比亚迪入局4D毫米波雷达芯片：智能驾驶感知代际战全面打响

4D毫米波雷达芯片这块硬骨头，比亚迪这一脚踩进来，整个行业的“代际战”算是彻底打响了

前阵子圈里都在聊比亚迪杀入4D毫米波雷达芯片赛道的事，我最初以为只是又一家车企下场“秀肌肉”，仔细扒完技术链路和供应链动作才发现，这是整个产业从传统雷达向成像雷达切换的关键拐点。4D毫米波雷达芯片，说白了就是让车载雷达不仅会测距离、速度和水平角度，还能额外测出目标的俯仰角，输出真正意义上的高密度点云。过去这玩意只能靠多颗芯片拼起来才能实现，成本高到只配出现在五十万以上的旗舰车上，现在比亚迪把量产规模和技术下放的节奏拉到一起，等于告诉全行业：高阶感知不再是溢价配置，而是未来所有智能车的默认选项。

这篇内容适合三类人看。第一类是车企和Tier 1的工程师，正在做传感器选型和技术预研；第二类是关注智能驾驶产业链的投资人，需要理解代际切换背后的真实技术门槛；第三类就是普通车主和技术玩家，想知道自己车上那颗雷达芯片到底是“什么水平”，以及最近网上那些车机调试、刷机相关的话题到底有没有必要碰。我尽量把这几个层面都讲透，不堆参数，把逻辑讲清楚。

1. 4D毫米波雷达芯片到底“4D”在哪：一次从目标检测到环境成像的代际跨越

1.1 传统3D雷达的痛点：只能告诉你“那里有东西”，却说不清“那是什么”

要理解4D毫米波雷达的价值，得先回到传统毫米波雷达的物理极限上。传统77GHz雷达芯片，无论是NXP的旧方案还是TI早期产品，本质上都只能输出稀疏的“点迹”，每个点代表一个反射目标，但这个目标的高度信息是缺失的。车上装三颗雷达，能检测到前方有车、有护栏、有树，却分不清这个“目标”到底是个横跨路面的天桥，还是地面上的一块铁皮。

这里有一个很要命的场景：一辆停在路边的卡车，尾部是金属平板，对毫米波雷达来说是极强的反射体。传统雷达能检测到它，但无法在俯仰维度上区分“卡车尾部的高度”和“桥洞的高度”。如果车辆原本准备钻桥洞，而雷达把桥洞误判成了静止障碍物，AEB可能突然一脚急刹；反过来，如果它把卡车尾部的高度信息忽略了，城市NOA功能又可能直接怼上去。这两种错误在传统3D雷达时代都非常难解。

我一直觉得，用“近视眼看舞台”来形容传统雷达再合适不过：能看到有人在台上移动，但看不清这个人高矮胖瘦、是站着还是蹲着。4D雷达的出现，相当于给这个近视眼戴上了带景深的眼镜，它不仅能告诉你“台上有人”，还能告诉你“这个人的轮廓大概长什么样”，甚至能根据微多普勒效应分出“这是在挥手还是在走路”。

1.2 4D雷达多出的那一维：俯仰角与高密度点云背后的芯片挑战

4D雷达多出的“第四维”就是俯仰角（垂直方向的角度）。但要真正把俯仰角测出来，不是软件算法改一改就行的，硬件层面必须部署垂直方向的天线阵列。传统雷达的天线排布是“水平一条线”，能较准地估计水平角度；4D雷达需要在垂直方向同样铺设多根虚拟天线，天线总数从几十根直接跳到上百根甚至近两百根。

这就引发了两道硬骨头。第一道是射频通道数量暴增：每个天线通道都需要独立的接收链路，射频前端面积、功耗、成本全部跟着涨。第二道是信号处理算力需求暴涨：上百个虚拟通道同时采样，每个通道都要做距离-多普勒FFT、数字波束成形、超分辨角度估计，这种计算量不是传统单片机跑得动的，至少需要一颗带硬件加速器的SoC。

