跳转至

World’s first native color LiDAR gives machines human-like vision

Ch01.885 World’s first native color LiDAR gives machines human-like vision

📊 Level ⭐⭐ | 7.2KB | entities/technology-ouster-rev8-native-color-lidar.md

World’s first native color LiDAR gives machines human-like vision

→ 原文存档

摘要

Ouster 于 2026 年 5 月发布 Rev8 传感器家族，宣称这是"世界首款原生彩色 LiDAR"（native color LiDAR）：不靠外挂摄像头、也不靠软件后融合，而是把 Fujifilm 的色彩科学直接做进 L4 芯片，让每个 3D 点云点在捕获瞬间就自带颜色信息。旗舰型号 OS1 Max 提供 256 通道、200 m（10% 反射率）/ 500 m（最优条件）的探测距离与 48-bit 色彩深度，目标是为 Physical AI 时代的机器人、自动驾驶与基础设施提供"类人"的三维视觉。

核心要点

  • 架构路线切换：此前的感知系统分两派——camera-only（如 Tesla FSD）或"LiDAR 几何 + camera 颜色 + 软件拼接"的两段式融合；后者固有的标定误差、延迟与空间错位在高速场景下成为安全瓶颈，Rev8 选择在传感器源头一次性完成几何与颜色的融合。
  • L4 芯片：与 Fujifilm 联合开发，内嵌其 color science 实现 hardware-level color processing；具备 42.9 GMACs 处理能力、每秒最高探测 20 万亿光子、40 kHz 运作频率与 picosecond 级精度。
  • OS1 Max 规格：256 通道，垂直 45°/水平 360° 视场，200 m@10% reflectivity、最优条件下 500 m 探测距离，官方称相较上一代 Rev7 距离与分辨率双双翻倍。
  • 光照与色彩：可工作于 1 lux（近全黑）到 2,000,000 lux（直射阳光）区间，48-bit 色彩深度、116 dB 动态范围，单次捕获同时输出颜色与几何。
  • 竞争格局：几周前 Hesai 发布全彩平台 6D ETX，走 X/Y/Z + reflectivity + velocity + color 六维数据路线，更像"多维感知引擎"而非单纯彩色 LiDAR。
  • 战略转型：2026 年 2 月 Ouster 以 $38M 现金 + 180 万股收购计算机视觉公司 StereoLabs，从卖独立传感器转向卖完整感知平台；源头融合让 AI 模型训练的数据成本显著下降。
  • 落地进度：Google、Volvo Autonomous Solutions、Skydio、PlusAI、Seegrid 等约二十余家客户已抢先采用；Rev8 已开放订购，预计当季出货。

深度分析

从"拼接"到"原生"：感知架构的代际切换

传统两段式 sensor fusion 的问题在于"不同源"：LiDAR 提供精确几何，camera 提供颜色，软件算法负责对齐两者。外参标定会随时间与震动漂移，两条感知路径存在时间差，不同传感器的视角与畸变也各不相同——这三类误差在低速场景尚可容忍，在高速穿行拥挤街道时则可能直接决定事故与否。Rev8 把 Fujifilm 的色彩科学烧进 L4 芯片，颜色与几何在光子层面同源、同帧、同点输出，天然空间对齐，且无需任何额外软件后处理。

L4 芯片：把"相机公司"装进 LiDAR

Ouster 一直押注数字架构（digital architecture），主张用芯片迭代替代机械与模拟方案的边际改进。L4 与 Fujifilm 联合开发，等于把一家影像巨头的色彩调校经验直接变成硬件电路：20 万亿光子/秒的探测速率意味着传感器对弱反射与强环境光都留有余量，40 kHz 与 picosecond 级精度保证高速运动下点云不变形。落到应用层面，就是"一个传感器看懂交通标识、通过刹车灯颜色判断前车是否减速、生成带真实色彩的地形图"。

竞品坐标：Hesai 6D ETX 与"多维感知引擎"

Ouster 并非没有对手：全球出货量领先的 Hesai 在 Rev8 发布前几周刚展示 6D ETX 全彩平台。两条路线的分野值得注意——Ouster 把 color 当作点云的原生属性，强调"每点自带颜色、无需拼接"；Hesai 则在 XYZ 之外同时输出 reflectivity、velocity 与 color 六个维度，更接近"多维感知引擎"的定位。颜色 LiDAR 在 2026 年成为感知硬件的主战场，也印证了评论区"反射率与速度信息仍然重要"的提醒：色彩是增量，而非几何与运动信息的替代品。

战略判断：从卖传感器到卖感知平台

2026 年 2 月收购 StereoLabs（$38M 现金 + 1.8M 股）、5 月发布 Rev8——两个事件的顺序揭示 Ouster 的平台化意图：硬件只是入口，感知软件栈与训练数据红利才是目标。当颜色与几何在源头融合，客户训练 AI 模型不再需要手工对齐 camera 与 LiDAR 数据，标注与预处理成本大幅下降，这正是"从原型走向规模化量产"的关键。不过评论区也给出冷静视角：native color 是 L5 的必要条件而非充分条件，行业更现实的预期是在辅助驾驶与封闭场景机器人上先兑现价值。

实践启示

  1. 感知栈简化：评估 LiDAR 方案时，native color 意味着无需同时维护两套传感器与 fusion 软件，系统复杂度与故障点同步下降——对运维团队有限的无人车/机器人部署方是重要加分项。
  2. 全天候光照能力：1 到 2,000,000 lux 的覆盖范围，让配送、巡检类室外机器人可同时应对夜间行驶与隧道出口的瞬间高光，无需额外补光或 HDR 相机。
  3. 语义识别跃迁：48-bit 色彩与 116 dB 动态范围带来交通信号灯细微色差、刹车灯渐变、不同天气下颜色衰减的区分能力——这是 monochrome LiDAR 的纯几何信息做不到的。
  4. 数据管线红利：颜色在源头与几何对齐，训练集不再需要 camera-LiDAR 配准工序，AI 模型训练与标注成本显著降低，对自研感知算法的团队尤其有利。
  5. 平台锁定风险：Ouster 通过 Rev8 + StereoLabs 垂直整合硬件与视觉软件，选型时需评估生态迁移成本；Hesai 6D ETX 提供了一条可对照的备选路线。
  6. 节奏预期管理：行业评论普遍认为 L5 仍遥远，建议按 L2+ 辅助驾驶与封闭场景机器人（园区、仓储、巡检）的时间表做务实规划，而非等待全自动驾驶一步到位。

相关实体