馬斯克掀起“激光雷達 or 攝像頭”的爭論還在繼續。

盡管慣于“打嘴炮”的馬斯克還是很難讓人相信，一臺完全不使用激光雷達的特斯拉能在 2020 年達成 Robotaxi 的目標，但縱觀特斯拉和 SpaceX 的發展史，這位瘋狂的工程師又的確是在不斷的質疑中將各種“不可能”一一實現。

近日，黑芝麻智能科技有限公司（下稱：黑芝麻）CEO 單記章接受了 DeepTech 的采訪，專注于打造 AI 計算平臺和機器視覺感知算法的黑芝麻同樣走著一條以視覺方案為主的路線，目標是為 L3 及以上級別自動駕駛提供感知解決方案。

在視覺處理領域有著豐富經驗的單記章認為，在不使用激光雷達的前提下，提升視覺感知算法能力就能讓攝像頭在部分場景下很好地完成測距功能，進而在保證性能的情況下達到量產要求。

圖|黑芝麻創始人兼 CEO單記章（來源：黑芝麻）

資料顯示，黑芝麻智能科技最初成立于 2016 年 8 月，致力于打造 AI 和機器視覺的核心算法和計算平臺，公司在上海和硅谷設有研發中心。4 月，該公司剛宣布已經完成 B 輪融資，領投方君海創芯，其他投資方包括：上汽集團、SK 中國、招商局集團旗下招商局創投、達泰資本、風和資本等。本輪融資主要用于自動駕駛域控制器參考設計開發，車規級軟件集成。

單記章在采訪中透露，“芯片+算法”是黑芝麻從早期就已確定的技術路線，黑芝麻希望以 Tier 2 或 Tier 3 的身份，憑借視覺感知算法和自動駕駛芯片兩項產品，為主機廠和供應商提供從傳感器端到應用端的全棧式感知解決方案。

計算平臺是實現輔助駕駛、自動駕駛的重中之重，近日特斯拉宣布推出自研的車載 AI 芯片，比原有英偉達提供的芯片在算力和能耗上都有巨大提升，這在業界引起了不小的震動。

在這方面，黑芝麻計劃在今年量產推出車規級芯片，可滿足 L3 級自動駕駛的算力需求。在具體指標上，單記章稱，“我們自動駕駛控制器的功耗大概是特斯拉公布的一半左右，計算能力能達到特斯拉的 2 倍。”目前公司已經與多個一級供應商和車廠達成合作。考慮到汽車行業的周期較長，最早搭載該公司芯片的車輛大概在 2021 年左右能夠面市。

圖|黑芝麻智能駕駛平臺 SOC（來源：黑芝麻）

另一個重要方面則是算法。單記章在采訪中強調，團隊成員在視覺感知方面有著深厚的技術背景，他本人也在圖像傳感器行業從業超過 20 年。他認為感知算法是該公司的“一項特殊能力”。比如在圖像處理上，黑芝麻能在昏暗、強光、高動態等情況下通過控光技術，對光的波前、波譜、偏振、光場等進行測量和調整，使得攝像頭能在各種特殊工況條件下適應環境，從而得到更高質量的計算機視覺成像。

值得注意的是，黑芝麻提供的方案瞄準的是 L3 級別的自動駕駛。背后的原因在于，單記章認為如今市場上的 L1、L2 級輔助駕駛的產品已經非常多了，其中不乏一些芯片巨頭和博世這樣的一級供應商，競爭會非常激烈。而 L2 以上的自動駕駛則有所不同，比如英特爾旗下的 Mobileye 在 L3 以上的進展也較慢，目前市場上沒有真正好用的產品，而這正是黑芝麻的關注焦點。

不過，L3 級別自動駕駛本就是一條飽受爭議的路線。L3 級自動駕駛處在以人為主的輔助駕駛與以系統為主的自動駕駛之間，在部分場景下實現自動駕駛，但在特殊情況下又需要人類駕駛員快速接管，責任主體的轉變會帶來責任難以劃分的問題。此外，業內也有聲音認為 L3 自動駕駛缺少開發價值，屬于“偽命題”。

在這一爭議問題上，單記章也提出了 L3 自動駕駛的必要性：“在今天看來，從 L2 直接跨越到 L4 是顯然站不住腳的。實際上大家都計劃在 2020、2021 這個時間點做出 L3 級的車。”同時他認為，在將安全性做的更好之后，在部分場景下解放駕駛員的雙手是一件完全可以做到的事情。

單記章在采訪中表達了自己也站在了激光雷達的反對者一方，最關鍵的原因是激光雷達仍未突破量產難題，同時在環境適應能力上也存在問題。特別是高線束激光雷達，高昂的價格讓其無法滿足市場的需求，多數僅能在測試車上使用。

圖|黑芝麻提供端到端、全棧式的感知系統解決方案（來源：黑芝麻）

現階段黑芝麻推出的傳感器融合方案中并沒有使用激光雷達。“我們不排斥任何技術，但目前市場上僅有一家公司能做到真正的車規級激光雷達。”單記章說道。

與此同時，他也并不認為車規級激光雷達能在短時間內出現。近日有業內人士圍繞這一話題，提出激光雷達有望在 3-5 年內將成本大幅降低。對于這一說法，單記章認為，在性能和成本上能達到量產要求的激光雷達，可能需要 5-8 年的時間才能進入市場，再加上汽車行業的周期很長，車廠在采用了激光雷達之后，距離車輛能真正上路則可能還要額外 2-3 年。

在自動駕駛的環境感知環節，激光雷達能更好地獲得三維信息，對周圍物體進行更加精確的定位，而攝像頭獲得的是二維畫面，因此借助攝像頭進行定位存在較大的難度。且由于高階自動駕駛對汽車周圍環境的感知精度需要提升不少，因此目前市面上多數 Robotaxi、無人貨運車輛等都不可避免地選擇了激光雷達。

出于對符合車規、量產的考慮，使用低線束低成本的激光雷達搭配其他傳感器也成為了部分自動駕駛解決方案的一個選擇。而單記章對此認為，低線束激光雷達能夠很好地完成對較近處物體的測距，但這部分工作通過攝像頭也能完成，目前很多深度學習算法已經能在測距上達到較好的效果。

舉例來說，雖然人類駕駛員在開車時多通過雙眼觀察周圍的環境，但在單眼的情況下，其實也能很好地判斷周圍物體的方位和距離。

單記章表示，這就是因為人會對眼前的二維畫面進行估計和判斷，自動駕駛也是一樣的，在攝像頭僅得到二維畫面的情況下，運用深度學習算法也能判斷出畫面中的物體距離，這樣就可以將激光雷達丟掉，在提升性能的同樣能夠保證量產。