{{detailStore.author.is_follow?'已关注':'关注'}}
原创文章
管理
禾赛李一帆和他的“假想敌”
新出行原创 · 文章

“其实今天新品发布只是“借口”,更多想和大家聊聊禾赛这几年都做了什么?”

没有讲稿,也没有提词器。禾赛科技 CEO 李一帆身穿白色衬衫和一件颇为正式的西裤,在原定一个多小时的沟通会里,李一帆共演讲超过两个小时。

从手举着一杯满冰的美式,再换到一杯冰拿铁。

禾赛科技 CEO 李一帆(右)、禾赛科技 CTO 向少卿(左)

“所有东西都可以问,但我不一定都能答。”

激光雷达,这个看似都为工科出身的行业,李一帆并没有做太多技术类的演讲或者难懂的文字逻辑,反而爱做比喻。

例如“补盲激光雷达的出现,数量越多是否对车企研发来说是一种压力?”

“就像我们内部开会,人多了意见肯定多,但是如果来的人都是意见领袖或者教授,所给的决定都是具备参考性的,那就不一样。”

这样的有趣性,就如同在公司前台处的一台机械激光雷达,把扫描实时场景呈现在前台的大屏里,还有他不大的办公室里堆满的手办。不禁让人好奇,李一帆会如何渡过这两个多小时?

一、单月交付,对禾赛而言意味着什么?

9月禾赛科技完成了单月突破 10000 台的销量目标。

“交付才是检验激光雷达厂商的唯一标准。”

这句话如对应在「实践和真理」、「量产和PPT」上一样重要。

而完成一个万台的目标,李一帆画了一张图,一颗初生的树苗底下有着无数个树根,它们分别对应芯片开发、DV/PV车规级验证、供应链和量产爬坡等。

而为了赶在理想 L9  的交付,AT128 为着七月首批交付做准备工作这也是与理想 L9 约定的交付时间,而彼时上海也正遇到疫情的“至暗时刻”,禾赛也赶上了最后的交付日期,并在随后两个月里,禾赛通过不断爬坡完成万台交付。李一帆更是预言在接下里的 11-12 月,这个数字还会增长。

从无人驾驶到布局乘用车 ADAS,也就是面向量产、车规级的产品,禾赛策略的方向如呈现在普罗大众面前的 Robotaxi 公司想要进入乘用车一样,似乎充斥着不确定性或者不可靠性。

Robotaxi 车队需求量小、对价格敏感度低同时没有车规级的需求。

而当我们反观乘用车,这样的需求是完全相反的,车企的要求的是能够满足大规模量产、成本以及安全可靠性。

但伴随着 AT 系列的出现,禾赛似乎给外界的猜疑画上了一个句点。

从主雷达也就是 AT 长距激光雷达到补盲雷达 FT 短距纯固态激光雷达,也成为了禾赛步入乘用车市场的第一张答卷。

“AT系列(AT128)并不比现在的机械激光雷达好,但是它便宜,原来售价十几万的价格,现在做到了几千人民币,并且完成大规模量产。”

AT128 激光雷达

李一帆透露,全固态补盲雷达 FT 系列会比 AT 系列价格更低。

那什么东西会是激光雷达厂商所具备的核心竞争力?

关于李一帆的另一个自问,他的回答是:在早期,还真没有。

李一帆提到早期曾被投资人质疑的问题:

你们是不是属于只做集成的公司?

那你们所采用的供应链是否也能被其他人用?

那你们的核心竞争力在哪里?

早期激光雷达市场刚开始起步,复杂的原部件很多,企业无法单独自研某些元器件,更多的是对外采购再做集成,然后自身探寻商业模式、量产以及销售等。

但来到了激光雷达大规模量产爆发的前夕,各个激光雷达需要重新思考竞争关系,构建行业壁垒,也就是围绕激光雷达的性能、成本、可靠性以及生产等多维度出发。

禾赛则抓住三个方向展开。

首先是集成化,也就是把冗杂的元器件做最大程度的集成;

同时还需要降本,也就是靠自研核心部件让成本降低,而不需向做通用芯片的第三方公司支付额外的捆绑需求成本;

同时简化供应链,供应链的简化从而保障规模量产。

最后是优化性能,目前是每秒 135 万点频数量,点频也类似于摄像头的像素以及分辨率,点频数量越高也意味着成像更为清晰。

李一帆现场透露,在2026 年,新一代产品的性能提升会有 10 倍的上涨空间。

那禾赛是如何做的?

二、“什么是激光雷达的发动机?”

如果说智能驾驶硬件的下半场竞争是大算力芯片,对于激光雷达而言,同样也是,只不过不是大算力,而是芯片带来的结构化变革。

我觉得它的理解更像于目前我们自动驾驶的软件,也就是从过去的手写规则的代码(机械式)迭代到如今的通过机器学习自成长模型(全固态),大家所预期的能力没有变,但是技术框架却有了 0 和 1 的巨变。

目前禾赛规划在内的有三代芯片,包括第一代芯片应用在 XT 系列上,也是 Robotaxi 车队里的机械激光雷达产品,第二代芯片是基于 VCSEL 阵列光源的 AT128 半固态激光雷达产品,通过嵌入式的芯片来取代过去传统的分布式光源,而全新产品的 FT 120 则是基于第三代芯片。

如何应对激光雷达的激烈的竞争,禾赛是如何思考的?

