雷達的案例
和機械式旋轉激光雷達相比，MEMS固態激光雷達有哪些優勢和劣勢？
另外該雷達在分辨率和點云密度上也極有優勢，是目前所見的線數最高的混合固態激光雷達，可以說一個就夠用了。
可變焦"凝視"
一般的混合固態雷達只有一維的掃描結構，而AION LX即將搭載的RoboSense (速騰聚創) 激光雷達采用了二維的MEMS智能芯片掃描架構。正是因為有了二維MEMS結構，AION LX可以實現智能“凝視”功能：當車輛高速行駛時，動態提高激光雷達的垂直分辨率，讓系統更早發現遠處障礙物；在城區低速行駛時，動態提高刷新幀率，幫助系統更快響應周圍車輛、電動車、行人等障礙物的動態變化。這種根據駕駛場景調節掃描的方式，讓車輛的適應性更強，不過目前廣汽埃安官方并未公布新車將會使用幾顆雷達。
目前最強純固態激光雷達
FF91將搭載由老牌激光雷達廠家Velodyne Lidar 的Velarray H800 激光雷達，是真正沒有移動機械結構的純固態雷達。Velodyne這家公司是以前是專業做音響的，機緣巧合在2005年開始研發激光雷達，是最早涉足車用激光雷達的廠家之一，于2007就推出了64線的激光雷達，2010年時谷歌公司的早期無人駕駛汽車裝載的雷達的也是由Velodyne提供的。
這款Velarray H800 激光雷達的特點是使用了微激光雷達陣列架構（MLA），就是前文提到的雷達陣列。和AION LX搭載的RoboSense 雷達類似也具備可動態調控的幀速率和分辨率的功能，適應性更強。該雷達是目前車載領域的最強，當然價格也不菲。
總結
車載激光雷達從最早的機械掃描結構，進化到了混合固態結構和更加先進的全固態結構。
展開 激光雷達怎么做配置，側向激光雷達有什么用？
把激光雷達配置在前方位置在外觀設計和散熱方面的難度會低很多。但因其位置偏低，存在著容易受到地面沙石、水的飛濺和污染，甚至破壞的風險。一旦發生碰撞和損壞，更換成本會很高（激光雷達數量越多，硬件成本也會越高）。
▲圖4激光雷達的3個布置
激光雷達還可以像小鵬P5安裝方式是在前方左右兩側，兩顆激光雷達裝于前側左右保險杠處，還需要注意兩邊激光雷達的角度布置，解決近距離盲區和十字路口AEB工況的問題。激光雷達的安裝位置需要考慮到以下幾個方面：
●外觀：牛角確實不太好看
●散熱
●碰撞保護
●表面防污
●設備干涉
●盡可能小的盲區
●成本
從我們來看，一款好的產品需要考慮車身ID設計、車身外觀和功能定義，并兼顧激光雷達的位置選定。而激光雷達的布設方案設計的出發點，應該是是否滿足功能場景的需求與工程落地之間的平衡點。
▲圖5.激光雷達也要卷
小結：隨著激光雷達的成本下降和用量快速上揚，這一波感知方向傳感器的探索還是確定在快速增長的。
展開 激光雷達作為相機 --數字激光雷達對計算機視覺的影響
作者 | ouster（翻譯:仿佛若有光）
來源 | CV技術指南
前言：
本文源自ouster(一家激光雷達公司)的博客，以往激光雷達和相機都是作為單獨的傳感器，在算法上對各自的數據做融合。這家公司開發了數字激光雷達OS1，在硬件上實現了對相機和激光雷達的融合。
OS1 模糊了激光雷達和相機之間的界限
三年前我們開始開發 OS1 (中距激光雷達)時，很明顯，針對相機的深度學習研究已經超過了激光雷達研究。激光雷達數據具有令人難以置信的優勢——豐富的空間信息和與光照無關的傳感等等——但它缺乏相機圖像的原始分辨率和高效的陣列結構，而且 3D 點云仍然更難以在神經網絡中編碼或使用硬件進行處理加速度。
