主机厂自研雷达芯片：毫米波与UWB的技术演进与落地

1. 主机厂为什么要亲自下场做雷达芯片从“买方案”到“攒芯片”的逻辑转变先说一个我最近的真实感受。朋友圈里做汽车电子的朋友最近几乎都在转发一类消息某某主机厂成立了半导体子公司第一款产品不是大算力SoC而是毫米波雷达芯片另一家则直接官宣了自研UWB芯片的量产计划。放在五年前这几乎是不可想象的。那时候主机厂的常规操作是提需求、定参数、找Tier 1一级供应商定制模组芯片选型基本依赖芯片原厂的参考设计。为什么现在风向变了我拆开讲。先解决一个基本概念问题。标题里提到的“毫米波雷达”和“UWB雷达”到底是不是同一个东西严格来说它们都属于射频感知技术但工作频段、物理原理和擅长场景完全不同。毫米波雷达通常指工作在24GHz、60GHz、77GHz甚至更高频段现在国内主推79GHz以上的雷达通过发射调频连续波FMCW并接收目标反射的回波来测距、测速、测角度。而UWBUltra-Wideband超宽带本质上是一种脉冲无线电技术带宽通常超过500MHz最早出名是因为苹果AirTag的精准定位但它在雷达感知上的潜力——比如呼吸检测、手势识别——这两年才真正被汽车行业重视。为什么主机厂要自己下场表面上看是为了降本但真正驱动这波动作的是三个更深层的原因。第一个原因是“功能定义权”之争。过去主机厂把传感器当成标准零件来采购但到了L2甚至L3阶段雷达不再是“一个能测距的盒子”而是整个感知系统里的一环。你希望它在雨雾天气里比摄像头更可靠在黑暗地库里比视觉更稳健在小朋友被遗忘在后排时能通过微动检测发出警报——这些场景都需要对雷达底层数据进行极深度的定制。如果芯片是黑盒主机厂想做差异化功能只能等Tier 1排期、等原厂迭代主动权完全不在自己手里。自研芯片后从天线设计到信号处理算法每个环节都能按自己的功能定义来捏。第二个原因是“数据闭环”的诱惑。雷达芯片不是焊在板子上就能用它必须配合算法不断标定、训练。比如4D毫米波雷达要识别“行人突然横穿马路”和“路边的铁栅栏”的区别需要大量真实场景下的点云数据这些数据只有主机厂自己才有。买来的芯片原厂给你的是通用接口和封闭算法你想往里灌自己的数据做迭代门都没有。自研芯片后数据可以直通算法团队形成“定义—采集—迭代—OTA升级”的闭环。第三个原因是成本结构。我算过一笔账一颗77GHz毫米波雷达芯片如果外购单颗成本大致在30到80美元之间取决于集成度和性能档位而自研芯片流片成功后摊销掉研发费用量产出货的边际成本能压低到十几美元甚至更低。一台车上毫米波雷达可能要装5到7颗前向、四角、舱内再加上UWB的3到5颗锚点一个平台年销50万辆一年下来就是数以亿计的芯片采购额。这笔账任何一家年销百万级的主机厂都算得过来。不过我想强调的是主机厂下场做雷达芯片并不是要全面取代芯片原厂而是选择性地自研那些“与用户体验强相关、与整车架构深度耦合”的芯片。通用型的、生态成熟的芯片仍然会继续外购。这个边界怎么划后面的章节我会详细讲。2. 毫米波雷达与UWB雷达技术原理、关键参数与选型分析既然要聊自研芯片就得先把技术底子打牢。很多人把毫米波雷达和UWB雷达混为一谈但在芯片设计层面两者的架构差异巨大甚至连基带算法都走的是完全不同的路线。这一节我把原理拆开揉碎尽量用通俗的方式讲明白顺便给出选型时需要关注的关键参数。2.1 毫米波雷达的工作原理FMCW波形与中频信号毫米波雷达的物理基础是电磁波反射。芯片发射一束电磁波碰到目标后反射回来接收端通过比较发射波和回波之间的差异推算出目标的距离、速度和角度。