马斯克的预言对吗？激光雷达是否会上车？| 峰瑞芯片系列

2022-06-17 00:06

在「峰瑞创投对话·芯片半导体系列」直播第2场——《锤子VS钉子——硬核技术如何找到理想的场景》，芯视界创始人& CEO李成、洛微科技创始人& CEO冯宁宁与峰瑞资本合伙人杨永成开展一场深度对谈。

李成毕业于美国德州农工大学电子工程系数模混合集成电路专业。曾任美国硅光电子制造协会组委会委员、硅谷惠普实验室主任科学家，拥有18年丰富的集成电路研发与管理经验。

李成博士回国后创立芯视界微电子科技有限公司，针对当前激光雷达功耗成本高、可靠性低、系统设计复杂等痛点，芯视界研发了世界上首款基于大规模单光子检测阵列的全集成芯片。

冯宁宁博士是加拿大Mc Master光子学博士，博士期间获得加拿大总督金牌奖，是IEEE高级会员。他也是美国麻省理工MIT材料科学与工程博士后研究员。拥有20多年美国光电子工业界科研和产品研发经历，10+公司管理经验，拥有超过20项美国专利。

冯宁宁博士创办的洛微科技（LuminWave）是全球领先的激光雷达（LiDAR）产品和解决方案科技企业。致力于通过新兴的硅光子技术和自主研发的光电芯片，为市场提供纯固态芯片级激光雷达硬件、芯片以及人工智能（AI）感知算法，推动全球激光雷达和智能汽车产业升级。

本次对谈的主持人杨永成是峰瑞资本合伙人，侧重于深科技领域的投资，主导并参与了深圳力策、洛微科技、博瑞微电子、源归科技、安湃芯研等公司的早期投资。加入峰瑞资本前，杨永成曾任百度硬件生态渠道部总经理。他还曾任小米副总裁，负责小米音频产品线，创立小米智能音箱技术、产品团队。

他们探讨了以下问题：

激光雷达对于自动驾驶来说，是否不可或缺？为何有厂商采用纯视觉方案？
是先有技术寻找应用场景，还是看好市场再去找技术？应该造完锤子找钉子，还是先找好钉子再创业？
激光雷达量产之路，在商业和技术上还存在哪些挑战？
现阶段来看，资本对硬科技投资持怎样的态度？已经上马的硬科技项目，面对行业低谷期、资本退潮，该如何应对挑战？

我们整理了部分对话内容，希望给大家带来一些启发和思考。本期是「峰瑞芯片系列」的第六篇（欢迎点击链接，回顾芯片系列文章）

欢迎来听

欢迎点击，收听三位嘉宾的现场对谈，精彩不容错过。

/ 01 /

激光雷达是自动驾驶必须么？

杨永成：大家好，我是峰瑞资本合伙人杨永成。很荣幸和两位博士创始人聊一聊硬科技技术和市场应用这一话题。

在投资人的群体里，通常我们把技术和市场应用这二者的关系比喻成 “锤子和钉子”。“锤子”代表技术出身的创业团队所拥有的技术专长或由此产生的技术产品。而“钉子”，指的是创业公司开发的技术和产品走向市场，要寻求落地和认可。团队通常先要找到适销对路的应用场景和第一个阿尔法客户，使自己的技术和产品能够得到市场和客户的认可，同时获得收入回报。

从本质来讲，做为一个创业公司，无论你拥有多么高深的技术，最终都要经受市场考验。再漂亮和自信的“锤子”，也一定要找到合适的“钉子”。

今天我们有幸邀请到了两位高科技博士、海归创始人——芯视界创始人& CEO李成、洛微科技创始人& CEO冯宁宁，两位都在做高科技芯片，他们产品的部分应用场景也都覆盖到了激光雷达和自动驾驶领域。他们都拥有很漂亮的“锤子”，也成功适配一些“钉子”，还在孜孜不倦地寻求新的市场方向和客户。

两位创始人好，从美国的特斯拉到中国的蔚小理等造车新势力都在发力自动驾驶汽车，我们看到如今的自动驾驶汽车已经安装了很多的传感器，如超声波雷达、摄像头、毫米波雷达等。有了这么多传感器，当然也有了相配套的软件算法，为什么自动驾驶汽车还需要加装激光雷达呢？