考慮到兩種傳感模式之間的權衡，我們從一開始就著手將激光雷達和相機的最佳方面整合到一個設備中。今天，我們將發布固件升級和更新我們的開源驅動程序，以實現這一目標。OS1 現在無需攝像頭即可實時輸出固定分辨率的深度圖像、信號圖像和環境圖像。數據層在空間上完全相關，具有零時間不匹配或快門效應，并且具有每像素 16 位和線性照片響應。一探究竟：
從 OS1 輸出的同步實時圖像層。
您從上到下看到的是環境、強度、范圍和點云數據 - 全部來自我們的激光雷達。
請注意，環境圖像捕獲了多云的天空以及樹木和車輛的陰影。
OS1 的光學系統具有比大多數數碼單反相機更大的光圈，而且我們開發的光子計數 ASIC 具有極低的光敏度，因此即使在弱光條件下我們也能夠收集環境圖像。OS1 捕獲近紅外信號和環境數據，因此數據與同一場景的可見光圖像非常相似，這使數據看起來很自然，并且很有可能為相機開發的算法很好地轉化為數據。
展開 經緯恒潤激光雷達集成系統全面提升激光雷達的使用體驗
汽車自動駕駛系統通常可分為感知層、決策層、執行層，以激光雷達、攝像頭為代表的傳感器是自動駕駛感知層不可或缺的組成部分，但在傳感器整車集成方面，主機廠卻面臨著幾大痛點：
· 固定且外凸的激光雷達會給造型的美觀程度以及整車空氣動力學設計帶來很大的挑戰
· 復雜惡劣天氣環境下，激光雷達鏡面容易因受干擾而無法在最佳狀態下運行
· 激光雷達做為高單價傳感器存在較大的被盜風險
經緯恒潤自主研發的激光雷達集成系統可以為傳感器集成提供智能化的解決方案，是自動駕駛技術的重要組成部分。經緯恒潤激光雷達集成系統包含激光雷達收納機構和激光雷達清洗系統，整套系統可以實現激光雷達自動隱藏、展開，同時具備鏡面自動清洗功能。采用該套系統，可以：
· 提升車輛的整體造型美觀度
· 提升整車空氣動力學性能
· 滿足激光雷達全天候的使用場景要求
· 非工作狀態下有效保護傳感器
激光雷達集成系統
經緯恒潤激光雷達集成系統目前已配套路特斯旗下的多款車型，其中Eletre已開啟預售，將于今年下半年在武漢智能工廠實現投產，首批車型預計2023年開始交付。
路特斯Eletre
經緯恒潤智能駕駛產品線涵蓋環境感知系統、決策規劃系統和控制執行系統，具備向上集成完整智能駕駛方案的軟硬件產品基礎，是目前國內少數能夠實現覆蓋智能駕駛電子產品、研發服務及解決方案、高級別智能駕駛整體解決方案，能夠提供智能駕駛全棧式解決方案的供應商。未來，經緯恒潤將緊跟汽車行業發展大勢，堅持自主創新，努力為國內外客戶提供優質的產品和服務，為汽車行業的發展貢獻自己的一份力量！
展開 
聚焦移動和固定業務毫米波雷達干擾等關鍵性問題，毫米波雷達無線電研究（內江）外場試驗即將開展
一、背景概述
隨著ADAS產業和無人駕駛行業的快速發展，毫米波雷達作為智能汽車核心傳感器之一，在推動自動駕駛、主動安全和無人駕駛過程中發揮著不可或缺的作用，同時毫米波雷達也在農業、民航、安防、邊防、軍事、醫療等領域存在著廣泛用途，是物聯網時代極其重要的基礎器件。根據相關信息統計，未來僅僅智能汽車領域的毫米波雷達年出貨數量將達到2億臺/年，產值達數十億美元。為此，毫米波雷達成為世界發達國家、資本和產業關注的領域，紛紛投入巨資開展毫米波雷達的創新和應用工作。
但是在毫米波雷達應用過程中，大量的整車和零部件產商發現毫米波雷達在同頻、鄰頻工作時，存在著不同程度的干擾和串擾等電磁兼容性問題。部分研究試驗甚至發現在飽和使用的條件下，嚴重的干擾甚至導致毫米波雷達的功能性能嚴重衰減，無法有效感知外部環境，對車輛、行人安全造成嚴重影響，因此世界各國和相關國際技術組織關注毫米波雷達的干擾串擾問題，并采取各種積極手段以保證毫米波雷達的安全可靠使用。