所以4D毫米波雷达的“代际战”，本质上是芯片级的战争，而不是雷达模组级的战争。谁能在单颗芯片里集成足够多的收发通道、足够强的信号处理引擎，谁就能在成本、功耗和性能之间取得最优解。这也是为什么比亚迪这次入局引起这么大震动，它不造模组，直接奔着最底层的芯片去，等于把“代际战”拉到了最后一道门槛上。

1.3 芯片工艺路线之争：SiGe与CMOS，以及单片集成的方向

在4D雷达芯片的工艺选择上，行业经历了明显的技术路线分化。最早的高性能雷达芯片都基于SiGe（硅锗）工艺，这种工艺的射频性能非常好，噪声系数低、输出功率高，但缺点是集成度低、功耗大、成本高，一片SiGe芯片只能放下少量收发通道。要用它做出真正的4D成像雷达，只能玩“多片级联”，比如用四片或者八片芯片拼出一台雷达，效果是出来了，整套方案的成本却贵得离谱，装车后整车成本要增加几千块，这注定只能用在高端车型上。

后来行业逐步转向CMOS工艺，虽然射频性能比SiGe稍弱，但优势是能把数字逻辑、存储、接口、射频前端全部放在一颗芯片里。而且CMOS工艺完全跟着摩尔定律走，工艺越做越先进，成本越摊越薄。现在行业里已经出现单芯片集成12发16收甚至更高通道数的方案，把过去需要四片芯片级联才能做到的点云密度，用一颗SoC就能完成。

比亚迪在功率半导体和电池领域积累的垂直整合经验，和这套逻辑几乎如出一辙。它入局4D雷达芯片，大概率会走CMOS单片集成的路线，用规模优势把成本打下来，然后在自己巨大的车型盘子里面快速放量。这一步能不能成，决定的不只是比亚迪自己的智驾成本，更决定整个行业能不能把4D毫米波雷达从“高端选装”变成“入门标配”。

2. 智能驾驶平权与供应链话语权：比亚迪为什么偏偏选在这个时间节点下场

2.1 产业逻辑：低阶车型也要高阶感知，激光雷达的“平替”窗口出现了

比亚迪近两年一直在推智能驾驶平权，目标很直接：让十万级车型也拥有接近二十万级车型的智驾体验。但这里有个绕不开的矛盾，激光雷达的价格再降，短期内也很难降到一千元以内，而一套完整的城市NOA方案，传感器成本必须控制在几千元级别才能普及。于是4D毫米波雷达成了那个最合适的“平替”甚至“补充”方案。

它有两大先天优势是激光雷达比不了的。第一是全天候工作能力，雨雪雾天、逆光、夜间都能稳定输出，这是纯视觉和激光雷达都做不到的。第二是测速精度极高，可以直接测目标径向速度，这对AEB这种需要瞬间判断“前车是否急刹”的场景至关重要。用一颗激光雷达的钱，可以买三到四颗高性能4D毫米波雷达，覆盖前向加四角的360度感知，这个账车企都会算。

所以整个产业从2023年开始就在等一个“引爆点”：激光雷达开始卷价格，4D毫米波雷达开始卷性能，而芯片作为成本大头，成了最后必须被攻克的一环。比亚迪此时跳进来，不是拍脑袋，而是看到了量产节点正好卡在技术成熟的窗口上。

2.2 供应链逻辑：从电池到半导体，比亚迪为什么总想“自己造轮子”

了解比亚迪的人都知道，这家公司在供应链上的风格是“能自研就不外购”。从刀片电池到IGBT到碳化硅，再到各种车规级MCU，比亚迪半导体的版图一直在扩展。这种模式的底层逻辑并不复杂：新能源汽车的核心竞争力分为电动化和智能化两大块，电动化的核心是电池和功率器件，智能化的核心就是计算芯片和传感器芯片。如果传感器芯片长期依赖外部供应商，不仅成本压不下来，产品的定制周期也会被卡住。

一辆年销几百万辆的车企，对传感器芯片的需求量足以撑起一条独立产线的良性运转。比亚迪做4D雷达芯片的逻辑，和当年做IGBT的逻辑高度相似：先在自家车型上大规模应用、验证、迭代，等技术和成本都有了竞争力，再延伸到外部客户，形成新的利润增长点。这既是供应链安全考量，也是一种“用规模换时间”的战略卡位。

