1. 先把概念掰正单线、多线、固态到底在说什么选型会上最容易吵起来的两个话题一个是电机一个是激光雷达。我这两年帮朋友做过仓储盘点机器人、园区巡检车和一个小型的料堆测方项目几乎每一次都绕不开同一个问题到底用单线还是上多线。有意思的是争论双方往往都拿着产品手册却没人先把需求边界划清楚。单线和多线不是低配和高配的关系它们输出的根本是两种数据形态服务的也是两类完全不同的算法链路。同样固态激光雷达这个词在市场上被用得很泛销售说固态你要追问的其实是哪一部分固态了。这篇内容我按实际项目里的思路来拆线数到底决定了什么、固态方案怎么区分、不同应用场景该怎么配以及那些买回来装上以后才会冒出来的坑。1.1 线数说的是垂直方向的采样通道数单线激光雷达从字面上看就是只有一路发射和接收通道。它在工作时只在一个平面里扫描常见的是一圈360度也有扇形的比如270度、275度。输出的是距离加角度本质上是一组二维点列业界习惯叫激光轮廓或者2D扫描。它能告诉你在这个高度平面上前方3.2米处有个东西但它永远不会告诉你这个东西有多高是地上的一块砖还是一根悬空的横梁。多线就是垂直方向堆了多条通道。16线、32线、64线、128线指的就是并行工作的收发通道数量。这些通道在垂直方向上按固定的角度间隔排开比如16线覆盖30度垂直视场那么相邻两条线之间大概差2度。加上水平方向的旋转或扫描输出的就是带高度信息的三维点云。多线雷达真正值钱的地方从来不是线多而是它在垂直方向有了分辨能力目标可以被切片才谈得上分类、测高、测体积。我在项目里见过一个很典型的误判有人拿单线雷达做货车车厢余料检测想判断车厢满了没有。雷达装在侧面高处往下扫扫到的是车厢侧板的一条水平线货物堆高变化他根本测不到。这不是雷达不好是用错了维度。1.2 固态这个词被用滥了严格意义上的全固态激光雷达内部没有任何宏观运动部件激光的发射方向靠光学手段改变。目前能落到产品上的主要是两类一类是面阵闪存式一次性把整个视场照亮用面阵探测器接收像一台激光相机另一类是光学相控阵通过调节相位来控制光束偏转理论上最优雅但工程上还在爬坡。市面上大量被叫做固态的其实是混合固态。最主流的两种形态一种是微振镜方案用一颗微机电反射镜在垂直方向快速摆动水平方向靠整机旋转或者再加一个扫描维度另一种是转镜方案激光器不动靠一个旋转的反射棱镜把光束折出去。这两种里面都还有会动的零件只是从整机360度旋转退化成了小部件局部运动可靠性和寿命因此上了一个台阶成本也压下来不少。为什么这个区分对选型至关重要因为运动部件的存在形式直接决定了三件事视场能不能做到360度、整机寿命和抗振能力、以及价格。早期的机械旋转多线雷达水平视场天然是360度但电机轴承是损耗件长期高频振动环境下寿命堪忧价格也高。微振镜和转镜方案的视场通常是前向的一个扇区比如120度水平、25度垂直覆盖不了车身正后方要360度感知就得装好几台。闪存式没有运动部件可它的发射能量被摊薄到整个视场探测距离往往只有十几米到几十米适合近场补盲而不是主雷达。1.3 单线的真实主场二维平面里的确定性很多人一提单线就想到扫地机那种便宜货这其实低估了它。工业安全激光扫描仪也是单线一颗售价能到上万块因为它要过功能安全认证要在强光、粉尘、雨雪里保持几年的稳定探测还要做到三级以上的安全完整性等级。它的价值不在于点云多丰富而在于这个平面里有没有东西进来这个判断足够可靠、足够快、足够可预期。单线的另一个隐性优势是算力开销极小。一帧数据几千个点一个带浮点运算的微控制器就能跑完过滤、聚类和避障逻辑不需要图形处理器不需要大内存整机功耗可以做得很低。对电池供电的移动平台来说这是决定性的。我在一个小型搬运车上做过对比单线方案整机主控功耗不到3瓦换成16线之后光是点云接收和解码就让主控温度上了十几度。所以单线的定位很清楚它解决的是二维平面上的存在性、距离和方位问题适合导航、避障、区域入侵检测、简单的轮廓跟随。你要它做三维重建、目标分类、体积测算它就是能力不够跟钱没关系。2. 选型第一步把业务需求翻译成雷达指标我见过太多团队选型的顺序是反的先看了一圈产品手册被一堆参数晃花了眼然后凭感觉挑一个看起来够用的。正确的顺序应该是先把业务需求翻译成几条硬指标再拿这几条去筛产品。这一步做扎实后面能省掉大量返工。下面三个方向是我每次都会先算一遍的。2.1 从障碍物最小尺寸倒推线数与角分辨率这是最能决定单线还是多线的判断。你先问自己一句我需要可靠检出的最小目标是什么是一堵墙、一个人、一个纸箱还是一根直径10厘米的管线、一条5厘米高的路沿多线雷达在垂直方向的分辨能力等于垂直视场角除以线数减一。