在歐洲，汽車雷達傳感器的輸出功率由歐洲電子通訊委員會（ECC）指定，基于ECC（04）03 決議授權“頻段77 至81 GHz 至被指定用于汽車短程雷達”，歐洲郵電電信管理局（CEPT）指定了79 GHz 頻段用于不受干擾和保護的短程雷達（SRR）設備。而且，平均功率密度限定為-3 dBm / MHz EIRP，峰值功率密度限制為55 dBm EIRP，并且SRR 設備產生的車外平均功率密度不得超過 –9 dBm / MHz EIRP。
展開 全球唯一一家攝像頭、雷達、激光雷達都涉足的廠商，安森美如何定義自動駕駛？
雷達
安森美半導體進入雷達，并不是為了跟現有雷達公司去競爭，而是基于既有雷達又有攝像頭的齊全產品系列，通過創新的融合解決方案提供綜合競爭優勢。易繼輝說，“當前，雷達有專門的雷達公司，攝像頭有攝像頭的公司，兩邊溝通不暢，有些甚至是互相競爭，雷達說自己比攝像頭更好、更重要，雷達應該價格高一些，需要裝更多的雷達。但是，從客戶的角度看，怎樣把這兩個產品在設計的時候就能夠化才更重要。”
2017年3月，安森美從IBM旗下Haifa研究團隊（位于以色列，是IBM研究部門在美國境外最大的研發基地）收購了一支經驗豐富的毫米波團隊，并在以色列海法成立了安森美半導體雷達設計中心。安森美立即開始了全面的雷達傳感器路線圖開發，包括面向高階自動駕駛的頂級性能的遠程雷達，以及針對ADAS和成本效益型自動駕駛應用的尺寸優化、高效節能的中短距離智能雷達。
ADAS與自動駕駛方案
易繼輝認為，視覺技術在智能汽車上的應用可以分成兩類：一是機器視覺，或者說自動駕駛，是由機器來解讀你看到的東西，進而幫助駕駛或者說替代駕駛。其二是是人工視覺和人眼視覺，例如，環視、后視給駕駛員看。關鍵技術要實現機器視覺和人工視覺的結合，這個過程勢必涉及圖像傳感器與雷達的融合。
針對圖像傳感器與雷達的融合，安森美半導體新開發的一款處理器就能同時處理雷達和圖像傳感器的信號，再也不需要一個雷達一個處理器，一個攝像頭一個處理器，勢必有助于降低系統的成本。同時，還能通過軟件，實現雷達與圖像傳感器的優勢互補。
安森美自動駕駛生態系統
在這個充徹著各種生態系統的世界中，任何技術的成功在某種程度上都取決于它所構建或運作的生態系統。安森美的自動駕駛生態系統是什么？
展開 “合成孔徑雷達”，什么是“合成”，什么是“孔徑”，什么是“雷達”？
合成孔徑雷達（Synthetic Aperture Radar，簡稱SAR）是一種利用雷達技術實現地面成像的系統。它通過發射脈沖電磁波并接收反射回來的信號，從而獲取目標表面的反射信息。相比于光學成像技術，SAR可以在任何天氣條件下獲取高分辨率的地面圖像，因此在遙感、軍事偵察、地質勘探等領域得到了廣泛應用。
“合成”指的是SAR系統通過利用多次雷達脈沖信號的相位差異來合成一個更大的孔徑，從而實現高分辨率成像。簡單來說，SAR系統在一段時間內發射多個雷達脈沖信號，并將反射回來的信號進行記錄和處理。由于每個脈沖信號的相位不同，這些信號可以合成一個更大的孔徑，從而達到高分辨率成像的效果。
“孔徑”指的是SAR系統接收到的雷達信號的有效寬度，它是成像分辨率的重要參數之一。實際上，SAR系統的“孔徑”并不是物理上的一個孔徑，而是通過利用雷達信號的相位差異來合成一個更大的虛擬孔徑，從而達到高分辨率成像的效果。
“雷達”是一種利用電磁波來感知和測量目標的裝置。它通過發射電磁波并接收反射回來的信號，從而獲取目標的位置、速度、距離等信息。雷達技術廣泛應用于航空、航天、軍事、通信等領域，是一種非常重要的電子技術。
展開 眾說 | 特斯拉為何拋棄雷達
4，該雷達FoV太窄，近距離只有±45°，遠距離只有±9°，很多時候滿足不了實際場景需求。
▲ 傳統毫米波雷達感知
