智能駕駛傳感器中的毫米波雷達，擅長測量距離和速度，并且具有良好的距離和速度分辨率。與其他傳感器相比，雷達在夜間運行，在惡劣天氣條件下的影響最小。

而且有聲稱雷達是汽車上僅次于超聲波傳感器的第二便宜的傳感器，基于這些優點的存在，所以雷達的技術發展和應用在智能駕駛上不斷的推進。

如《4D 成像毫米波雷達 - 101》文章講目前毫米波雷達的推進方向在提高角度分辨率成為4D毫米波雷達，繼續推進提供接近相機圖像的數據叫做4D毫米波成像雷達，可以實現和視覺《視覺為王-小鵬以及特斯拉的自動駕駛方案》那樣的AI 算法的應用。

目前4D毫米波的技術路徑，主要是增加天線通道，也就是收和發的數量來實現感知數據的豐富。所以理論上來講感知的收發數據越多，數據越豐富準確，當然信息處理量也越大。

Mobileye的宣稱未來高達幾千的通道雷達,可以用于點云等AI人工智能算法,可以識別超過上千目標物。當然他要替代激光雷達有難度畢竟由于其使用波的長度問題，波長長，分辨率低，邊緣信息肯定沒有激光雷達豐富準確。

所以當前4D毫米波雷達的創新基本就集中在如何擁有更多的感知通訊通道，如何處理好這些信號得出想要的信息，目前主流技術鏈如下：

將標準雷達芯片（恩智浦，德州儀器等）進行多芯片級聯，以增加天線數量，通過軟件處理創新來達到4D的效果，傳統巨頭們大陸、博世，還有華為等國內公司。

將多發多收天線集成在一顆芯片，直接提供成像雷達芯片，比如Arbe、Vayyar，mobileye，uhnder等。

最難的是通過超材料研發新型雷達架構天線陣列，代表廠家有Metawave，等。

標準雷達芯片進行多芯片級聯，以增加天線數量，這是當前主流傳統勢力基的方案基本上來自于以下三個供應商的技術方案：

基于德州儀器AWR系列芯片前端收發，利用TDA2X系列芯片處理.

恩智浦的TEF?系列芯片前端收發,S32R系列芯片處理.

賽靈思FPGA芯片方案。

采用2發/4收?或 3發/4收，大概45nm的芯片的基礎方案進行級聯，增加通道。

當前此類芯片企業都在打造開發生態，底層軟件開發很完備，工具鏈做的很容易上手，使更多的人容易利用和開發，例如之前講的《Nvidia英偉達的 AI 智能汽車信仰》，這些芯片供應商的毫米波雷達芯片也例外，這就催生了數量眾多的國內初創毫米波雷達企業，有傳言說華為的雷達方案也使用以上方案，如果是這樣的話，這次任老爺子說的寒冬來了，這些業務就裁撤掉吧，先不說能不能賺到錢，賺到錢之后也和手機一樣命門在別人手上，何必呢。 當然作為傳統的博世，大陸，采埃孚等老牌T1其實他們的并非就是用芯片而已，他們對于汽車產業的know how ，使他們能夠給雷達芯片提出精準需求，也是催生了芯片行業的發展。 另外還有創新勢力Oculii，他背后是安霸芯片，他基于德州儀器以及英飛凌的芯片方案，使用 SLAM 風格的機制處理獲取的數據。目標是比較多個雷達幀，以構建比任何單個幀都更詳細和準確的環境圖片。Oculii 的軟件還使用 ML機器學習/DL深度學習技術來調整發射信號參數以適應特定的道路環境，號稱通過其算法可以最大100倍的性能提升。 另外傳統雷達的主角英飛凌也在發力，趕上。 將多發多收天線集成在一顆芯片，這個基本上又是一個芯片設計和創新的技術了，目前4D 毫米波雷達的創新新勢力就集中在此部分。

? 目前有Arbe的收發器具有 24TX/12RX 通道配置。它需要使用 Global Foundries 的新型 FDSOI CMOS 22FDX 技術，該技術比某些采用 22 納米技術的 CPU 更復雜。Arbe 還制造了一個處理芯片，可以實時管理多達 48 個 Rx 通道和 48 個 Tx 通道，每秒生成 30 幀的全 4D 圖像，等效處理吞吐量為 3 Tb/sec。 另一個硅芯片神童，Vayyar 的 他有 72 個發射通道和 72 個接收通道，形成了 2000 多個虛擬通道。它是真正的成像雷達，可生成高分辨率物體的 3D 圖像。當這么多通道的時候，能耗成了他的限制。開發人員必須通過限制雷達的峰值輸出功率等方式，為這么多通道提供可接受的隔離水平。

因此，Vayyar 專注于車載監控應用和短程雷達案例。 Uhnder，它的產品是一款 28 nm ，具有 12TX/16RX 通道收發器，在單片硅片上帶有 CPU、DSP、內存和接口。這些數字不應直接與競爭對手進行比較。Uhnder 使用自己的軟件來實現帶數字編碼調制 (DCM) 的相位調制連續波形 (PMCW)，而不是更常見的頻率調制連續波形 (FMCW) 方法。它還有助于通過使用幾乎獨特的相位編碼探測信號來消除相互的雷達干擾。 Mobileye，背靠英特爾的芯片技術，配備基于 48 x 48 發射和接收的 2,304 個虛擬通道，基于調頻連續波 (FMCW) 技術和多普勒式算法來實現感知。

所以毫米波雷達也走上了類似于攝像頭和激光雷達那種智能AI卷參數的道路，4D毫米波卷通道數量，卷信號處理，卷算法以及處理單元能力，智能AI道路。但其實在智能AI的世界應用里面，感知通道，信號處理，算法處理都是基于成本，能耗，物體體積的藝術應用，需要平衡應用，例如感知夠強，但算法和數據標準跟不上也是浪費。 所以作為開發和消費者都沒必要去追求參數的強勁，還需要看療效，目前應用4D毫米波先鋒的是寶馬的IX，有資料和知道其性能表現的可以私信我，看是否能夠分析下參數和性能表現之間的連接。 ?

編輯：黃飛