冯宁宁：用户对出行方式的需求是舒适安全，这是大趋势。基于需求，未来，每一辆车都会包含一些自动驾驶、辅助驾驶功能。

为什么自动驾驶车辆一定要装载激光雷达？

从应用角度看，广义上，视觉数据是自动驾驶汽车的重要数据来源。

摄像头获得是图像，是二维数据，不包含目标距离的信息。当然车企也可以选择特斯拉那样的多摄像头方案去获得三维信息，但这种方式对算力、对你的鲁棒性（比如，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性），都要有一些比较特殊的要求。目前自动驾驶出的一些事故，这些corner case总体上还是因为二维数据对于整体路况的判断，具有局限性。

毫米波实际上具备三维数据能力。但是由于波长的原因，其分辨率无论是在水平方向，还是垂直方向都是有限的。特斯拉也使用过毫米波雷达，使用过程中它的一些特点会带来误差。比如对金属反射物过强的反射，导致它对前面目标的判断会有误判，所以企业也相应做了一些软件上的处理，这造成了毫米波雷达在实际的自动驾驶过程当中，并没有真正发挥它应有的作用。另外毫米波雷达的分辨率有限，无法作为一个主传感器去提供数据。

因此，业界普遍认为，激光雷达作为一个能高效获得真实三维数据的传感器，能够减少自动驾驶的事故，是自动化驾驶不可或缺的器件。

如果使用高分辨率的激光雷达，很多corner case的情况都可以避免。至于为什么有企业选择采用纯视觉的方案，这是价格问题。过去激光雷达的价格较高，为了降成本，企业选择纯视觉。总体上，从机械到半固态到固态，激光雷达正朝着越来越小型化，低成本的方向走。

杨永成：刚才冯总介绍激光雷达的时候，反复说了两个术语，就是二维和三维。二维（2D）主要是平面数据，不直接包括驾驶人或者汽车和障碍物的距离。能观察到和障碍物的直接距离的，就是三维（3D）。

激光雷达能够直接提供三维数据，提供距离的数据，甚至可以直接提供速度的数据。这是激光雷达的优点。摄像头，是需要靠算法去获得距离，这二者有本质的区别。

芯视界李成总是视觉和激光雷达方面的专家。特斯拉是自动驾驶领域的领先者，在传感器和算法上都有很多年的探索。但马斯克几次表示激光雷达在自动驾驶应用中的必要性没那么高。当然还有毫米波雷达，在特斯拉的车上也经历了“上车” 而后又“下车”的过程。

李成总怎么看激光雷达、毫米波雷达未来在自动驾驶汽车技术和市场地位？

李成：这要从商业和技术两方面来看。

冯总提到，特斯拉在用毫米波雷达的时候遇到一些挑战。自动驾驶里有个术语叫“多传感器融合”。特斯拉在使用毫米波雷达时，有时会出现误触发的问题。两套感知系统，到底该听谁的？

特斯拉取消毫米波雷达的根本原因，是它分辨率没有那么高，其对金属高反射的物品容易误触发，导致车辆出现急刹。特斯拉采用纯摄像头的方案，使用8个摄像头，估计成本在500-800元。价格真正昂贵的，是他们自研的特斯拉处理器系统。现在在北美订一台特斯拉，如果要配FSD，价格已经涨到了1.2万美金。

采用摄像头这种二维传感器，其基本原理是深度学习算法，它是把原始的图形输进去，经过一层一层的神经网络，最后把图像里面的目标物体的边界抠出来，然后机器去学习，告诉你车还是人，还是周围的路牌，识别这一系列的目标，术语叫Supervised Learning，监督学习。

以特斯拉为例，前段时间我看了他们的数据报告，成千上万的车辆在行驶中，换算成公里数，有40多亿公里的里程。这些车辆配备的摄像头，不停抓取路况信息，上传到服务器中心Dojo，在Dojo里做深度学习，最后给无人驾驶做判断。

