4D成像毫米波雷达：一线专家交流（下）

上周六（2026.3.14），4D成像毫米波雷达进行了下半场的讨论（背景：4D成像毫米波雷达的热点问题，答案可能都在这里）。

邀请了自动驾驶、雷达系统架构、射频芯片、雷达算法等数位专家，继续讨论行业现状、车载应用痛点、技术发展方向、产业链生态等热点议题，分析行业真实的困境与机遇。

如下是一些下半场讨论到的一些主要结论，供大家参考。（注：内容仅代表本次讨论的专家意见，未必完全准确）

01、行业发展

问题1：车载毫米波雷达的市场前景如何？

讨论中，对于毫米波雷达的存在价值与市场空间上，有不同看法。

乐观派：

1）低阶自动驾驶的刚需基本盘：对于L2级及以下的低阶自动驾驶系统，毫米波雷达是重要的核心传感器，盲区监测、ACC、AEB等基础功能，依靠角雷达、前向雷达+前视视觉已经非常成熟，而这类车型在市场中占比很高，雷达需求短期内不会消失。

2）高阶自动驾驶的安全冗余价值不可替代：L3/L4级自动驾驶对功能安全、预期功能安全有严苛要求，在团雾、强光/暗光致盲、隧道等视觉、激光雷达易失效的极端场景下，毫米波雷达是车辆实现减速、安全靠边停车等兜底功能的核心保障，是高阶自动驾驶准入的硬性需求。

3）自动驾驶强标促进：法规是当前毫米波雷达市场的重要推手，视觉方案在应对小障碍物、隧道事故等场景时失效概率较大，4D成像毫米波雷达的重要性提升。

悲观派：

1）主机厂减配，对雷达价值认可度低：有些主机厂逐渐简配毫米波雷达数量，从5雷达到3雷达、再到单前雷达。自动驾驶算法团队对毫米波雷达数据的利用率低，雷达数据在算法管线中的权重微弱。不少主机厂对雷达的核心需求仅停留在纵向速度检测，其性能提升带来的系统价值未被充分认可。

2）行业陷入降本恶性循环：行业价格战导致企业利润微薄，研发投入严重不足，许多企业将研发重心放在降本方案上，而非前沿技术与性能提升，技术创新动力不足，行业陷入“越降价越没钱研发，越没研发越只能靠降价竞争”的恶性循环。雷达销量增长的同时，行业整体营业额、利润持续下滑，企业研发投入困难，进而拖累技术迭代。头部供应商可以通过规模勉强维持，而中小厂商则面临生存危机。

3）人才流失与技术断代严重：多位专家提到，毫米波雷达行业人才流失非常严重。一方面，薪资待遇不如互联网或AI领域；另一方面，技术难度高、产业链长，却得不到主机厂的重视，导致从业者缺乏成就感。中间层（中青年）流失尤其严重，很多人转去做激光雷达或融合感知，剩下的是极资深的老专家和新入行的毕业生，形成了人才断层。

问题2：车载4D成像毫米波雷达面临的核心痛点是什么？

1）目标不稳定，虚警率高：传统雷达信号处理基于稀疏点目标、匀速运动、远场等理想假设，而车载场景中车辆、障碍物是面目标，运动状态复杂，容易出现虚警率高、鬼影多、目标跟踪不稳定等问题。

2）空间限制导致雷达孔径瓶颈：车载安装空间限制了雷达阵列孔径，单纯增加收发通道对物理角分辨率的提升有限，且行业标称的正前方角分辨率，与45°等宽角场景下的实际性能差距极大，宽角场景旁瓣高、虚警问题突出，纸面参数与实车表现脱节。

3）算法管线适配难度大：毫米波雷达的信号特性、数据格式与视觉、激光雷达差异极大，难以融入当前主流的端到端自动驾驶算法管线。主机厂感知算法团队对雷达数据的理解不足，导致其利用率极低，多数情况下仅作为兜底备份，甚至完全不用。

4）目标跟踪鲁棒性差：传统雷达目标跟踪算法，极度依赖大量if-else补丁适配车载场景，在弯道、隧道、多车交汇等复杂场景下，易出现跟踪崩溃、假目标引发的误刹车问题，甚至出现雷达数据与视觉、激光雷达完全相悖，导致系统决策失效的情况。