16线覆盖30度垂直视场相邻线夹角就是30除以15等于2度。这个2度意味着什么在距离D处相邻两条扫描线打在地面上的间距约等于D乘以夹角的正切值。10米处就是10乘以tan2度约等于0.35米。也就是说16线雷达在10米外垂直方向的采样格子高度是35厘米。结论很直接在10米距离上一个高度不到70厘米的目标最多只有一到两条线能扫到它算法很难稳定把它和噪声区分开。而一根10厘米高的路沿在10米处基本是扫不到的能不能扫到全靠运气。换成32线、垂直视场40度相邻夹角约1.29度10米处垂直格子高度降到约22厘米情况就好一些。128线的产品垂直夹角能到0.4度以内10米处格子只有7厘米能分辨出人的手臂、自行车车把这类细节。水平方向的分辨率也要一起算。水平角分辨率0.2度的雷达10米处相邻点的水平间距是10乘以tan0.2度约3.5厘米。这个比垂直方向密得多所以多线雷达的点云是横着密、竖着稀的处理算法要针对这个各向异性做设计不能按均匀网格去聚类。反观单线它只有一个平面水平角分辨率0.25度的话10米处相邻点间距大约4.4厘米。在这个平面上它的点密度其实相当可观做平面内的轮廓拟合、边缘提取效果很好。代价就是没有高度。2.2 从最远要看清什么倒推测距与反射率产品手册上标的测距一定要看清是在什么反射率条件下测的。同样一台雷达对90%反射率的标准白板能测150米对10%反射率的深色目标可能只能测50米对2%反射率的黑色橡胶可能只有20米。这是行业里最容易被忽略的一条。你实际要测的目标是什么材质深色衣服、黑色轮胎、湿漉漉的沥青、还是反光的安全服这些都会显著影响有效测距。如果业务里存在低反射率目标就按那个反射率对应的测距来算余量不要按白板数据算。我一般建议实际需要的探测距离取目标反射率下测距能力的60%到70%留出环境光和天气衰减的冗余。另外要注意最小测距也就是盲区。很多雷达标称盲区0.3米到1米近距离的东西反而测不到。移动平台在做近距离贴边作业时盲区是个致命参数。有些产品会专门做近距离通道或者用另一套测距原理补齐近场选型时要问清楚。2.3 从平台运动速度倒推帧率与运动畸变激光雷达是逐点扫描的一帧点云不是瞬间拍下来的而是花了整帧时间一点点攒起来的。10赫兹的帧率意味着一帧耗时100毫秒。如果你的平台在移动这100毫秒里车已经走出去了。举个例子一台巡检车以每秒3米的速度行驶一帧100毫秒内移动30厘米点云会因为运动而产生扭曲本来笔直的墙会变成斜的圆形物体会被拉成椭圆。速度再快比如每秒15米一帧内位移1.5米畸变就非常严重了必须靠惯性测量单元做逐点运动补偿才能用。多线雷达因为在单位时间内要输出更多点通常帧率在10赫兹到20赫兹之间部分产品能做到更高。但帧率越高同一时间内的点频压力越大对数据传输和算力的要求也跟着涨。如果你的平台运动速度快、且需要实时避障帧率、点频和运动补偿能力必须一起评估只看帧率是不够的。还有一个容易被忽略的参数是角分辨率与帧率、点频之间的三角关系在点频固定的前提下提高帧率必然要牺牲角分辨率提高角分辨率必然要牺牲帧率。这三者不可能同时拉满产品手册里只写两个而不写第三个的基本都是在回避。3. 参数表里那些容易被忽略的硬指标把需求翻译成线数、测距、帧率三条主线之后剩下的参数决定了这套方案能不能真正跑起来。我把实际踩过坑的几个点整理出来。3.1 出点数、带宽与算力预算出点数也就是每秒输出的点数是多线雷达最实在的参数比线数更能反映信息量。它的算法很简单线数乘以每线每帧的点数再乘以帧率。拿一个16线产品举例水平360度水平角分辨率0.2度帧率10赫兹。每线每帧的点数是360除以0.2等于1800个点。整帧点数是1800乘以16等于28800个点。每秒出点数就是28800乘以10约29万点。32线、水平0.18度、10赫兹的产品每线每帧2000点整帧64000点每秒约64万点。这些数字听起来不大但换算成带宽就不一样了。假设每个点用三个单精度浮点数表示坐标加一个字节的强度值一共13字节加上网络包头开销按20字节算。29万点每秒乘以20字节约每秒5.8兆字节合46兆比特每秒。百兆网口勉强够用但一旦加上重传和协议开销就很紧张。64万点每秒乘以20字节约每秒12.8兆字节合102兆比特每秒。这就必须上千兆网口了百兆会直接丢包。如果是128线、水平0.1度、10赫兹的高规格产品每秒可以到四百多万点带宽需求逼近800兆比特每秒单靠一个千兆口已经非常危险很多产品会配多个网口或者用组播分发。选型时要提前算这个账而不是等点云丢包了才发现是网线的问题。