通过机器不断学习，字后提高识别准确率。但存在隐患，如果曝光过度，机器就很难识别物体和背景的边界。

我和冯总研究的激光雷达的底层技术，可以把实际判断的目标物体信息，在神经网络中，将标注信息加进去。

特斯拉也意识到这个问题，他们用多个摄像头，根据摄像头的不同角度，还原出一定的空间信息。但这存在问题，一是精准度，而是一旦距离稍远，他们就很难还原距离。

特斯拉选择采用摄像头，取消毫米波雷达，整体可能还是从性能和经济角度出发。

杨永成：李总，你觉得激光雷达在自动驾驶车辆上是必需还是需要？

李成：我觉得是必需。现在不用是为什么？是因为激光雷达成本相对较贵。

Waymo还有Uber，这类公司的商业模式是出租服务，它要保证每一个订单运行的稳定、可靠、安全性。而特斯拉不一样，它的的商业模式是卖车，最终还是车主来为驾驶FSD的行为负责。

杨永成：李总提到“多传感器融合”是趋势，我特别认同。不论是特斯拉还是国内的造车新势力或是传统车企，他们自己会自研算法、处理器、域控制器。但如果市场上有高性价比的传感器，他们在商业上是不会拒绝的。

只要激光雷达够便宜，符合车规，能长久稳定地使用，汽车品牌厂大概率不会拒绝激光雷达。

/ 02 /

“锤子”要找适合的“钉子”

杨永成：激光雷达火了几年了，但也有小的波折，大家都在探索最佳的技术路线。从最开始的机械式激光雷达，半固态扫描式雷达，到现在的固态激光雷达，OPA和FMCW。

经过几年发展，已经涌现出了很多大型公司，国内一些初创团队也有成为百亿以上估值的“独角兽”。冯总在这次创业之前，也曾在硅谷创业过，并且成功退出，获得了第一桶金，完全可以躺平，甚至躺赢，为何2018年下决心回国再次创业，成立洛微？

冯宁宁：如果你问在座的创业者，碰到那么多困难，还会不会继续创业？我相信大部分人的答案是“yes”。从个人角度，这是一个不断挑战自我的过程。

欢迎加入

洛微科技正在招聘VP of Production、产品经理、硅光芯片工程师、算法工程师等岗位，欢迎对洛微科技感兴趣的朋友关注洛微科技微信公众号，投递简历。

选择回来创办洛微，因为我们觉得时机和市场成熟了。

激光雷达是“光探测和测距”(Light detection and ranging)的简称，最早的原理来自激光测距仪，早期大家对它的价格不敏感。这也是早期Velodyne价格比较贵的原因之一，因为它是唯一的厂商。它推出的机械式方案，解决了“有无”的问题。这是第一阶段。

第二阶段，性能指标。激光雷达需要满足车规级要求。机械式方案存在限制，因此现在发展出了转镜式及MEMS振镜式这些半固态的方案，半固态的激光雷达已陆续装载上车。

第三阶段，解决成本问题。长久来看，半固态的方案多多少少会碰到一些问题。每辆车的出货量在千万辆级。一辆车需要配备几个激光雷达。相较于机械结构较少的固态激光雷达，半固态激光雷达仍然有较多离散器件，包括可运动的部件，生产过程中要将这些离散器件组装起来并保证良率，这会在量产上遇到瓶颈。

固态的优势是什么？固态是芯片级方案，背靠的是半导体产业链。这个产业链经过几十年的发展，已经很成熟了，相关行业例如光通信也发展得很好。固态在量产上的空间和潜力很大，只要解决半导体产业链的问题，就可以实现低成本的大规模量产。

▲ 图片来源：洛微科技

从另外一个角度来讲，扫描方式，包括机械式、半固态、固态，都是讲发射端的扫描，光源对场景的覆盖。接收端也有一个趋势，最早的以CMOS为基础的类似一个摄像头的方案，就是PD（光电二极管），逐渐过渡到APD（雪崩二极管)，再到 SPAD方案（单光子雪崩二极管）。这类方案的迭代目标很清晰，一方面在光源上继续增加功率。当然激光功率增加，也会带来很多的问题。另外一方面的目标，是增加接收端的灵敏度。