从李一帆看来,现在似乎已经有一个定论:

也就是通过利用「芯片」重构激光雷达的竞争格局,来构建自己的壁垒;

通过「制造」来巩固产品的质量需求,满足激光雷达发展的长期主义。

三、「芯片」,激光雷达的内卷

在 AT128 中,禾赛把 128 个激光接收通道集成在了一个几厘米的芯片上,通过一个列来完成 128 个激光器的布局。

而基于第三代芯片的 FT120 全固态激光雷达中,FT120 已经把过去的百个级的激光器升级到到一万九千多个,也从过去的线列布局升级为面阵,通过两个面阵一个负责发射,一个负责接收。

FT120 固态激光雷达

全固态激光雷达也就意味着它内部再没有任何的运动部件,那大家有没有发现它的原理其实也在无限接近于摄像头呢?

摄像头也是利用半导体器件通过芯片把光线转换成电荷,然后再转换成数字信号,以此来取代胶卷时代的相机。

只不是相比摄像头作为被动接收传感器,激光雷达有了接收、发射,所以全固态激光雷达相当于有两个“摄像头”。

所以除了集成化,芯片化带来的大规模降本也具备极大可能。

视频上传成功

FT120 官方视频

从激光雷达元器件看,芯片依旧是激光雷达降本的核心,但伴随着激光雷达技术的演进,芯片又是各个厂商所绕不开的技术“壁垒”。同时激光雷达又作为一个新的产品,它的技术路线多变,对于供应商而言也没有确定或者成熟的技术路径,芯片自研目前看依旧是一道最优解。

那芯片化的后全固态激光雷达,在性能上又会带来哪些提升呢?

首先是可靠性,由于内部没有任何的运动部件,基于芯片化就能实现更高的可靠性,并且因为结构简化,所以产品一致化能力高,满足大规模流水线生产。

另外是体积更小,参考 FT120 在改装车的上车效果,它的体积也更为小巧,车企自定义范围也会更大。

理想 ONE 改装车效果
理想 ONE 改装车效果(FT120)

另外是性能,目前 FT120 具备 100° x 75° 广角视场角,最大量程为100米,定位为补盲激光雷达,例如高处的路牌、栏杆、立体车库夹层等,也可以探测到低矮的孩童、宠物、锥桶、斑马线等。

AT+FT 组合效果

所以在量产车领域,禾赛通过补盲激光雷达来弥补半固态激光雷达在垂直视场角的“弱项”,也就是车身近处的低矮物体的盲区,AT128+FT120 也形成了远程+近距补盲激光雷达的一大组合。

AT+FT 组合效果

禾赛也提到FT120目前已经获得了来自多家主机厂超过100万台的量产定点,预计2023年下半年量产交付。

而 2023 年交付的车型目前台面上明牌并不多,所以大家都把视线转移到参与投资的小米汽车身上。

四、苦差的制造,禾赛为什么不选择代工?

李一帆举了一个例子,“激光雷达是否能像印刷书一样,找一家代工厂印刷?”

他给出了一个否定答案。

这是因为印刷书籍的工厂已经有成熟的印刷技术,同时形式不会太多变,另外书的编辑作者和印刷工厂之间的联系并不大。

但对于禾赛而言,李一帆甚至认为“制造是研发的一部分”。

从0-1的前瞻性探索设计,到 1-9 的量产验证,9-10 的最终量产,再到大规模量产迭代。

我们知道在这条数字链路中,制造最难的并不是 10-100的迭代 ,而是 1-10 的关键阶段。

而禾赛把研发和制造合并成一个体系也正因为此。

如果在构建高技术壁垒的条件下拥有一个集成设计、验证以及测试的制造路线,对于研发而言是至关重要的。而如何在研发中寻找到新的制造方法,也是一个双向互补的技术路线。

“麦克斯韦”智造中心

目前禾赛也正在建设“麦克斯韦”智造中心,也将会在明年上半年正式投产。

从机械式激光雷达到混合固态、全固态的布局,更像是一部禾赛的技术演进史。

当然Robotaxi 与面向乘用车市场的 ADAS 如今看依旧是一对“矛盾”关系,激光雷达的核心竞争力除了在光学、机械电子以及软件算法上,同时还需要建立在洞察用户需求上,而这对于以 B 端出发,服务好 B 端用户的禾赛而言,势必不是一件易事。

但从禾赛的研发决心上看,无论是固态还是混合固态,禾赛也在一步步构建技术壁垒,从一个线式的研发转向网状式的闭环制造研发。

而关于李一帆的“假想敌”们,在文章的末尾,似乎也有了一个更为开放性的答案…

写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{is_favourite ? '已收藏' : '收藏'}}
  • 举报
  • 加入黑名单
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{digest?'撤销精华':'设为精华'}}
回到顶部
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

{{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

暂无相关评论

发表一下个人看法吧