作者 | 苏清涛 编辑 | 九章智驾

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【全栈算法】技术交流群

“禾赛的技术路线是不是选错了？禾赛的产品是不是只能卖给Robotaxi公司做demo，但做前装量产不行？”自2021年上半年以来，很多自动驾驶行业内人士及投资者在谈起激光雷达市场的竞争格局时总会发出这样的疑问。

不过，在今年9月下旬，禾赛正式官宣其首款面向前装量产市场的产品即AT128“月交付量超过1万台”，成为国内首个官宣了这一数字的激光雷达供应商。实际上，由于理想L8是8月份下线的，禾赛的AT128在7月份已开始交付了。

这一时间点，据禾赛在2021年8月份发布AT128还不满一年（如果没有上海疫情耽搁，这一进度会更快）。李一帆说，与其他同行的产品节奏相比，禾赛AT128是“最晚发布，最早交卷”。

那么，禾赛是如何做到的呢？在实现从1到10的过程中，禾赛有哪些新的思考呢？ 带着这一系列问题，10月底，九章智驾对禾赛CEO李一帆做了专访。现将访谈记录整理如下——

曾经历过的最大困难

九章智驾：从量产交付成绩看，禾赛现在已是激光雷达赛道的头部玩家，但能走到这一步，肯定不是一帆风顺，那禾赛从成立到现在，克服过的最大困难是什么？

李一帆：最大的困难还是战略的执行。2015年我们规划第一款产品的时候，并没有像典型中国硬件公司一样先靠“性价比”取胜，而是决定先做最高端的品类，希望能够靠最好的产品性能获得市场认可。回头看这个战略没赌错，但是执行起来却很难，从研发、销售到客户支持，难度都非常大。

回头看，我们倒是不后悔选择了Hard模式。如果当时切入点是一个1-2万人民币的16线激光雷达，早期的研发和销售肯定会相对容易，总市场也不小，但这样的选择，会让我们更关注供应链和降成本，而没有足够的精力和动力去做高端产品的研发，也没有机会和全球最顶尖的玩家共同打磨和推动领先行业的技术，长远来看会是很遗憾的事情。

为什么产品发布“不积极”

九章智驾：通常，国外的很多芯片厂商、激光雷达厂商都是产品发布1.5年、2年之后才进入量产交付阶段，但在国内，我发现，地平线的J5是发布后不到一年时间便开始量产交付，而禾赛AT 128也是是从去年8月底发布到今年7月底量产交付，也不到一年。既然量产进展很快，为什么发布会比别人晚呢？

李一帆：在产品离成熟还差很远的时候就抢着发布，通常是为了融资，或者是为了狙击友商的融资，但这两种诉求我们都没有。

定点不在多，而在于精

九章智驾：理想成为禾赛的首个量产客户，跟您和李想是湖畔同学有关系吗？

李一帆：不是不是。李想做决策还是很理性的，他怎么可能仅仅因为跟你是同学就买你的产品呢？还是因为对我们的产品足够认同。

另一方面，由于跟李想更熟悉，并且在跟李想交流的过程中学到了很多，我们也就在跟理想的合作中投入了更多的资源。

九章智驾：那在跟李想交流、在跟理想合作的过程中，您都有哪方面的收获呢？

李一帆：李想非常有思想，而且又善于表达，他给了我们很多先进的理念，比如，李想最在意的组织和战略。

李想很少出门，他好像永远都坐在办公室里，他说‘我每天就想着怎么用组织的方法去解决问题’，这个挺厉害的。我们用飞书也是受李想影响。

九章智驾：我发现，禾赛不太喜欢强调定点项目的数量，而是更关注单个定点的体量，将理想One（理想L9作为第一个前装量产项目。那么，跟这样的大项目相比，接小项目的性价比不高。

我能想到的是，小项目太多，可能会影响团队的稳定性，比如工程师会觉得我在B、C、C项目上解决的问题跟A项目上一样，老是在“低水平重复建设”，自己提升不大，因而可能就辞职了。除此之外，还有哪些其它问题呢？

