长城汽车终于暴露了进军L3级自动驾驶的野心，并明确站在了激光雷达这一边。

在与亮道智能、Ibeo三家就L3/L4自动驾驶量产签署的战略合作中，长城汽车拿出了WEY品牌下一代VV7车型，激光雷达供应商Ibeo提供业内首款4D纯固态激光雷达，而亮道智能则负责这种新型激光雷达传感器在长城L3项目中的测试验证服务。

三方合作的根基，或许正是对于激光雷达路线的共同理解：从L3级项目所需的安全冗余来看，激光雷达是必须的。在高级辅助驾驶阶段，摄像头往往被视作主流的整体感知解决方案，而激光雷达凭借高精度、高可靠性的探测能力，能够在高阶自动驾驶中扮演感知能力更强的核心传感器。

问题来了，在长城汽车自动驾驶负责人甄龙豹与亮道智能CEO剧学铭看来，目前市面上各类型的传感器在感知表现上仍旧不够优秀。对于一个理想的激光雷达选型，他们提出了几项要求：

更远的探测距离、更广的探测视角、更高的分辨率、更好的集成方式、更低的成本、更长的使用寿命、更强的产品设计灵活性以及能否通过车规级验证。

于是，为了满足长城对于功能安全的要求，Ibeo特地开发了一款全新4D纯固态激光雷达。所谓4D，即指在基础三维信息（X、Y、Z）之外，增加了能量信息。Flash通过接收器对于能量识别区分能量的强弱。车云菌了解到，该产品探测距离最远达到300米，水平视场角可以根据用户的使用场景进行一定调整，最高角度分辨率可达0.05度。

面对L3到L4级自动驾驶使用场景间的差异，现阶段市场上没有任何一个传感器可以应用于所有的场景。因此，在保持成本不变的情况下，参数性能上的调整对于自动驾驶整体具备相当强的推动意义，使其能够覆盖L2—L5级的自动驾驶应用。

从原理上讲，该产品类似于Flash方案，里面完全没有任何的移动部件，这为其使用寿命及产品可靠性搭建了良好基础。目前市面上很多激光雷达宣传的固态方案中，实际上仍旧使用了Mems振镜。

而最重要的，便是其计划在2021年完成车规量产。现阶段，市面上真正达到这一目标的激光雷达产品只有法雷奥的SCALA。

在SOP的过程中，亮道智能提出希望对于各类感知模块的能力进行自动化的评价，进而进行KPI的输出。与此同时，L2与L3之间的“门槛”便是驾驶责任的转嫁，而测试验证的工作量也面临着几个数量级的提升。为了应对L3、L4级自动驾驶的要求，按照以往人工标注的方法去实现各类KPI的输出显然满足不了汽车产品正常周期的开发。

亮道智能针对性地计划提供一套完整的工具链进行自动化KPI输出，以支撑量产项目。剧学铭透露，针对HWP（高速场景），普通驾驶条件下，其1.0版本的真值建立系统自动化率已经达到98%左右，可以在车辆行驶过程中对其他信息目标自动化完成正确标注。

换句话说，只有对自家产品感知能力有清醒认识之后，才能加速感知研发的迭代。至于三方由技术研发到最终落地之间的所有技术细节，车云菌也进行了更全面的了解：

Q：这次长城合作的传感器系统会包括几个IbeoNEXT？

甄龙豹：在当前的技术方案里面是两个。

Q：未来纯固态激光雷达会改变传统的安装位置吗？

剧学铭：类似于SCALA的安装方式，在车辆保险杠的高度，会跟车身有一个比较好的集成。

还是要看自动驾驶的方案最终的制定，就比如说我们现在目前的方案是把它的能力主要体现在前向上，当然后面如果有无人驾驶的巴士，有360度的环境识别的要求的话，我刚才说的这个固态传感器的FOV是可调的，可以把它调成一个大视场角，比如120度，这样装在车的不同的位置，比如侧面也装后面也装，这个是可以根据自动驾驶的方案相对灵活配置的。

我们现在也在跟德国的一个OEM在考虑，把激光雷达集成在大灯里面，但是这个技术挑战性非常大，因为在大灯里面涉及到散热，前面有照的话对它的识别距离也会有衰减，如果能够放进大灯里面或者做激光大灯，这个也是自动驾驶一个大突破，但是我认为技术非常难，我们已经看这个方向挺长时间了。特别是一些跑车，类似于经典式的跑车不允许你对它的外观进行改变。

所以综上所述，ibeoNEXT固态激光雷达它的各个上限都很高，而且满足了L3、L4的要求，所以我认为有可能Ibeo的这款激光雷达会成为未来的一个标准模块。

Q：这款固态激光雷达的量产目前处于哪个阶段？

剧学铭：现在还是处于A1样件。量产时间会接近2021年。在满足长城L3车型量产之前我们的SOP会首先完成。

ibeoNEXT量产合作的话国内长城是第一家，其他OEM暂时拿不到量产订单。

Q：如何保证L3级自动驾驶系统的安全冗余？

甄龙豹：长城车辆同时装配激光雷达、毫米波雷达、视觉传感器，不同的传感器接入不同的控制器。为了保证安全，也会设置两个控制器。激光雷达甚至一部分的视觉传感器会接入其中一个控制器，毫米波雷达加一部分视觉传感器会接入另一个控制器，以此保证任何一个传感器坏了、任何一个控制器坏了，仍旧可以具备基础功能。除了车辆执行平台本身，单纯从自动驾驶系统来说我们保证了最低安全程度。如果想要做到真正的L3必须要用这么做。

