编者注：2016年8月，一家名叫Quanergy的公司在完成B轮融资后，估值超过15亿美金，一跃加入新晋独角兽的行列，更是被评为2017年CES智能汽车类最佳创新大奖。与此同时，其最大竞争对手、行业的开山鼻祖Velodyne则完成了1.5亿美元融资。他们都生产一种叫做“激光雷达（LIDAR）”的产品，而其领域被很多投资人认为就是下一个风口——自动驾驶的最核心技术之一。

　　在对该明星行业状况进行客观分析的同时，DT君也有幸对Quanergy公司的CEO兼联合创始人Louay Eldada进行了一次精彩的专访，请见文末。

　　从关注度而言，本届CES 确实成了一届彻头彻尾的汽车展。不论是汽车巨头通用、奔驰、奥迪、日产、特斯拉，还是互联网公司谷歌、Uber、亚马逊、乐视、百度，还是更多的创业公司及其他传统行业转型，似乎人人都在自动驾驶领域押下重注。从风险投资的角度而言，汽车领域也被看作创业公司成功率最高的领域之一，这与传统汽车制造业的固有格局有一定的关系。

　　无论背后的原因如何，不可否认的是，一旦新的技术得以广泛应用，将会掀起交通运输、物流管理、智慧城市、共享经济等众多领域的重大革命。汽车将不必再为个人所有，而是变成智能的代步租赁品，提供个性、节能、高效、安全的出行与物流服务。

　　理想看上去无比丰满，但现实看似十分骨感，急需变革。

　　就像移动互联网不只是一部智能手机而已，自动驾驶汽车要想安全、自由地行动，除了作为“腿”的机械部分作为执行层以外，更需要拥有自己的“脑”和“眼”，即实现运算控制的软件部分（控制层）和实时定位、障碍物检测的硬件部分（感知层）。其中，负责位置与环境信息输入的硬件设备是其他两个层面的基础，但是，现有的技术还远远无法满足市场的要求。

　　要想让一辆自动驾驶汽车清楚地知道自己现在在哪里、眼前有什么障碍物，除了精确的GPS外，还需要“多传感器融合”。目前，主流的技术硬件设备包括：廉价的毫米波雷达+摄像头，或者再搭配昂贵的激光雷达。

　　目前而言，特斯拉采用的是毫米波雷达+摄像头的方案。由毫米波雷达探测障碍物，并由照相机通过深度学习进行判断。然而，廉价的毫米波雷达精度不够，甚至无法对行人进行感知。作为补充，由光学摄像头对周围环境进行二维拍照，再通过算法生成物体的形状、距离。然而，受限于光线等因素，其判断并不可靠。

　　2016年1月，一辆特斯拉Model S在中国河北邯郸的高速公路上未能识别到正在作业的清扫车而致死。2016年5月，另一辆特斯拉Model S在佛罗里达州误将一辆白色的卡车处理成挂在头顶的告示牌，再度导致死亡事件。多起事故后，开奖，拒绝使用激光雷达的特斯拉备受指责。

　　驾驶是一件复杂的事情，不仅需要眼观六路，还需要眼疾手快。

　　光线、雨雪、尘土会成为摄像头的噩梦，而雷达则无法发现行人和静止或横向移动的物体。

　　与特斯拉不同，谷歌、Uber等其他公司均认为，激光雷达才是真正解决问题之道。

　　激光雷达与普通雷达工作原理相似，均是发送电磁波，再记录下电磁波被反射回来时的时间与角度，对周遭物体进行感知。然而，与普通雷达不同的是，激光雷达使用几百至一千纳米左右的激光，远远低于普通雷达的波长。而雷达的精度与波长息息相关，波长越短，精度越高。

　　因此，激光雷达在测量物体距离和表面形状上可达到厘米级，远超普通雷达和GPS系统的精度。

　　下图便是激光雷达的工作原理：

　　发射出的激光被旋转的镜面反射，对周围环境进行360°扫描。反射回来的激光点进行处理之后形成“点云”，完成周围障碍物的三维建模。

　　许多激光线条经过高速扫描之后，就可以形成周围环境的三维图像：“点云”。

经过扫描的点云形成周围环境三维图像

　　然而，精确、快速，结构复杂的激光雷达有一个致命的弊端：太贵了。

　　毕竟，人家本来是用在这种地方的杀器：

激光雷达用于阿富汗战场

　　而现在，却要用在这里：

　　测试中的百度自动驾驶汽车。其使用的激光雷达售价高达几万美金。