編者語：后臺回復(fù)“入群”，加入「智駕最前沿」微信交流群

最近有位小伙伴在后臺提問，最近仰望U8L發(fā)布了，側(cè)向激光雷達采用速騰聚創(chuàng)M1P這種遠距激光雷達，而尊界問界系列側(cè)向激光雷達采用的是TOF固態(tài)激光雷達這種近距激光雷達，哪種方案會成為今后的主流方案呢?今天就圍繞這位小伙伴的提問，簡單聊聊這個話題，也歡迎大家在留言區(qū)討論自己的看法。如果大家還有什么想問的問題，也可以隨時與小編溝通。

雖然這兩條路線看起來都叫“激光雷達”或者“光學(xué)測距”，但在工作原理、能力邊界、成本與應(yīng)用場景上有明顯差異。要判斷未來誰會成為主流，其實不能單看單車的取舍，而要從感知需求、技術(shù)路線成熟度、量產(chǎn)成本、整車工程適配、以及軟件與系統(tǒng)架構(gòu)這幾方面來全面比較。下面我將盡量用通俗的語言，把兩種方案的本質(zhì)差異、優(yōu)缺點，以及未來可能的演進路徑說清楚，給出一個務(wù)實的判斷。

遠距MEMS/固態(tài)與TOF近距方案區(qū)別

先講清楚兩種“看起來相近”技術(shù)的本質(zhì)差別。速騰聚創(chuàng)M1P屬于如今被廣泛稱為“固態(tài)/半固態(tài)（MEMS/微振鏡）激光雷達”家族里性能偏高的一類產(chǎn)品，它能在數(shù)百米范圍內(nèi)穩(wěn)定返回高分辨率的點云，適合高速場景的遠距離探測與三維建模。而“TOF”（Time-of-Flight，飛行時間）是指一種測距方式的實現(xiàn)形式，發(fā)出光脈沖或連續(xù)波并測量回波時間差來計算距離。TOF的實現(xiàn)可以非常小型化、低成本，常見于近距深度相機或短距測距模塊。某些車企在車側(cè)與后部為了應(yīng)對盲區(qū)、側(cè)擦與低速泊車場景，選擇布置若干TOF型或類似的固態(tài)光學(xué)傳感器，用以獲得低時延、足夠精度的近距障礙物檢測，但這些設(shè)備本身并不生成高密度遠距點云，也不一定具備建模整個場景的能力。也有很多報道指出，部分新車型側(cè)面所裝的“固態(tài)雷達”更多屬于TOF類型，側(cè)重近距檢測與形狀/距離信息匹配而非完整3D建模。

既然差別明顯，接下來分幾個維度把它們掰開說清。

在探測距離與場景適配上，遠距固態(tài)/半固態(tài)（如M1P）勝在覆蓋遠、能生成高質(zhì)量點云。高速行駛時，提前識別前方小目標(biāo)（遠小車、行人、碎片）能給控制系統(tǒng)爭取更長的時間窗，這是實現(xiàn)高速域高階輔助駕駛或更高級別自動駕駛的關(guān)鍵一環(huán)。速騰聚創(chuàng)等廠商在產(chǎn)品上強調(diào)150~200米量測能力、區(qū)域內(nèi)更細(xì)粒度分辨率與百萬級點云率，這些指標(biāo)正是面向高速場景而優(yōu)化的。

TOF近距傳感器則擅長短距離、低時延、體積小和成本低的場景。側(cè)向和近后方的盲區(qū)檢測、低速并線與泊車等動作，距離要求一般在幾十米以內(nèi)，對細(xì)節(jié)和快速響應(yīng)更敏感，TOF在這些場景里用起來經(jīng)濟且工程實現(xiàn)簡單。換句話說，要遠看得清、要做三維理解，靠M1P這類遠距點云更穩(wěn)；要做盲區(qū)預(yù)警和近距碰撞防護，TOF能用更少的成本把需求解決掉。

在分辨率、點云質(zhì)量與感知能力上，傳統(tǒng)的“能做點云”的LiDAR（無論機械轉(zhuǎn)臺還是MEMS/混合/固態(tài)）會輸出稠密的三維點集，能夠直接支持目標(biāo)檢測、點云分割與精確的幾何建模，這是攝像頭和TOF難以直接替代的地方。高分辨率的點云在復(fù)雜場景（交叉路口的多目標(biāo)區(qū)分、狹窄道路的精確邊界識別、黑夜弱光下的障礙識別）里比單純的距離測量更有價值。而TOF單元如果是“Flash/相位式TOF相機”或單點TOF，輸出通常是二維深度圖或若干距離點，缺乏長距離連續(xù)點云信息，不能很好地支撐遠域場景的三維推理。