另外还有一个细节，比亚迪在毫米波雷达上并不是白纸一张。它旗下弗迪科技很早就开始布局毫米波雷达模组的量产，对77GHz雷达的系统架构、天线设计、标定流程都有完整的工程积累。这次向上游芯片延伸，等于把之前模组层面的know-how回灌到芯片定义中，属于非常自然的产业链升级。

2.3 市场逻辑：国产芯片替代窗口期，造芯从“可选”变成“必选”

前几年4D毫米波雷达芯片市场几乎被TI、NXP、英飞凌几家国际大厂垄断，国产厂商很难切入，因为传统雷达芯片的性能要求太固定，后来者没有差异化切入点。但4D雷达这边不一样，整个赛道还处在定义期，不同芯片方案的虚拟通道数量、波形设计、接口协议、点云格式都还没有统一。

这就给国产芯片留出了一条特别宝贵的赛道：与其在成熟市场上跟国际巨头拼成本，不如在增量市场上拼定义权。国内已经有一批创业公司在做4D雷达芯片，比如加特兰微电子、清能华波等，有的已经进入量产装车阶段。比亚迪此时下场，一方面给国产供应链添了一个“超级客户”，另一方面也等于给整个国产化阵营做了背书。

我个人的判断是，未来两到三年，4D雷达芯片市场会形成“国际巨头+国产创业公司+主机厂自研”三方混战的局面，而比亚迪以一己之力代表主机厂参战，会让这个格局变得更加复杂、也更有看点。

3. 代际战的核心战场：芯片架构、成本曲线与量产能力的全方位对比

3.1 三代方案的同台对比：级联堆料、单片集成与“软件定义雷达”

当前市面上的4D毫米波雷达方案，如果按芯片架构来分，大致可以归为三代。

第一代方案本质上是“堆料”：用两片甚至四片传统毫米波雷达收发芯片（如TI的AWR2243）做级联，通过同步机制拼接出更大的虚拟孔径，实现俯仰角和方位角的高分辨率。这种方案的技术验证价值高，开发风险相对低，但成本、功耗、尺寸全都失控，一颗雷达能做出一本书那么大，整机成本轻松突破五千元。早期的4D雷达demo基本都是这个路子，适合技术验证，不适合大规模量产上车。

第二代方案是“专用4D芯片”的初代形态：厂商针对成像雷达做了专用的多通道收发芯片，集成度比级联方案高不少，但信号处理仍然依赖外部FPGA或高性能MCU。也就是说，一颗4D专用射频芯片再加一颗强大计算芯片，两颗芯片搭配组成一个方案。这个方案性能不错，成本比第一代大幅下降，但系统复杂度还是偏高，主要用于二十万级别以上的车型。

第三代方案就是我前面提到的“单片集成SoC”：射频前端、信号处理引擎、接口、电源管理全部集成在一颗芯片里。雷达模组设计从“搭积木”变成了“用单芯片+天线板”，功耗和成本都被压缩到极致，整机成本有望下探到千元以内甚至更低。这才是真正进入“代际战”的产品型态，也是比亚迪入局后最可能引爆的战场。

这张表可以很直观地看出三代方案的差异：

3.2 4D雷达芯片的关键参数，应该怎么看

很多工程师拿到4D雷达芯片规格书，容易被“192个虚拟通道”“角度分辨率1度以内”这类宣传词带跑。但从实操角度看，有几个参数才是决定方案能不能落地的关键。

第一个是收发通道数和虚拟孔径的匹配关系。芯片标称12发16收，理论上可以形成192个虚拟通道，但实际角度分辨率还取决于天线阵列的稀疏排布方式、旁瓣抑制能力和算法的超分辨能力。只看虚拟通道数不看天线设计，等于只看发动机排量不看变速箱匹配，很容易被参数误导。

第二个是信号处理能力。4D雷达的原始数据量远大于传统雷达，芯片内部是否有专用的FFT加速器、是否支持片上CFAR检测、点云输出格式是什么样，直接决定下游算法团队的工作量。如果芯片只输出原始ADC数据，下游每帧要处理的原始数据量可能达到几百MB，车规级MCU根本扛不住。

