智能车研究框架11产业链机遇感知端4D毫米波雷达全天候智驾助手20240912

智能车研究框架（11）-产业链机遇-感知端——4D毫米波雷达，全天候智驾助手20240912_原文 2024年09月12日16：06 发言人00：00 会议仅面向开源证券的专业投资机构客户或受邀客户，供在新媒体背景下研究观点的及时交流。第三方专家发言内容仅代表其个人观点、所有信息或所表述的意见，并不构成对任何人的投资建议。未经开源证券事先书面许可，任何机构或个人严禁录音、转发及相关解读。 智能车研究框架（11）-产业链机遇-感知端——4D毫米波雷达，全天候智驾助手20240912_原文 2024年09月12日16：06 发言人00：00 会议仅面向开源证券的专业投资机构客户或受邀客户，供在新媒体背景下研究观点的及时交流。第三方专家发言内容仅代表其个人观点、所有信息或所表述的意见，并不构成对任何人的投资建议。未经开源证券事先书面许可，任何机构或个人严禁录音、转发及相关解读。涉嫌违反上述情形的，我们将保留一切法律权利。感谢您的理解和支持，谢谢。 发言人00：34 大家早上好，我是开运中小盘和汽车的任闹。我们今天会进入我们整个政策研究框架这个深度汇报的第四部分，也是整个产业链投资机会的一个部分的一个深度的一个汇报。今天我们跟大家汇报的产业链的一个主题方向是设立成效好很多。其实之前我们对整个供应链的这个机会的一个挖掘，在过去两年22年和二三年其实都是做的比较多，包括这个大数据平台，包括激光雷达，包括摄像头，包括软件，包括这个半导体等等，其实都做过比较多的研究和分享。 发言人01：22 那为什么我们在产业链这个机遇里面，第一篇会首先选择的是4D成像毫米波呢？4D成像毫米波其实是我们认为后续可能非常有机会成为一个增量硬件的一个方向。之前其实我们从这个需求端，从供给端的算法，从玩家的一个进展跟大家做分享。更多的就是告诉大家，其实整个从二三年开始，82年十月份开始，整个行业的核心变量已经由硬件转向软件算法，核心的环节已经由零部件转向整车这个方向。但是在硬件这方面，这周整个产业链我们也会跟大家做很多的分享。在硬件里面其实绝大多数都在减配的一个过程之中，但是我们觉得还是有很多方向其实不会受到太大的一个影响。 发言人02：22 真正有机会成为增量部件的一个环节，其实就是4D全新毫米波，我们认为它是整个自动驾驶最好的一个辅助的一个传感器。并且现在其实这个毫米波雷达车上其实还是比较多的，基本都是三个毫米波这样的一个配置。但是未来可能实体成像毫米波是一个非常好的辅助的这样的一个传感器。所以今天跟大家主要分享的是四季城下滑很多的这样的一个机会。 发言人03：00 可以看到感知这个维度，其实是整个重驾驶最为核心的这样一个重要的首要的这样一个环节。因为你只有有感知，才会有后面一系列的这样的一个操作。而且在端到端的大模型时代的话，这个环境的感知，包括定位这样的一些数据，其实都是一些原始的输入的一个数据。所以具备这些输入的数据的这些传感器，其实是啊就非常重要的第一步。 发言人03：37 其实大家在今年我们其实也一直跟大家说，特斯拉的纯视觉走的速度是比较快的那国内其实在降本的一个过程之中，也推出了纯视觉的这样的一个技术方案，包括小鹏未来在纯视觉这个技术方案也要做出高阶的这样的一个功能和体验。因为其实主要的短板还是在软件和算法。那软件算法这几年其实进步的速度非常的快。所以确实这个视觉是一个很核心的一个方向。但是其实我们能够看到龙这个领头的纯视觉的这样的一个玩家。特斯拉其实在HW4.0的这样的一个硬件的平台，其实是专门给这个航波雷达预留了 这样的一个接口，但是由于整个产业链的一个成熟度不够，所以最后在HW4.0其实并没有上这个毫米波雷达。但是我们认为未来这个毫米波雷达，尤其是4D成像毫米波雷达还是非常有机会能够重新去上车的。所以这是我们说在这样的一个行业的一个背景下面，为什么我们去关注这个设计成像毫米波雷达的起因。 