以410為代表的傳統毫米波雷達的環境感知效果大致如上圖示意，左邊是某一幀的雷達感知效果，右圖是對應的視頻圖像，可以看到，由于角度維度性能較低，雷達對于護欄只有著粗略的刻畫，對于其中的車輛也是刻畫粗糙，一輛小車可能就是一個檢測點。基于這樣的粗糙感知結果，能獲得的環境信息（不管是動態信息，如來往車輛等，還是靜態信息，如路沿護欄等）都極其有限，所以雷達能穩定跟蹤動態目標就不錯了，是沒有辦法，也沒必要建立雷達數據集訓練AI，做類似目標識別分類的任務。
基于這樣的粗糙的檢測結果，傳統毫米波雷達不可能作為主傳感器，更多時候連護欄這樣的靜態點也被濾除，只考慮Object級別的動態點，而且也基本只用到了目標的速度，位置信息，輔助視覺判斷。
但是即使是這樣，傳統雷達有時候還是不爭氣，由于電磁波的各種傳播特性，以及雷達硬件參差不齊，雷達波形設計，算法參數調優欠火候等等原因，雷達的輸出經常會有各種類型的虛假雜點，或者一些多徑傳播導致的ghost目標。用馬老板的話就是雷達數據流會污染整個信號流。這樣還不如不要雷達。
▲ Musk關于雷達部分觀點(@elonmusk）
特斯拉對數據的依賴程度非常高，但目前，傳統雷達提供的數據質量遠達不到要求。
特斯拉在雷達上畢竟也努力過，包括挖來德爾福的雷達負責人調教雷達，解鎖更多點云，也曾傳出自研雷達的消息。但結果估計不盡如人意，也就是說，放棄傳統雷達基本說明在絕大多數場景下，Full Vision方案比Sensor Fusion方案效果更好（更安全）。
展開 雷達芯片的現狀及發展趨勢
來源 | Astroys
目前雷達芯片中GaAs（砷化鎵）技術已經被淘汰，SiGe（硅鍺）主要用于LRR芯片組。從SiGe到CMOS的過渡始于NXP在2015年推出的用于后向雷達的Dolphin芯片組。CMOS技術將雷達功能進一步整合到單個芯片上，實現了大規模量產并降低了成本。
向CMOS技術的轉變使得混合信號和射頻功能被整合到單個AFE（模擬前端）芯片上，并將功率放大器功能進一步整合到MMIC（單片微波集成電路）上。
更先進的節點
雷達芯片組的下一個趨勢是向更小的工藝節點發展，以提高集成度，從而降低尺寸和功耗。
Infineon的MMIC發展到了28nm CMOS。Bosch正在利用Global Foundries的22FDX工藝技術，采用22nm FD-SOI（Fully-Depleted Silicon-on-Insulator）。NXP的雷達芯片組平臺正在轉向16nm TSMC FinFET，以支持其成像雷達產品，并制定了向更小節點發展的路線圖。
芯片平臺策略
另一個趨勢是，汽車半導體供應商正在開發一個芯片組平臺，可以覆蓋所有類型的汽車雷達，從角雷達SRR到4D成像雷達LRR，通過“級聯”幾個芯片來提供成像雷達所需的高性能，同時利用規模效益來降低單位成本。
展開 如何正確使用激光雷達
隨著激光雷達的裝車，筆者發現，大家在使用激光雷達時，仍然存在諸多問題。那么，如何正確使用激光雷達，已然成為自動駕駛行業值得思考的問題。
首先，筆者歸納整理了一些行業內在激光雷達使用過程中存在的5個方面的問題，包括缺乏統一的車規級標準、場景應用問題、產品的耐久性與可靠性問題、產品售后服務問題、環境安全問題。
其次，筆者提出了5個關于正確使用激光雷達的方法，包括選擇合適的產品和激光雷達廠商、選擇合適的安裝位置與數量、提升設備耐久性、提高不同場景下的數據采集效率、配合使用短距激光雷達。
1. 激光雷達使用過程中存在的問題
筆者按照激光雷達當前存在的主要問題及未來量產后可能存在的問題，依次整理了激光雷達在產品的合規性、應用場景、產品使用、產品售后服務、環境安全5個方面中存在的問題。
1）缺乏統一的車規級標準
