近日，俄罗斯一辆自动驾驶状态下的特斯拉Model3型号轿车在莫斯科撞上一辆拖车，随后整辆车燃烧成火球。驾驶该车辆的司机称事故发生时车辆正处于辅助驾驶模式。
这并不是特斯拉第一次因自动驾驶功能发生事故，其中就包括2016年5月特斯拉model S撞上卡车的命案。
虽然Elon Musk一直认为激光雷达没有必要，摄像头＋毫米波雷达的方案足矣，但从特斯拉接二连三的事故中不难发现这两种同类传感器的不足：强光、黑暗或者斑驳的道路上视觉传感器容易失去作用，加之毫米波雷达的分辨率又比较低，容易造成误判。
作为自动驾驶无法绕过的核心传感器，激光雷达的重要性再次被提起。
2005年，Velodyne首次将激光雷达用到自动驾驶上，Velodyne的名字也在之后的十年时间里代表着激光雷达江湖的霸主地位，犹如《权利的游戏》中的“铁王座”。
但激光雷达高精密仪器属性与大规模量产的矛盾在自动驾驶爆发之后被迅速放大，低产高价暴露的市场空缺引来大批分食者：2014年左右行业内出现大批新生代激光雷达公司，Quanergy、Luminar、Innoviz、北醒光子、北科天绘．．．．．．
曾经的王者不得不面对外界的挑战与自身创新的瓶颈，新的挑战者们谁又能成为代表下一代的“新王”？激光雷达量产前夜，一场关于技术路线、降成本路径、落地场景的战争正在进行中。
视觉VS激光雷达
激光雷达运用到自动驾驶领域要从一个名为“DARPA Grand Challenge ”的自动驾驶汽车挑战赛说起。
激光雷达技术早在上世纪就开始应用于军事领域，继而用于航空测绘领域，成立于2014年的速腾聚创在成立之初生产的一款单线的激光雷达就是主要应用在测绘领域。
2004年，美国国防高级研究计划局DARPA 举办了名为DARPA Grand Challenge的自动驾驶汽车挑战赛，比赛中主办方设置了100万美元的冠军奖金，前提是需要让汽车在没有人为控制的情况下自动行驶240公里。
由于成本限制、路况复杂以及传感器技术有限，直到2005年一个名为David Hall的工程师提出了基于64线旋转激光雷达的方案，才让这一挑战变成现实。
David Hall正是Velodyne的CEO，也是推动激光雷达颠覆汽车产业的“关键先生”。此后，激光雷达开始成为自动驾驶汽车方案常规标志。
激光雷达是一种综合的光探测与测量系统，可以分为机械式激光雷达、固态激光雷达。相比普通雷达，激光雷达可提供高分辨率的辐射强度几何图像、距离图像、速度图像。根据线数的不同，激光雷达又具体分为2D、2.5D（1，4，8线）和3D（16，32，64线）三类产品。
在自动驾驶行驶过程中，激光雷达通过对车辆周围环境进行3D建模，获得环境的深度信息，识别障碍物，构建可行驶区域。
相比摄像头＋毫米波雷达，激光雷达能够对周围进行精准的三维信息，而且不容易受光照影响。但也有如Elon Musk者认为激光雷达适合汽车场合，虽然他澄清并不对激光雷达抱有偏见，但结论并未改变。
视觉还是激光雷达的路线在自动驾驶领域一直争议不断。
小马智行创始人楼天城曾在今年7月的一场自动驾驶主题分享活动中提到，“激光雷达路线还是计算机视觉路线未必真的有答案，自动驾驶感知技术路线之争并不是单一技术路线之争，而是和整个系统有关的。”
以Robotaxi为落地目标的公司们指向的都是高级自动驾驶，需要考虑的是可靠性，成本占次要地位，因此大多占激光雷达阵营。但特斯拉做的是量产车，要卖给终端用户，必须考虑成本，而激光雷达成本太高。
成本一直是制约激光雷达迟迟没有在汽车领域大规模应用的关键因素。
