一周之前，特斯拉將在新車型上安裝4D毫米波雷達的消息不脛而走。

知名白客Green在推特上直接放出了特斯拉向監管機構申請的文檔結構，讓“特斯拉即將重歸毫米波雷達懷抱”的信息真實性更加一籌。要知道，特斯拉在2021年才把車型上的毫米波雷達拿掉。

而一個星期內，與特斯拉有合作緋聞的4D毫米波雷達企業Arbe股價飛升，國內一批公司，也從苦逼的傳統汽車零部件供應商，化身4D毫米波雷達概念股。比如晉拓股份，股價一周飆漲50%——儘管毫米波雷達業務在其營收中佔比還不足1%。

那麼問題來了：

1. 離特斯拉拋掉毫米波雷達還不到兩年，怎麼又把它給裝回去了？

2. 資本熱捧4D毫米波雷達，僅僅是因為特斯拉帶隊嗎？

3. 同樣是雷達，升級過後的4D毫米波雷達會對激光雷達構成威脅嗎？

1/ 硬件升維

時間回到2021年，當年5月，特斯拉宣布移除北美出產車型上所有的毫米波雷達。在智能駕駛的技術框架裡，毫米波雷達是一種相對成熟的傳感器，可以穩定地測速、測距，並在全天候環境下工作。

而在成本狂魔馬斯克治下，特斯拉多年來一直使用來自大陸的毫米波雷達ARS 410，這款入門級產品以極高的性價比，幫助特斯拉實現了基本的輔助駕駛能力。

但隨著智能駕駛對汽車感知能力的要求越來越高，這顆低端毫米波雷達的短板愈發明顯：分辨率太低，對物體看不清；沒有測高能力，無法對環境形成立體的感知。

這導致的直接結果是，感知能力日新月異的攝像頭和原地踏步的毫米波雷達不時相互打架，帶來幽靈剎車等問題。

按馬斯克的話說，毫米波雷達在智能駕駛的數據流裡已經成了一個污染源——讓一個弱視來當領航員，當然不太明智。

因此，依托算法優勢讓高分辨率的攝像頭擁有了立體感知能力後，特斯拉果斷砍掉了車型上的毫米波雷達。在那之後，馬斯克也在推特上留下了一句伏筆：只有高分辨率的雷達才行。

其實在馬斯克之前，車載毫米波雷達行業已經意識到，傳統毫米波雷達難以在未來的高階智能駕駛系統中立足。

因此無論是大陸、採埃孚等傳統豪強，還是國內外創業公司，都踏上了賽場：為毫米波雷達添加測高能力，大幅提升分辨率，讓其能夠成像。對這一類產品，行業稱之4D毫米波雷達或者4D成像雷達。

而4D毫米波雷達的比賽，首先是一場“通道軍備競賽”。靠接收電磁波工作的傳感器遵循一些共通的規律，攝像頭是“底大一級壓死人”，激光雷達是“線數越高越清晰”，毫米波雷達則是：分辨率與信號（收發）通道數量成正比。為了成倍擴充通道以獲得成像能力，行業中已經至少分化出了三種技術派別：

力大磚飛派：多芯片級聯

傳統毫米波雷達通常僅使用一枚MMIC（單片微波集成電路，與天線組成信號收發單元）芯片，收發能力有限。而多芯片級聯方案的思路非常直觀——能力不夠，數量來湊，通過堆疊多塊MMIC芯片，實現通道數量的乘數疊加：

在MIMO技術體制下，單枚MMIC芯片通常擁有12條通道（3發4收）。雙芯片級聯可以擴充至48通道（6發8收），四芯級聯則可進一步擴充至192通道（12發16收）。

由於工藝/元器件相對成熟，技術開發難度較小，這一方案最為主流，車載毫米波雷達大廠和眾多國內公司普遍採用。比如行業首枚4D毫米波雷達大陸ARS 540，採埃孚搭載於飛凡R7上的PREMIUM，均是4芯片級聯方案，擁有192個通道。

