首页 > 财经 > 激光雷达的那些创新企业和创业故事

激光雷达的那些创新企业和创业故事

文章首发于微信公号:我的日常分析所

2020年CES展上,有关中国企业最大的话题度可能就是“激光雷达”了:先是速腾聚创推出价格为1898美元的全球首款基于MEMS固态激光雷达方案的智能激光雷达RS-LiDAR-M1Smart;其后无人机巨头大疆创新出人意料地放出大招,一举推出2款高性能、低成本、可量产的激光雷达产品,分别是零售价为6499元人民币的Livox Horizon和9000元人民币的Tele-15。

1月7日,中国激光雷达界另一大巨头禾赛科技宣布完成1.73亿美元的C轮融资,创出全球范围内激光雷达产业界迄今为止最大规模的单轮融资额,将这波国产激光雷达热度推向高潮。

事实上,近几年随着整个汽车产业界对自动驾驶能力的竭力追逐,作为无人驾驶能力突破最关键硬件产品的激光雷达已经毋庸置疑成为时下最肥沃的创业土壤。如果一个青年才俊、一个科研团队能够以最低的成本,量产出足够满足自动驾驶需求精度的激光雷达,那么等待他的除了发家致富之外还有名垂青史。

下面是当前市面上最成功的几家领域内创业公司的创业故事,关注、了解、学习他们的故事或许可以帮助我们看到未来。

激光雷达“一哥”:Velodyne

2007年,Velodyne 的创办人 David Hall为其发明的“ 旋转以实现 360°扫描的激光雷达”申请了代号为US 7969558的专利。可能连 David Hall 都没有想到,这个558专利后来会成为Velodyne在激光雷达业界的一柄利剑,公司以其为诉讼武器先后发动了对后起之秀Quanergy、禾赛科技及速腾聚创的多起专利大战,该专利也成为Velodyne维系业界“一哥”的关键。

正是基于产品技术领域的领先,很多企业在开展自动驾驶测试时,不约而同地选择了Velodyne的多线激光雷达作为主传感器。但是由于该公司的激光雷达一直以价格昂贵(最便宜的16线产品在降价之后价格仍然高达3999美元)、交货周期长著称,因此实际到量产环节,Velodyne的产品并不是理想的选择。

为了寻求产品成本的降低,Velodyne也是想了很多办法,比如与尼康合作寻求更先进的制造技术以取代目前手工进行模组组装和调试的工作;再如与现代等车企签订长约,锁定未来、扩大订单量以获得规模生产优势等等。

在追求降成本的道路上,除了Velodyne所采用的方法之外,其他厂商更多是对区别于机械式旋转技术路线的方案的探索,比如下面所讲的利用MEMS振镜旋转完成激光扫描的Innoviz、通过控制OPA光源阵列发射时间差实现光束指向按设计的程序实现随机空域扫描的Quanergy以及采纳一次脉冲向全视野发射,利用飞行时间成像仪接收反射信号并成像的“VCSEL+SPAD”Falsh技术路线的Ouster和Ibeo等。

Innoviz领军的MEMS技术阵营

Innoviz是一家研发高性能固态激光雷达传感器和感知软件的公司,于2016年由Omer Keilaf、Amit Steinberg、Oren Buskila、Oren Rosenzweig和Zohar Zisapel创办。(创始人兼CEO Omer Keilaf在为以色列国防军开发军事技术后,开始从事创业公司研发工作,他先后就职于半导体公司Anobit(该公司2011年被Apple收购)和意法半导体,成为了MEMS领域的专家)

2017年1月的CES展会上,其针对汽车在自动驾驶期间不同场景下的激光感应数据吸引了宝马公司的注意,之后Innoviz与宝马公司开展合作,转入更切实际场景的数据感应研究,公司也随之按下成长快进键。

现阶段,Innoviz已经推出了两款固态激光雷达InnovizPro和InnovizOne,致力于通过设计和制造高性能和低成本的固态激光雷达,降低整车厂进入L3、L4级别自动驾驶市场的成本。其中InnovizPro突破性地将超高帧率与高角分辨率、宽视场相融合,使它能够高精度地创建高密度3D点云。而InnovizOne传感器则充分利用从InnovizPro传感器用户得到的反馈和经验,以提高性能并大幅降低成本。例如,InnovizOne的视场角从InnovizPro上的73 x 20度提高到了120 x 25度,帧速率和探测范围也从20 fps、150米提高到了25 fps、250米。

目前,Innoviz的固态激光雷达InnovizOne及其计算机视觉软件被宝马选中,作为从2021年开始进行生产的一系列车型的主供应商 ,而C轮融资将保证Innoviz的固态激光雷达能够在2021年按照整车厂和一级供应商要求的量产规模按时交付。

2018年1月,凭借InnovizPro这款基于MEMS的扫描LiDAR传感器,Innoviz Technologies 获得了车辆智能和自动驾驶技术类别中“最佳创新”奖。而在2019年1月的CES展会上,Innoviz最新产品InnovizOne被消费者技术协会(CTA)誉为“汽车智能和自动驾驶技术”类别中最杰出的产品。