目前，市場上的激光雷達廠商基于不同的技術路線，推出了不同參數指標及應用場景的激光雷達產品。根據細分應用場景下差異化的感知功能需求，主機廠及自動駕駛解決方案商等不同類型客戶的需求也存在著差異化。何種激光雷達的技術路線才是今后最理想的技術路線？行業內始終未形成統一的車規級認證標準，市場缺少統一的測試技術、測試流程、測試指標、測試工具等規范標準。
亮道智能CEO劇學銘也曾在公開場合提到，主機廠在做激光雷達硬件評估過程中還存在很多難點，不同企業的測試方法和測試指標存在很大的差異，得出的測試結論也有很大的差別。
展開 激光雷達核心技術及行業格局梳理
隨著激光雷達成本下探至數百美元區間且達到車規級要求，未來越來越多高級輔助駕駛量產項目將實現 SOP；
根據Yole的研究報告，至2025 年全球乘用車新車市場L3級自動駕駛的滲透率將達約6%，即每年將近600萬輛新車將搭載激光雷達。激光雷達在高級輔助駕駛領域的市場規模將在未來5年里保持高速增長，按照沙利文預計，2025年激光雷達市場規模預計將達到46.1億美元，2019年至2025年復合增長率達83.7%。
蔚來ET7搭載Innovusion 超遠距高精度激光雷達。蔚來ET7搭載33個高性能感知硬件，定義量產車自動駕駛感知系統全新標準，包含11個800萬像素高清攝像頭、5個毫米波雷達、12個超聲波雷達、1個激光雷達、2個高精度定位單元、1個車路協同感知和1個ADMS增強主駕感知。
其中，激光雷達為蔚來與Innovusion合作開發，最遠探測距離達500m，水平視角120°，最高分辨率0.06°×0.06°，采用1550nm安全激光，避開了人眼敏感的900nm波長，兼顧性能和他人安全。
小鵬汽車將搭載Livox激光雷達。小鵬汽車宣布與大疆孵化的Livox覽沃科技達成合作，將在2021 年推出的全新量產車型上使用其生產的小鵬定制版車規級激光雷達， Livox也正式成為小鵬汽車在激光雷達領域的首家合作伙伴。
在本次合作中，Livox 覽沃科技基于浩界 Horiz車規級激光雷達平臺為小鵬汽車進行了一系列定制化開發，最終提供的車規級量產版本在量程、FOV、點云密度等多個核心指標上都做到了業內領先水平。
長城將搭載ibeoNEXT激光雷達，欲實現中國首個配置激光雷達的自動駕駛。
展開 
自動駕駛毫米波雷達的原理分析和應用案例
國內廠商例如福瑞泰克、幾何伙伴、復睿集團、木牛科技、南京隼眼等均在抓緊研制4D成像毫米波雷達。
根據某研究院的數據顯示，2021年1-11月新車標配搭載雷達（含前向雷達/角雷達）上線量達到接近1200萬顆，同比增長了將近45%。隨著自動駕駛等級的逐步提升，為了應對更加復雜的工況，毫米波雷達正在迎來大規模新舊技術替代周期。76-79GHz傳統毫米波雷達也正在逐步發展4D毫米波雷達，而且4D毫米波雷達解決了目前市場主流傳感器的瓶頸，正在成為了不少車企全新車型的主流配置。預計到2023年，4D成像雷達的搭載量將有機會突破百萬顆，到2025年占全部前向毫米波雷達的比重有望超過40%。
毫米波雷達應用量產原理分析
根據經典的毫米波雷達信號處理流程圖，我們可以將雷達信號從射頻收發到目標物輸出細分為如下圖所示：
圖2. 毫米波雷達經典信號流及宏景智駕的應用
(毫米波雷達來自某些友商產品實物圖片)
宏景智駕相關負責人介紹，根據裝車位置的不同，經典方案有1R1V或nR1V的方案。前向雷達+視覺的組合主要用于縱向行車感知，完成自適用巡航(ACC)，自動緊急剎車(AEB)，前向碰撞預警(FCW)這三個功能，角雷達主要實現車周范圍內的感知，例如盲區監測(BSD+DOW)，以及為撥桿變道(DCLC)功能提供側后方目標物檢測的能力。
