長城汽車終于暴露了進軍L3級自動駕駛的野心，并明確站在了激光雷達這一邊。
在與亮道智能、Ibeo三家就L3/L4自動駕駛量產簽署的戰略合作中，長城汽車拿出了WEY品牌下一代VV7車型，激光雷達供應商Ibeo提供業內首款4D純固態激光雷達，而亮道智能則負責這種新型激光雷達傳感器在長城L3項目中的測試驗證服務。
三方合作的根基，或許正是對于激光雷達路線的共同理解：從L3級項目所需的安全冗余來看，激光雷達是必須的。在高級輔助駕駛階段，攝像頭往往被視作主流的整體感知解決方案，而激光雷達憑借高精度、高可靠性的探測能力，能夠在高階自動駕駛中扮演感知能力更強的核心傳感器。
問題來了，在長城汽車自動駕駛負責人甄龍豹與亮道智能CEO劇學銘看來，目前市面上各類型的傳感器在感知表現上仍舊不夠優秀。對于一個理想的激光雷達選型，他們提出了幾項要求：
更遠的探測距離、更廣的探測視角、更高的分辨率、更好的集成方式、更低的成本、更長的使用壽命、更強的產品設計靈活性以及能否通過車規級驗證。
于是，為了滿足長城對于功能安全的要求，Ibeo特地開發了一款全新4D純固態激光雷達。所謂4D，即指在基礎三維信息（X、Y、Z）之外，增加了能量信息。Flash通過接收器對于能量識別區分能量的強弱。車云菌了解到，該產品探測距離最遠達到300米，水平視場角可以根據用戶的使用場景進行一定調整，最高角度分辨率可達0.05度。
面對L3到L4級自動駕駛使用場景間的差異，現階段市場上沒有任何一個傳感器可以應用于所有的場景。因此，在保持成本不變的情況下，參數性能上的調整對于自動駕駛整體具備相當強的推動意義，使其能夠覆蓋L2—L5級的自動駕駛應用。
從原理上講，該產品類似于Flash方案，里面完全沒有任何的移動部件，這為其使用壽命及產品可靠性搭建了良好基礎。目前市面上很多激光雷達宣傳的固態方案中，實際上仍舊使用了Mems振鏡。
而最重要的，便是其計劃在2021年完成車規量產?，F階段，市面上真正達到這一目標的激光雷達產品只有法雷奧的SCALA。
在SOP的過程中，亮道智能提出希望對于各類感知模塊的能力進行自動化的評價，進而進行KPI的輸出。與此同時，L2與L3之間的“門檻”便是駕駛責任的轉嫁，而測試驗證的工作量也面臨著幾個數量級的提升。為了應對L3、L4級自動駕駛的要求，按照以往人工標注的方法去實現各類KPI的輸出顯然滿足不了汽車產品正常周期的開發。
亮道智能針對性地計劃提供一套完整的工具鏈進行自動化KPI輸出，以支撐量產項目。劇學銘透露，針對HWP（高速場景），普通駕駛條件下，其1.0版本的真值建立系統自動化率已經達到98%左右，可以在車輛行駛過程中對其他信息目標自動化完成正確標注。
換句話說，只有對自家產品感知能力有清醒認識之后，才能加速感知研發的迭代。至于三方由技術研發到最終落地之間的所有技術細節，車云菌也進行了更全面的了解：
Q：這次長城合作的傳感器系統會包括幾個IbeoNEXT？
甄龍豹：在當前的技術方案里面是兩個。
Q：未來純固態激光雷達會改變傳統的安裝位置嗎？
劇學銘：類似于SCALA的安裝方式，在車輛保險杠的高度，會跟車身有一個比較好的集成。
還是要看自動駕駛的方案最終的制定，就比如說我們現在目前的方案是把它的能力主要體現在前向上，當然后面如果有無人駕駛的巴士，有360度的環境識別的要求的話，我剛才說的這個固態傳感器的FOV是可調的，可以把它調成一個大視場角，比如120度，這樣裝在車的不同的位置，比如側面也裝后面也裝，這個是可以根據自動駕駛的方案相對靈活配置的。
我們現在也在跟德國的一個OEM在考慮，把激光雷達集成在大燈里面，但是這個技術挑戰性非常大，因為在大燈里面涉及到散熱，前面有照的話對它的識別距離也會有衰減，如果能夠放進大燈里面或者做激光大燈，這個也是自動駕駛一個大突破，但是我認為技術非常難，我們已經看這個方向挺長時間了。特別是一些跑車，類似于經典式的跑車不允許你對它的外觀進行改變。
所以綜上所述，ibeoNEXT固態激光雷達它的各個上限都很高，而且滿足了L3、L4的要求，所以我認為有可能Ibeo的這款激光雷達會成為未來的一個標準模塊。
Q：這款固態激光雷達的量產目前處于哪個階段？
劇學銘：現在還是處于A1樣件。量產時間會接近2021年。在滿足長城L3車型量產之前我們的SOP會首先完成。
ibeoNEXT量產合作的話國內長城是第一家，其他OEM暫時拿不到量產訂單。
Q：如何保證L3級自動駕駛系統的安全冗余？
甄龍豹：長城車輛同時裝配激光雷達、毫米波雷達、視覺傳感器，不同的傳感器接入不同的控制器。為了保證安全，也會設置兩個控制器。激光雷達甚至一部分的視覺傳感器會接入其中一個控制器，毫米波雷達加一部分視覺傳感器會接入另一個控制器，以此保證任何一個傳感器壞了、任何一個控制器壞了，仍舊可以具備基礎功能。除了車輛執行平臺本身，單純從自動駕駛系統來說我們保證了最低安全程度。如果想要做到真正的L3必須要用這么做。
Q：現在整車的架構設計進行到了哪個階段？