目前车载毫米波雷达几乎全部采用FMCW体制也就是发射频率随时间线性变化的连续波。这里有个关键的推导过程。假设发射信号的频率从f0开始以斜率S线性上升经过时间τ后回波才到达接收机而τ2R/c其中R是目标距离c是光速。把发射信号和回波信号混频会得到一个差频信号频率为f_bS·τ2S·R/c。也就是说中频信号的频率直接对应目标距离。测速则利用多个连续chirp之间的相位差来计算多普勒频移最终得到目标径向速度。角度则依靠多根接收天线之间的相位差通过数字波束形成或超分辨算法解算。这个原理听起来简单但芯片设计的难点在于要在几十GHz的频段上实现极低的相位噪声、高线性度的压控振荡器VCO以及足够大的调频带宽。带宽直接决定距离分辨率公式是ΔRc/(2B)。以79GHz频段为例如果调频带宽能做到4GHz那么距离分辨率理论值就是c/(2×4GHz)≈3.75厘米。而如果带宽只有1GHz分辨率只有15厘米。这就能解释为什么高端4D毫米波雷达都在拼命追求大带宽——它是“看得清”的物理前提。2.2 4D毫米波雷达多出一个“高度维”点云密度是关键最近热词里反复出现“4D毫米波雷达”我多写几句。所谓4D是指在传统的距离、速度、方位角三个维度之外额外增加了一个俯仰角维度也就是能测出目标的高度信息。有了高度维雷达才能区分“前方是桥梁还是限高杆”“目标是地面的井盖还是悬空的行人手臂”。4D雷达的核心能力不止是多一个维度还在于点云密度。传统3D毫米波雷达一帧只能输出几十个点而4D成像雷达通过多发多收天线阵列比如12发16收能形成192个虚拟通道一帧可以输出数千甚至上万个点云分辨率接近低线束激光雷达。这背后对芯片的要求是射频收发通道数大幅增加。通道数越多芯片面积越大、功耗越高、散热越难流片成本和良率压力都与日俱增。所以4D雷达芯片是目前毫米波雷达自研里最难啃的骨头没有之一。我在实际项目中见过一个真实的对比传统雷达检测高速公路上静止的故障车往往要到距离80米才开始报警因为点云稀疏目标信号被杂波吞没而4D雷达能在150米外就形成稳定的点云簇提前将近1秒给驾驶员反应时间。这1秒在100km/h时速下就是27.8米的制动距离差距就是生死。2.3 UWB雷达同样是雷达但原理和算法完全不同UWB雷达和毫米波雷达最大的区别在于发射信号的形式。毫米波雷达发射的是连续调频波而UWB雷达发射的是纳秒级的极窄脉冲带宽极宽、功率谱密度极低。UWB雷达其实最早是用于探地和穿墙探测的最近几年才被引入车载领域。UWB雷达的核心优势是微动感知。因为脉冲极窄时间分辨率极高能捕捉到非常细小的距离变化。一个人坐在座椅上胸腔随着呼吸每分钟起伏12到20次每次起伏幅度大约只有2到3毫米UWB雷达能通过测量脉冲回波的相位或到达时间变化精确检测到这种亚厘米级的微动。这也是“基于毫米波人体存在雷达判断有没有人在加班”这类热词背后的技术支撑——同样的人体存在检测逻辑在车里就是儿童遗忘提醒在办公室里就是智能灯光和节能管理。搭载UWB雷达的芯片核心指标包括带宽、中心频率通常3.5GHz到6.5GHz或6.5GHz到9GHz、脉冲重复频率PRF和CIRChannel Impulse Response信道冲激响应的采样能力。CIR是UWB感知的核心数据它记录了每个多径分量的幅度、相位和到达时间相当于环境的“指纹”。通过分析CIR的变化可以判断是否有人的肢体在移动、呼吸是否正常甚至识别手势的轨迹。