摘要：彼时行业对于固态激光雷达的追捧，正如今天行业对于固态电池的憧憬一般，大家都认为，自动驾驶的诗与远方，需要这一完美传感器实现。

10 年前的硅谷曾流传着这样一句话：

谁掌握了固态激光雷达，谁就握住了自动驾驶的入场券。

彼时行业对于固态激光雷达的追捧，正如今天行业对于固态电池的憧憬一般，大家都认为，自动驾驶的诗与远方，需要这一完美传感器实现。

固态激光雷达的对立面是传统机械式激光雷达，它的原理是通过机械部件对环境进行 360 度扫描，进而生成高分辨率点云，但机械旋转部件容易发生机械磨损，往往可靠性差，并且它太大、太重、太贵。

激光雷达鼻祖 Velodyne 风头正盛时，产品标配在诸多 Robotaxi 测试车型上，但其推出的 64 线激光雷达一颗重达 13 公斤，售价 8 万美元，几乎没有车企能够承受得起。

由此，兴起的车载激光雷达市场亟需一种「梦想传感器」——全固态激光雷达，它被赋予三大完美特性：

这一愿景如同自动驾驶行业的「圣杯」，一些初创企业也因此一举崛起。

2016 年 CES 上，Quanergy 用固态激光雷达 S3 惊艳亮相，创始人 Louay Eldada 站在聚光灯下，宣称这款产品「成本仅为 200 美元」，就此拿下了奔驰 E 级车的项目定点，公司估值一度飙升至 20 亿美元。

两年后的 CES，速腾聚创也推出了半固态激光雷达 M1 的早期版本，2019 和 2020 年连续获得两届 CES 创新大奖。M1 后续也搭载在 Lucid 的 Air 车型、小鹏 G9 等车型上。

然而，从传统机械式向固态化激光雷达转型注定是一个从 0 到 1 的艰难过程。

在这个技术革命的阵痛期中，Quanergy 与速腾聚创恰好对应了两种命运，前者因技术硬伤跌至破产，后者用自研实力与量产工程能力坐稳行业头部位置。

你能看到，在固态激光雷达的漫长征途中，这样的故事还有很多。

有人顺利突围，就会有人黯然退场。

01、全固态激光雷达，没那么简单

在激光雷达玩家们争相攀登固态激光雷达高地时，技术路线也呈现出「百家争鸣」态势，包括 MEMS、OPA、Flash、转镜等。

如果将扫描机制看作分水岭，可以将它们分为两大派别：

一派是物理扫描，即通过物理手段改变激光雷达的扫描方式。

比如 MEMS、转镜，都是依赖镜子的振动而改变光束方向，从而实现对一定范围内环境的扫描。

只不过两者驱动方式不同，MEMS 依赖芯片化控制，而转镜直接由电机驱动。

从这点上看，MEMS 与转镜其实属于半固态激光雷达，严格而言属于非固态激光雷达。

而 OPA 同样处于物理扫描范畴，但它的技术原理是基于光学相控阵技术，在单一芯片上由多个激光发射单元组成发射阵列，调节发射阵列中各个单元的相位差，改变激光光束的发射角度。

这就好比舞台上的灯光控制机制，通过灯光配合来扫描物体。只不过 OPA 的扫描器件不像 MEMS、转镜一般会产生运动轨迹，它整个激光的发射与接收过程完全通过芯片完成。

而另一派则是电子扫描。

典型代表是 Flash，它不需要依赖物理扫描来改变光的发射方向，而是直接发射出一大片覆盖探测区域的激光，以高度灵敏的接收器接收反射光，来完成对环境周围图像的绘制。

这就像相机拍照一样，可以一次性照亮整个场景并获得图像信息。

此外还有类 Flash 技术路线，也叫做二维可寻址，可以看作 Flash 的进阶版，因为 Flash 同时间发射大量激光会导致串扰信息严重，而类 Flash 解决了这一问题，它的测光区域会更精确，每个 VCSEL 单元（垂直腔面发射激光器）都可以被单独控制，可以逐行或逐区域激活激光发射，对应的接收端也逐区接收。

1D、2D技术扫描方式

二维可寻址技术扫描方式

类 Flash 的技术原理与 CMOS 卷帘快门的逻辑类似，即拍摄时图像传感器像素也会逐行或逐列曝光，进而完成图像采集。

总结来看，全固态激光雷达的严苛定义其实就一句话，内部没有任何机械运动部件。

因此只有 OPA、Flash、类 Flash 属于这一阵列。

但值得一提的是，这三条技术路线并非都能达成全固态激光雷达车规级量产的要求。

当前行业对于优质固态激光雷达的标准，除了无运动部件、体积小等基本铁律，还需要其跨过两大优等线。

一是视场角、探测距离、分辨率匹配智能驾驶场景；

一般而言，主雷达需要实现超远测距，而补盲雷达需要具备超广视场角，并且两者在感知层面都要生成高质量点云，保证高分辨率。

在这点上，Flash 技术路线由于一次需要发射大面积光阵，在体积限制下无法保证功率密度，因此视场角、探测距离、分辨率往往无法兼顾，尤其是如果选择远测距，视场角会非常小。