第三个是可配置性。城市道路和高速场景对雷达点云密度、检测距离的需求差异很大，好的4D芯片应该支持不同工作模式动态切换，比如在高速上跑长距离稀疏模式，在城区跑短距离高密度模式。这个能力直接关系到一套方案能不能同时通吃多个场景。

3.3 CMOS工艺的代价与工程补偿：比亚迪需要迈过的技术坎

CMOS工艺做4D雷达芯片，有一道绕不开的坎：噪声系数和相位噪声性能比SiGe差。换句话说，CMOS芯片的“视力”天生不如SiGe好，检测距离稍远的目标时，灵敏度会受到限制。

行业现在普遍的做法是靠系统级设计来补偿工艺短板。比如采用更先进的波形设计（PMCW或者更复杂的FMCW调制），提升信号处理的增益；再比如在数字域做更复杂的干扰消除和噪声抑制算法。这些都需要芯片设计团队在架构层面提前考虑，而不是简单地“把射频链路从SiGe搬过来”。

比亚迪如果要做这颗芯片，最大的优势不是芯片设计能力本身，而是它有极其丰富的实际道路测试场景和整车数据。一颗雷达芯片好不好用，最终要靠成千上万辆车在不同道路环境下的表现来验证，这一点比亚迪的天然条件比绝大多数芯片公司都要好。

4. 从“雷达感知”到“车机调试”：为什么车主圈开始聊这些技术词

4.1 车主为什么突然开始关心雷达芯片

放在两三年前，跟普通车主聊毫米波雷达芯片，对方大概率会觉得这是工程师圈子的自嗨。但这半年风向明显变了，越来越多车主开始主动问“我车上是几D雷达”“芯片用的谁的方案”。背后原因其实很实际：智能驾驶的体验差异，车主在用车过程中能直接感受到。

比如同样跑高速，搭载4D毫米波雷达的车型在雨夜遇到静止障碍物时，能更早、更稳定地触发预警和避让；而传统3D雷达车型可能会出现延迟甚至误报。再比如自动泊车，4D雷达对低矮障碍物（比如台阶、地锁、消防栓）的识别能力明显更好，车能不能准确识别车位周围的“三维世界”，跟雷达芯片的能力息息相关。

车主好奇心被勾起来之后，自然会去查自己车型的硬件配置。这一查就发现，不同车型用的雷达芯片代际差异巨大，有的还是老一代方案，有的已经开始用新一代单芯片SoC。这种“硬件代差”带来的体验落差，比车企营销话术里的“智驾升级”要真实得多。

4.2 关于车机系统调试与“隐藏功能”的冷静提醒

伴随着这股“硬件关注热”，网上也冒出一批和车机调试、系统权限、刷机包相关的讨论。有技术型车主想通过修改车机系统，把一些“硬件支持但软件未开放”的功能解锁出来，或者想导出雷达原始数据来分析感知能力。

我必须在这里泼一盆冷水。对量产车进行未经授权的系统级修改，风险远大于收益。第一，车机系统直接关联制动、转向、动力等核心硬件域，一个不稳定的修改包可能导致车辆在行驶中出现不可预知的故障，这不是手机刷机变砖能比的，是真正的人身安全问题。第二，任何非官方系统改动都会导致整车质保失效，后续出现任何问题，都可能被拒保。第三，现代汽车对核心域控制器都有严格的签名校验机制，试图绕过校验本身就可能触发车辆安全策略，有些“解锁”之后会直接导致部分功能退出工作，反而把好好的车刷出问题来。

有朋友问我为什么这么坚决反对，我见过太多“破解一时爽、售后火葬场”的案例了。想用自己的车做数据研究，其实有更合规的路子：去申请开发者模式（如果车企开放的话），或者做改装车友会的数据合作项目，甚至可以买一套独立的雷达模组自己搭测试台架。无论如何，都不建议拿量产车、拿行车安全去赌一个来路不明的刷机包。