随着迭代往前进入，接收端灵敏度也要提升，会逐渐过渡到调频的方案。从电磁波探测的原理上来看，毫米波也好，微波也好，所有采用电磁波波段的探测方案，最终都会过渡到调频的方案，即FMCW的方案。

最终我们认为激光雷达，第一，发射端会采用固态的扫描方式。第二，接收端最终会过渡到调频的方案（FMCW），去解决一些实际的问题。这个是激光雷达发展的底层的一个逻辑，大家为什么这样做。调频的方案总体上有几个优势：

第一，调频方案灵敏度比较高。第二，抗干扰能力比较强，它包括两个层面。一是对室外阳光的抗干扰能力。二是雷达的抗互扰能力。现在激光雷达在车子上装得还不多，将来每辆车子装四五个雷达，雷达之间的互扰是必须要解决的问题。第三，采用调频的方案，自然获得了多普勒频率，可以获得目标的速度场信息。

▲ 图片来源：洛微科技

这对算力、对鲁棒性、减少Corner case都有加持。这是为什么要推进固态FMCW激光雷达的底层逻辑。

杨永成：这就是为什么要推进固态激光雷达，包括FMCW激光雷达的底层逻辑。这样的新技术是行业发展的必然趋势，这相当于技术上的一个弯道超车的路径吗？

冯宁宁：总体上来讲弯道超车这件事比较困难，你永远跟在别人后面肯定是没戏的。必然要走一条并行的道路。

杨永成：冯总刚才讲到激光雷达的技术主要有两个，一个是OPA，一个FMCW。FMCW就是刚才冯总说的调频，同样的信号，调频的接收能力更好，信噪比更高。此外调频还能减少雷达间相互干扰的情况。

OPA，就是扫描方式。OPA实际是光学相控阵。举个例子，以前的雷达形状都像锅一样，一个很大的机械带着它转，这个就是完成扫描。那个锅对准哪个方向，就在观察这个位置。

现在微波、毫米波雷达的发展趋势是什么？美国搭建的宙斯盾战斗系统里，最重要的组成部分是相控阵雷达，主要靠电子扫描，取代传统的旋转式无线电波雷达。相控阵雷达里面有众多的天线，叫阵列，调制不同的天线信号，就会形成实际的扫描效果。

李总选择的技术路线是TOF，无论机械式还是半固态激光雷达，接收端都可以用TOF。这个技术产品的应用场景是？

李成：芯视界做的dTOF技术。大家都听得比较多。“d”表示什么？表示直接。“ ToF”表示什么？表示Time of fight。就是说我有一个激光，光发出一个脉冲，测量脉冲在空间往返时间，就能得到目标物体的距离。因为距离等于时间乘以光速，往返时间再除以2就得到了距离。

欢迎加入

芯视界正在招聘PM、产品助理、工程师等岗位，欢迎对芯视界感兴趣的朋友投递简历至 [email protected]

通过这样的技术，能够把目标物体三维轮廓捕捉出来，测量精度可以达到毫米级。

再来看一下dTOF跟FMCW，它们是两个完全不一样的技术。如果我们再回到光通信领域，看到两种光通信。因为我本人在美国，一直是做光通信+光计算。在大型数据中心，欧美叫Mega Data Center，单边路程超过两公里。这样的光直连，基本上采用直接调制的方式。对应于自由空间的光传播就是dTOF。

只不过大数据中心，我们是在光纤里面传的。冯总采用的FMCW，有点类似于长距离光通信，它最大的优点是传输信噪比特别好，抗阳光。比如海底光通信，几十公里就需要加一个中继，FMCW的信号能传播很远，可以减少所需中继的数量。

这两个技术路线，在光通信领域已经发展几十年了，它们一直并存，各有各的优点。比如说短距离光通信，两公里以内的，直接调制，成本可以做得比较低。长距离通信，可以传得很长，它的价格相对贵一些。所以我们看到很有意思的领域，在空中光通信领域，短距离的直调，拼命地往长距离去扩，长距离的coherent，相干光解调也拼命想做到数据中心里去，想降低成本。

