• 14568869572
  • admin@cqhaoxue.com
  • 广西壮族自治区钦州市磐安县大攀大楼778号
  • 定制化设计一站式临时空间解决方案

  • 高端产品行业领先进口生产线

  • 核心技术装配式移动建筑系统

案例展示
   主页 > 案例展示 > 会展篷房

无人驾驶商战前夜 速腾聚创拿下国内激光雷达领域单笔最大融资“亚美AM8”

作者:亚美AM8  发布时间:2024-11-17 00:36  浏览:
本文摘要:10日,激光雷达环境感官解决方案提供商速腾聚创RoboSense宣告取得多达3亿元战略投资,投资方还包括阿里巴巴旗下的智慧物流平台菜鸟网络、上汽集团旗下的投资平台尚能颀资本及北汽集团等。

10日,激光雷达环境感官解决方案提供商速腾聚创RoboSense宣告取得多达3亿元战略投资,投资方还包括阿里巴巴旗下的智慧物流平台菜鸟网络、上汽集团旗下的投资平台尚能颀资本及北汽集团等。2016年6月,速腾聚创曾取得复星昆仲数千万的A+轮融资。据报,此次融资是迄今为止国内激光雷达企业中单笔融资金额仅次于的一次,资金将主要用作芯片、固态激光雷达、AI感官算法等技术的投放,加快成熟期产品的商用,扩展产业布局,更进一步不断扩大业内优势。

速腾聚创是猎云网(微信:ilieyun)长年注目并报导的一家激光雷达感官方案提供商,其总部成立在深圳,并在北京和硅谷另设办事处,目前在全球享有多达300名员工,包括40多位博士在内核心的研发团队多达80%来自斯坦福、伯克利、滑铁卢、清华、北大等国际顶尖高校。创办四年间,RoboSense已发售两款固态激光雷达RS-LiDAR-M1和RS-LiDAR-M1Pre,量产混合固态激光雷达RS-LiDAR-16和RS-LiDAR-32,获取激光雷达环境感官算法RS-LiDAR-Algorithms,并为各自动驾驶场景打造出了P系列激光雷达环境感官解决方案。

速腾聚创牵头创始人邱纯潮回应,本轮战略融资不仅是在资本上的协助,还将取得战略上的资源补足。凭借测量精度高、测量距离远、不受环境容许小等优势,激光雷达沦为自动驾驶不可或缺的车载传感器之一。数据表明,预计到2030年,全球激光雷达市场规模可超过360亿美元。因此,除了老牌激光雷达供应商Velodyne,还包括Innoviz、LeddarTech等后起之秀也致力于探寻车载激光雷达领域更好的可能性,集中力量在激光雷达领域跑马圈地。

归功于先发优势,Velodyne在激光雷达市场的主导地位将近十年,自动驾驶领域的早期玩家,谷歌、百度等都使用了Velodyne的64线激光雷达。但一方面价格昂贵,另一方面,64线激光雷达在生产效率提高和质量把触拒绝更高,因此,国内车厂和自动驾驶初创公司都期望能寻找性价比更高的解决方案。而且,比起高线数激光雷达,低线数激光雷达的性能早已充足符合大量短距离堵塞场景下的自动驾驶,例如无人物流车的仓储、扫地机器人、景区摆渡车等,这类特定场景下的自动驾驶更加有期望尽快构建商业化。

综合市场需求和技术考量,2017年4月,速腾聚创首度在国内量产车载16线激光雷达。为了符合部分车厂的高速自动驾驶市场需求,团队又于同年9月量产了32线激光雷达,同时月公布基于激光雷达的自动驾驶环境感官AI算法,获取韧融合激光雷达环境感官解决方案;同年10月,发布MEMS固态激光雷达。

2018年5月,速腾聚创则宣告与菜鸟网络牵头公布全球首款应用于固态激光雷达的无人物流车GPlus。其中,GPlus配备了三台速腾聚创的固态激光雷达RS-LiDAR-M1Pre,以确保在行经方向上享有更加强劲3D环境感官能力,让无人物流车看清楚行经方向上的行人、小汽车、卡车等障碍物的形状、距离、方位、行经速度、行经方向,并说明道路可行经区域等,使其能在简单的道路环境中成功通行。量产和成本是激光雷达领域的亟需攻下的两大难题。此前拒绝接受猎云网专访时,邱纯潮曾回应,激光雷达的生产过程中必须大量的手工调试以及工程师的深度参予,这一点上,深圳高端制造业上的累积给速腾带给了相当大优势;另外,团队发售的多激光雷达耦合方案,需要根据客户有所不同市场需求展开夹板人组,限于有所不同场景,更加便于检测与确保。

本次战略融资,邱纯潮指出,其更加最重要的意义在于顶级激光雷达企业与自动驾驶涉及产业巨头通过更加了解的强强联合,联合前进自动驾驶产业的较慢发展。一来,东面我国第一大电商阿里巴巴,菜鸟享有意味著的物流场景优势;此外,上汽与北汽集团,作为全球顶级OEM,享有汽车产业最优质的资源,将不会从减缓自动驾驶产业发展的角度抵达,给与速腾全方位的反对,通过产业链上下游企业的强强合力,联合引导自动驾驶产业迈入大规模商业化时代。


本文关键词:亚美AM8,亚美AM8(综合)官方APP下载·IOS/安卓/手机APP下载

本文来源:亚美AM8-www.cqhaoxue.com

返回