李一帆：还有比这更糟糕的。

做小项目的时候，工程师的积极性可能不足、甚至有怨气，因而就不会投入很多资源去服务好客户，但在客户眼里，自己这个小项目肯定是非常重要的啊，他们无法理解供应商工程师的这种“漫不经心”，而是会质问“你凭什么不好好支持我”？

可以说，小项目做多了，你跟客户的关系就很难处理好。我们以前也有过这方面的教训。

所以，我们认为，做牛逼客户的大项目，并且项目的数量又比较少，是更好的选择。这几点，恰好在理想L8项目上我们都实现了。

用组织的力量补上制造短板

九章智驾：一进入量产，各家都很痛苦，但如果能过了那个坎儿，就是一次蜕变。那么，对禾赛来说，过去半年，在量产过程中，有哪些曾经是给管理层带来最大压力、但又被成功应对的挑战呢？

李一帆：像我们这一代科技创业者天然的对从0到1的事情感兴趣——这个阶段，我们做的是“人无我有”的创新；然而，做量产，是从1到10的事情，这时候你就会发现，这个过程并没有那么有趣。

在从1到10的阶段，创业者们面临的第一个问题就是能力不足，因为你没有这方面经验。不过，能力不足是正常。在我们这个行业里，绝大多数创业者都没有从1到10的经验。

我们在两年前就意识到了这个问题。就是说我作为一个创新型企业，在产品设计出来之后，能否实现满足车规标准的大规模制造？这是一个偏运营制造的能力了吧，那这部分能力我要不要补呢？

我们从2021年就开始设计生产线，2022年开始产能爬坡，在上半年的疫情期间，还有几百工程师住在工厂里面调试设备。目前，这套产线的年产能达30万台，但由于自动化程度已高达90%以上，因而只需要不到30人去处理一些辅助性工作。

为了补上制造能力的短板，我们花了很多时间向股东博世、客户理想等合作伙伴学习，也做了很多管理咨询。

李想给我的启发很大，我们最终还是得靠组织的方式去解决问题。在开始组建产线后，我们招来了曾经管过几万人的某主机厂生产负责人来担任厂长，在这位厂长的带领下，原有的“偏研发”的组织就变成了以“更加面向量产”的组织。

不过，在这个阶段，也有一些创业者的意识是不足的。比如，没有意识到“现在已经跟从前不一样了”，没有意识到自己的能力不足，也没有想到去吸引足够成熟的职业经理人来解决眼前的困难。

九章智驾：曾有长期负责生产工艺的朋友说，激光雷达量产面临的最大挑战不在技术，而在工程化、在生产工艺。“别看很多公司嘴上说的是我比较重视工程化，但负责工程的人在你公司里面的地位高不高？如果那些负责工程化的在你公司组织架构的地位不高，我就不相信你这个工程化能做好。”

李一帆：同意。

在我们这里，从0到1的预研，是由首席科学家孙恺负责的；从1到9是工程化，这是由CTO 向少卿管的；从9到10是生产，这是由厂长管的。

工程的总负责人就是CTO，他就是联合创始人之一，地位足够高吧？而且，CTO一共管了将近1000人（不含工人），而我和另一位联合创始人孙恺各管100多人。

九章智驾：你们为什么会选择自己建工厂，而不是把生产委托给代工厂？

李一帆：很多公司把所有的兴趣都放在0~1上（预研阶段），这种纯兴趣导向的做法很容易误事儿；而更多的公司尽管也关注从1到10，但从1到9（工程化）跟从9到10是脱节的，他们会认为“把这东西设计出来以后，就完事儿了”“把图纸交给工厂（代工厂）去造，我就不用管了”。

九章智驾：我发现，国外的激光雷达公司大多喜欢走轻资产模式，将生产委托给代工厂，而国内的禾赛、Livox等，则强调自建产线。

李一帆：我有一个观点“生产就是研发的一部分”，但一直不被业界所认可。

九章智驾：我是认同的，这叫“以终为始”吧。你得先知道怎样的设计能更方便生产、能把质量做得更好，然后，你在研发阶段就把它设计得“易于制造”——我在制造业干过，经常发现因为研发阶段的设计没做好而被制造部门吐槽的事情，对此深有体会。