在抗干擾與惡劣天氣適應(yīng)性方面，兩者各有短板與優(yōu)化空間。激光雷達對雨、雪、霧等光學(xué)散射情況相對敏感，回波會被大幅衰減或產(chǎn)生誤報，但高功率/長波長、雙回波設(shè)計和更復(fù)雜的信號處理能在一定程度上緩解這一問題。另一方面，TOF在近距小角度下對雨雪閃爍可能產(chǎn)生顯著噪聲，但由于測距范圍短、設(shè)計可以針對近景去濾噪，所以也不是完全不能在惡劣天氣下工作。重要的是，無論哪類光學(xué)傳感器，工程上都要配合攝像頭、毫米波雷達和軟件層的置信判斷與冗余策略來保證在復(fù)雜天氣下系統(tǒng)的可靠性。相關(guān)研究和行業(yè)報道也強調(diào)了多傳感器融合的重要性。

在成本、量產(chǎn)與整車工程適配上，TOF近距模塊明顯更容易做到低成本和小體積，便于隱藏式安裝，設(shè)計上對整車外觀影響小。反觀高性能的遠距LiDAR，從光學(xué)、電子到封裝、功能安全認(rèn)證（如AEC-Q100、ISO/ASIL相關(guān)認(rèn)證）都需要較高的設(shè)計與測試成本。但隨著產(chǎn)量上來和技術(shù)路線成熟（例如使用905nm/940nm波段的成熟供應(yīng)鏈、MEMS振鏡等方案的工程化），高性能固態(tài)LiDAR的單位成本也正在下降，已經(jīng)看到像速騰聚創(chuàng)這樣的廠商實現(xiàn)了較大規(guī)模的量產(chǎn)與上車，這推動了其在更多車型上的落地。也就是說，過去被視為“昂貴且只適合示范車”的LiDAR，如今正在走向規(guī)?；慨a(chǎn)，但是否把它當(dāng)作主傳感器還要看整車廠的產(chǎn)品定位與成本權(quán)衡。

在系統(tǒng)架構(gòu)與功能定義上，不同廠家會走不同路線，有人選擇把高線束/遠距LiDAR（如車頂或車頭的M1P）作為主感知源，輔以攝像頭和毫米波雷達做冗余與語義識別；也有人選擇在車側(cè)和后部只用低成本TOF/短距LiDAR+攝像頭組合把近距問題解決掉，同時盡可能用軟件與云端數(shù)據(jù)提升純視覺方案的能力。這個選擇背后，不僅有技術(shù)判斷，也有商業(yè)與品牌定位，要做到“L3或以上級別在高速場景脫手”這一類承諾，遠距LiDAR能極大降低感知的不確定性；而如果目標(biāo)是“L2+、更注重外觀和成本”的量產(chǎn)車，廠家其實會更傾向于用TOF與攝像頭的混合方案來覆蓋絕大多數(shù)用例。

哪個會成為主流？

那么，綜合以上幾點，我們該如何判斷“哪種方案會成為今后的主流”？

首先我們一定要認(rèn)識到，不存在單一的“萬能主流”。自動駕駛感知的需求是分層次的，高速長距離決策需要高質(zhì)量點云，低速近距交互和盲區(qū)保護只需要近距、低延時的距離信息。從工程經(jīng)濟學(xué)角度講，未來更可能的主流形態(tài)是“混合（hybrid）架構(gòu)+分域優(yōu)化”。這意味著整車會在關(guān)鍵方向上部署遠距高性能LiDAR（通常位于車頂或前方關(guān)鍵視角，承擔(dān)高速場景預(yù)警與三維建模），而在車側(cè)與后方，則用成本更低、響應(yīng)更快的TOF或短距固態(tài)傳感器來補齊盲區(qū)檢測與近距安全需求。同時，攝像頭和毫米波雷達繼續(xù)負(fù)責(zé)語義理解、識別紋理與在某些氣象下提供有價值的冗余數(shù)據(jù)。這樣的組合既照顧了性能，也考慮了成本和量產(chǎn)可行性。

不同車系和不同價位也會有不同的“主流”。豪華與高階智能座艙/自動駕駛定位的車型，更愿意為遠距LiDAR投入成本，強調(diào)對高速和邊緣復(fù)雜場景的魯棒性，這類車在短時間內(nèi)更可能以M1P這類高性能固態(tài)LiDAR為主感知之一。中低價位大量量產(chǎn)車型則會更苛求成本，側(cè)重性價比，因此更可能采用TOF+攝像頭+毫米波的“經(jīng)濟融合方案”。

