如何看待毫米波雷达和激光雷达之间的差别，哪个才是自动驾驶感知的最优选择？

本人对光学和微波均有一定涉猎，在此发表一些个人看法

为了方便描述，以下radar均指4D毫米波雷达

Radar目前发展路线不是用来取代lidar的 ，如果只是单纯的提高分辨率，输出更稠密的点云，那么radar迟早会在lidar轰轰烈烈的发展中销声匿迹。在radar和lidar的发展史上有这样几个标志性事件。

目前我已知的最先进的速腾的混合固态激光雷达（主机厂的座上宾，当红小生），分辨率为0.2°x0.2°，而Arbe的4D毫米波雷达Phoenix分辨率为1°x2°，可以说，我不认为radar仅凭借有限成本优势，它的发展可以取代lidar。

部分芯片巨头已经开始自主研发多通道阵列射频芯片组和基于人工智能的后处理软件算法。 集成化、定制算法 ，我觉得这个才是4D毫米波雷达未来能够崛起的发展方向。

集成化

TI最初给出的方案是集成了射频天线的片上集成（AoP）雷达芯片（一口气将射频芯片、数字处理芯片和微控制器三个模块+天线集成到一个SOC上）和FPGA作为处理器，并提供了毫米波雷达开发傻瓜式工具链

在今年的CES展期间，TI宣布正式推出第一代可用于卫星雷达架构（中后段数据处理集中至域控制器）的芯片方案（命名为：AWR2544）。

这也标志着非FPGA方案量产的4D雷达时代的到来。

该架构将智能化从传感器中分离出来，并将其集中在一个强大的中央域控制器中，保留「卫星」传感器，其中仅包含数据采集（比如，毫米波雷达的收发器件）的必要硬件，而处理和决策则在域控制器中进行。同时， 软硬解耦 的趋势，也在影响传感器的架构设计，一旦实现标准化的信号处理（短期仍然以点云处理为主）软件开发，就可以实现即插即用，极大缩短系统的整个开发周期。

无论是开发定制的ASIC来代替FPGA，或者减少级联以及国产化芯片方案。cooperative radar均是对数据处理之后的点云进行算法分析，这个不符合我一贯的观点：radar的研究重在原始数据的前融合，而非点云的后融合手段

目前有一个很大的问题，就是 主机厂和Tier1并不知道4D点云能做什么，他们用研究lidar的思路研究radar，更何况是原始IQ数据？

我们设想一个场景：最先进的中央域控数字芯片，在接收到超大阵列的radar的IQ信号之后，提取出range、doppler、azimuth、yaw的信息，和lidar传来的xyz point以及摄像头传回来的pixel进行基于BEV+Transformer 和占用网络（or any possible fusion in the future）的融合

这样子，最先进的RFIC以及数字芯片技术以及AI大模型都被应用于sensor的世界