中国传感器初创企业应“自信地前行”———对话速腾聚创CEO和COO

传感器作为通向自动化驾驶时代的关键组成部分，从自动化驾驶概念提出伊始便是整套系统最前端的构造。自动化驾驶技术的多样化让该领域的最终技术手段仍然呈现出极大的不确定性，各种方案的出现让全球所有参与其中的企业几乎处于同一起跑线，而中国这些年的涌现出来的传感器初创企业近况如何，能否弯道超车，我们在与速腾聚创创始人兼CEO 邱纯鑫博士以及联合创始人兼COO Mark的对话之中，捕捉到了一种自信。速腾聚创CEO & 创始人 邱纯鑫博士

速腾聚创COO & 联合创始人 Mark

RoboSense（速腾聚创）是一家提供先进三维感知解决方案的技术供应商，成立于2014年，并在2016年就已经从研发阶段进入大规模生产阶段，成为全球首批向市场提供完整产品的LiDAR供应商之一。RoboSense在全球拥有超过200名员工，和多个合作伙伴签订战略合作关系，旨在将固态激光雷达集成到市场领导者和Tier-1供应商的自动化驾驶车辆中。秉承“匠心与狼性”作为企业核心价值观的两位企业高管在采访之中认为，中国传感器初创企业，特别是在长期被国外企业垄断的激光雷达行业，应更为“自信地前行”，让中国的技术逐步成为Tier-1企业的首选。

速腾聚创成立3周年合影

 2025AD：激光雷达作为整个ADAS/自动化驾驶领域最为复杂的传感器，缘何成为你们的创业初衷？

邱纯鑫：其实激光雷达的研发对于我们来说并不是一个选择，更多的是一个过程吧。无论是自动化驾驶、机器人、乃至整个人工智能行业，激光雷达作为高精度三维传感器，都是不可或缺的，并且我个人乃至团队其实从学校开始，便一直在从事激光雷达硬件及激光雷达的算法课题研究。当时的激光雷达不但昂贵，技术也不成熟，为此我们一直梦想着有一颗好的激光雷达。因为激光雷达的感知算法与激光雷达硬件是相辅相成，互相影响的。基于激光雷达的感知算法很大程度依赖于传感器输出的原始点云数据。只有软、硬件高度配合，才能充分发挥这双“眼睛”的威力。

通俗讲，没有点云算法，激光雷达硬件条件再好也没法为后面的决策提供支持；如果激光雷达没有输出理想的点云数据，靠算法去填补硬件的坑，不仅会增加计算量，结果稳定性也无法保证。

所以我们开始自己研发激光雷达硬件，一开始做了单线激光雷达，主要应用在测绘领域。其后为了满足更多需求，我们推出了多线激光雷达，而产品完成之后刚好自动化驾驶开始爆发，在这种机遇下，并下定决心将自主研发的激光雷达硬件，配套激光雷达感知算法推向市场，为自动化驾驶打造整套激光雷达系统。从无到有的步子已经迈开了，何不再迈一步从有到精的步子，后来，我们进一步推出了MEMS固态激光雷达，大家对我们的关注就更多了。

速腾聚创激光雷达环境感知解决方案 RS-Fusion-P3

2025AD：很长一段时间内，激光雷达都被海外企业所占领，甚至垄断，这些企业大多具有一定规模和合作需求客户，激光雷达初创企业时候会有海外的压力，有何办法化解？

Mark：我们也有大量的合作客户，比如阿里菜鸟、京东、图森、roadstar.ai等等做自动化驾驶的科技企业，以及很多暂不方便透露的国内外OEM厂商。在过去很长一段时间激光雷达都被海外企业几乎垄断，而且这类企业与各大Tire-1供应商走的很近，因为那时候激光雷达企业很少，行业不成熟，大家也没得选。但是我认为中国的传感器初创企业，比如速腾聚创刚进入的时候是存在有压力感的，而这个压力不是来自于竞争对手，更多的是来自于市场的需求与产能的匹配问题。自动化驾驶行业的一个爆发期，当时市场的需求容量，允许多个玩家共存，大家的产品多少都会出现供不应求的局面，而且当时激光雷达受限于技术，导致产能偏低，价格较高，稳定性比较差，良品率与使用寿命普遍不高，很多时候未能达到诸如温度测试等苛刻测试需求，初期的产品更多是属于功能性使用。并且大家都有自己的技术壁垒以及主打技术，在不同的技术领域下。