李一帆：在特别成熟、流程高度标准化的产业，生产不必是研发的一部分，但在新兴的产业里，在还没有大规模制造的经验之前，生产必须是研发的一部分。特斯拉的一体化车身，就是个典型的案例。

以我们所处的行业来说，现在算是人类历史上第一次大规模制造激光雷达，谁也不能说自己的经验足够丰富，因此，这个时候，如果不是设计的公司自己干，你要外包，那谁能替你干呢？如果代工厂有能力“一下子就搞出来”，那它为啥要给你代工，而不是自己变成“激光雷达公司”？

九章智驾：我对此也有疑惑。之前，在看到一些公司把生产制造委托给一个从来没有造过这个产品的代工厂时，我会好奇“难道代工厂是万能的吗”？

李一帆：只有自己完全搞懂了之后，你才能制定标准，让别人去弄。在自己连标准都不清楚、小批量生产也做不好的的情况下，你能指望代工厂帮你一切？毕竟，在小批量生产上，代工厂的人水平不可能比你高的。

我觉得，代工厂本质上是一个复印机，而复印机能够复印出来“好东西”的必要条件则是，“原件”品质不错，并且不需要再改了吧？但激光雷达明明是一个还在迭代的产品啊，目前，它还没有迭代到质量足够好的阶段，这时你就把它塞进复印机里，那复印出来的会是怎样的东西呢？复印做不好，则哪怕订单很多，交付也很吃力。

当然了，这事儿永远都是“公说公有理婆说婆有理”，但我其实觉得挺清晰的——为什么马斯克那么对成本极度敏感的人，还会在硅谷那么贵的地方建第一个工厂呢？而且，他为什么有一段时间要睡在工厂里面呢？就是因为，制造是研发的一部分。马斯克最喜欢干的事情就是“巡厂”，看着“不太行”的工人，直接开除。

九章智驾：自己做的话，产线上的第一批工人，是需要高配的。

李一帆：绝对如此。实际上，我们的第一批工人就是工程师。

九章智驾：在哪些情况下，你们会考虑跟代工厂合作呢？

李一帆：产品性能已经过市场的反复验证，需求量也足够大的时候。

从1到10的阶段，需要重新定义“牛人”

九章智驾：在自动驾驶行业里，很多公司都面临这样一个问题：招了很多牛人，但因为牛人大多都有一套自己的主见，因此，牛人太多反而会造成大家很难形成合力，导致公司的整体执行力不行。从我的感受来看，禾赛的执行力在行业内算是很不错的了，关于这个问题，您有什么经验可分享的吗？

李一帆：听上去，你对牛人的定义还停留在仅仅是高学历和上一份工作光鲜上，软件公司也确实对这种牛人更感兴趣，而这个定义下的“牛人”聚集在一起，也确实可能存在“无法形成合力”的问题。

但这个“牛人”的定义是很狭隘的——简历牛，并不是一个人牛不牛的唯一衡量标准。我们公司也不缺那种履历光鲜的牛人，但我们早在两三年前就意识到，你既然要实现从0到1向从1到10的转变，那你对“牛人”的定义你就得变，因为你那个定义下的牛人多是科学家，未必适合公司从1到10阶段的需求。

在进攻前装量产阶段的时候，大家并肩作战，不只是在前线射箭需要牛人，后勤保障也需要牛人吧，市场部、销售部也需要牛人吧。在这个前提下，传统意义上的牛人可能就不算牛人了。

不过，通常，只有在公司进入从1到10的阶段时，创业者们才会意识到这些问题。

产品、商业模式、天花板

九章智驾：你们现在给客户的是完全标准化的产品还是定制化？如果有定制的话，定制的比例大概多少？

李一帆：以AT128为例，这款产品的客户已经比较多了，各家用的版本会有一些差异。首先，最直接的是，外形就不太一样——得跟不同车型的车身去适配，有时还要改光照面上的形状；其次，软件、通信也不一样。

