作者:Velodyne Lidar 首席营销官 Sally Frykman
所谓破晓时刻,这是最坏的时代,也是最好的时代。
上车是激光雷达的终极选择吗?十几年前,第一颗激光雷达被安装在实验车顶,进入大众视线,激光雷达上车浪潮随之而来,一直席卷至今。的确,上车使这一技术进入更多人视野,然而这份“光芒”也由于自动驾驶的商业应用未达预期,随之影响了激光雷达的发展。甚至可以说,这份认知已成为一种束缚。
我们认为,虽然自动驾驶汽车的全面应用还未到来,但这并不会减缓市场对激光雷达的需求。相反,在工业和机器人技术、智能基础设施、以及智慧城市等应用领域的推动下,激光雷达的市场需求将迅猛增长,进而迎来大规模商用的机会。与此同时,以Velodyne Lidar为代表的企业在成本控制方面的积极探索,也将让激光雷达从“旧时王谢堂前燕”到“飞入寻常百姓家”逐渐成为现实。
专注智慧工业,激光雷达为供应链运行提供动力
我们认为,工业和机器人领域是最接近激光雷达大规模商业部署的领域。世界各地的公司正在实现供应链自动化,以节省资金、提高效率并缓解疫情和其他宏观问题所造成的瓶颈与危机。我们看到越来越多地企业在工厂、仓库、港口和其他商业环境中采用智能自动化。更重要的是,新冠疫情的出现也加速了工业自动化的进程。例如,由于日益增长的港口拥堵和生产延误所造成的高需求和大量损失,导致供应链运营面临着巨大压力,物流和仓库流程被要求以更快、更高效的方式完成订单。这就导致更多公司采用工业4.0自动化方案。麦肯锡研究发现,工业4.0帮助94%的公司在新冠危机期间保持正常运营。
工业4.0以制造智能化为主导,通过提升自动化、预测性维护以及流程改进的自我优化,将企业工作效率和对客户的响应能力提升到前所未有的新高度。随着工业领域的自动化程度逐渐提高,工厂对传感器的要求也越来越高。很多工业应用都离不开精准测量、目标跟踪与移动的功能,激光雷达所生成的3D图像数据完全满足这些需求。
激光雷达传感器可被部署在整个供应链生态系统中,以优化工业流程并保障商品和服务的连续性。从改善仓库和机场物流的自动化移动机器人,到地面运输和“最后一公里”配送,激光雷达应用能够为供应链运行提供动力,同时降低运营成本,提升效率,创造更安全的工作环境。在工业环境中,无人驾驶初创公司EasyMile已经将Velodyne激光雷达传感器整合进解决方案,为机场地面支持牵引车提供动力,以便在白天或晚上的任何时间,都能够在飞机和设备中自动运输行李和货物。
在中国,Velodyne于近期为客户三一重工开发并推出了定制化的Velarray M1600传感器,完美贴合客户需求。这款耐用紧凑的固态激光雷达旨在为自动化移动机器人提供安全导航所需的实时点云数据,它可以部署在各种环境和天气条件下,全年365天不间断工作。
践行降本之路,探索成本与性能的平衡
除了应用领域的扩展,激光雷达实现大规模商业应用的另一个重点则是成本控制。Velodyne 正在全方位开展研发,目标是让激光雷达在所有应用中更加可负担、易使用,同时保障高性能表现,进而让激光雷达无处不在。
Velodyne正在研发具备更少组件和更低材料成本的全新传感器体系结构,还将基于芯片的专利技术——微型激光雷达阵列安装进产品组合中,持续技术微型化,提高效率和可扩展性,实现兼具成本效益和高质量的大规模量产。Velodyne希望确保正在开发的产品是为解决客户实际需求而服务的。因此,不仅需要降低成本,还必须关注产品性能,在与客户的互动中系统了解客户的需求和痛点。例如,中国企业在转型中,要面对从大规模生产,转向个性化定制的形态变化需求,对此就需要提供相应的定制化解决方案。
Velodyne将软件与硬件相结合,以快速灵活的方式处理不同用例。Velodyne的Vella开发工具包(VDK)使企业能够在自动化解决方案中应用Vella激光雷达感知软件的高级功能,通过将前沿的激光雷达功能引入移动交付设备、工业机器人、无人机等领域,帮助企业缩短产品应用上市时间。
此外,通过与尼康、Fabrinet 等产品制造专家建立强大的合作伙伴关系,Velodyne能够提高供应链生产效率,支持更加先进的制造创新,大规模地为各行各业的实际应用提供多种规格的、经济实惠的激光雷达。特别是,Velodyne传感器的功耗低于其他同类激光雷达传感器,通过降低热负荷,可以让多类型应用提高可持续性。
潮平两岸阔,风正一帆悬。今天,全球智造时代已经开启,工业4.0的浪潮奔涌向前,我们相信,随着激光雷达在成本控制方面的进一步突破,必将迎来大规模商业应用的黄金机会。而在中国这一全球最大的制造基地,也将会有更多激光雷达的商业化机会涌现。Velodyne将继续加强对全球,包括中国市场的投资,持续推动激光雷达进入大众市场,与优秀企业共绘智能化发展蓝图,为他们的自动化安全应用保驾护航。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。