整体来讲，我觉得两者会有它共同存在的商业领域，并且有交叠的空间。

另外一个，工业界很常见的例子就是四族硅基cmos跟三五族。这也是从半导体诞生以来，一直存在的案例。从工艺端来考虑，四族硅基cmos很便宜，但是性能比不过三五族半导体。三五族贵，比如说2英寸，4英寸的晶圆切不出来几个，良品率不高，但它性能好，不过价格比较贵。互相都在做渗透。我觉得这两个技术，二者不冲突，都会有它相应的商业领域，以及互相交叠的部分。

杨永成：除了应用在自动驾驶领域，李总做的单光子检测器、或其他的传感器，这些还能应用在哪里？“钉子”在哪儿？

李成：说的高大上点，是三维成像，大白话，就是做测距，它的应用领域很多。

用“锤子”和“钉子”来比喻硬科技和其应用场景，很形象。芯视界英文叫visionICs，最早2016年在硅谷开始做，我们有个巨大的愿景。首先做dTOF激光雷达芯片、再做dTOF激光雷达模组、再做sensor fusion（传感器融合），把ridar、camera、Millimeter-Wave（毫米波）三个全部融合在一起做算法方案。

2016年我们拿着一个“大锤子”，到处去找“大钉子”敲，从2016年敲到2018年，“锤子”也快敲破了，结果发现敲不动。

于是，我们果断地去做消费电子。有人说你这技术去做消费电子大材小用了，但其实不是的。

我们拿着这个技术做消费类电子，在实际的技术应用领域，打磨整个公司的运营，芯片如何定义？规格定义怎么做？封装定义怎么做？测试规划怎么做？

▲ 图片来源：芯视界

没有在消费电子领域去打磨整个公司的运营和质量体系，芯视界很难在车载领域拓展。

我创业多年，最大的体会总结成两句话：

第一，适合的“锤子”，要找到适合的“钉子”，应用到切合的市场。第二，没有永远领先的技术，但一定有永远领先的运营，铁打的营盘流水的兵，这个才是一个公司核心的竞争力。

杨永成：每个创业公司有不同的技术路线，但可能都会经历同样的磨炼。冯总，你也拿了一个很牛的技术，很强的团队，你在找“钉子”过程中有什么感触？

冯宁宁：所有创业团队，碰的问题都差不多。创业之初，我们拿着“技术”——锤子，一开始你当然认为，我这东西到处可以敲，实际上最后发现……

杨永成：当时你认为是个万能“锤子”是吧？

冯宁宁：对。

杨永成：不然你就不下场了。

冯宁宁：这就是所谓的了解现实。最终是要把产品卖出去。客户的问题就是“钉子”，你的这个“锤子”，敲一下，就要能解决客户的问题。

创业公司，碰到的问题是什么？就是资源有限。包括资金，市场的时机，包括团队，这些资源是有限的，不能无限制地挥霍。在资源有限的情况下，如何把这个“钉子”敲下去？一个巨大的“锤子”，敲“小钉子”也不行，或者是一个“小锤子”敲“大钉子”也不行，或者材料不对也不行。最重要是拿合适的“锤子”敲合适的“钉子”。用古人的话叫“天时地利人和”。

洛微做固态激光雷达，用硅光子技术。为什么前几年大家不做固态，没有“锤子”。硅光子技术20世纪80、90年代就提出来，但真正量产，是2015年以后。

芯片流片、产业链上下游完备、客户的需求，这些都存在以后，你才具备了去解决问题的能力——才有了“锤子”。

如果将固态激光雷达看作一个“钉子”，光芯片、电芯片、硬件与软件，这些问题每一个都需要解决，每个都是一个“钉子”。你去解决这些“钉子”的时候，每个都需要合适的“锤子”，这问题就太大了，不可能完全解决。

以洛微激光雷达的芯片来看，我们觉得核心的OPA芯片+FMCW是我们要解决的底层“钉子”，或者说对于我们的激光雷达而言它是个“锤子”。要解决这个问题，需要一个很好的工具——半导体的整个生态。这个生态应该是国家级力量来做，我们使用这个“锤子”就好。