发言人04：50 航波雷达其实它有一个比较好的一个优势，就是它其实是跟这个摄像头有非常好的一个互补的一个的作用。那韩国雷达，其实主要有这个收发模块，这个控制单元，编程的这样一个阵列，以及天线这样的一个组成的。然后这是整体的一个毫米波雷达的一个原理。那毫米波雷达的一个特性是什么呢？ 发言人05：21 主要是前后，就是整个恶劣天气的一个效果，相对来说是比较好的。第二个是具备测速的一个能力，第三个也是非常重要的一个能力，我认为这个是纯视觉未来没办法解决的一个问题，就是识别之物的这样的一个能力。这是韩波的雷达的一个优点。 发言人05：47 其实摄像头的优点，其实我们看右下角的这样的一个雷达图，这个上面是摄像头的一个这六个维度。这一这应该是应有123456788个维度的这样的一个雷达图。摄像头和这个毫米波雷达，其实可以看到它的互补的作用是非常强的当两者重叠之后，其实在这八个维度都有非常强的一个能力。 发言人06：19 那其实我们经常说毫米波雷达，尤其是4D毫米波，是视觉非常好的一个补充。那实际上视觉它有非常强的优势，就是它的信息量是非常大的。所以当对它的信息量去做处理时候，它的能力的上限是可以提升的这个非常高的。但是它确实有一些不可避免的一个缺点。其实随着算法的一个进步，它其实有很多的缺点其实在弥补。比如说天气，可以看到无论是雨雾允许，还是在暗光的一个条件的下面，可以看到全视觉的特斯拉其实都处理的非常的不错了。 发言人07：10 这个全天候毫米波雷达其实是为更加的有这个优势，它受整个恶劣天气的影响其实不大。但是摄像头的这个短板，大家实际上看到特斯拉通过算法的一个优惠去优化这个短板其实并不是很短。然后速度的一个信息，实际上通过视觉，比如说这个双目视觉，比如说这个不同景深的这样的一个摄像头的一个视觉的这样的一个方式，或者说AI的一个方式。实际上既然能够测距，那么通过不同时间点的一个距离去做一个测速。那对于这个算法来说的话，其实从摄像头的一个算法提升的那这个维度来说的话，也是可以去实现的。但是最最难摄像头去实现的一个问题就是当你出现了这个遮挡物的时候，那你就没办法提前去识别。所以面对这种鬼探头这样的一个场景的时候，现在所有的视觉，所有的传感器的方案都没办法提前去做预判，只能去做一个紧急制动。 发言人08：22 比如说最近其实我们看到了一个非常典型的一个案例。比如说最近其实在国内做一些自驾的比赛的时候，遇到一些这个拱桥，那个拱桥就是先上去再下来，先上去再下来。那你在上的过程中，其实你是看不到下来的路上前面有没有车的那其实最近的一个自驾比赛里面就出现了一个这样的一个场景，就是这个试驾的是小鹏的G9。那连续构建拱桥的时候，当在在股桥下来的时候，突然发现前面有车，现在只能紧急制动。但是又是下雨天，自动的距离比较远，所以没没能最后停下来，实现了导致了撞车这样的 一个情形的一个出现。这个时候其实是很多时候这个纯视觉比较难去解决。但不是说没办法解决，就是他其实只要算法能力足够强，在遇到这种视线受遮挡的这个情况下面，提前去做一个减速的一个动作的话，也是可以做一定的规避。 发言人09：24 但是这只是其中一个遮挡物的这样一个场景。假设我们说遇到了这种小路比较多，岔路比较多，在一个大路上有很多这种岔路的小路，然后小路上又有比较多的植被的这样的一个遮挡。那这个时候你难道是一直去低速的一个形式去通过这样的一条道路？还是说你能够去识别在这个树木之后的这种动态的物体。如果不能识别的到，那对于整个驾驶的体验都会有一个非常好的这样的一个提升。 发言人10：03 4D毫米波其实这个优势是你纯视觉，即使你的AI的算法足够强了之后，依旧是可以提升整个自动驾驶的能你上线和体验的非常好的一个传感器。整个毫米波因为有多径效应，可以通过反射、漫反射、衍射、绕射的一个方式能够检测到遮挡的物体，尤其是遮挡的动态的物体是比较好去捕捉的。所以对于这种看不到的遮挡的鬼探头的这种场景，韩国雷达跟摄像头来说的话，有一个非常好的优势互补的这样的一个特点。