2.4 两种雷达的选型对比不是一个替代另一个的关系我把两种雷达在车载场景下的典型参数整理成一张表方便同行直接参考维度毫米波雷达UWB雷达工作频段24GHz、60GHz、77GHz/79GHz3.5-6.5GHz、6.5-9GHz探测距离最远可达250米以上典型10米以内适合近场距离分辨率3.75cm4GHz带宽可做到1cm以内测速能力强多普勒敏感较弱不适合高速目标微动感知较强60GHz/77GHz对位移敏感极强亚毫米级视角可做大角度FOV但边缘精度下降近场广角盲区极小穿透性对非金属材料有一定穿透力穿透力更好典型应用ACC、AEB、BSD、4D成像数字钥匙、呼吸检测、活体检测很多人以为UWB会取代毫米波雷达我的观点是恰恰相反。毫米波雷达擅长“远方和高速”UWB擅长“近场和微动”两者是互补关系。主机厂之所以把这两个放在同一个自研芯片项目里说是因为它们共享了相当一部分数字基带的信号处理能力——比如FFT、相关运算、CFAR检测——可以在同一颗SoC上做异构集成。3. 主机厂自研雷达芯片的核心技术挑战与实现路径外行看热闹内行看门道。真要做出一颗能量产上车的雷达芯片难度远超大多数人的想象。我从射频前端、天线封装、基带架构、工艺选型、算法适配五个维度把一个完整的芯片研发流程展开来讲。这部分内容既适合芯片圈的朋友对号入座也适合主机厂的产品经理理解“为什么一个雷达芯片要做三年”。3.1 射频前端毫米波芯片最难的“模拟”环节毫米波雷达芯片的射频前端包含低噪声放大器LNA、功率放大器PA、混频器、VCO、锁相环PLL、模数转换器ADC等模块。其中最难的是毫米波频段的VCO设计。以77GHz为例要在如此高的频率下实现低相位噪声需要工艺极佳的晶体管模型和精准的电感电容谐振网络设计。相位噪声直接决定雷达对微弱信号的检测能力噪声大了弱小目标比如远处的行人会被噪声淹没。我在和做射频的同事交流时他们提到一个很实际的坑毫米波芯片的设计仿真结果和流片实测结果经常对不上。原因之一是衬底耦合和封装寄生参数在高频下被严重放大仿真时没建模到位流片回来发现VCO频率偏了1GHz整个链路都要返工。这就需要芯片团队和封装团队在项目初期就深度协同而不是各干各的。3.2 天线与封装AiP方案为什么是目前的共识毫米波雷达芯片区别于普通SoC的一个显著特点是天线的一体化集成。77GHz频段的波长大约3.9毫米天线尺寸可以做得很小这意味着可以把天线阵列直接封装在芯片上方的介质层里也就是AiPAntenna in Package封装内天线方案。这样做的好处是极大的简化了模组设计——不用再单独设计PCB天线和过渡走线射频损耗更低整机尺寸更小。AiP方案的难点在于封装工艺和天线性能的平衡。天线需要低损耗介质而封装又需要材料具备良好的热膨胀匹配特性。两种需求往往互相冲突需要封装工程师反复仿真优化。另外天线的辐射方向图对周围环境非常敏感金属外壳、连接器、甚至旁边另一颗芯片的位置都会影响天线性能。所以自研雷达芯片的公司几乎都必须同步自研封装方案这已经不是一个纯粹的芯片设计问题而是一个系统级封装问题。3.3 基带架构与算法从颗到云软硬协同设计射频前端把回波信号变成数字信号后所有信号处理都在基带部分完成。基带的核心任务是做距离维FFT、多普勒维FFT、角度估计、CFAR检测、目标聚类和跟踪。对于4D毫米波雷达还要做点云成像对算力的需求指数级上升通常需要嵌入一个DSP核心或者专用加速器。我对主机厂自研的建议是基带架构不能只按当前算法需求定制一定要预留足够的可编程能力。因为雷达算法的迭代速度极快——今天用CFAR做目标检测明天可能换上基于深度学习的点云分类今天用MUSIC算法做超分辨测角明天可能改用自注意力模型。芯片的可编程能力不足算法团队就只能被硬件绑住手脚。