02、技术研究

问题3：卫星雷达方案的优势与落地瓶颈分别是什么？

卫星雷达本质是对毫米波雷达的架构重构，将原本在雷达前端本地MCU执行的信号处理、算法运算，全部迁移到车辆域控制器中；雷达本体仅保留天线、射频、ADC采集和SerDes串行传输模块，去掉本地处理器，通过车载以太网/SerDes将FFT数据甚至原始ADC数据传输到域控，由域控完成后续的全链路信号处理、目标检测与跟踪。

核心优势：

1）降本效果显著：去掉雷达本地处理器，大幅降低雷达本体的硬件成本，是行业实现4D雷达百元级售价的核心路径，也是主机厂最看重的价值。

2）算法升级与融合更灵活：可借助域控算力，运行本地MCU无法实现的超分辨算法、深度学习滤波等复杂算法。同时，算法迭代无需升级雷达硬件，更容易算法调试和OTA。

3）硬件标准化程度提升：雷达本体简化为纯硬件前端，降低了雷达厂商的研发门槛，也便于主机厂实现多供应商替代，进一步把控供应链。

落地瓶颈：

1）算力与内存占用高：单雷达原始ADC数据处理，可能需要10TOPS的通用算力，同时占用7-10GB的DDR内存（参会专家提供信息，仅供参考）；而主机厂域控的资源优先分配给视觉模块，难以拿出足额资源给雷达处理，这是其量产落地的最大障碍。

2）系统实时性下降：传统雷达本地处理延迟极低，而卫星方案需要等待整帧数据传输完成后再处理，会带来额外的系统延迟。

3）雷达前端调控能力受限：抗干扰、波形自适应调整等功能，需要雷达前端的快速闭环反馈，卫星方案的传输延迟导致这类实时调控难以实现，影响雷达在复杂场景下的性能。

问题4：分布式相干合成雷达，是行业的技术突破方向吗？核心难题是什么？

分布式相干合成雷达是毫米波雷达突破物理性能上限的重要研究方向，理论上具备极大的性能提升潜力，但工程落地难度极高，短期内难以实现车载量产。

理论与技术价值：

1）突破物理角分辨率瓶颈：通过车身多个角雷达的分布式布阵，可合成米级的超大阵列口径，从物理层面实现角分辨率的量级提升，实现超高角分辨率。

2）大幅提升目标检测稳定性：多节点、多角度的观测视角，可大幅抑制毫米波雷达的RCS闪烁问题，让目标跟踪更稳健，从底层解决虚警、鬼影问题。

3）抗干扰能力实现质的飞跃：可实现三维空间的干扰源聚焦抑制，从根本上解决车载雷达相互干扰的行业痛点，这是单雷达方案无法实现的能力。

核心落地难题：

1）相位同步难度极大：分布式雷达相干合成，需要载波级的高精度相位同步；军用方案可通过无线信号实现同步，而车载场景只能依靠硬线连接，当前仅实验室验证了低频PLL同步的可行性，低成本、车规级的同步方案仍未突破。

2）信号模型需要完全重构：超大口径下，传统雷达的远场测角模型完全失效，需要重构近场成像、波速聚焦的全套信号处理框架，行业相关的技术积累不足。

3）量产校准难度陡增：车载安装的工艺偏差、车辆震动、温度变化，都会导致阵列相位偏差，需要实时、高精度的阵列校准，这在规模化量产场景下几乎难以实现。

4）整车架构改造难度大：该方案需要重构整车雷达的硬件架构、传输链路与算力分配，对整车电子电气架构的改造很大，在主机厂的推进难度高。

问题5：4D成像毫米波雷达还有哪些前沿技术探索方向？

会议中，有专家提出了几个行业内可能的前沿探索方向，例如：

1）超表面（Metasurface）雷达技术：通过可重构超表面天线，在硬件层面直接完成波形调制，替代传统的数十个收发通道，可大幅简化系统架构，降低多通道发热带来的性能不稳定与校准难度。但该技术工作带宽窄，工程化难度高，此前硅谷初创公司MetaWave尝试后已倒闭，目前仅在6G通信领域有较多应用，车载落地仍需长期技术积累。

