激光雷达受到挑战！——NPS的超高清雷达操作系统（HROS）与AI雷达

芝能智芯出品

硅谷初创公司Neural Propulsion Systems（NPS）推出了面向高级驾驶辅助系统（ADAS）提供商的超高清雷达操作系统（HROS™），利用先进的数学和人工智能（AI）算法，显著提高了雷达系统的探测范围和分辨率，能够在各种恶劣天气条件下提供前所未有的精度和响应能力。

NPS的HROS不仅挑战了现有激光雷达技术，还是向自动驾驶与汽车安全领域迈出的重要一步。

我们来分析一下NPS的核心技术创新、其对汽车行业的价值，以及毫米波雷达在AI辅助下的未来发展趋势。

● NPS公司概况与核心创新

Neural Propulsion Systems（NPS）是一家硅谷初创公司，专注于雷达技术的创新。NPS的核心产品是其超高清雷达操作系统（HROS），结合了高等数学和人工智能算法，为汽车行业提供先进的雷达性能，尤其在智能驾驶技术中具有重要应用价值。

NPS的HROS通过创新的算法提升了雷达的角度分辨率和探测范围，能够在复杂的道路环境和恶劣天气条件下，识别和检测150米外的行人和障碍物，即使在低光或雾霾天气中也能提供可靠的探测结果。

这家公司想法是打破现有汽车雷达性能瓶颈，用软件定义的方式为汽车行业感知层注入新活力，定位精准且极具前瞻性，目标直指汽车安全这一刚需市场，也着眼于国防、工业等关联领域的拓展。

◎ 核心创新一：

算法驱动的性能跃升：HROS 运用独特的高等数学与人工智能专利软件算法，对雷达信号处理流程进行重塑。

传统雷达分辨率受限于硬件架构与算法复杂度，HROS 打破常规，让雷达探测范围与分辨率显著提升。比如其分辨率相比现有一级雷达市场供应商高 10 倍 ，比 Mobileye 等公司的 L4 先进雷达技术也高出 4 倍，在 200 米内的近距离场景以及更远距离的探测上，能捕捉到更精细的目标轮廓与位置信息。

◎ 核心创新二：

全场景适应性：借助 AI 强大的学习与特征提取能力，HROS 可在任何天气条件、一天中的任意时段稳定工作。

无论是强光、暴雨、浓雾，还是漆黑的夜晚，它都能区分 150 米外站在车辆旁边的行人，克服了摄像头受光线干扰、激光雷达在恶劣天气下性能衰减的弊端，实现全年候、全场景的路况感知。

◎ 核心创新三：

低成本高性能融合：在硬件层面，HROS 适配级联芯片，摒弃传统追求更宽孔径、多通道收发器的高成本路线。

利用软件算法优势挖掘级联芯片潜力，让新雷达设计在性能上超越昂贵的以色列成像雷达开发商青睐的方案，使高性能雷达系统成本大幅下探，为大规模普及提供经济可行。

HROS能够提前识别潜在的交通风险，如快速出现的行人或障碍物，为汽车提供充足的反应时间，从而降低碰撞风险，减少交通事故的发生。

其高精度图像分类能力，在AEB中尤为关键。传统雷达和激光雷达在低光、恶劣天气或雨雾天气下常常面临可视性差的问题。HROS利用AI算法，在这些条件下依然能够维持稳定的检测性能。

与市场上的多通道收发器设计相比，HROS采用的级联芯片设计使其具备与更昂贵的雷达系统相当的性能，但成本却显著更低，在不牺牲性能的情况下降低成本，提升大规模部署的可行性。

围绕 HROS 适配、优化芯片性能，带动上下游产业链革新；同时，向国防、工业部门延伸，拓展雷达应用边界，形成跨领域的技术与市场协同，滋养整个汽车感知相关产业生态

毫米波雷达（MMW Radar）作为当前ADAS系统中关键的传感器之一，主要用于环境感知、障碍物检测和自动驾驶决策。毫米波雷达具有较强的穿透性，能够在雨、雾、尘等不良天气条件下进行可靠探测。

相较于激光雷达，毫米波雷达具有成本较低、体积小巧的优点，但在分辨率和精度方面仍存在一定的局限性。

传统雷达系统依赖简单的回波信号分析，而AI技术则能够通过大数据训练与深度学习模型，自动识别复杂环境中的物体，如行人、车辆、障碍物等。

这种基于AI的识别系统使得雷达能够在更远的距离内做出准确的判断，并有效减少误报。AI与高级数学算法结合后，毫米波雷达能够突破硬件的物理限制，通过图像增强、数据融合等方式提高雷达的分辨率。

NPS的HROS正是利用这一点，通过AI驱动的算法提升了雷达系统的精度和探测能力，从而为ADAS系统提供更高质量的数据支持。

未来毫米波雷达将更加依赖AI技术，结合深度学习、强化学习等算法，通过自动化的方式处理雷达数据，优化检测范围、精度和实时响应能力。

AI的引入使得毫米波雷达的性能将接近激光雷达，但价格却更加实惠，从而大大推动了智能汽车市场的发展。

NPS的HROS雷达操作系统，结合AI和高级数学算法的创新解决方案，极大提升了雷达的分辨率和适应性。