4D 毫米波融合给行业带来什么
摘要：4D 毫米波带来速度维度和更密点云，给融合补了原来缺的远距结构感，成本下来后可能把激光变可选项。
关键词：4D 毫米波融合、趋势、感知融合
4D 毫米波融合给行业带来什么？
开源生态在感知侧已经挺热闹，融合层的开源还比较碎，真正能用的不多。未来三年 4D 毫米波融合 会从多模型拼接走向更统一的表征，工程复杂度反而降。
4D 毫米波融合的算力天花板取决于车规芯片迭代，别用今天的极限定死明年的架构。我们判断前融合加 BEV 还会统治一阵，端到端是增量渗透而非立刻替换。
4D 毫米波的成本下来后，4D 毫米波融合 很可能会把激光从必选项变成可选项。Transformer 的时延问题靠蒸馏和量化缓解，但极限场景仍要留规则兜底。
速度维度为什么关键？
车路云真正落地前，4D 毫米波融合 还是得靠单车冗余扛长尾。开源融合框架适合预研验证，量产还是要补安全、标定和工具链。
| 方向 | 现状 | 三年判断 |
|---|---|---|
| BEV 融合 | 主流 | 继续统治 |
| 端到端 | 渗透期 | 增量落地 |
| 4D 毫米波 | 成本下降 | 补远距结构 |
架构演进里最该守住的是可解释和降级，不能为了时髦把安全链打断。算力天花板的突破更多来自芯片而非算法，4D 毫米波融合 路线要跟着平台走。
BEV 融合已成主流方向，把多视角统一到鸟瞰，下游规划最买账。Transformer 在融合里很强，但车端算力和时延是它普及的最大现实约束。
更密点云补了什么短板？
端到端架构短期难全量上车，更现实的是感知端到端、规划仍保守。4D 毫米波带来速度维度和更密的点云，给 4D 毫米波融合 补了原来缺的远距结构感。
车路云一体让 4D 毫米波融合 能拿到路侧和云端的冗余信息，城区长尾有望缓解。大模型进车端还在早期，更多是拿来造特征和挖难例，而不是直接当融合主体。
开源生态在感知侧已经挺热闹，融合层的开源还比较碎，真正能用的不多。未来三年 4D 毫米波融合 会从多模型拼接走向更统一的表征，工程复杂度反而降。
远距结构感原来缺什么？
4D 毫米波融合的算力天花板取决于车规芯片迭代，别用今天的极限定死明年的架构。我们判断前融合加 BEV 还会统治一阵，端到端是增量渗透而非立刻替换。
4D 毫米波的成本下来后，4D 毫米波融合 很可能会把激光从必选项变成可选项。Transformer 的时延问题靠蒸馏和量化缓解，但极限场景仍要留规则兜底。
车路云真正落地前，4D 毫米波融合 还是得靠单车冗余扛长尾。开源融合框架适合预研验证，量产还是要补安全、标定和工具链。
成本下来会取代激光吗？
架构演进里最该守住的是可解释和降级，不能为了时髦把安全链打断。算力天花板的突破更多来自芯片而非算法，4D 毫米波融合 路线要跟着平台走。
BEV 融合已成主流方向，把多视角统一到鸟瞰，下游规划最买账。Transformer 在融合里很强，但车端算力和时延是它普及的最大现实约束。
端到端架构短期难全量上车，更现实的是感知端到端、规划仍保守。4D 毫米波带来速度维度和更密的点云，给 4D 毫米波融合 补了原来缺的远距结构感。
4D 毫米波上车难点在哪？
车路云一体让 4D 毫米波融合 能拿到路侧和云端的冗余信息，城区长尾有望缓解。大模型进车端还在早期，更多是拿来造特征和挖难例，而不是直接当融合主体。
开源生态在感知侧已经挺热闹，融合层的开源还比较碎，真正能用的不多。未来三年 4D 毫米波融合 会从多模型拼接走向更统一的表征，工程复杂度反而降。
4D 毫米波融合的算力天花板取决于车规芯片迭代，别用今天的极限定死明年的架构。我们判断前融合加 BEV 还会统治一阵，端到端是增量渗透而非立刻替换。
它和 BEV 怎么配合？
4D 毫米波的成本下来后，4D 毫米波融合 很可能会把激光从必选项变成可选项。Transformer 的时延问题靠蒸馏和量化缓解，但极限场景仍要留规则兜底。
车路云真正落地前，4D 毫米波融合 还是得靠单车冗余扛长尾。开源融合框架适合预研验证，量产还是要补安全、标定和工具链。
架构演进里最该守住的是可解释和降级，不能为了时髦把安全链打断。算力天花板的突破更多来自芯片而非算法，4D 毫米波融合 路线要跟着平台走。
车规芯片迭代怎么影响它？
BEV 融合已成主流方向，把多视角统一到鸟瞰，下游规划最买账。Transformer 在融合里很强，但车端算力和时延是它普及的最大现实约束。
端到端架构短期难全量上车，更现实的是感知端到端、规划仍保守。4D 毫米波带来速度维度和更密的点云，给 4D 毫米波融合 补了原来缺的远距结构感。
车路云一体让 4D 毫米波融合 能拿到路侧和云端的冗余信息，城区长尾有望缓解。大模型进车端还在早期，更多是拿来造特征和挖难例，而不是直接当融合主体。
4D 毫米波融合三年后会怎样？
开源生态在感知侧已经挺热闹，融合层的开源还比较碎，真正能用的不多。未来三年 4D 毫米波融合 会从多模型拼接走向更统一的表征，工程复杂度反而降。
4D 毫米波融合的算力天花板取决于车规芯片迭代，别用今天的极限定死明年的架构。我们判断前融合加 BEV 还会统治一阵，端到端是增量渗透而非立刻替换。
4D 毫米波的成本下来后，4D 毫米波融合 很可能会把激光从必选项变成可选项。Transformer 的时延问题靠蒸馏和量化缓解，但极限场景仍要留规则兜底。
结论：
1. 前融合加 BEV 还会统治一阵，4D 毫米波融合 路线别为了时髦把安全链打断。
2. 端到端更现实的是感知端到端、规划仍保守，4D 毫米波融合 全量上车前先备规则兜底。
3. 4D 毫米波成本下来后，4D 毫米波融合 很可能把激光从必选项变成可选项。
我们给一个预研项目判断端到端先别全量上车，感知端到端加保守规划更稳，半年后行业印证了这个节奏，避免了一次推倒重来。
常见问题
开源生态在感知侧已经挺热闹，融合层的开源还比较碎，真正能用的不多
车路云真正落地前，4D 毫米波融合 还是得靠单车冗余扛长尾
端到端架构短期难全量上车，更现实的是感知端到端、规划仍保守
4D 毫米波融合的算力天花板取决于车规芯片迭代，别用今天的极限定死明年的架构
架构演进里最该守住的是可解释和降级，不能为了时髦把安全链打断
车路云一体让 4D 毫米波融合 能拿到路侧和云端的冗余信息，城区长尾有望缓解
相关阅读
- Robobus 融合怎么集成到域控 — 从「应用」视角补充本案，建议对照阅读。
- 城区领航融合场景怎么用 — 从「应用」视角补充本案，建议对照阅读。
