高效感知网
比亚迪的务实选择体现在其构建的”主次分明”感知体系中。激光雷达作为前向感知核心，在关键的前向远距离、复杂场景（如横穿车辆、弱势交通参与者）中发挥不可替代作用。EM4的1080线版本能在130米外识别13×17厘米的小型物体，在180米外清晰探测掉落的轮胎，在300米内稳定识别交通锥桶。
侧向和后向的感知任务则交给了4D成像毫米波雷达。相比激光雷达，4D成像雷达拥有不可替代的优势。它增加了俯仰角的测量信息，并且角度分辨率可达到亚度级别，能够通过输出大量的测量点清晰地呈现出目标障碍物的轮廓。最关键的是，4D毫米波雷达拥有很大的成本优势，根据与非研究院披露的信息，激光雷达成本价格在1000美元左右，而4D毫米波雷达成本可以达到约为激光雷达的1/10。
摄像头则作为视觉基础，提供丰富的纹理、颜色信息，并与雷达数据形成冗余校验，提升系统鲁棒性。最终形成”激光雷达（前向主力）+4D成像雷达（侧向补盲）+摄像头（视觉基础）”的多传感器协同方案。
从”硬件堆砌”到”系统优化”
比亚迪超过256万辆的辅助驾驶车型保有量，以及累计超过4000亿公里的智驾数据，构成了其系统优化的重要基础。通过大规模车队收集实际数据，持续训练和优化模型，比亚迪能够提升算法效率，从而”榨干”现有硬件的每一分性能。
在算法层面，比亚迪需要优化感知融合算法，更高效地利用多源异构数据。传统的多传感器融合面临着”前融合”与”后融合”的技术路线选择。前融合将所有传感器都运行同一套算法，将来自激光雷达、摄像头和毫米波雷达的不同原始数据统一处理；后融合则是在每个传感器独立地输出感知数据信息、处理之后，再汇总处理得出结论。
有技术分析指出，早期的”拼凑式”架构存在系统性风险。当激光雷达的点云与摄像头的图像若无法在微秒级对齐时，BEV感知模型就会输出错误的空间结构，导致车辆误判。比亚迪通过自研或深度定制芯片、域控制器平台与算法软件的垂直整合，努力实现系统级效能最大化。
激光雷达线数竞赛的急速升温，引发了行业对智能驾驶感知系统发展路径的深度思考。以比亚迪为代表的”主次分明、融合增效”路线，与部分新势力曾倡导的”全车布满、硬件冗余”路线，形成了鲜明对比。
行业分析普遍认为，单纯的参数堆砌并不等同于用户体验的提升。当2160线激光雷达每秒产生数千万个点云数据时，如果后端算力无法及时处理，这些数据反而会成为系统的负担。有技术专家打了个比方：这就像给一个人配备了8K分辨率的眼睛，但大脑的处理器还是386水平，看到的画面再清晰，处理速度也跟不上。
从行业发展轨迹来看，2024年激光雷达单价已降到2600元左右，但比亚迪通过深度合作与规模化采购，已经将成本压得比行业平均价低了三成多。这种成本的快速下降，推动了激光雷达从”高端配置”向”大众配置”的转变。然而，硬件的普及速度必须与算力进步、算法优化同步进行。
速腾聚创CEO邱纯潮曾表示，激光雷达行业从模拟架构向数字化架构的切换已基本完成，最剧烈的价格竞争阶段正在过去，行业竞争的核心将转向芯片能力、量产交付能力和主机厂定点能力。
未来，随着下一代芯片算力的提升（如英伟达Thor芯片算力可达2000TOPS）、固态激光雷达成本的进一步下降以及4D雷达性能的提升，感知系统的架构可能会再次演变。端云协同计算也可能成为突破本地算力限制的新路径，让部分复杂的感知任务在云端处理。
你认为未来智能汽车的感知系统，是应该像比亚迪这样”主次分明”，还是像某些新势力一样”全车布满”？
面对2160线激光雷达等先进硬件带来的算力挑战，车企的”差异化配置”并非技术倒退，而是在系统思维下的理性进化。当激光雷达的线数从百线级跃升至千线级，数据的洪流确实对现有算力架构构成了严峻考验。比亚迪的务实选择揭示了一个趋势：智能驾驶的竞赛，正从硬件的”军备竞赛”深化为算力、算法、数据与系统整合能力的全方位较量。
真正的智能化，不是参数的简单堆砌，而是系统整体效能的最优化。在这场关于汽车”眼睛”与”大脑”的协同进化中，谁能更快地将顶尖技术转化为用户可感知、可触及的安全与体验，谁就能在智能驾驶的下一阶段竞争中占据先机。
全部评论 （0）