如何提高产能以及稳定性、良品率，符合采购方的价格体系，通过严苛的车规级要求，才能面对越来越大的自动化驾驶领域爆发需求。做出能满足市场对安全、可靠性、高性能、低成本、易量产、成熟度、小尺寸等所需求的产品才是真正化解现阶段压力的最好办法。速腾聚创提供的MEMS固态激光雷达，正是能满是这些需求的方案。

速腾聚创 MEMS 固态激光雷达 RS-LiDAR-M1 Pre

2025AD：熟悉激光雷达的人都会知道，激光雷达具有多种工作手段，比如最早的机械式，后来的半机械式，OPA相控阵等等，速腾聚创目前也是多款不同技术产品迭代更新，最新是什么技术，为什么选择此种技术，如何看待相控阵OPA技术，是否会加入战团？

邱纯鑫：首先要强调的是，速腾聚创本身是OPA LiDAR技术的拥护者与先行者，从2016年便开始投入OPA核心扫描芯片的基础研究及芯片设计，经过多次流片及系统测试，各项参数和指标都取得了不错的进展。但值得一提的是，同样属于芯片方案，千元级别的MEMS方案和OPA相比在目前更具有实用性，毕竟OPA成本难以在短期快速降到百元甚至十元级别。同时MEMS技术更容易做到远距离探测，而OPA与Flash想达到200米距离还有大量的路要走。

所以业内对激光雷达的判断，普遍认为：多线激光雷达是最能“马上用”的产品、OPA与Flash是3-5年后的“期待与惊喜”、而MEMS则是正在快速成熟的方案。MEMS激光雷达的芯片化特征，使得它具有车规级、千元级、易量产的基因，因此这个方案将最先被OEM接受，成为第一代 L3以上自动化驾驶量产车的感知配件。在未来，我相信OPA技术也会以合适的产品形态出现。

2025AD：激光雷达的技术更新很快，初创企业对于目前的市场需求应该多技术同时研发生产还是不断迭代始终保持最新的技术产品？若是你们会如何选择？

Mark：这个问题感觉更多取决于初创企业自身的技术储备积累、研发能力以及目前的产销供需状况之下具体分析。比如说速腾聚创就有机械、MEMS、OPA三种技术布局，机械式是目前量产在售的产品，MEMS是下一代为量产车准备的，目前已经开始送样，OPA则是一种值得期待的补充方案。

机械式激光雷达，我们已经量产在售，并且有大量的客户正在使用，在MEMS固态激光雷达量产之前，机械式还有不错的市场空间，我们不断地对产品做迭代升级，以更好地满足客户需求。但是真正能满足自动化驾驶量产车对于安全、可靠性、高性能、低成本、易量产、成熟度、小尺寸等所有需求的，将会是MEMS固态技术，最先搭载到量产车也将是MEMS固态激光雷达。我们需要加快MEMS固态产品进度。考虑到更长远的未来，OPA这种方案也是非常值得期待，我们也已经率先布局，并取得了多项核心技术突破。

正如速腾聚创目前的公司使命一样，通过不断的自我革命，不会去墨守成规，更多通过供需平衡来和快速可靠技术升级调整产品的迭代周期。只有当某一技术通过市场反应告知能完全替代另一技术时候才会出现停产调节，在这之前，他们都会共存，但我们会不断革新，引领固态激光雷达技术的发展，为自动化驾驶提供可以满足所有量产需求的激光雷达产品。