以前向行車場景舉例，毫米波雷達的優點是在縱向方向上相比于視覺可以提供更加遠距離的縱向感知能力，可以直接測出運動目標物的速度信息，雨雪霧霾及黑夜的環境中穩定有效的提供感知輸出；缺點則在于目標級的信號輸入，信息量處在信號處理流程圖的最末端，信息量根據毫米波雷達的單一傳感器進行了感知篩選，不可避免會帶來一些目標物誤報或者目標物漏報的問題。
展開 雷達的常見分類以及典型應用
雷達移動傳感器也是基于相同的原理，但由于可能存在變化的干擾環境，它們還必須具有能夠檢測緩慢變化場強的能力。
交警使用的超速檢測雷達(speed traps)也是采用這種技術。如果一個特定距離的目標超速了，攝影機就拍下照片。
現代交通監視雷達
軍事上的應用：
連續波雷達也用于目標雷達波束照射。這是一個簡明應用：利用一個目標跟蹤雷達，雷達波束保持在目標上。制導的防空導彈就是利用此目標的反射。
連續波雷達比較難以被探測到，因此,它們歸類為低截獲概率雷達。
連續波雷達很適合檢測低空飛行的飛機，這些飛機試圖通過貼近地面的飛行來克服敵方的防衛。脈沖雷達很難區分地面回波和低空飛機的反射波。連續波雷達克服了這一點，因為它可以忽略那些緩慢變化的地面回波而只對移動目標的反射信號進行精準定位。捕獲的信息可再傳送給協同作業的脈沖雷達進行進一步的分析和處理
調頻連續波雷達
連續波雷達系統的缺點是由于缺少一個時間參考因而不能用來測量距離。然而, 可以利用“調頻連續波”雷達產生時間參考來測量靜止目標的距離。此方法的原理是：發送一頻率呈周期性變化的信號。當接收到回波信號時，就會得到一個類似脈沖雷達的延遲。可以通過比較收發信號的頻率來確定延時從而得到距離。可以采用更加復雜的調頻模式(如噪聲雷達)，使得在相同的重復周期內得到最大的無模糊測量距離。然而，最簡單的情況是采用基本的鋸齒波或三角波調頻,這只能得到相對比較小的無模糊測量距離。
調頻連續波雷達的基本工作原理
目標距離是基于發射信號和回波之間的延遲計算得到
此類測距原理有以下應用：例如，在飛機上測量高度(無線高度表)或用地面跟蹤雷達來保持固定的離地高度。相比脈沖測量雷達而言，它的優點是可提供連續的測量結果(相對于各種脈沖重復頻率下的離散時刻)。
展開 自動駕駛車載激光雷達技術現狀分析
來源 |
全球政企解決方案
知圈 |
進“電子電氣架構社群”請加微信13636581676，備注架構
本報告將自動駕駛領域最為關鍵的傳感器——激光雷達作為中心，
通過調研其所扮演重要角色的領域——自動駕駛，以及自動駕駛和激光雷達的國內外發展現狀，深入了解激光雷達的技術背景。以目前智能車生產廠家所采用的傳感層技術為切入點，通過了解、掌握這些技術的特點、基本原理、適用場景、優缺點，來進一步深入激光雷達，了解其分類、基本工作原理、主要技術指標，對用于智能車的車載激光雷達的主要廠家、產品進行調研，獲得主流產品的主要性能指標參數、測試數據等。
自動駕駛車載激光雷達技術現狀分析
1.1 研究背景與意義
早期激光雷達主要用于軍事和民用地理測繪(GIS)等領域，比如地質測繪、監測樹木生長、測量建筑項目進度等。隨著自動駕駛的興起，對于環境感知要求日趨嚴格，在自動駕駛架構中，傳感層被比作為汽車的“眼睛”，包括車載攝像頭等視覺系傳感器和車載毫米波雷達、車載激光雷達和車載超聲波雷達等雷達系傳感器，其中激光雷達已經被廣泛認為是實現自動駕駛的必要傳感器。相比于其它類型的自動駕駛傳感器，如攝像頭，激光雷達探測的距離更遠，精度更高。
展開 智芯文庫 | 一文看懂激光雷達
1000 美元以下，平均每車裝載 5 個激光雷達，單車預計 5000 美元以下，而機械雷達和固態雷達將采取不同的方式降低自身產品成本。