九章智驾：你们只提供硬件，还是也提供软件算法？

李一帆：软件算法有很多层，如将原始数据转换成点云的信号处理算法、将点云处理成“图像”的点云处理算法。对大多数客户，我们只提供原始点云，点云处理算法是他们自己做；但对个别客户，我们也会提供点云处理算法。

九章智驾：两年前我跟您聊到这个我问题时，您说激光雷达的算法只是一个增值服务，你们是不会将其作为一项正式的业务来做的，到现在，您对这个问题的观点有改变吗？

李一帆：我现在还是这么认为。

首先，尽管现在看来，很多自动驾驶公司/主机厂的激光雷达点云处理算法做得不如激光雷达厂商专业，但从长期看，他们是希望自己做的。

其次，很多客户都想做多传感器前融合呢，这意味着拿到激光雷达的原始点云数据必不可少，如果激光雷达厂商把点云处理算法做了，让下游的前融合怎么做呢？

第三点，在中国，有一个客观现实是，主机厂为软件付费的意愿都不高，这意味着，软件算法很难成为显著的收入来源。

一些芯片公司也提供算法，但他们主要还是靠芯片收费，软件在总营收中的占比非常低。

市场格局

九章智驾：理论上讲，传统Tier 1巨头们应该在激光雷达领域也会有技术储备，但为什么现在在前台更活跃的是禾赛这样的初创公司？

李一帆：巨头也不是万能的。在我看来巨头的优势主要是钱和他们积累的体系。

先说钱。钱多固然好办事，但是研发也有周期，砸再多的钱，设计迭代的周期、芯片流片的周期、客户验证产品的周期，都是客观存在的壁垒。开发硬件产品有点像生孩子，不是你找5个人一起生，2个月就生出来了。

同理，禾赛现在有1000多人，我们花了2年迭代出的产品，即使巨头砸钱招10000人，也不可能缩短到2个月。尤其是大公司像大船，看准了全速跑可以很快，但是掉头难，从已有体系中快速凑齐那么多人和钱，找对方向，本身也不是那么容易的事情。

通常，巨头们更擅长做的是他们在10年前就已经预料到、在8年前就开始做准备、在4年前差不多已经搞明白的事情，而新光雷达是一个全新的市场，对新市场的需求，初创公司的响应要比巨头们快得多。

此外，巨头内部有好多个业务方向在做，但每一个都不会是“一把手工程”，因此，他们能投入多少人力、会不会中途调转方向，其实不好说；而在我们这里，激光雷达不仅是“一把手工程”，而且还是“唯一的工程”，我们没有退路，因此，我们必须All In啊。

当然，跟大公司的体系相比，我们这些小公司的确处于劣势。比如激光雷达的车规级设计和认证，这个其实更多的是体系和流程，而不是严格意义的创新，如果我们全靠自己摸着石头过河，每个坑都要自己亲自去踩，一定会很痛苦而且效率很低，这个在我看来是无解的，唯一的办法就是合作。

我们在想明白这件事以后，就问自己，全世界所有玩家，谁是最懂这个的？答案就是博世，博世集团是全球最大的Tier 1而且非常擅长汽车电子，我们从2017年开始接触和合作，并且拿了博世的投资，就是为了在车规级的体系建设上多向最有经验的玩家学习。

九章智驾：激光雷达的技术壁垒到底有多高？如果壁垒不高的话，你们这些初创公司好不容易把市场教育成熟了，更多新玩家进来了，你们的市场份额不就越来越低了吗？

李一帆：硬件行业的确存在这个问题。我觉得壁垒高不高，本质上还是行业核心技术前进的速度是否足够快，如果行业一直在快速迭代，那么行业领先玩家所拥有的壁垒一定是比较高的。

长期竞争壁垒在芯片

九章智驾：目前看来，禾赛在激光雷达上算是第一梯队的公司，那么，在中长期，你们最主要的竞争对手会有哪些？

李一帆：短期内，激光雷达的竞争壁垒在制造，因此，制造能力强的玩家会阶段性胜出；而从中长期看，激光雷达的竞争壁垒在芯片，因此，在这个赛道上最有竞争力的玩家会是那些芯片能力很强的公司。过去几年，禾赛一直不遗余力的在激光雷达的芯片化方向投入，也是基于这种考虑。

