实现高精度的环境感知是自动驾驶的第一步，现有技术条件下，雷达装置必不可少。相比于成本高昂的激光雷达，毫米波雷达以其成本低、稳定性高、抗干扰能力强，率先在商业化落地中取得进展。例如特斯拉的半自动驾驶系统Autopilot2.0就装配了前向毫米波雷达，用于探测前方车辆。

然而，配备Autopilot的特斯拉ModelS却已发生数起追尾静止消防车的事故，这可能与其使用的雷达无法很好地探测静止目标有关。

实际上，这并非雷达技术本身的缺陷，而是因为路面指示牌、信号灯、照明设施等过多，一定程度上对雷达感知形成了干扰，工程师为了保证探测效果，牺牲了一部分安全性，通过算法设置，使雷达专注于探测移动的目标，而如果摄像头也没有及时捕捉到静止障碍物，则极易发生碰撞危险。

普通3D雷达选择探测XY坐标轴组成的平面，加上速度，构成传统雷达探测的三要素，因此存在此类缺陷，而国产毫米波雷达技术研发和供应商凌波微步开发出的高精度4D雷达能够增加对Z轴的探测，将物体的高度、悬空或落地等状态完整呈现，因此能够依据物体准确的位置决策下一步行动，而不依靠速度进行过滤，从而避免了忽略静止物体的问题。

创新产品是技术研发的硕果，更是综合能力的体现，凌波微步的突出优势有以下几个方面。

首先是复合的团队背景。凌波微步创始人于胜民博士是北京大学地球物理系本科，中科院人工智能博士，负责产品总体技术架构和核心算法设计；联合创始人王永超是清华大学工程物理系本硕，原华为高级研发工程师，负责硬件设计；合伙人陈海涛和徐博士分别出身北大数学系和国防科技大学，负责算法和天线设计。创始团队软硬件及人工智能专业背景齐备，研究经验丰富，是打造卓越产品的基础。

其次是丰富的落地场景。除汽车领域，毫米波雷达还可以应用于无人机、各类机器人及安防等多类场景，目前凌波微步签约客户有极目机器人、快鱼电子等。从2016年第一代产品研制成功，凌波微步的24G和77G毫米波雷达已历多次迭代，在与客户的联合开发中不断提升。

最后是坚实的资源支持。凌波微步凭借不俗的产品实力与英飞凌、TI形成了战略合作关系，除了获得前沿的芯片供应支持，还可以通过其销售网络进行代理销售，同时英飞凌还对凌波微步开放相关非公开文档，给予最紧密的技术支持。

据了解，凌波微步目前正在研发的下一代人工智能雷达能够实现对物体形态的识别，达到接近摄像头和激光雷达的感知效果，预计将在两到三年内推向市场。

精准探测物体关键参数，算法、芯片、天线是核心

爱分析：毫米波雷达在自动驾驶中起到什么功能？

于胜民：毫米波雷达主要探测物体的一些关键信息，对行车安全至关重要。

激光雷达可以判断一条路有多宽，车能不能过去，但是毫米波要判断前方有没有障碍物，会不会撞上去，它们是不同的探测任务。毫米波能够把物体的位置信息、距离目标有多远、目标和物体之间的相对速度有多快、在正前方、左前方或右前方多少度，这些信息都可以精确探测，然后就可以精确计算出车和目标有没有碰撞危险，这是很关键的计算指标。

当然毫米波也有一些缺点，现在还没有办法识别物体的形状、颜色、颗粒度等。这些功能运用下一代毫米波技术都有望实现，所以说毫米波技术潜力巨大。

爱分析：凌波微步开发了哪几类产品？

于胜民：从频率上来讲，我们主要用了两个芯片方案，一个是英飞凌，另一个是TI，分别是24G和77G的产品。相对而言，77G产品型号更多一些，应用场景更丰富。

爱分析：同一频率，基于不同芯片厂的方案，差距会大吗？

于胜民：差异会比较大，因为它牵涉到整个雷达架构的设计，频率不一样，很多设计都要做修改。用到的硬件电路设计、算法和天线等都有较大差异。

很多业界专家都认为TI的方案是目前毫米波领域的技术制高点。因为TI不仅仅在雷达射频芯片这一领域实现了突破，而且本身集成了高性能的算力，综合性能大幅提升。

TI的DSP是全球第一，这是大家公认的。它又把高频芯片和计算能力有效整合起来，集成度就上了一个很大的台阶。集成度高了，可靠性也会显著提升，芯片级别的可靠性肯定比PCB上的可靠性要高不止一个量级。

爱分析：未来到了融合阶段，是否会有较大差异？

于胜民：后面的数据融合，我个人认为，和用哪个芯片关系不大，因为融合是雷达、摄像头和激光，这三种传感器的融合。

融合也分不同层面，一个是数据层面的融合，一个是目标层面的融合。一般来讲，现在做的更多的是目标层面的融合。数据层面的融合因为雷达数据和激光数据格式完全不一样，处理难度很大。

雷达探测的数据量相对稀疏，但都是目标的关键信息；激光雷达输出的是点云信息，数据量很大，需要二次处理才能提取关键信息；摄像头的数据量就更大，输出的是图像流，色彩、光线、明暗，这些信息很丰富，但是目标的关键信息是缺失的，也需要后期复杂的图像算法处理。总体来讲，三种传感器的信息互补性很强，融合后整个感知系统的可靠性可以得到大幅提升。