因此，基于 Flash 技术路线打造的大视场角短距激光雷达，在车上主要用于补盲。

二是具备量产可行性。

激光雷达常见阳光干扰、旁瓣干扰、高反膨胀等工程问题，如果这些问题处理不好，激光雷达点云质量不达标，产品就无法在终端应用和量产落地。

而 OPA 路线，由于光学相控阵技术的技术原理，会对旁瓣干扰问题更加困扰，如果为了目标检测的准确性将旁瓣挡住，这又会导致视场角进一步缩小。

实际上，OPA 路线的视场角本就有限，并且一整个接受面也会带来信噪比差，解析难等问题。

因此对比来看，类 Flash 技术路线由于具备高灵活性与精确控制能力，抗干扰能力强，在量产稳定性上会更胜一筹。

02、从「梦想」到落地：突围者与退场者

全固态激光雷达的技术分野，使得激光雷达玩家们走向不同结局。

实际上，先驱者的失败，暴露了技术路线选择与产业化节奏的致命矛盾。

全固态激光雷达需同时解决大面阵集成（高分辨率）与大视场角覆盖（扩大感知范围）两大难题，而传统机械式、Flash、OPA 方案都存在一定的底层技术瓶颈，使其在量产落地上未能与自动驾驶发展保持同频步调。

由此，在全固态激光雷达的发展史上，突围者的经验会更加可贵。

比如速腾聚创从类 Flash 路线切入，即攻克二维可寻址技术，在 2022 年顺势推出了全固态补盲激光雷达 E1，成为全球首款量产车规级产品。

这背后关键一点，在于速腾聚创自研并落地了 SPAD-SOC 大面阵芯片。

作为全固态激光雷达的核心硬件，SPAD-SOC 大面阵芯片是关键技术制高点。彼时为促成激光雷达快速量产落地，多数玩家会选择过渡形态的 SiPM 硬件方案。

SiPM 通过模拟信号转换成数字信号，再给处理器生成点云，而 SPAD 则是直接产生数字信号生成点云，两者的本质区别在于是否存在「模数转换」过程。

打一个形象比方，SiPM 依靠模拟电路传输，就像用手机对着屏幕翻拍得到的图像，而 SPAD 通过数字信号传输，就是用手机直接发送相册原图。

所以 SPAD 方案得到的成像质量往往会更高，且集成度高，架构精简，产品体积更小。

这也意味着，要啃下全固态激光雷达的硬骨头，SPAD-SOC 大面阵芯片是绕不过去的坎。

这里需要提下索尼的 IMX459。

在苹果供应链需求驱使下，索尼凭借 CMOS 的工艺优势与供应链稳定性，在 2021 年发布了这颗 SPAD-SOC 大面阵芯片，2023 年完成量产，车规级适配由华为率先完成。

自研 SPAD-SOC 大面阵芯片固然不是件易事，尽管不少国内厂商有有过自研尝试，但实测性能与良率还够不上量产落地标准。

除了索尼这类国际供应商，目前能自研并量产落地的国内供应商除了灵明，还有速腾聚创。

当时由于行业尚不能提供合适的芯片选择，速腾聚创只能遵循「第一性原理」，走上了芯片级创新这条路。

速腾聚创自研的 SPAD-SoC 芯片于 2018 年立项，2022 年面世，应用于 E1/E1R 全固态激光雷达上，目前已经量产搭载在了多款汽车及机器人产品上。

值得一提的是，速腾聚创 SPAD-SoC 与索尼 IMX459 芯片结构设计还存在诸多差异化：

比如速腾聚创 SPAD-SoC 采用方形面阵（120°×90°视场角，576×432 像素），相比索尼 IMX459 的条形线阵（189×600 像素），无需搭配转镜或振镜，即可覆盖更大范围，显著降低系统复杂度。

以及在全链路集成上，速腾聚创自研芯片由于信号处理、时序控制等功能内置，可以直接输出高质量点云，而 IMX459 还需外接 MCU 类处理器，容易增加延迟与成本，并且 IMX459 需要配合转镜或振镜使用，某种程度上其实无法直接用该芯片做固态激光雷达。

毫无疑问的是，作为头部激光雷达大厂，速腾聚创在 SPAD-SoC 大面阵芯片上的突破，意味着其能够凭借核心器件自主可控，通过个性化适配探索全固态激光雷达的更多可能性。