再談一點技術(shù)演進與競爭趨勢。速騰聚創(chuàng)等企業(yè)通過工程化把M1系列推向量產(chǎn)，證明了“高性能固態(tài)LiDAR可以進入乘用車量產(chǎn)”的路徑可行；與此同時，TOF與其他固態(tài)方案（OPA、Flash、FMCW小型化）在短距和抗干擾能力上的改進也在持續(xù)。未來兩線技術(shù)或會相互借鑒，遠距LiDAR會在成本、功耗和集成度上繼續(xù)下降；而TOF方案會朝著更大視場、更高分辨率，甚至部分場景下形成點云表達的能力演進。總體上，技術(shù)進步會使得混合部署的邊界更加模糊，但功能分工仍會存在。

從軟件與系統(tǒng)級驗證角度看，點云質(zhì)量的提升并不自動等同于更好的駕駛決策；關(guān)鍵在于感知算法如何利用這些數(shù)據(jù)、如何和地圖/先驗/控制器緊密配合，以及在罕見工況（cornercases）下的安全終止策略。因此，即便大量車型裝上了高性能LiDAR，車企與供應(yīng)商也要投入巨量的仿真、路測與邊緣場景驗證工作，才能把硬件優(yōu)勢轉(zhuǎn)化為實際能量化的安全提升。一定要知道，傳感器硬件只是第一步，軟件與驗證體系的完善才是決定能否大規(guī)模商業(yè)化的關(guān)鍵。

選擇建議

對于廠商與產(chǎn)品決策者，如果目標(biāo)是打造面向高速域的L3/L4商業(yè)化產(chǎn)品，或在安全承諾上要做到更低的風(fēng)險邊界，把高性能遠距LiDAR（例如像速騰聚創(chuàng)M1P這類、已被多車型采用并且具備200m量測能力與車規(guī)認(rèn)證的產(chǎn)品）放入感知主鏈路是合理的選擇；同時在車側(cè)/尾部仍保留TOF或短距方案以節(jié)省成本與解決盲區(qū)問題。對于追求成本極限的大規(guī)模家用轎車或注重外觀不可見感的車型，可以考慮用TOF+攝像頭+毫米波的融合路徑并強化算法與云端數(shù)據(jù)的訓(xùn)練。行業(yè)的演進會把兩條路走向一定程度的融合。

對于感興趣的工程師或開發(fā)者，建議把注意力放在“傳感器能力如何映射到用例需求”上，而不是簡單地追逐某一項最大化指標(biāo)。一個工程上可實現(xiàn)、可驗證且具備降級策略的多傳感器融合方案，往往比單一更高參數(shù)的傳感器更能在量產(chǎn)階段提供穩(wěn)定價值。你要考慮的不是某個傳感器能不能100%覆蓋所有場景，而是整體系統(tǒng)在不同環(huán)境和極端工況下的安全閉環(huán)能力。行業(yè)研究資料也強調(diào)了多傳感器融合與系統(tǒng)級驗證的重要性。

對于消費者與媒體解讀者，看到廠商宣傳“裝了多少個LiDAR”或“使用了哪款傳感器”時，要把視角拉長一點去看整車的功能定位和廠家的自動駕駛聲明。有高性能LiDAR并不自動等于“完全自動駕駛”，它只是把某些高風(fēng)險場景的感知不確定性降低了；同樣，缺少遠距LiDAR的車輛也可能通過更強的軟件+數(shù)據(jù)策略來實現(xiàn)優(yōu)秀的用戶體驗，只是在安全冗余與極端場景下需要更加謹(jǐn)慎的策略。行業(yè)報道里關(guān)于不同車企選擇的差別，正反映了這種商業(yè)與技術(shù)的雙重權(quán)衡。

總之，目前看不出哪一種技術(shù)會單獨“取代”另一種。更現(xiàn)實的主流是分層與混合，高性能的遠距固態(tài)/半固態(tài)LiDAR（像速騰聚創(chuàng)M1P這樣的產(chǎn)品）會在需要高速遠預(yù)測的車型上越來越常見，TOF與其他近距固態(tài)方案會繼續(xù)在側(cè)向、盲區(qū)與低速場景中扮演重要角色。整車廠的最終選擇會基于產(chǎn)品定位、成本壓力、對極端場景的安全策略以及與現(xiàn)有供應(yīng)鏈的匹配來決定。行業(yè)也會繼續(xù)演進，硬件更便宜、更小、更可靠，軟件更善于把多源信息融合成魯棒的判斷。換言之，未來并非“非此即彼”，而是“取長補短、按需布置”才是主流。

-- END --