谷歌无人车传感器成本直降90% 规模普及尚需时日.doc

《谷歌无人车传感器成本直降90% 规模普及尚需时日.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、谷歌无人车传感器成本直降90%规模普及尚需时日　　刚刚从谷歌X实验室拆分出去的无人驾驶公司Waymo，迫不及待地宣布了自己在控制无人驾驶汽车核心传感器价格上的最新成果。1月9日，Waymo的首席执行官JohnKrafcik在北美汽车展上宣布，目前Waymo旗下激光雷达价格相比七年前下降了90%。　　值得注意的是，Waymo目前已经自主打造了整套无人驾驶传感器系统，此前谷歌一度采用第三方的传感器。目前，不少科技企业甚至车场均以投资技术公司形式来掌握传感器技术。Waymo方面认为，谷歌无人驾驶软件算法和自家硬件传感器能

2、够精准配合。　　驭势科技CEO、前英特尔中国研究院院长吴甘沙告诉21世纪经济报道记者，谷歌自主研发激光雷达的时间并不久，但谷歌在该领域招揽了大量人才。此外，外界仍在猜测目前这款成本降至当年“十分之一”的激光雷达具体参数究竟如何。　　　　谷歌无人车传感器成本直降90%规模普及尚需时日　　传感器成本大降　　在无人驾驶汽车领域，如何强调传感器的重要性都不过分。　　在刚刚结束的CES，法拉第未来旗下FF91正式出现在拉斯维加斯发布会舞台上时，该车型可升降的传感器成为FF方面主要介绍的特色之一。在整辆FF91中，传感器多达三

3、十个：包括长短距离雷达、摄像头、超声波和激光雷达传感器等。　　这些不同的传感器的目的只有一个，那就是确保汽车能够“感知”周围环境变化，并做出正确的反应。可以说，几乎每一辆无人驾驶汽车都需要传感器，但这些小东西的价格并不便宜。　　核心部件成本过高，一直是遏制无人驾驶商业化普及的那只手。以至于特斯拉这样电动车厂商，在通往自动驾驶的路上一度选择避开例如激光雷达这样的核心零部件，而选择其他解决方案。　　因此，Waymo的首席执行官JohnKrafcik近日在北美汽车展上，尤为强调传感器部分和之前产品的变化。他强调，单个激光

4、雷达的价格和前些年相比更是下降了90%，从数年前的7万多美元降至目前的七千多美元。　　据悉，初期谷歌使用的是合作伙伴Velodyne提供的激光雷达传感器，在当时(2009年)单个64线激光传感器的价格达到7.5万美元，几乎是一辆中档轿车的价格。　　Waymo将成本的大幅下降归功于自主研发传感器。自2015年开始，谷歌无人驾驶汽车开始使用自主研发的传感器。除了降成本外，激光雷达传感器能够根据无人车状况来作出更加精确的调整和适配。　　吴甘沙告诉记者，目前难以获知最新Waymo雷达传感器的参数。事实上，谷歌自主研发激光雷

5、达仅两年，它也不像Quanergy这样的专业激光雷达厂商那样对外界开放。此外，JohnKrafcik在近期的公开描述也颇为笼统：Waymo目前视觉传感器的分辨率得到了提升，而激光雷达传感器感测距离和精度和此前相比也有进步。　　那么，谷歌为何能在短短两年内实现对激光雷达成本的控制？一位熟悉激光雷达的业内人士告诉记者，谷歌可能在激光雷达中采用了中科院西光所的器件。其次，谷歌在激光雷达领域大举招聘，吸引了不少业内“大牛”的加盟。第三，谷歌在Tango计划中研发了传感技术，因此在技术底层可以互相借鉴。　　但大量无人车厂商并

6、未和谷歌一样走上自主研发激光雷达的道路。“说实话，激光雷达并不是那么容易去做的。”吴甘沙告诉21世纪经济报道记者，高线数的机械激光雷达工艺要求太高，普通工人无法完成，需要工程师亲自操刀，而固态雷达目前技术还不成熟。　　大规模普及尚早　　一位熟悉无人驾驶汽车的半导体企业应用工程师告诉21世纪经济报道记者，从连续两年的CES来看，激光雷达/扫描仪相关产品的明显趋势是低成本化和固态化。多位业内人士向记者表示，固态雷达应用被视为无人车领域近两年和未来的趋势。吴甘沙认为，目前业内都在观望Quanergy今年三季度有没有可能做

7、出来可用的、第一代固态雷达。　　固态雷达之所以被寄予厚望，在于其和机械雷达比起来，去除了机械旋转部件，因此体积小稳定性高，同时成本更低。　　放眼全球，在激光雷达传感器领域，已经涌现出了一批大大小小的创业公司。国外的Velodyne、Qunery、ibeo，国内的思岚，雷神等都是这一领域的玩家。它们的出现也推动着激光雷达价格的下降。　　即便如此，激光雷达的价格距离大规模普及，仍有一段距离。　　上述应用工程师告诉21世纪经济报道记者，目前激光雷达在每辆汽车上需要6～8个，单个成本需要控制在500～1000美元，而雷达摄

8、像头的成本要求更加严格，需要单个成本控制在100美元以内。如果成本无法降低到一定水准，则无人车无法实现量产。　　除了硬件外，软件层面的算法也是决定无人车运行的胜负手。在这一领域，谷歌需要担心的是特斯拉或Uber这样的竞争对手。和在实验室呆了太久的谷歌相比，特斯拉已掌握了更多的数据，从而能够更好地优化无人驾驶算法。