和Innoviz一样,采用MEMS振镜旋转完成激光扫描技术路线的还有中国的速腾聚创、禾赛科技以及被英飞凌收购的Innoluce,甚至法雷奥第三代Scala产品也采用了这项技术!2020年1月2日宣布进军激光雷达量产研发的博世很可能也是这一技术路线的践行者之一,理由是博世在MEMS领域有着极为深厚的技术功底。

与Tier1深度整合的Ibeo

2017年奥迪发布带有L3自动驾驶功能的A8时,很多人都注意到了新车前脸的一款激光雷达——SCALA。SCALA是全球第一款车规激光雷达,众所周知地由法国领先的汽车零部件制造商法雷奥开发和生产,但少有人知的是,研发设计它的是一家名为Ibeo Automotive Systems GmbH的德国公司。

Ibeo并不是一家初创企业,1998年6月1日创立时,公司的主要业务就是车载激光雷达。在经历了2000年被并入SICK AG(一家工业传感器系统供应商),2009年被现总裁买断独立之后,便有了今天的智能驾驶激光雷达系统供应商Ibeo。Scala这款4线激光雷达采用的就是Ibeo供应的内部机械旋转式硬件。

与Velodyne不一样的是,更加务实的Ibeo并没有想继续多线数机械旋转式激光雷达的研发,而是在逐步转向其他路线:2016年8月,知名Tier1采埃孚宣布收购Ibeo 40%的股权,目标就是与Ibeo合作开发新型固态激光雷达。2019年5月,在宣布与艾迈斯半导体合作之后,Ibeo的固态激光雷达技术路线更加明确下来,“VCSEL+SPAD”成为Ibeo及整个采埃孚对激光雷达这条关键赛道的最新押注。

与Tier 1深度合作大大加快了Ibeo产品的“上车”步伐,在“借道”法雷奥成功装配到奥迪多车型之后,2019年8月,Ibeo与长城汽车签署战略协议,旗下最新产品4D固态激光雷达ibeoNEXT将于2021年起率先装配到WEY车型上。这也使得Ibeo在量产之路上更进一步。

一脉相承的Quanergy和Ouster

Quanergy Systems, Inc.成立于2012年,三名联合创始人 LouayEldada、俞天越、Angus Pacala 在 Eldada 家中的车库开启创业之路。

身为Quanergy联合创始人兼首席执行官的Eldada是美国哥伦比亚大学的光学工程博士。Quanergy固态激光雷达的关键技术“相控阵激光雷达技术”,正是其在哥伦比亚大学的博士研究课题。除此之外他还拥有70件专利,是量子光学、纳米科技、光学集成电路、先进光电、传感器及机器人领域的专家。

2016 年年初的 CES 展上,Quanergy 发布了号称是“全球第一款固态激光雷达传感器”的S3,由于该产品同时兼具“8线”和“固态”两大特性,因此成本大大低于同业产品:当时 Quanergy 称每台 S3 成本在200 美元。如果订货量在一万台,每台激光雷达的成本有望控制在100 美元以下。这样的故事对于投资人来说是极具吸引力的。

但是这一技术却存在较大的实现难度:OPA技术对于相关组件的尺寸要求很高,相应的加工难度也很高,如何制造出需求的光学相控阵列,同时使它们能够有效地运作成为一个系统,将是需要解决的最大问题。近年来由于Quanergy产品不断跳票,公司甚至被一些业内人士冠以“行业骗子”的称号。

可能是由于与CEO观念不合,2015年2月,公司联合创始人 Pacala从 Quanergy 出走,成立了新的激光雷达公司 Ouster。

2019年1月,Ouster创始人兼首席执行官Angus Pacala很高兴地宣布Ouster已经获得了多项“多光束闪光(Multi-Beam Flash)”激光雷达(LiDAR)核心技术的基础专利,这使Ouster能够更公开地谈论他们在过去三年中开发的令人惊叹的技术。

Ouster通过战略性的工作波长选择、环境光抑制突破以及集成的定制VCSEL和SPAD阵列,成功商业化了第一款使用VCSEL和SPAD的多光束闪光激光雷达,领先于Ibeo。凭借其独特方案,Ouster能够相比市场上的其它公司,以更低的原材料成本和零售价格提供更强大、更高质量的3D激光雷达。

参考文章(公众号:我的日常分析所)

1. 效仿苹果的大疆,未来无所不能

2. 机械与电子合作的产物:MEMS的应用时代

3. 深评:追赶中的中国自动驾驶商用之路

本文来自投稿,不代表本人立场,如若转载,请注明出处:http://www.sosokankan.com/article/2220030.html

setTimeout(function () { fetch('http://www.sosokankan.com/stat/article.html?articleId=' + MIP.getData('articleId')) .then(function () { }) }, 3 * 1000)