03、全固态技术定义激光雷达「更优解」

所谓 VCSEL，其实就是垂直腔面发射激光器，是二维寻址技术实现的重要硬件载体。

伴随着自动驾驶向高纬度进阶，以及机器人市场的持续爆发，基于「VCSEL+SPAD-SoC」技术路线打造的全固态激光雷达正从实验室走向量产前线，推动激光雷达全品类的产品突破，可以拆解为三大升维路径：

一是架构升维，从小型化向微型化不断进阶。

车载激光雷达的小型化，曾是横亘在自动驾驶商业化面前的一道「物理墙」。而车企对于美观性、空气动力学、维修便利性的严苛要求，都在倒逼激光雷达厂商生产出更小、更轻的微型化传感器。

因此，通过去机械运动部件、芯片化集成等技术，全固态激光雷达重构了微型化激光雷达的技术路径。

比如华为最新量产的高精度固态激光雷达，体积约 50mm×50mm×80mm，在 2025 款问界 M9 上，2 颗高精度固态激光雷达放置在前翼子板两侧，一颗安装在车尾门顶部位置。

同理，速腾聚创 E1 采用超薄机身设计，体积为 69.5mm×95mm×43mm，同样便于车企集成设计，在滴滴 Robotaxi 车型上，6 颗 E1 被藏于在车头、左右前翼子板以及车尾两侧；在小马智行 Robotaxi 上，4 颗 E1 同样隐蔽分布在车身两侧。

可见，全固态激光雷达的落地，可以让激光雷达传感器像摄像头一样简洁布局，打破更多「物理墙」的空间桎梏。

二是场景升维，激活更多应用场景。

在车载激光雷达领域，全固态激光雷达的效用正逐步显现。

作为补盲雷达，它能提升智能汽车的全场景感知能力，比如三颗速腾聚创 E1 就可以实现 360 度视场无缝拼接，垂直 FOV 设计为 90°，感知范围可以兼顾地面盲区与侧向视野。

而在机器人领域，速腾聚创 E1R 已经广泛布局。

与 E1 一样，全固态激光雷达 E1R 具备 30m@10% 的测距能力，最远测距达 75m，144 线高清点云，点频高达 26 万点 / 秒等特性，能满足机器人从近距离精细感知到宽范围环境的探测需求，目前已在自主配送机器人、清洁机器人、服务机器人、人形机器人等各类机器人上应用。

三是性能升维，从「产品够用」到「定义更优解」。

一方面通过多融合方案突破激光雷达的性能边界。

比如速腾聚创推出的机器人视觉全新品类 Active Camera 的首款产品——AC1，它被称为「真正的机器人之眼」，拥有 120°×60° 的超大融合视场角，最远测距可达 70 米，是传统 3D 相机的 600 %，并且能抵抗强光干扰，能有效抑制高反材质导致的串扰、过曝、漏检等现象。

而 AC1 的产品性能建立在 SPAD-SoC 芯片、CMOS 与 IMU（惯性测量单元）硬件级融合基础之上。基于多传感器数据融合，它可以实现深度信息、视觉语义与运动姿态的结合，提供更丰富、全面的环境信息，弥补单一传感器不足。

实际上，由于 SPAD-SoC 与 CMOS 均为平面芯片，二者均能输出数字信号，因此在硬件层面易于实现空间标定与时间对齐，且融合质量较高。

某种程度上这也意味着，只有打破了 SPAD-SoC 和固态激光雷达的技术高墙，才能让激光雷达融合产品成功落地。

在应用场景上，机器人领域由于传感器部署空间少，往往需要高集成度传感器，因此像 AC1 这种硬件级融合传感器可以做到完美适配。

而在 L3、L4 级智能驾驶领域，传感器融合方案同样具备极高应用价值。

像华为侧向激光雷达视觉融合方案中，同样整合了侧向激光雷达与视觉摄像头两类关键传感器，提升辅助驾驶时侧向感知精度与范围，目前该方案已应用在尊界 S800 等车型上。

另一方面，在智能驾驶安全性层面加码。

目前全固态激光雷达作为补盲雷达，正逐步成为 L3、L4 级智能驾驶架构的必选项。

补盲雷达可以精确感知悬空、负向和异形障碍物，包括水管、消防箱、下沉台阶、沟渠、杆子和石头等。

因此，无论是尊界 S800 搭载 3 颗高精度固态激光雷达，还是滴滴 Robotaxi 搭载 6 颗速腾聚创 E1 补盲雷达，其实都是通过这一传感器，保证安全冗余性以及驾乘舒适性。

总之，在整个行业从 L2 向 L3 进阶的大浪潮下，全固态激光雷达成为自动驾驶感知能力提升的重要锚点。

而在这场「芯片能力与数字化生态」的较量中，速腾聚创显然已经处于领先位置。

来源：汽车之心Autobit