爱分析：除了芯片，还有哪些技术比较重要？

于胜民：算法这一块非常重要。其实在雷达里面，我们认为算法大概占70%，硬件占30%，天线也非常关键。

天线是关乎整个雷达系统收发灵敏度非常关键的一个器件。好的天线设计，可以把毫米波以最小的损耗发射出去，然后又能很灵敏地把它接收回来。因为从发射到接收有一个往返过程。比如发射到墙，墙会有一个反射回来，它会弱很多，距离越远，损耗越多，回波信号就越弱。雷达灵敏度越高，就能探测越远的回波。雷达灵敏度和探测能力密切相关。

凌波微步雷达的核心技术都是自主研发，这方面我们有深厚的技术储备，有多项发明专利。

毫米波雷达技术还有升级空间，高精度识别提升性价比

爱分析：4D高精度雷达与传统雷达有哪些区别？

于胜民：传统的雷达，包括现在车上正在用的国外产品，以及现在国内一些创业公司在做的，基本上都是普通3D雷达。它探测的是一个平面，看路面上有没有东西，目标太高的话，就探测不到，因为它受到波束宽度限制。

确定平面上的位置用XY两个坐标轴就可以了，然后再加上一个速度，这样称之为3D。我们的产品之所以称4D，不仅仅可以把XY探测出来，还能把Z轴探测出来，目标到底是在地面上还是在空中，都可以准确探测出来。

爱分析：实现4D功能的难点在哪儿？

于胜民：这和雷达整体架构有关系，包括天线设计、信号处理和算法，都密切相关，是一个体系化的改进。传感器多探测出一维的数据非常困难。就像人眼，看平面的东西都没问题，但是要想从平面看一个真3D的图像就很难，比如我们去电影院看3D电影，要戴副眼镜才行。

实际上我们能看到3D，是因为我们有两只眼睛，可以准确地测量目标距离。但毫米波传感器是单个感知单元，而且远没有人眼精密，所以要实现多维探测，算法就非常复杂。

爱分析：雷达最早是军方使用的，军用雷达与民用雷达在研究领域的差异大吗？

于胜民：会有很大差异，但是没有差距。我们团队里也有军工背景出来的，徐博士以前就是做军工的。

我们和其他团队相比，优势在于我们不仅仅有军工基因，还有算法、互联网、通讯等不同领域的人才。不同行业的人才聚集到一起，比单一行业的人做研发，思维广度会更全面，我们研发的过程中也深有体会。我们研究问题的角度，不仅仅限于雷达一个专业领域，还从互联网、通讯和人工智能的专业角度来审视，综合研究，做最优的设计。

我们下一代的雷达会有人工智能的特性，用雷达直接就能识别出前面是人还是车，是什么类型的车，都能识别。单纯雷达专业的工程师通常很难想到去做这个功能，但我们有人工智能基因，对我们而言这是人工智能的一个基本应用。

爱分析：这是通过算法实现还是也需要硬件升级？

于胜民：算法为主，和硬件也有关系，要做一些特殊的设计。技术原理上差别较大，是更尖端的技术。

应用场景广泛，大规模商业化蓄势待发

爱分析：除了汽车领域，还有哪些场景适合毫米波雷达？

于胜民：汽车领域之外还有好几个场景，我们接触到的汽车之外第一个场景是无人机，而且我们分析后认为无人机会最先用上，实际上也确实如此。

首先无人机上面没人，即使出个意外，不至于出人命；汽车里面有人，一旦出事故，后果可能就非常严重。这是行业难易度的区别。

其次，采用毫米波雷达的无人机一般都是工业级产品，比如植保无人机，电力巡线无人机，或者测绘无人机等，都是工业级的应用。

第二个场景是机器人，比无人机市场更大。物流，送餐，酒店服务、餐厅服务等各种各样的机器人，种类很多。

爱分析：目前凌波微步的产品出货情况如何？

于胜民：产品从去年底到现在出了几百台，基本上验证了我们从研发、生产到测试的整套流程的可靠性和产品良率。

一整套生产流程下来，过程还是挺复杂的。对元器件选型，质量控制，加工工艺难度，测试工序等等都是考验。

我们产品现在的良率在99%以上，这在行业内还是相当高的。当然还有待于产能进一步扩大之后更深入的验证，但我们在几百台的量级做到了99%的良率，为以后的生产打下了良好基础。

我们和代工厂以及有经验的工程师沟通，在这个阶段能够保持这么高的良率，一般之后也不会有太大的变化。这也证明了我们产品设计的合理性。

爱分析：今明两年的出货量有什么预期？

于胜民：今年争取做到上千套，明年肯定要上一个量级，至少是上万套的规模。

爱分析：下一步有什么计划？

于胜民：下一步的计划是要继续招募新的更强的合伙人，包括核心骨干员工的期权奖励，都会一步一步兑现。我们最近又招了几个不错的员工，价值观和工作能力、工作态度、业绩上，都是非常不错的。我觉得无论做任何事情，人才都是第一位的，人才是最宝贵的资源，有了人才，后面一切问题都会迎刃而解。

目前市场方面的人才是最缺的，产品已经成熟了，需要大规模推广，需要销售方面的高手。我们非常欢迎汽车、机器人或者无人机相关的，有市场资源、销售经验的大咖加盟，我们的期权池很大。