2025AD： 新技术领域的发展是飞快的，同时也是鱼龙混杂的，在你看来，就激光雷达领域你觉得目前最有潜力成为主流产品的是何种技术？

Mark：的确，现在的激光雷达技术发展与数年前相比可以说达到了一个百家争鸣的时间段了。各家对于自己所提出的新技术也都有坚持，这也促进了初创企业之间的竞争循环发展。就速腾聚创自己来说，现有的产品能满足从最简单到较为复杂的使用需求，最终目标是针对车规级别的自动化驾驶领域，所以首先在外观上，我们是不希望最终的量产自动化驾驶汽车上还跟现在一样顶着一个“全家桶”到处跑。可靠、安全、高性能、美观小巧而且价格便宜的产品肯定会是需方的追求目标。机械式激光雷达尽管是目前较为成熟的解决方案，但是难以大规模上量的现状以及外观与尺寸都导致了其更多地只是服务于测试车辆的零部件。所以基于自动化驾驶来说，以我们这多年的研究以及国内外同行目前的发展状况来看，MEMS、OPA以及Flash三种是目前较为流行的技术发展流派，Flash技术目前的问题在于上不能做到较为远的探测距离，而OPA以后应该会带给我们惊喜，毕竟其一旦芯片化量产之后，成本会大幅降低，而且芯片化也代表了稳定性能更高，但是这种方案必须熬过芯片行业所面对的长研发周期，也存在不可确定性。而现在阶段我们认为MEMS微振镜技术激光雷达应该属于下一代的主流技术方案。

2025AD：激光雷达虽然复杂且高效，但是作为整个自动化驾驶系统之内的主要传感器仍略显单薄，不少人提出多传感器融合，即同时具有激光，毫米波，摄像头等多传感器冗余。速腾有没有这种解决方案？

邱纯鑫：我们认同多传感器融合方案，有不少初创企业的确有在研发，也就是所谓的激光，毫米波，摄像头等多传感器冗余整合方案，对于汽车来说，冗余意味着可靠&安全，在这一点上我们是非常认同的。对速腾聚创来说，我们首先应该把自己的激光雷达产品做到极致，预计自动化驾驶量产会在2020年左右到来，对于我们来说时间非常紧迫，研发的精力应该集中在固态激光雷达上。当然，如果有合作伙伴希望用我们的激光雷达产品进行融合，我们将欢迎并且从技术层面提供更多的协助，作为激光雷达厂商，我们已经作出了相应的技术准备。

2025AD：目前速腾聚创的量产产品以机械激光雷达为主，对于自动化驾驶领域的应用有哪些具体设想和看法，目前的伙伴有哪些？

Mark：自动化驾驶领域有非常多的应用场景，但会率先在一些特定领域落地。比如，特定场景物流车、低速园区车、特定领域公交车/货车/矿山车等。目前RoboSense已经量产的多线激光雷达16和32线，已广泛应用在各大落地的应用场景中。目前的合作伙伴已覆盖全球各大自动化驾驶科技公司、车企、Tire1等，包括阿里菜鸟、京东、百度、上汽、北汽、深圳巴士、AutoX、图森未来、Deepmap、roadstar.ai、高德地图等。

2025AD：有说法认为， L5级别自动化驾驶可以在2020年前实现落地，也有认为需要到2025年甚至更久。您认为目前的主流自动化驾驶方案，能够真正实现落地的有哪些？如果预估一个时间，需要多久？

Mark：L5级别自动化驾驶在2020年前落地，这是大多数人的美好想法，我们属于其中一员，但就目前技术来看，自动化驾驶落地主要仍是从场景入手。如果从乘用车方面来看，有不少OEM提出在2020-2025之间推出可行的L5方案，作为关键零部件供应商，我们也在全力以赴做准备。但是对于L5起着决定因数的还有诸如对应设施建设、主机厂标准制定甚至法律法规完善以及伦理道德等等，这些需要整个产业链一起努力，让我们拭目以待。

2025AD：在传统汽车企业和科技企业之间，您认为在汽车安全和技术研发上有哪些不同？又有哪些需要互相借鉴的方面？

Mark：传统车企虽然相对保守，但拥有上百年的经验和数据积累，在很多基于汽车领域，特别是安全技术上的技术很成熟，科技企业此方面略有欠缺，但是现在人们对于用户体验以及生活方式的需求，倒逼了传统企业去认真审视许多由科技企业所提出来造车需求。那这个时候其实双方在互相借鉴的同时，也互相逼迫对方去做出一些改变，而且是在自己不擅长的领域作出改变。对于最终用户来说，这是一件好事情。