4.3 技术型车主的正确玩车姿势

对雷达和自动驾驶技术感兴趣的车主，我倒是推荐几个安全的“玩法”。第一个是去查公开的第三方评测和拆解报告，现在很多团队会针对热门车型做传感器硬件拆解，可以看到实际用的雷达型号和芯片编号，这个信息量已经足够做横向对比。

第二个是尝试一些车企官方提供的选装或软件付费升级功能，很多车型的硬件本身就支持更高阶的辅助驾驶能力，只是经过软件锁着，等OTA推送后就能合法解锁，这是保住质保的前提。

第三个是如果真的有开发需求，直接买一套工业级4D毫米波雷达开发套件，配合ROS2和开源点云工具自己玩，一套入门套件几千元，比折腾一台十几万的车安全得多，能学到的内容也更深度。

5. 供应链与开发者视角：4D雷达芯片的选型与落地实操建议

5.1 选型评估的六个维度，缺一不可

如果你在车企或Tier1做传感器选型，面对多家4D雷达芯片供应商，我建议从六个维度做系统评估，而不是只看参数表。

第一是车规合规状态，这颗芯片是否通过了AEC-Q100可靠性认证，功能安全是否满足ISO 26262的ASIL-B或更高等级。这个不达标，后续所有工作都是无用功。第二是量产记录，到底是已经装上量产车跑了几十万公里，还是只有demo视频和PPT，差别非常大。第三是工具链成熟度，SDK好不好用、点云协议是否开放、标定工具是否完整，直接关系到你团队的开发周期。

第四是功耗和散热设计，4D雷达点云计算量很大，芯片功耗动不动就在5瓦以上，雷达模组内部空间狭小，散热设计若是搞不定，夏天暴晒后掉帧率会很难看。第五是成本和供应能力，单颗报价再便宜，如果交货周期动辄半年，也很难排进项目计划。第六是算法生态，芯片厂商是否能提供有效的目标跟踪、目标分类、点云语义分割算法库作为参考，这会明显减少你的二次开发成本。

5.2 不同车型平台，4D雷达芯片的配置策略完全不同

很多团队犯过的错误，是拿同一套4D雷达方案去适配所有车型。实际上，不同级别车型传感器的配置逻辑应该完全不同。

入门级车型目标是把AEB和ACC做好，预算极度敏感，一颗前向4D雷达芯片就够了，甚至可以挑战低于800元的前向雷达方案，利用其增强点云能力做差异化卖点。中端车型要做高速NOA，建议“1前向+4角雷达”的方案，芯片不需要每一颗都是顶配，前后角雷达对点云密度的要求可以适当降低，重点是测速精度和稳定跟踪。

高端车型要做城市NOA和全场景辅助驾驶，这时候每一颗雷达都建议使用最高规格芯片，配合激光雷达和摄像头做多传感器融合，实现真正的冗余感知。我见过不少项目，在传感器数量上堆得很高，但芯片选型没有拉开差距，导致成本膨胀且性能冗余，这种“均码采购”是对预算最大的浪费。

5.3 算法适配是真正的深水区：从CFAR到点云深度学习的转型

很多团队在拿到4D雷达点云后，第一反应是“直接用激光雷达的算法管线处理”。这个坑我踩过，真的通不了。激光雷达点云密度高、均匀性好，而4D毫米波雷达点云是稀疏的，而且带有独特的微多普勒效应和速度信息，直接套用点云检测网络很可能无法得到理想效果。

比较务实的做法是分两步走。第一步仍然用传统的检测方式，也就是CFAR检测加角度估计，先把目标检测的可靠性做扎实，这一步算法成熟、调试相对容易。第二步再引入点云语义分割和分类算法，重点提取目标的俯仰维特征和微多普勒特征，用来区分“行人、车辆、护栏、桥洞”等物体。注意，4D雷达的“速度维”信息要特别利用起来，这是激光雷达没有的维度，也是4D雷达相比激光雷达实现差异化感知的最大卖点。

还有一点经验：4D雷达的标定工作量比传统雷达大得多，必须在整车标定阶段专门预留时间，单独标定俯仰角和方位角的对准误差，别拿传统雷达的标定经验直接套用，否则点云建出来会产生系统性畸变，后期排查会非常痛苦。