3.4 工艺选型射频性能与数字算力的平衡毫米波雷达芯片的主流工艺路线有两类一类是纯CMOS工艺优点是集成度高、成本低、可以和数字基带做在同一个die上一类是SiGe BiCMOS硅锗异质结双极晶体管工艺优点是射频性能极好、噪声低、功率承受能力强但不适合大规模数字电路集成。目前行业内很多主流雷达芯片厂商已经从SiGe转向RFCMOS因为纯CMOS可以实现高集成度和更低成本同时性能已经能够满足绝大多数车载场景。主机厂自研芯片时我需要提醒一个容易被忽略的点工艺车规级认证周期非常长。一颗芯片要经历AEC-Q100可靠性测试、ISO 26262功能安全认证整个认证周期可能长达12到18个月这会直接推迟车型SOP的时间。很多追求“上市速度”的主机厂在这道坎上吃过亏。3.5 一个参考芯片架构SoC化的雷达芯片长什么样虽然不同厂商的芯片架构千差万别但一个典型的车载雷达SoC通常包含以下模块模块功能关键指标多通道收发前端发射和接收FMCW/UWB信号通道数、噪声系数、输出功率频率综合器生成高线性调频信号相位噪声、调频斜率模数转换器将中频信号数字化采样率、有效位数数字信号处理器FFT、CFAR、聚类、跟踪定点运算能力、功耗微控制器核心配置管理、通信调度实时性、安全性通信接口与域控制器交互CAN-FD、以太网、LVDS电源管理多轨电压供电效率、电磁兼容性这个架构表不是教科书抄来的而是我按照行业里可量产产品的共性抽象出来的。自研团队可以以此为起点结合自己的场景定义裁剪模块。比如只做舱内生命体征检测的UWB芯片对通道数和算力的要求可以大幅降低但对CIR采样精度和低功耗的要求会更高。4. 典型应用场景拆解从车内生命体征到加班管理雷达芯片的落地版图技术聊完了聊点实在的这些芯片到底能干什么我结合最近的网络热词把应用场景分成四类来讲每一类都对应一个明确的用户痛点和产品形态。你会发现这些场景并不是纸上谈兵很多已经进入量产倒计时。4.1 车内生命体征检测儿童遗忘提醒与健康监测这是目前UWB雷达在汽车领域最“出圈”的应用。每年夏天都有儿童被遗忘在车内导致悲剧的新闻传统解决方案是用摄像头或座椅重力传感器但前者有隐私顾虑后者容易被书包等重物误触发。UWB雷达不存在这个问题——它不采集图像只回传点位数据完美避开隐私红线。检测原理是UWB雷达发射脉冲信号通过CIR分析探测到人体胸腔的周期性微动提取呼吸频率。当系统判定后排有生命体存在而车门已经锁闭、车内温度升高时整车会通过App推送警报并自动打开空调通风。从技术指标上看要准确检测2到3毫米的胸腔起伏UWB雷达需要有极高的时间分辨率和信噪比这正好是UWB雷达相对其他技术路线的核心优势。4.2 数字钥匙与UWB定位从解闭锁到迎宾交互UWB最被大众熟悉的功能就是精确定位。相比蓝牙BLE的米级精度UWB通过飞行时间测距ToF和到达角测距AoA可以实现厘米级定位。作为数字钥匙手机只要靠近车辆1.5米车门就开始解锁准备人走到主驾门时门把手已经弹开坐进车内座椅和后视镜自动调整到记忆位置。这个场景对芯片提出的要求是多锚点同步测距、抗多径干扰、低功耗值守。主机厂自研UWB芯片的优势在于可以把锚点芯片直接集成到车门域控制器里省掉独立MCU和供电链路无论是成本还是延迟都有明显改善。4.3 4D毫米波雷达与哨兵模式全天候感知的新思路4D毫米波雷达点云成像能力让它在哨兵模式下有独特的价值。传统哨兵模式靠摄像头晚上光线不好或者下雨时误报和漏报都很多。4D雷达不受光照影响雨雾天性能衰减也远小于光学传感器能24小时稳定输出周围环境的点云数据。