通过AEC-Q认证，速腾聚创自研数字激光雷达芯片成全球独苗

10月14日，速腾聚创宣布自研的SPAD-SoC芯片、二维可寻址2D VCSEL芯片通过车规级认证，不仅标志着速腾聚创研发的新一代激光雷达芯片技术成熟，也标志着数字激光雷达核心芯片在全球范围内第一次完成车规认证的突破。

传统模拟激光雷达需要至少七个关键器件才能完成发射、接收、处理三大关键系统构建，速腾聚创创新建立的数字化架构，仅需要两款核心芯片就能实现相同功能。同时，数字化架构下，激光雷达线数性能可达模拟激光雷达10倍以上。

速腾聚创SPAD-SoC是全球首款将SPAD接收面阵与数据处理SoC一体化集成，满足AEC-Q认证且实现量产应用的芯片。性能表现上，该芯片搭载超级WAVE Engine，配备四核APU及双核MPU，可将有效目标识别率提升99%，配合440亿次/秒的高采样率，确保信号采集更完整，有效防止漏检；其内置384-Core信号处理核，高效并行处理信号，同时具备0.25cm回波输出分辨率，超行业3倍水平。在信号处理方面，其动态响应范围广，可有效探测低反物体，还能抗雨雾、灰尘等环境污染，实现复杂场景物体精细区分检测，突破近距离盲区限制。在封装工艺上，速腾聚创全球首次将SPAD与SoC通过3D堆叠集成于一颗芯片，并采用铜-铜键合工艺，赋予每颗SPAD独立处理电路，实现信号的无损高效传输，高集成度的优势还将激光雷达系统体积缩小50%以上。

AEC-Q标准是底层的芯片车规标准，包含六个标准，数字激光雷达SPAD-SoC芯片包含了激光发射和接收部分，所以需要通过AEC-Q102标准。

有一点需要指出，所有AEC-Q系列测试元件都必须是量产前装的，这里的量产指单一批次产品至少在1000个以上，因为单单AEC-Q102的测试样品就需要1000个以上，这也是绝大多数初创企业做不到的，再有就是保证15年的供货能力，在这15年内，改款都要再次通过AEC-Q认证，AEC-Q认证也分初次认证和改款认证。

AEC-Q102全称是AEC-Q102 Failure Mechanism Based Stress Test Qualification for Optoelectronic Semiconductors in Automotive Applications，目前应用的标准是2020年4月的A版，实际上早在2017年就已经有草稿了，中间经历了反复修改。AEC-Q102是一项非常严苛的标准，如果只说满足车规级标准，或者说温度范围满足车载应用，而不说具体通过了哪个AEC-Q标准，都是假的“车规级”；单单测试周期就可能长达1年以上，在AEC-Q102中，除常规测试项目外还专门规定了一个可靠性验证Reliability Validation，时间从最低1000小时到最高10000小时。一年也就8760小时，基本上起步就是4000小时。参与制定标准的企业主要是光电厂家和汽车照明厂家，光电厂家包括全球四大汽车LED厂家：日亚化学、欧司朗、Cree、Lumileds，全球知名汽车照明厂家：Automotive Lighting、ZKW和Hella。还有Tier1，有大陆汽车、法雷奥、Veoneer。AEC-Q102标准汇集了超过60家公司的知识经验；专注汽车级行业需求，并覆盖了所有汽车级应用范围；对所有电子元器件的平等性要求达到一致；

很多人刻意混淆车规标准，那就是IATF16949，其前身是QS9000，QS9000基于ISO 9000体系（包括9000/1/2/4等标准），由克莱斯勒、福特和通用汽车公司于1994 年共同开发，于2006 年12 月15 日被国际汽车工作组IATF所制定与推行的ISO/TS16949 汽车行业验证标准所取代，现在已经更名为IATF16949，它的目的是发展品质系统，可以在车辆供应链以及车厂中进行持续改善整个生产流程，着重在预防缺陷、减少变异及浪费。它主要是针对流程，而非产品。通过了IATF16949认证，只是认证了其生产流程符合汽车行业的标准，而非其产品达到了车规级标准。

车规级芯片并非简单的性能标准，而是一套涵盖温度、寿命、可靠性的系统性工程。根据行业共识，车规级芯片需要通过一系列严格认证。缺陷率的要求更是天壤之别。消费级芯片允许缺陷率高达500PPM（百万分之五百），而车规级芯片要求低于1PPM，相差五百倍之多。在寿命方面，消费级芯片的设计寿命一般为3-5年，而车规级芯片则需要匹配汽车10-15年的使用周期。这意味着当车辆进入生命周期后半程时，非车规芯片可能面临停产和失效的风险。