那从那张图上也能够看到这样的一个特征，刚刚其实我们是举了一个非常好的应用的一个场景跟大家去做一个理解。而且从这个雷达图也能够看到，其实这个跟这个摄像头的互补信息相对来说，反而还没有像像这个航波雷达和摄像头为互补性这么强。 发言人11：15 激光雷达其实像这种遮挡物，它其实也是没办法去实现的，并且韩国雷达还可以测高，这个是尤其4D，4D的毫米波可以测高。那实际上大家之前担心的，比如说特斯拉撞白倒下的白色的静止的卡车，没办法解决这个问题。实际上现在特斯拉已经解决了这个问题，这只是老板的算法没有解决这个问题。那如果说老板的算法加上4D毫米波也可以解决这样的一个问题。所以解决这个问题其实有软件算法提升的这样的一个方案，也有加硬件的这样的一个方案，其实都可以去解决这样的一个问题的。 发言人11：57 4D这个4D哈姆波其实为什么要强调4D就是因为它在原有的这样的一个距离、方位、速度的基础上增加了高度。并且它整个探测的精度相对来说有相对于原来的毫米波雷达有一个非常大一个提升，那整个清晰度是进一步提升的。能够输出三维的点云的一个图像。因为你只有这个点云足够的一个密的话，你整个信息量才足够的大。对于未来整个算法的一个上限的提升，相对来说就会帮助会比较大。 发言人12：38 4D成像航母的角分辨率最高可以达到一度以内，也就意味着可以探测到200米远的这样的一个距离。并且200米还能够区分相距3.5米以上的两个物体，那对进去的物体的识别就会更加的一个清晰。所以这个4D成像毫米波雷达，由于它能输出这个点云图，所以一般大家通常是把它跟激光雷达去做一个对比。其实不再是跟传统的毫米波雷达去做一个对比了。那经常大家会经常说的一点就是经常会把4D毫米波雷达比作是低配版的激光雷达，就是低成本、高性能、高性价比的低配的激光雷达。但是我们其实不是这么认为的，我们认为4D毫米波有它独到的一个优势。比如说探测遮挡物背后的这样的一个动态的物体，这个激光雷达是不具备这样的一个能力的。但是刚刚其实我们也提到，就是为什么特斯拉并没有上这个设计成像毫米波，包括国内暂时也没有去上，主要的原因就是因为整个技术性和产业的成熟度，包括成本性价比还没有到一个非常成熟，能够大规模量产的一个阶段。 发言人14：00 这个提升4D毫米波，因为你是最后要性能比较好的话，跟激光雷达去提升限速的这个原理是一样的。就要提高这个4D毫米波雷达的角分辨率。那那提升这个角分辨率，基本上会有两个方案，一个是硬件的方案，一个是软件的方案。硬件的方案其实是可以有多个这样的一个做这个解决方案的那硬件的第一个这个方案是芯片集联，第二个是芯片集成，第三个是超材料去改进天性。那软件的方案其实也有多种，包括虚拟孔径成像，包括超分辨率等等这些技术。 发言人14：45 芯片级联其实是比较简单的，也是比较容易去落地的，并且相对来说成本也不是特别的高。这个芯片级别其实就是需要有多个发射的这样的一个芯片，就MMSC的这样的一个芯片。然后把这样的一个芯片级联，实现实体天线数量的一个增加，可以增加雷达的角分辨率。 发言人15：14 吉联的方案可以包括两级级联、四级级联、八级级联。那这个能能级联的这样的一个级联数，相对来说是有限。这个虽然结构比较简单，落地比较快，但是如果说你级联的量越大，它成本增加的也是越多。所以芯片级联的这样的一个方案，基本上做到这三二级级别，六这个六发八收，基本上就已经是比较多的这样一个方案。但你要做四级联、八级联，难度其实就会逐步的一个提升，这是芯片的这样一个级别。然后第二种方案其实成本会更低，但是难度会更大，那就是在芯片上去做一个集成。 发言人16：05 芯片集成也是一个重要的一个解决方案。更多的是很多新兴的玩家通过技术创新，在芯片上实现这样的一个集成。就是可以在MMIC上集成更多的一个芯片，然后再将这个MIC基点，这是一个做这个芯片集成的一个方案。阿里的这样的一个方案就是这样，就是在首先在MM在IC上集成24个发射的风道接收芯片，集成12个接收的通道。然后专用的成像雷达的