不過，這條簡單的思路並不能無限延續。多芯級聯方案在成倍擴充通道的同時，也會成倍地提升雷達的體積、功耗、成本。這為另一個派別的出現提供了契機。

萬劍歸宗派：高度集成單芯片

與多芯片級聯的堆疊思路完全相反，高度集成的單芯片選擇將收發單元以及其他分立元器件微縮化，塞進一枚芯片中。

這一路線的擁躉，包括與特斯拉傳出緋聞的Arbe，以及背靠英特爾的Mobileye，兩者均在高度集成芯片方案上，推出了總通道數量高達2304個的4D毫米波雷達產品。

因為對器件小型化，這一路線在寸土寸金的晶圓上集成大量通道，不僅能夠節省體積與功耗，還有極大降本空間。但問題在於，這一方案會面臨更嚴苛的電磁波信號串擾問題，並且要啟用並不成熟的晶圓工藝。

一位毫米波雷達行業人士向我們分析，特斯拉曾經與Arbe洽談雷達技術合作，但最終選擇自研，最主要的影響因素應該是技術方案成熟度問題。

力出一孔派：車載相控陣雷達

相比於前兩個派別，車載相控陣雷達的方案則更加大膽。相控陣的原理是通過特製的天線改變電磁波相位，將分散的能量集中成束，達到掃描的效果，從而顯著提高雷達分辨率。理論上，相控陣毫米波雷達擁有極高的性能上限。

在軍事上相控陣雷達早已有應用，但傳統相控陣雷達體積龐大，難以直接用於汽車，因此需要開發全新的材料，將雷達小型化。因此行業又將這一路線稱為超材料，扛旗企業主要是國外初創MetaWave、Echodyne等。

不過，基礎的新材料開發向來週期漫長，這一派別的技術成熟度目前最低。顯然，無論是豪強還是初創，無論採用傳統還是新興技術方案，參與者都必須直面這樣的遊戲規則：4D毫米波雷達必須在受限的成本、功耗、體積中，盡力提高信噪比與分辨率。這是一個典型的螺螄殼裡做道場的活計。

2/ 算法決勝

即使是特斯拉也不例外。在向監管部門提供的文件中，特斯拉的4D毫米波雷達方案採用雙芯片級聯方案，擁有48通道（6發8收），對應的是較低的成本，更可控的製程保障，以及較小的體積。

特斯拉向來有不拼傳感器硬件參數的傳統。2021年當國內新勢力紛紛啟用800萬像素攝像頭時，特斯拉車型搭載的仍然是祖傳120萬像素攝像頭，參數約等於十五年前的手機鏡頭。

但特斯拉通過基於大量數據不斷迭代算法，在數年時間內開發出HydronNet、BEV以及Occupancy Network等算法，仍然引領了純視覺自動駕駛路線。不過，目前僅依靠攝像頭的智能駕駛還是有難以克服的Corner Case。就在本月，特斯拉宣布召回36萬輛車，原因是基於視覺的FSD存在安全隱患。

而一枚4D毫米波雷達的加入，可以提供帶有距離信息的三維點雲，彌補純視覺算法的不足，提升特斯拉智能駕駛算法的上限。

中國毫米波雷達創業公司行易道總裁江軍安認為，特斯拉引入4D毫米波雷達最直接的作用是，可以通過增加測高和更高的角分辨率進一步提升AEB（自動緊急制動）功能的表現和適用場景，更好地保證智能駕駛的安全性。

這需要盡力壓榨4D毫米波雷達的潛力，並與其他傳感器妥善地融合——軟件算法是這一過程的關鍵因素。

Sensefreedom算法總監姚偉偉告訴我們，特斯拉自研雷達的硬件選型，側面反應出其對4D毫米波雷達的側重點在算法上。江軍安的判斷則是，算法將是4D毫米波雷達的主要壁壘，也是差異化競爭的核心環節。

毫米波雷達算法可以粗略分為基礎的信號處理算法和上層的感知算法，前者決定毫米波雷達是否“看得清”，後者決定是否“看得懂”。在此之前，一些初創公司嘗試從信號處理算法的創新入手，推高4D毫米波雷達的性能極限。