Q：现在整车的架构设计进行到了哪个阶段？

甄龙豹：2021年量产现在车型的定型和开发方案已经确定完成。因为需要留出时间做充足的验证和开发，现在整个系统开发已经进入到嵌入式的开发阶段。我们指的嵌入式是把它放到一个小的ECU里面去跑。

Q：长城对于L3、L4级自动驾驶有何具体规划？

甄龙豹：我们是同步做，L3计划于2021年量产，L4是2021年进行一些示范区的运营。小的DEMO我们现在已经有了。L3是To C的，L4是To B，在迷你巴士，包括一些低速的物流车等等这些。这次三方合作也非常有可能拓展到L4层面。

Q：国内MEMS激光雷达的声量比较大，从主机厂的角度来看，我们是如何选定Ibeo的？

甄龙豹：在好几年前，我们已经针对激光雷达方面开展过合作，当时涉及到机械式的，也包括Ibeo的LUX四线激光雷达。我们测完之后发现LUX输出的稳定性包括目标的可靠性还是比较高的。

MEMS确实是现在行业内的激光雷达的一大热点，可是它也算是一个半固态路线，相对来说不是完整的固态。现在尤其是对于激光雷达这种高精度需求的产品来说，它能不能完整满足车规级的验证现在也没有一些可信服的数据出来，而且一般mems的探测角度是比较小的。

剧学铭：之前固态的有几个流派，各有各的一些弊端。从我们角度来讲只要能满足OEM的要求就是好的激光雷达。Ibeo的产品出来以后我们通过综合评测，感觉它没有明显的短板，本身工艺上比较成熟，结合最后落地成本，我认为还是有很大的期待。

Q：在测试验证时，我们如何去评判两种不同工作方式的激光雷达？

剧学铭：我个人认为目前无论是L2也好L3也好，目前市面上的一些激光雷达实际上都不够好。传统的64线激光雷达在成本、使用寿命、安装方式方面我认为还存在问题。可能Robo Taxi可以接受，但是目标量产的OEM很难接受这种安装方式。

如果横向对比一下新兴的传感器。首先从性能来讲，Ibeo纯固态激光雷达的分辨率可以到0.05度。因为要开发高速自动驾驶，需要在100米甚至100米开外对于一个10公分的小型障碍物进行检测，但目前市面上的传感器，特别是激光雷达没有能够做到的。

两年前我们刚和长城接触时，对方就提出了这样的要求。所以IbeoNEXT的参数完全是配合自动驾驶功能设计的，它未来的成本可以预期，相比机械式的会更便宜，只要量上来成本我们认为不是问题。

Q：OEM自身也有相应测试环节，相比之下亮道智能的定位有何差异？

剧学铭：在传统的汽车行业里面，测试验证都有各类的专项测试验证服务商，比如专门做发动机的，专门做一些电子模块的。尤其是在德国，有很多几千甚至上万人的工程服务公司来承担OEM很多测试验证的工作。

实际上，我们认为亮道智能是面向一个新的市场。因为传统行业里面不存在对于智能感知模块的测试，所以这个目前在行业里面是一个新增部件，而且是智能化部件的测试验证。

相比OEM跟Tier1，我们自己的定位是希望助力OEM跟传感器供应商，大家三方共同去提升自动驾驶的安全可靠性。因为如果我们的工具链足够强大的话我们可以在更短时间内对于KPI有一个更客观的反馈，这个值反馈到OEM或者是给到传感器的供应商对于它的算法迭代实际上是一个加速的引擎，这样是三方通过共同努力来实现自动驾驶量产落地。至于里面数据所有权是需要根据项目具体来判定。

Q：亮道智能团队的研发工作具体聚焦在哪些方面？

剧学铭：基于各类传感器的算法开发，工具链的开发上，包括大数据中心的建立。

Q：测试验证服务商的壁垒体现在哪些方面？

剧学铭：核心创业团队之前也是在德国的OEM、Tier1有过相关的经验，特别是有激光雷达的量产和开发经验。我们对于传感器自身的理解是最好的。另外，我们从2017年开始就瞄准这个市场，我们认为未来自动驾驶量产落地必须要有测试验证，所以从2017年开始就在搭我们的工具链，无论是要提供自动化的标注，还是场景抓取，现在这条工具链已经可以服务于长城项目。

这里面提到的壁垒，实际上对综合能力要求极高，甚至不亚于算法开发供应商的能力。你要搭这套测试系统，跟建一套环境感知的硬件系统，以及配套算法是一样的，你要了解整个测试的数据采集的规范化和标准化，需要跟主机厂和供应商一起配合完成。

同时，行业也提出了新的要求。现在的激光雷达，特别是Flash激光雷达，单位时间内产生的数据量是很大的。我们要采大量的里程数据、建立数据平台、数据中心，在数据中心里面套用各类丰富的工具链，进行自动化的标注和自动化的场景抓取。

当然，丰富的工具链也是核心壁垒之一，以此满足未来不同客户的要求，不同场景的要求。我们希望能够建立完整的工具链，最后基于数据衍生出的数据挖掘产品。

Q：对于多车的自动驾驶测试验证如何进行？

剧学铭：现在的测试验证我们现在产品能够覆盖的阶段目前还是以单车为主，以单车为载体，搭上待测传感器跟测评系统，在交通或者是我们需要的场景里面去做数据采集。未来的模式我们也在考虑，我们建立一部分Team考虑在设施端上去加一些各类的传感器，通过它来建真值。这样相当于只要你能监测到这些车流里面的信息都可以捕捉到，这个是更多用在未来的驾驶行为分析。