2）算法创新：传统雷达检测依赖CFAR恒虚警检测，基于能量阈值的方案对复杂场景适配性差；行业开始探索从信号表示层面创新，借鉴引力波检测的信号处理方法，优化弱信号检测能力，解决传统模型与车载场景不匹配的问题，从底层降低虚警率。另外，将深度学习、神经网络应用于雷达的CFAR检测、点云去噪、目标跟踪等环节，替代传统的规则算法，提升复杂场景下的检测鲁棒性。

3）更高频段的技术探索：行业开始探索120GHz、140GHz等更高频段的毫米波雷达，更高频段可在更小尺寸下实现更大的阵列孔径，提升角分辨率，同时天线体积大幅缩小；但面临频段合规性、工艺难度、大气损耗大导致测近距离受限等问题，目前仅初创公司有demo展示（例如TERADAR），无成熟车载产品。

4）通感一体：通感一体是指利用同一套硬件同时实现雷达探测和通信，例如车辆之间通过毫米波频段直接通信并感知周围环境。这个想法在理论上很美好，但面临频谱资源、协议标准化、成本等挑战。目前，UWB（超宽带）技术已在车钥匙、泊车辅助等领域尝试替代超声波，但用于车车间通信仍很遥远。一位专家认为，通感一体在无人机集群场景下可能更有希望，因为协议可以统一，且对成本不敏感。

03、非车载落地场景

问题6：4D成像毫米波雷达在无人机场景有落地潜力吗？

会上有专家提出无人机应用毫米波雷达进行避障的想法。当前消费级无人机的视觉避障方案，在高速飞行、暗光环境、复杂场景下存在明显局限性，而毫米波雷达可实现更远距离的探测，对电线等小目标的识别能力更强，同时不受光线、天气影响，是无人机高速避障的理想补充方案。

农业植保、电力巡检等行业级无人机，已开始应用毫米波雷达，用于电线检测、地形测绘、避障等场景，验证了技术可行性；消费级无人机市场存在巨大的潜在需求。

核心落地挑战：

1）体积与安装限制大：消费级无人机机身空间小，传统平面阵列雷达无法安装，需要设计共形阵天线，而共形阵的阵列校准、性能衰减问题，当前尚未形成成熟的量产解决方案。

2）功耗约束严苛：消费级无人机的续航仅30-40分钟，传统车载毫米波雷达的功耗，会大幅压缩其续航时间，低功耗设计是其规模化落地的核心门槛。

3）成本要求更高：消费级无人机对硬件成本的敏感度超过车载场景，百元级的车载雷达方案仍无法满足其需求，需要做到十几元级才有规模化落地的可能。

4）行业生态闭环难以突破：大疆等头部厂商已形成自研的传感器方案体系，外部雷达厂商切入难度大，行业缺乏规模化的落地场景。

问题7：毫米波雷达还有其他哪些非车载落地场景？

1）智能家居与人体感知：利用毫米波雷达的隐私保护优势，实现人体存在检测、跌倒检测、生命体征监测，替代摄像头与红外传感器，已在智能开关、智能灯具中实现小规模落地。同时，车内乘员监测场景，在海外法规强标的推动下，已实现规模化装车，是当前最稳定的非前向雷达增量市场。

2）两轮车与低速车出海市场：在电动摩托车、低速代步车市场，对毫米波雷达的AEB、盲区监测功能有明确需求，相关场景年出货量可达数十万套，是当前国内毫米波雷达厂商出海的核心增量市场。

3）工业与安防场景：工业AGV/AMR的避障、安防领域的周界入侵检测，毫米波雷达可在强光、暗光、恶劣天气下实现24小时不间断检测，弥补摄像头的短板，在部分特殊场景已实现落地。

4）医疗健康与养老照护：利用毫米波雷达的相位检测能力，实现非接触式的心率、呼吸、心跳监测，甚至咳嗽行为检测，在养老照护场景有明确的需求，相关学术研究成果丰富，但工程化落地极少。