比如國內行易道開發了壓縮感知算法，在已定點的雙芯片級聯4D雷達的硬件基礎上將雷達的角分辨率做到了0.7°以下；森思泰克也採用超分辨算法，推出了角分辨率0.7°的四片級聯產品。國外大廠已經量產的產品這一數據均超過1°。

新信號處理和感知算法和多通道的射頻設計幫助4D毫米波雷達獲得更小的角分辨率，通常意味著更清晰的成像能力，但要讓4D毫米波雷達擁有更強競爭力，還需要成像和識別算法的進步。

此前，傳統毫米波雷達由於分辨率太低，不具備成像能力，很難依托它精確識別物體，其主要作用是對物體進行聚類、追踪。

而4D毫米波雷達能夠成像，則為大規模引入機器學習創造了條件，在經過機器學習訓練後，4D毫米波雷達對物體的識別能力將會進一步提升——就像攝像頭的感知能力不斷升級那樣。

但這樣做的前提是，要有足夠的數據作為養料餵養算法。因此，那些先行量產4D毫米波雷達、擁有更大出貨量的企業，能夠在算法改進上占得先機。

而論數據閉環能力，沒有公司比得上特斯拉。如果特斯拉今年就在新生產車型上全面導入HW4.0，那麼到明年將擁有上百萬台裝車的4D毫米波雷達。龐大車隊收集的海量數據，能夠使特斯拉以比任何公司都快的速度迭代其算法。

不過，4D毫米波雷達的從業者普遍認為，特斯拉的進場是利好大於競爭。因為後者的示範效應帶來的不僅是資本市場的關注，也會讓更多車企加速4D毫米波雷達的上車，讓算法在量產中持續改進。

3/ “同門”暗戰

在理想的智能駕駛傳感器架構中，攝像頭、毫米波雷達、激光雷達互為冗餘，能力互補。但現實的情況是，在有限的資源下（主要是成本），只有少數量產車能同時配齊攝像頭、4D毫米波雷達與激光雷達，三者之間的競爭同樣明顯。

若以一場賽跑作比，攝像頭是一個短板極少、身位領先的全能型選手，同時具備低成本、高信息密度、生態成熟等優勢。

而毫米波雷達與激光雷達各有優劣，前者成本較低，擁有全天候工作能力，後者成像能力更強，可提供精確的環境建模能力。

而對環境進行三維建模，是高階智能駕駛必須的工作，要求傳感器必須具備高分辨率、三維探測能力。

高線束激光雷達天生擁有這一能力，而攝像頭也通過BEV、Occupancy Network（格柵網絡）等神經網絡算法獲得了這一能力，毫米波雷達實現從二維到三維、從低清到高清的躍升則略晚了一步。

因此，自2020-2022年，毫米波雷達在高階智駕的體系中地位實際上在邊緣化，不僅一度被特斯拉開除，還見證激光雷達邁入商業化元年、走向高階智駕核心傳感器。

而毫米波完成向4D的轉變後，也試圖向核心傳感器的位置發起衝擊，對標激光雷達。不止一家毫米波雷達公司表示，其推出的4D毫米波雷達角分辨率可以達到0.7°到0.5°（工作頻率30hz）——這已經逼近64線激光雷達的水平。如果這一分辨率能升級至0.1°，那麼則約等於128線激光雷達。

特斯拉啟用4D毫米波雷達，標明了一條可以嘗試的路徑：廉價（百元級）的攝像頭與成本稍高（千元級）的4D毫米波雷達配合，取代成本高昂（數千元）的激光雷達。

不過，由於頻率、探測原理的限制，4D毫米波雷達短期內趕上激光雷達的性能並不現實。車企與毫米波雷達供應商共同端掉激光雷達飯碗的前提是，擁有強大的基於視覺的算法能力。並不是每一家車企，都是特斯拉。

更加符合現實的情形是：激光雷達需要將降低成本的戰役進行到底，並不斷提升可靠性，從“精密儀器”轉向“車規級零部件”。

4D毫米波雷達進一步提高分辨率，建立起更成熟的算法，完成對傳統毫米波雷達的替換。至於攝像頭，無論激光雷達還是4D毫米波雷達勝出，它都很難被取代。（遠川汽車評論）