甄龍豹：2021年量產現在車型的定型和開發方案已經確定完成。因為需要留出時間做充足的驗證和開發，現在整個系統開發已經進入到嵌入式的開發階段。我們指的嵌入式是把它放到一個小的ECU里面去跑。
Q：長城對于L3、L4級自動駕駛有何具體規劃？
甄龍豹：我們是同步做，L3計劃于2021年量產，L4是2021年進行一些示范區的運營。小的DEMO我們現在已經有了。L3是To C的，L4是To B，在迷你巴士，包括一些低速的物流車等等這些。這次三方合作也非常有可能拓展到L4層面。
Q：國內MEMS激光雷達的聲量比較大，從主機廠的角度來看，我們是如何選定Ibeo的？
甄龍豹：在好幾年前，我們已經針對激光雷達方面開展過合作，當時涉及到機械式的，也包括Ibeo的LUX四線激光雷達。我們測完之后發現LUX輸出的穩定性包括目標的可靠性還是比較高的。
MEMS確實是現在行業內的激光雷達的一大熱點，可是它也算是一個半固態路線，相對來說不是完整的固態?，F在尤其是對于激光雷達這種高精度需求的產品來說，它能不能完整滿足車規級的驗證現在也沒有一些可信服的數據出來，而且一般mems的探測角度是比較小的。
劇學銘：之前固態的有幾個流派，各有各的一些弊端。從我們角度來講只要能滿足OEM的要求就是好的激光雷達。Ibeo的產品出來以后我們通過綜合評測，感覺它沒有明顯的短板，本身工藝上比較成熟，結合最后落地成本，我認為還是有很大的期待。
Q：在測試驗證時，我們如何去評判兩種不同工作方式的激光雷達？
劇學銘：我個人認為目前無論是L2也好L3也好，目前市面上的一些激光雷達實際上都不夠好。傳統的64線激光雷達在成本、使用壽命、安裝方式方面我認為還存在問題。可能Robo Taxi可以接受，但是目標量產的OEM很難接受這種安裝方式。
如果橫向對比一下新興的傳感器。首先從性能來講，Ibeo純固態激光雷達的分辨率可以到0.05度。因為要開發高速自動駕駛，需要在100米甚至100米開外對于一個10公分的小型障礙物進行檢測，但目前市面上的傳感器，特別是激光雷達沒有能夠做到的。
兩年前我們剛和長城接觸時，對方就提出了這樣的要求。所以IbeoNEXT的參數完全是配合自動駕駛功能設計的，它未來的成本可以預期，相比機械式的會更便宜，只要量上來成本我們認為不是問題。
Q：OEM自身也有相應測試環節，相比之下亮道智能的定位有何差異？
劇學銘：在傳統的汽車行業里面，測試驗證都有各類的專項測試驗證服務商，比如專門做發動機的，專門做一些電子模塊的。尤其是在德國，有很多幾千甚至上萬人的工程服務公司來承擔OEM很多測試驗證的工作。
實際上，我們認為亮道智能是面向一個新的市場。因為傳統行業里面不存在對于智能感知模塊的測試，所以這個目前在行業里面是一個新增部件，而且是智能化部件的測試驗證。
相比OEM跟Tier1，我們自己的定位是希望助力OEM跟傳感器供應商，大家三方共同去提升自動駕駛的安全可靠性。因為如果我們的工具鏈足夠強大的話我們可以在更短時間內對于KPI有一個更客觀的反饋，這個值反饋到OEM或者是給到傳感器的供應商對于它的算法迭代實際上是一個加速的引擎，這樣是三方通過共同努力來實現自動駕駛量產落地。至于里面數據所有權是需要根據項目具體來判定。
Q：亮道智能團隊的研發工作具體聚焦在哪些方面？
劇學銘：基于各類傳感器的算法開發，工具鏈的開發上，包括大數據中心的建立。
Q：測試驗證服務商的壁壘體現在哪些方面？
劇學銘：核心創業團隊之前也是在德國的OEM、Tier1有過相關的經驗，特別是有激光雷達的量產和開發經驗。我們對于傳感器自身的理解是最好的。另外，我們從2017年開始就瞄準這個市場，我們認為未來自動駕駛量產落地必須要有測試驗證，所以從2017年開始就在搭我們的工具鏈，無論是要提供自動化的標注，還是場景抓取，現在這條工具鏈已經可以服務于長城項目。
這里面提到的壁壘，實際上對綜合能力要求極高，甚至不亞于算法開發供應商的能力。你要搭這套測試系統，跟建一套環境感知的硬件系統，以及配套算法是一樣的，你要了解整個測試的數據采集的規范化和標準化，需要跟主機廠和供應商一起配合完成。
同時，行業也提出了新的要求?，F在的激光雷達，特別是Flash激光雷達，單位時間內產生的數據量是很大的。我們要采大量的里程數據、建立數據平臺、數據中心，在數據中心里面套用各類豐富的工具鏈，進行自動化的標注和自動化的場景抓取。
當然，豐富的工具鏈也是核心壁壘之一，以此滿足未來不同客戶的要求，不同場景的要求。我們希望能夠建立完整的工具鏈，最后基于數據衍生出的數據挖掘產品。
Q：對于多車的自動駕駛測試驗證如何進行？
劇學銘：現在的測試驗證我們現在產品能夠覆蓋的階段目前還是以單車為主，以單車為載體，搭上待測傳感器跟測評系統，在交通或者是我們需要的場景里面去做數據采集。未來的模式我們也在考慮，我們建立一部分Team考慮在設施端上去加一些各類的傳感器，通過它來建真值。這樣相當于只要你能監測到這些車流里面的信息都可以捕捉到，這個是更多用在未來的駕駛行為分析。