九章智驾：您觉得，激光雷达到后面会成为一种通用技术、标准化程度很高，然后市场集中度也会很高，还是说会高度定制化，然后，市场集中度也很低？

李一帆：好问题！这取决于于这个产业的壁垒是什么。如果制造是壁垒，制造力量会很分散，市场集中度会很低；但如果芯片是壁垒，市场集中度就会很高，比如第一名的市占率可能有60%，第二名市占率可能有20%。

前面说过，我们认为，在短期内，激光雷达的竞争壁垒在制造，而长期壁垒则在芯片。

如何看待来来自计算机视觉技术的“威胁”？

九章智驾：马斯克坚持，只要视觉算法足够牛逼，就可以在不用激光雷达的情况下实现L4自动驾驶。那您如何看计算机视觉算法的进步，它是否会威胁到激光雷达的市场体量？

李一帆：我就是特斯拉车主，我每天上下班都会用Autopilot功能，它的确能提升我驾驶的体验，尤其是堵车的时候。但是作为一个自动驾驶从业者，我使用Autopilot的时候肯定会紧张地盯着前方、脚踩刹车、双手放在方向盘上，随时准备接管，简直是“冒着生命命危险在当安全员”——无故刹车，加塞不识别……网友们遇到过的问题我多数都体验过。

如果你仔细分析这些Autopilot的常见危险场景，很多都是因为纯靠视觉加毫米波雷达方案的鲁棒性不够，如果加了激光雷达都是可以解决的。我经常把上班路上测试Autopilot的过程变成了“分析ADAS激光雷达的安装位置与视场角设计的过程”，一到公司就和产品经理讨论心得。

马斯克的确说过在车上装激光雷达是不必要的，但是我有一个理论——他并非真的觉得激光雷达没用，而是因为现在还没有适合特斯拉用的激光雷达，而特斯拉的Autopilot功能又必须要按时发布，所以他必须坚持他的“激光雷达无用论”，否则就等于变相承认，“特斯拉没有用能让Autopilot更安全的传感器，而是给了客户一个不够安全的产品”。所以，一旦激光雷达变得成熟且便宜，我认为特斯拉没有理由不用。

我是一个摄影爱好者，摄影界有个故事有异曲同工之妙。2005年，当佳能公司推出全球第一台数码全画幅相机5D的时候，全世界所有尼康的粉丝都问尼康什么时候升级到全幅。然而，尼康CEO却公开说：‘尼康不认为全幅是未来的趋势，希望大家坚定地继续购买尼康的半幅相机和半幅镜头。’几个月之后，尼康的全幅D700问世，全然不记得CEO当年的信誓旦旦……

同理，我也坚定乐观地相信，马斯克不是不喜欢激光雷达，而是现在还没有找到性能和成本都满足要求的激光雷达。其实，要不要装激光雷达，这不是一个技术决策，而是一个商业决策——取决于收益和成本的对比情况。

先说成本，激光雷达的成本显然正在快速下降，以后可能就是摄像头的2-3倍；再看收益，在很多corner case中，没有激光雷达是会出事的。在其他条件相同的情况下，没有任何一个人会认为不装激光雷达的车比装了激光雷达的车更安全吧？

我们做个极端的假设：假定10年后，视觉算法已经足够牛逼，全球范围内共有1亿辆自动驾驶汽车，如果都不装激光雷达，这些车仅造成10人死亡，而如果装了激光雷达，总的死亡人数可减少到5人，你说它有没有价值？

九章智驾：是的。涉及到生命的事情，不能仅功利地去算经济账。随着车辆安全登记的提升，消费者的阈值也在提升，到最后，跟生命安全相关的事情，100分才算及格。

李一帆：西方人的理念就是这样的。意外死亡的风险，这事不能去计算概率，它就是0和1，因此，等激光雷达的价格降低到1000元以内了，消费者犯得上为了省这点钱而降低车辆的安全等级吗？

如何定义谁是“主传感器”