6. 常见技术问题与行业误区排查实录

6.1 点云太稀疏，成像效果距离“图像级”还很远

很多初次接触4D雷达的工程师都会有个预期落差：宣传册上说“高分辨率点云”，实际看起来却稀稀拉拉几十个点。这里要理解一个物理限制：毫米波波长在4毫米左右，能达到的角度分辨率本身极限就摆在那里，想要达到激光雷达那样几万个点的密度，现阶段不现实。

应对策略是“应用导向而非参数导向”。不要追求单帧点云数量，而要充分利用多帧累积的能力，依靠跟踪算法把时序信息串起来。在真实场景中，稳定跟踪一辆车几十帧，比单帧输出几百个点更有意义。另外可以尝试调整雷达的配置参数，比如增加累积时间、调整检测阈值，用“慢一点但准一点”的模式弥补点云稀疏问题。

6.2 温漂与标定：出厂标定后，为什么跑一段时间精度还是漂移

4D雷达的芯片对温度非常敏感，温度变化会影响射频链路的相位，进而影响角度估计的准确性。如果车辆在夏天暴晒后雷达模组内部温度升到80度以上，而在冬天的凌晨降到零下，同样的目标测出来的角度可能会有明显偏差。

比较好的做法是在芯片选型阶段就关注是否有片上温度补偿机制，同时在模组设计阶段就要做完整的温度循环标定，把每个温度点的补偿参数固化到模组存储器中。另外算法端也可以加一个“标定校验”模块，在车辆直线行驶时，用静止目标的多普勒速度为0这个特性自动校正雷达安装角，这是非常实用的小技巧。

6.3 多雷达互扰问题：车越多，干扰越严重

4D毫米波雷达普及之后，一个容易被低估的问题就是多车互扰。当多辆搭载4D雷达的车在同一个路口相遇，大家的发射波形可能非常接近，雷达接收端会收到大量其他车辆的发射信号，点云中出现大量“鬼影”目标。

解决办法有几个方向：一是芯片层面支持随机波形参数调整，不同雷达使用不同的起始频率或者调频斜率，减少碰撞概率；二是在算法层面对检测目标做多帧关联，突然出现又突然消失的孤立点可以大概率判定为干扰；三是正在标准化的无线通信协作机制，让雷达之间通过短消息协商信道资源。当前最务实的还是算法过滤加波形随机化组合的方案。

6.4 一个行业级误区：4D毫米波雷达会取代激光雷达

这个问题从4D雷达热度起来后就被反复讨论，我的看法很明确：短期内不可能取代，两者更大概率是长期共存的关系。

4D雷达的最大短板是角度分辨率物理极限，点云密度和水平方向的分辨率都与激光雷达有明显差距，对于一些需要精细感知的场景，比如识别路面散落的小物体、精确描绘车道边界，目前的毫米波物理特性还做不到。反过来，激光雷达的短板也很明显，怕雨雪雾、测绘级成本难以下探。未来更合理的方向是：城区复杂路段用激光雷达兜底，高速和全天候场景用4D雷达兜底，摄像头负责色彩和语义理解，三者形成真正的冗余互补。

写在最后：一个从业者的真实感受

从TI第一次展示AWR2243级联方案到现在，我眼看着4D毫米波雷达从“实验室里的天价玩具”一步步走到量产车的大规模装车。比亚迪入局芯片这步棋，短期看是自家供应链版图的完善，长期看它真正撬动的是整个行业的成本结构。当一个每年几百万辆销量的车企决定自己下场做芯片，这意味着4D毫米波雷达的普及速度会比所有行业预测都要快。

如果你正在做相关产品的规划，我的建议是别急着追最新参数，先想清楚你服务的车型是什么级别、目标用户需要哪种功能，再回头选芯片方案。4D雷达芯片这场代际战的终局，比拼的不是谁把参数卷得更高，而是谁能在成本、性能和稳定量产之间找到那个平衡点。把技术做成产品，才是这行真正难的地方。