我见过一个比较有意思的落地设计车辆熄火后4D雷达以低帧率周期性扫描车辆四周检测到有人长时间靠近或异常移动时唤醒摄像头并开始录像同时通过车联网推送警告到车主手机。这里的关键矛盾是功耗——熄火状态下的整车供电有限雷达芯片必须支持低功耗模式从待机到全功能的唤醒时间要小于100毫秒。这些指标都需要自研团队从芯片架构层面就提前设计。4.4 办公场景的人体存在感知从热词到产品的思考看到热词里“基于毫米波人体存在雷达判断有没有人在加班”我第一反应是“这技术最合适的落地形态其实就是毫米波雷达人体存在传感器”。市面上已经有不少智能办公产品采用60GHz毫米波雷达检测工位是否有人实现灯光和空调的自动控制节省建筑能耗。它的原理和车内生命体征检测类似同样是利用人体微动的多普勒效应或者点云变化来判断是否存在人。有意思的是办公场景比车载场景更看重隐私和低误报。60GHz频段在空气中的衰减比较大探测距离通常限制在5到8米正好覆盖一个工位的范围不会检测到隔壁工位的人隐私保护天然就很好。而且60GHz雷达传感器的芯片方案相对成熟功耗更低可以用电池供电方便部署。这个场景虽然不是主机厂的主要战场但雷达芯片的底层能力是相通的从车载舱内场景延伸到非车载场景技术迁移成本很低也是主机厂芯片子公司未来可以探索的增量市场。5. 行业格局与供应链影响主机厂、Tier 1与芯片原厂的新三角关系主机厂下场做芯片直接影响的是半导体产业链的权力结构。这一节我梳理三个核心阵营的博弈顺便聊聊自研芯片给传统Tier 1带来的压力与机遇。5.1 三种自研模式全栈自研、定制合作、资本绑定不是所有主机厂都具备从零设计RF芯片的能力所以业界实际出现的模式至少有三档。第一档是“全栈自研”适合年销量大、技术储备足的车企从芯片架构定义、模拟电路设计到算法开发全部自己做。这类模式的优点是掌控力最强缺点显而易见投入巨大、周期极长且需要一支具备高端RF芯片设计经验的团队——这类人才在市场上非常稀缺不是砸钱就能组起来的。第二档是“定制合作”主机厂提规格和功能定义找芯片原厂共同定义一颗“半定制”芯片双方共享知识产权或者由原厂做物理设计而主机厂持有专属版本。这种模式比全栈自研的启动门槛低很多也能保证一定程度的差异化代表了一批头部新势力和传统大厂的务实选择。第三档是“资本绑定深度协同”主机厂通过投资芯片设计公司获取优先供应权和联合定义权不直接参与芯片设计但在产品路线图上拥有话语权。这种模式风险最低适合自身体量中等、但希望保留未来选项的主机厂。5.2 对Tier 1的冲击从“方案定义者”变成“集成服务商”过去Tier 1是主机厂和芯片原厂之间的“翻译官”——主机厂说我要什么功能Tier 1负责选芯片、做模组、调算法、保量产。主机厂一旦掌握芯片定义能力Tier 1最核心的技术壁垒就被击穿了雷达模组的设计图纸、标定策略、算法模型主机厂全都掌握Tier 1只能退化为代工制造商利润空间会被大幅压缩。不过我认为这种变化对行业整体并不是坏事。Tier 1的转型方向其实很明确从“以硬件为主”转向“以系统集成和服务为主”比如做多传感器的融合标定、做雷达和摄像头的时空同步方案、做不同芯片平台间的适配层。这些能力依然有极高的专业门槛只是竞争的重点从“我有一颗好芯片”变成了“我能帮你把芯片用好”。5.3 自研是否一定划算算一笔完整的账很多人在讨论主机厂自研芯片时过于乐观只看单颗芯片成本下降忽略了背后的研发摊销。我给出一个简单的测算逻辑一个成功量产的雷达芯片项目从启动到SOP的一般周期是3到4年总投入人力、流片、封装测试、认证至少在5000万到1.5亿人民币之间。如果最终只应用在一个年销量10万辆的车型上每颗芯片分摊的研发成本高达500到1500元远远超过芯片本身的物料成本。