九章智驾：前几年，自动驾驶圈对多传感器融合有一个普遍的说法是“激光雷达是主传感器，摄像头是辅助传感器”，但过去的两三年里，有越来越多的人开始说“用摄像头做主传感器，激光雷达作为冗余传感器”，这是否意味着激光雷达的市场需求会减少？

李一帆：如何定义谁是“主传感器”？

九章智驾：一位新能源车企的自动驾驶负责人的解释是：“当两种传感器的识别结果不一致的时候，决策系统决定以谁的意见为准，谁就是主传感器。”  

李一帆：如果在激光雷达和摄像头的识别结果不一致时，要听主传感器摄像头的，那干脆把激光雷达卸了掉不就得了？而如果两者不一致的时候听激光雷达的，那么把谁叫“主传感器”意义就不大了——有点像是说 “我家主要是我做主，但意见不一致的时候，听我老婆的”。

在我看来，在多传感器融合时代，不同原理的传感器在不同场景下起到互相补充的作用，没有必要去把一个传感器标榜成“主传感器”。加激光雷达比不加激光雷达更安全，应该没人反对吧？从信息冗余和信息互补的角度，一定是越多越好，这个是不争的科学道理。

这件事的纷争点其实在于，多出来的系统安全性是否“值这个价”。今天，激光雷达比摄像头贵近百倍，绝大多数人依然觉得“值”。随着深度学习技术演进和激光雷达成本的下降，这个“100倍”最终会收敛到“10倍”还是“1.2倍”，是值得我们大胆猜测的话题。说到底，最终选哪个、不选哪个，其实就是个系统性能和综合成本之间的权衡。

九章智驾：表面上是技术路线的问题，但归根结底是钱的问题。

李一帆：是钱的问题，更是安全的问题，而这俩的权衡其实是个经济学问题。

首先，人们说生命无价，安全无价。安全真的是无价的么？如果真是无价，每辆车应该装所有最贵最好的安全设备，用最厚的钢板，最多数量的气囊，性能最好的激光雷达……这显然不是事实。

为什么呢？一辆车为什么在有了6个气囊的方案之后就决定不装8个气囊呢。答案是，6个已经足够安全了，再装两个增加的那一点点安全性，相比所增加的成本，显得没必要了。

同理，什么时候，激光雷达会显得“没必要”呢？就是摄像头的方案已经“足够安全”了，我们从成本的角度决定砍掉激光雷达，因为它多出的成本不足以支持它带来的多的那么一点点安全，毕竟摄像头已经“足够安全”了。我们没有足够证据证明这一天永远都不会到来，毕竟深度学习技术和算力的提高都是日新月异的。

但是，几年或者十几年后的某一天，大家终于觉得无人车“太安全了”、可以不用激光雷达了，大概率这项技术已经得到了验证和普及，每年有数千万辆Level 4的汽车下线，无人驾驶的梦想已经实现了，激光雷达也算完成了一项伟大的使命，并且形成了足够大的产业集群。

那么问题来了，在那个时候，有没有可能激光雷达也已经足够便宜，便宜到让大家可以轻松接受呢？

对自己命运的掌控感

九章智驾：放在整个自动驾驶产业中，激光雷达公司对自己的前途命运有没有掌控感？

比如，你们有没有担心产业链上的其他环节如算法的成熟度不够，使消费者无法明显感知到激光雷达带来的红利，那激光雷达的商业化进程就可能被拖累？假如真会发生这样的事情，禾赛将如何自救？

李一帆：这个可能性完全存在，这也是我们真正担心的问题。任何时候，供应商的崛起，前提是你的客户得按计划成长。所以，我们要分散风险，不能只押注自动驾驶这一个行业，而是开拓多个应用场景，服务广义的机器人行业，包括很多中低端应用。总不可能这些行业都发展不起来吧？我认为机器人技术长期来看一定是有前途的。

【自动驾驶之心】全栈技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、规划控制、模型部署落地、自动驾驶仿真测试、硬件配置、AI求职交流等方向；

添加汽车人助理微信邀请入群

备注：学校/公司+方向+昵称

自动驾驶之心【知识星球】

想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球（三天内无条件退款），日常分享论文+代码，这里汇聚行业和学术界大佬，前沿技术方向尽在掌握中，期待交流！