历史教训时刻提醒着风险的真实存在。2018版特斯拉Model s曾经用过非车规级的芯片，也就是SK Hynix的H26M42003GMRA内存，这是2014年的老产品了，没有通过AEC-Q100标准测试，最高耐温是85度，而车规级不仅耐温是105度以上，而且要求耐久性很高，如果是车规级存储芯片，每天工作1.5小时，可以工作467年，但是特斯拉使用非车规级芯片，频繁的OTA和高温导致其在2-3年内就失效，然后导致频繁死机黑屏，这种故障是无法OTA解决的，必须召回车辆，拆开车机，取下芯片，更换车规级芯片才能解决，不用说，这个解决办法成本极高，特斯拉一次召回了15.8万辆。特斯拉为什么要用非车规级的，很简单，车规级价格是非车规级的一倍。激光雷达是和安全息息相关的产品，生命无法重启，所以激光雷达芯片必须过车规级标准。

AEC-Q102测试流程图

图片来源：汽车电子协会Automotive Electronics Council Component Technical Committee。

激光雷达SPAD-SoC和VCSEL芯片通过AEC-Q102车规认证，也有助于推动汽车行业智能化发展。

9月，《智能网联汽车 组合驾驶辅助系统安全要求》的征求意见稿在工信部网站发布，意见稿中，高频出现的要求均是关于安全：系统需要在复杂场景（如施工区、环岛、隧道等）下保持高可靠性和稳定性，测试方法里设计了夜间、逆光等条件，此外，还新增了施工区、纸箱、水马、踏板式两轮摩托车等试验场景，细致至极。要通过这样的标准，不仅要激光雷达，而且要性能更好的激光雷达。

同期，工信部等八部门联合印发《汽车行业稳增长工作方案（2025—2026年）》，明确提出“有条件批准L3级车型生产准入”，加速相关法律法规完善。L3要对安全负责，目前极氪9X、华为尊界S9等L3设计车型的激光雷达4~5个，主雷达性能高达520线。

在前沿学术研究中，也不断验证激光雷达的安全重要性。对于夜晚行车安全性，慕尼黑工业大学在上个月发表了研究论文，提出了一种加入激光雷达的VLA架构：DepthVision。

DepthVision模型架构

图片来源：慕尼黑大学论文DepthVision: Robust Vision-Language Understanding through GAN-Based LiDAR-to-RGB Synthesis

慕尼黑大学对比了白天和夜晚的性能，纯视觉和加入激光雷达的模型，在白天表现差不多，但是在夜晚，加入激光雷达的模型具备碾压性的优势。图片来源：慕尼黑大学论文DepthVision: Robust Vision-Language Understanding through GAN-Based LiDAR-to-RGB Synthesis

世界模型方面，激光雷达拥有压倒性优势，生成式世界模型全部都是基于激光雷达的，一个纯视觉都没有，新加坡国立大学的LidarCrafter表明那些鼓吹纯视觉的，要么是无知，要么是别有用心。退一步讲，无论终局是激光雷达融合方案、还是纯视觉，现阶段要更快地做出好的世界模型，都需要激光雷达。

新加坡国立大学LiDARCrafter的生成式世界模型自动驾驶

图片来源：论文LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences

无论是端到端还是世界模型，相比模拟激光雷达，数字激光雷达作为激光雷达的最终形态，都能提供上一个台阶的环境感知数据，支持安全性更高、体验更优的智驾系统。

数字激光雷达线数可达传统模拟激光雷达的10倍以上，对应的分辨率更高、信息更丰富、点云更整齐、物体特征区分度更大。从多传感器融合的应用角度，SAPD-SoC与摄像头CMOS硬件上同源同构，可以做到像素级点对点融合，颠覆传统模拟激光雷达。

目前，基于全栈芯片化架构，速腾聚创的E平台与EM平台数字化激光雷达矩阵已全面迈入车规量产阶段，全线覆盖Robotaxi、ADAS、服务机器人等多场景应用换代需求。EM平台系列产品，已累计获得8家主机厂45款车型定点，其中真192线EMX已获得某全球领先的新能源车企多达32款车型的独供定点。目前，极氪9X与智己LS6已搭载速腾聚创EM平台定制520线数字激光雷达上市交付。

传统摄像头是被动元件，已经没有任何可挖掘的潜力。激光雷达是主动元件，也是全球光电领域最火热的研发领域，有着广阔的性能挖掘空间和成本下降空间，特别是SPAD领域将会让所有阻碍激光雷达成为汽车标配的障碍都会被一一解决。