而如果芯片能覆盖多个车型、多个平台年出货量达到百万颗级别研发摊销就能被摊薄到几十元此时自研的规模效应才真正体现出来。所以我的判断是主机厂自研雷达芯片必须建立在“平台化复用”的前提上。只为一款车做的芯片几乎注定是亏本买卖。这也是为什么我反复提醒自研芯片决策的本质是一场战略投资不是短期降本手段。6. 自研雷达芯片的实战经验流程、误区与避坑清单前面讲了宏观逻辑和技术细节这一节我分享一些更偏实操层面的东西。这部分内容是结合我接触过的不少项目经验写出来的未必适合所有团队照搬但至少能帮你少走一些弯路。6.1 从立项到量产的完整流程时间表雷达芯片项目的时间线我梳理了一个典型的甘特图式节奏供做项目管理的朋友参考阶段主要内容大致周期需求定义明确目标场景、性能指标、接口需求3-6个月架构设计确定工艺平台、IP选型、系统架构4-8个月详细设计电路设计、版图、仿真验证9-18个月流片MPW或全掩膜流片3-6个月样片测试射频指标测试、算法原型验证4-8个月车规认证AEC-Q100、ISO 2626212-18个月可并行模组开发封装、模组设计、整车集成6-12个月可并行注意这些阶段很多可以并行推进。比如车规认证不一定等样片完全成熟后再启动可以先做部分预测试模组的散热设计可以在详细设计阶段就与芯片团队联动。优秀的项目管理善于利用并行来压缩总周期。6.2 几个容易被低估的技术坑第一坑是“低估了天线仿真的迭代量”。很多团队把天线仿真实测当成一次性的流程结果每次流片回来都发现天线方向图与仿真偏差很大。我建议至少预留两轮“仿真—流片—实测”的验证周期把天线性能的收敛当作项目的重要里程碑来管理。第二坑是“忽略数字基带的定点化损失”。算法团队在PC上用浮点Python或MATLAB做验证效果很好部署到芯片后要转成定点运算动态范围变小各项性能可能明显衰减。搭建一套“芯片模型—模拟数据—定点仿真”验证环境从项目第一天就开始跑是避免算法移植翻车的有效办法。第三坑是“EMC和热设计后置”。毫米波芯片功耗不高但UWB芯片在持续发射脉冲时也存在局部热点更重要的是电磁兼容毫米波雷达和UWB芯片都是射频发射源和车内其他射频系统蓝牙、Wi-Fi、蜂窝天线共存时可能互相干扰这部分验证必须越早越好等发现后再改版周期和费用都是天文数字。6.3 组织形态上的建议芯片团队和整车团队必须“同频”最后一个建议也是最容易被忽视的建议芯片研发团队和整车应用团队的节奏完全不同。芯片团队以“月”为单位的流片周期在整车团队看来慢得不可忍受整车团队以“周”为单位变更需求又会让芯片团队崩溃。我见过最好的组织模式是把芯片团队的一部分人“嵌入”到整车软件团队的日常会议里让双方始终保持信息同步。需求变更必须通过变更控制委员会审批每一条变更都有人对成本和时间负责。另外主机厂自研芯片最好从一开始就建立“芯片-模组-算法”的可复用资产库。雷达芯片的成功不只是流片成功而是形成一套可以被后续车型复用的技术资产。如果每款车型都从零开始那这个自研团队迟早会被业务部门用脚投票否决掉。回到开头的现象主机厂下场做毫米波雷达和UWB雷达芯片并不是一时的热闹而是汽车产业软硬一体化趋势下的必然选择。从技术原理到应用场景从芯片架构到供应链博弈这个赛道正在经历一场深刻的重塑。在项目实践中我最深的体会是自研芯片不是目的掌握定义权和控制权才是目的。芯片只是载体背后是主机厂对整个出行体验重新定义的野心。往后几年我们大概率会看到更多跨界玩家入场也会见证一些试错和淘汰。但无论如何用感知芯片把体验做到毫米级这个方向已经没有任何争议。