对于初创公司来讲，哪些“锤子”可以做，哪些“锤子”不能做，只能用，要明确好。原则上尽量不去做不符合自己条件的“锤子”，尽量能用成熟的“锤子”去敲我们要解决的“钉子”。这样的好处是，把自己的“钉子”搞定以后，我们的“钉子”就会变成下游客户的“锤子”。比如做好光子芯片，模组，它就变成激光雷达的一个“锤子”。激光雷达做好以后，对下游的自动驾驶来讲，就变成它的“锤子”。这会促进整个产业链发展。

对于创始人来说，尤其是科学家出来创业，最重要的要把心态放正。刚才我们也提到“锤子”和“钉子”的问题，可能在一个领域，它的一个非常好的“锤子”，在有限的资源和有限时间的情况下，不一定能解决一个我们这个领域的“钉子”，那么你就需要找到一个合适的“钉子”。

一方面你要坚信自己的方向，但同时要有变通。最终我们是要解决“钉子”，是客户导向的一个“钉子”。你如果说只是闭门造车，闷头做自己的一个事情，最终即使你做出来，也不是一个合适的产品。

另一方面要让合适的人做合适的事。在创业之初，就要将团队的定位想清楚。每一个合伙人都要有自己专攻的领域，创始人要有机地将几个领域结合起来，科学家也好，合伙人也好，要把自己的位置摆正。让整个团队的战力发挥到极致，企业才能走的更久。

总体来看，硬科技企业创业能否成功，客户和人才是至关重要的。

李成：有时候，看起来完美的产品，可能根本就不是客户所需要的。

好的产品从哪儿来？不是说你根据自己的科研界，或者学术界，或者说闷头做科研的一些背景，自己领悟或者猜测客户需要什么，你需要走出去，跟你的客户去交流，去聆听。

另外一个问题是什么呢？你可能跑了十家客户发现，他给了你一百个需求。你发现根本就没有办法满足所有的需求。这时候就需要创始人，或者市场的团队，你们有一个归纳总结的能力，把最关键的需求，以最能够落地的应用需求挑出来，这个才是所有客户最关心的共性的需求。

/ 03 /

量产落地，产业链与技术上仍有难题需攻克

主持人：未来技术方向上的挑战是什么？量产落地的一些难题，如何去解决？

李成：单光子dTOF芯片领域，要考虑车载应用领域的发展和整个工业的成熟度。

车载激光雷达领域，索尼推出了一款芯片叫IMX459。这一款可能是索尼针对未来固态的车载激光雷达开发的一款芯片。

国内的难点在哪儿？第一，国产化的单光子探测器件的工艺要能够达到索尼的水平。比如要做到高光子探测效率，低暗计数。

另外一块芯片，是整个电路的架构。要有优化的电路架构，有好的算法抗干扰，去噪等等，都要做到芯片架构里。

另外就是如何做高良率的晶圆堆叠？整个半导体制造的工艺流程怎么支持？如何达到一个稳定的量产？能否做到95%以上的良品率？这些是dTOF在车载激光雷达里落地非常关键的几个点。

在解决了这些技术问题之后，你怎么过车规？温度范围，可靠性，冗余度设计等一系列问题都是固态激光雷达需要考虑的。从最初的产品出炉，到工艺优化，实现高良率量产，这需要一段时间沉淀。

冯宁宁：激光雷达本身是一个系统级的方案。这对团队的系统级整合能力要求很高。从一个芯片，或者多个芯片，经过半导体整个供应链的流片、封装，最终完成一个器件级、模组级的产品，最后整合到一个系统级的方案里去，产业链上下游涉及的厂家很多。一方面，固态激光雷达对于整个产业链的成熟度要求比较高，因此产品一定要在合适的时间推出。

但另一方面，企业不能等到产业链完全成熟以后才推出产品，因为市场的需求已经产生，在一个产业链有限制的情况下，做出合适的产品，非常考验团队的综合能力。

每一个这样的芯片和系统，都需要满足车规级的要求。车规验证的过程，少则一两年，多则三四年，创始公司想要生存下去，把产品最终推向车场，路比较长。

长期和短期市场，这两个是有一定矛盾的，但两手都得做，企业才能持续地走下去。