04、结语

本次4D成像毫米波雷达讨论会，一共邀请约20位行业一线专家，讨论总历时约8小时，总结主要结论如下：

1）毫米波雷达在自动驾驶传感器套件中的核心价值在于其全天候适应能力和直接测速能力。4D成像毫米波雷达分辨率更高、测距更远，在满足强标法规以及为L3级以上高阶自动驾驶提供安全冗余方面，是不可或缺的。

2）雷达的虚警和角分辨率不足仍是主要技术瓶颈。一般通过增加虚拟通道数和物理口径来提升分辨率，但是车载安装空间有限，同等物理安装口径下，增加收发通道数主要优化旁瓣抑制和抗干扰能力，对角分辨率的提升边际效益有限。还需要更多的技术创新，从根本上解决多径鬼影、目标闪烁、虚警、弱目标检测失效等行业核心痛点。

3）卫星雷达是重要演进方向，是当前降本和性能提升的主要技术路径。然而，该方案面临算力资源竞争、数据通信带宽、系统延迟增加以及雷达前端的波形调控、抗干扰等实时处理能力受限等挑战，技术方案仍在持续优化中。

4）由于雷达点云的标注难度大，高质量训练数据集构建难度高，深度学习技术几乎没有规模化落地应用，仅在目标分类、目标尺寸回归等环节用到了随机森林、多层感知机等简单机器学习方法，端到端的深度学习雷达算法仍处于研发阶段。

5）分布式相干合成雷达、超表面天线、PMCW波形等前沿技术，在理论上可实现雷达口径扩展、角分辨率跃升、抗干扰能力大幅提升，是行业长期技术突破的潜在方向。但这些技术均面临极大的工程化落地难题，仍处于学术研究阶段，短期内无法实现车载规模化量产。

6）国产毫米波雷达芯片已取得长足进步，但在射频性能的一致性、稳定性和可靠性方面，与国外头部厂商相比仍存在一定差距，这影响到雷达后端测距、测速、测角的稳定性和抗干扰能力。国外大厂为守住市场份额，不惜大幅降价，对国产芯片形成了巨大的价格压制，国产MMIC厂商在车载前装市场的进一步突破难度仍然较高。

7）车载毫米波雷达行业价格战已进入白热化阶段，行业整体面临“销量增长、营收下降”的挑战，雷达厂商在车载主赛道几乎无法实现盈利，只能通过低价换市场份额。由于价格内卷压缩了厂商的研发投入空间，毫米波雷达行业正面临严重的人才流失与技术断代问题，中坚技术人才大量向激光雷达、自动驾驶算法等赛道转移，新入行人才对赛道长期发展信心不足，行业技术沉淀和创新动力匮乏，行业健康发展受到严重制约。

8）车载主赛道的高强度内卷下，两轮车（电摩、摩托车）、工业检测、无人机、智能家居/养老等细分赛道，成为国内雷达厂商的重要突围方向。不过其中很多场景面临摄像头、UWB等低成本方案的强力竞争，且对雷达低功耗、小型化要求很高，规模化落地仍有不少挑战。

雪岭认为，

4D 成像毫米波雷达，正站在机遇与挑战交织的关键十字路口。

作为自动驾驶系统中无可替代的核心感知单元，它以最强的极端环境适应能力，牢牢守住自动驾驶的安全冗余底线，是高阶智驾落地进程中不可或缺的核心一环。

随着卫星雷达技术的规模化落地，4D 成像毫米波雷达的性能边界将持续突破。依靠技术价值的深度挖掘与场景化落地的不断深化，4D 成像毫米波雷达必将在自动驾驶的演进中，占据更为重要的地位。

由衷期待，行业能早日跳出价格内卷的不良循环，真正完成从 “成本厮杀” 到 “价值深耕” 的底层转型，让技术回归价值本身，共同实现更安全、更智能的自动驾驶全新未来。

再次感谢参与本次4D成像毫米波雷达闭门会讨论的全部专家和老师。

后面继续组织关于卫星雷达的专题交流会，如果感兴趣，欢迎联系雪岭。报名登记页面：https://dcn7get8fskg.feishu.cn/wiki/XfsEwavjMieBdIkJSyBcxqbOnWr

延伸阅读：4D成像毫米波雷达：一线专家交流（上）

个人观点，未必准确，欢迎讨论。我是雪岭，研究人工智能的技术、产品和应用，欢迎交流。