2025AD：近期北京和上海都已经开放了一定路段的自动化驾驶路测，同时在美国也发生了Uber自动化驾驶的事故，对此有何看法？

Mark：北京和上海开放一定路段的自动化驾驶路测，对中国的相关企业来说，是一个非常好的信号。这说明从国家的政策层面开始支持这个产业去发展的，特别是像北京和上海这种国际知名城市的试点，具有很强的示范意义。至于美国发生Uber自动化驾驶事故可以视为一个偶然，但我们从当时的录像和各界的报道分析看来，这本是一次可以避免的事故，业内对于Uber在自动化驾驶研发测试上相对激进的做法，大都不认可。

对于这个事故我们深表遗憾，也希望事故的发生能促成部分测试漏洞的封堵和加强安全员的监管，这样也算是对不幸的事故受害者最大的安慰了。

同时这也让我们这些做激光雷达传感器的企业再次深刻认识到，自动化驾驶技术不是一蹴而就的，我们必须去履行自动化驾驶对于人来说是需要在安全方面付出承诺的，只有我们的产品过硬，才能协助主机厂减少乃至尽量避免类似情况的出现。

2025AD：您认为中国目前在政策法规和技术实践方面和国外相比存在哪些异同？有哪些优势，又有哪些不足？

Mark：国外主要硅谷那边走得快一些，可以肯定的是这里面有来自政府政策的支持，也有相关企业的努力争取。所以尽管中国也已取得很多优异的成果，还是需要加快追赶的脚步。毕竟中国已经跃升为世界最大的汽车市场。当政策、研发、技术同时到位的时候，国内初创企业将会享受到加速红利。速腾聚创愿意在政策法规以及技术时间方面去协助相关部门。

2025AD：国内自动化驾驶领域的初创企业，就目前的经济环境和行业趋势下面临的挑战有哪些？与和国外的一些自动化驾驶初创公司相比优势和劣势在什么方面？

Mark：实话说中国同样具有十分活跃的资本市场，在巨大的自动化驾驶领域需求面前，我们更多的挑战应该是如何去把产品做到极致。与国外企业相比，就经济环境而言并不存在过大的差异，行业趋势也是趋于相同，中国政府对于此类高科初创企业的高度重视与支持，远远超于外媒对我们的了解。现在互联网的高速发展，科技信息早已全球化，并且生产也是全球链条运作。我们同步在硅谷设立研发中心更多需要的是氛围。中国才是我们最终崛起的主基地。

关于受访人邱纯鑫和Mark：

速腾聚创（RoboSense）创始人兼CEO邱纯鑫博士，2017年「MIT TR 35岁以下科技创新35人」榜单获得者、哈尔滨工业大学控制科学方向博士，移动机器人环境感知技术专家。曾在JFR(Journal of Field Robotics)等国际顶级机器人刊物上发表多篇论文，完成过包括国家自然科学基金在内的多个机器人相关项目的研发工作。2014年创办深圳速腾聚创(RoboSense)，开发用于自动化驾驶领域的高端激光雷达技术，目前该公司已经成为国内激光雷达技术领域的先行者;

速腾聚创（RoboSense）联合创始人兼COO Mark，

2018福布斯亚洲30位30岁以下精英榜单获得者，中国道路运输协会城市客运分会自动化驾驶方向专家组成员，青腾大学未来科技学堂首期学员。

Mark是一名连续创业者，职业生涯贯穿业务、市场、运营路线。涉及行业领域包括咨询、互联网等；曾任职于奥美中国、博众企业管理咨询等知名管理咨询公司。长期为国内各企业提供营销咨询服务，深度了解企业经营管理；

注：如需转载，请注明转载自www.2025AD.cn网站；如欲投稿，您可以访问首页申请成为2025AD网站特约撰稿人。