如何看待毫米波雷達和激光雷達之間的差別，哪個才是自動駕駛感知的最優選擇？

本人對光學和微波均有一定涉獵，在此發表一些個人看法

為了方便描述，以下radar均指4D毫米波雷達

Radar目前發展路線不是用來取代lidar的 ，如果只是單純的提高分辨率，輸出更稠密的點雲，那麽radar遲早會在lidar轟轟烈烈的發展中銷聲匿跡。在radar和lidar的發展史上有這樣幾個標誌性事件。

目前我已知的最先進的速騰的混合固態激光雷達（主機廠的座上賓，當紅小生），分辨率為0.2°x0.2°，而Arbe的4D毫米波雷達Phoenix分辨率為1°x2°，可以說，我不認為radar僅憑借有限成本優勢，它的發展可以取代lidar。

部份芯片巨頭已經開始自主研發多通道陣列射頻芯片組和基於人工智能的後處理軟件演算法。 整合化、客製演算法 ，我覺得這個才是4D毫米波雷達未來能夠崛起的發展方向。

整合化

TI最初給出的方案是整合了射頻天線的片上整合（AoP）雷達芯片（一口氣將射頻芯片、數碼處理芯片和微控制器三個模組+天線整合到一個SOC上）和FPGA作為處理器，並提供了毫米波雷達開發傻瓜式工具鏈

在今年的CES展期間，TI宣布正式推出第一代可用於衛星雷達架構（中後段數據處理集中至域控制器）的芯片方案（命名為：AWR2544）。

這也標誌著非FPGA方案量產的4D雷達時代的到來。

該架構將智能化從傳感器中分離出來，並將其集中在一個強大的中央域控制器中，保留「衛星」傳感器，其中僅包含數據采集（比如，毫米波雷達的收發器件）的必要硬件，而處理和決策則在域控制器中進行。同時， 軟硬解耦 的趨勢，也在影響傳感器的架構設計，一旦實作標準化的訊號處理（短期仍然以點雲處理為主）軟件開發，就可以實作隨插即用，極大縮短系統的整個開發周期。

無論是開發客製的ASIC來代替FPGA，或者減少級聯以及國產化芯片方案。cooperative radar均是對數據處理之後的點雲進行演算法分析，這個不符合我一貫的觀點：radar的研究重在原始數據的前融合，而非點雲的後融合手段

目前有一個很大的問題，就是 主機廠和Tier1並不知道4D點雲能做什麽，他們用研究lidar的思路研究radar，更何況是原始IQ數據？

我們設想一個場景：最先進的中央域控數碼芯片，在接收到超大陣列的radar的IQ訊號之後，提取出range、doppler、azimuth、yaw的資訊，和lidar傳來的xyz point以及網絡攝影機傳回來的pixel進行基於BEV+Transformer 和占用網絡（or any possible fusion in the future）的融合

這樣子，最先進的RFIC以及數碼芯片技術以及AI大模型都被套用於sensor的世界