3.2 905nm与1550nm不是越贵越好目前主流的两种激光波长各有各的位置。905纳米波段最大的优势是探测器成熟。硅基的雪崩光电二极管和硅光电倍增管在这个波段响应很好供应链成熟器件便宜整机成本能压下来。缺点是它靠近可见光人眼安全阈值相对低发射功率受限测距能力有天花板同时太阳光谱在这个波段也有能量强光环境下背景噪声大。1550纳米波段人眼安全阈值高得多可以放心加大发射功率因此能做得更远抗环境光干扰也更好。代价是探测器要换成铟镓砷材料激光器要用光纤激光器或者特殊结构成本高出一大截体积和散热也更难做。另外水汽对这个波段的吸收相对明显遇到浓雾大雨时性能会衰减并不是很多人以为的全天候无敌。怎么选我的经验是探测距离需求在50米以内、成本敏感、室内或半室外场景905纳米完全够用供应链也稳。要打100米以上、要在强烈阳光和恶劣天气里保持可靠探测的车载或路侧场景1550纳米的优势才真正体现出来值那个差价。中间地带就得具体测算不要凭波段下结论。3.3 接口、供电与时间同步接口看起来是小事实际是最容易在集成阶段卡住的地方。数据接口上早期产品常用串口和USB串口带宽低只适合单线多线产品基本走以太网部分车载产品用单对以太网线束轻但需要专门的转换器件。如果你的主控没有原生网口就得考虑转换方案而某些转换器会引入不可控的延迟实时避障场景要特别小心。供电方面多线雷达的瞬时电流往往比平均值高不少因为激光发射是脉冲式的。如果电源设计余量不足会出现雷达随机重启或者数据异常。我一般会给激光雷达单独一路电源并在电源入口加大容量电容避免和其它大功率负载共地干扰。时间同步是最容易被忽视的。多传感器融合里激光雷达和相机、惯性测量单元之间必须有统一的时间基准否则标定做得再好融合结果也是错位的。常见的同步方式有脉冲每秒信号加串口报文精度到毫秒级更严格的是网络时间同步协议能做到微秒级。多台雷达拼接时如果每台各走各的时钟点云会出现呼吸式的错位跑起来看还行一测量就发现误差很大。3.4 环境适应性IP等级只是及格线防护等级只是入场券真正决定寿命的是几个更细的指标。工作温度范围车载类产品通常要求零下40度到85度工业类可能只要求零下10度到50度。低温启动是个大问题光学窗口结霜会让雷达直接失效有些产品会内置加热片选型时如果场景有低温需求这一条要单独确认。抗振动和冲击能力装在移动平台上的雷达长期承受振动微振镜和转镜这类有活动部件的方案谐振频率是否避开了平台的振动频段是很专业但很关键的问题。我见过一台雷达在某个特定转速下点云出现规律性抖动最后发现是振镜频率和电机振动耦合了换了安装位置才解决。抗环境光能力室内和室外完全是两个量级。室外正午的阳光照度可以到十万勒克斯如果雷达没有针对性的抗光设计点云里会冒出一堆随机噪点。厂家的测试条件通常是照度多少、目标反射率多少、测距衰减多少问清楚这些比只看一个防护等级有用得多。窗口污染也是长期运行的隐形杀手。粉尘、雨渍、虫胶附着在光学窗口上会造成固定方位的点云缺失或者虚假回波。好一点的产品会做窗口脏污检测通过回波强度异常来提示清洁这个功能在无人值守场景里非常值钱。4. 按场景给配置四类典型应用的落地清单参数讲完落到具体场景。下面这四类是我实际做过或者深入对接过的配置思路可以直接参考。4.1 室内移动机器人扫地机器人、仓储搬运车、服务机器人这一类是单线激光雷达最稳固的地盘。核心需求是平面导航和近距避障工作环境相对可控光照稳定没有雨雾。典型配置是单线360度雷达测距半径8到16米水平角分辨率0.5度到1度扫描频率5到10赫兹接口用串口或者USB整机功耗低。这里有个技术分支值得说清楚三角测距和直接飞行时间测距。三角测距靠的是光斑在图像传感器上的位置差来反推距离近距离精度高、成本极低但它受目标颜色和反射率影响大黑色物体、镜面、透明物体会测不到或者测不准有效距离一般在6米以内。直接飞行时间测距靠测量激光往返时间来算距离远距离表现好抗环境光强对目标颜色不敏感但成本高一些。如果场景里深色家具多、玻璃门多建议直接上直接飞行时间方案省下来的售后成本远超器件差价。如果只是空旷仓库里跑直线三角测距足够了。需要三维避障的场合比如机械臂抓取、货架穿行、地面有坑洼就要上多线。16线或32线都能用重点是垂直视场要覆盖你关心的范围比如从地面往上30度这样既能看地面又能看货架。注意近场盲区多线雷达近处往往测不到通常要配超声波或者深度相机补盲。4.2 室外无人配送与巡检这一类对雷达的要求陡然上升场景里有阳光直射、有雨雾、有快速移动的行人和车辆。常见的配置是前向一台32线或64线做主要感知垂直视场25到40度测距100米以上配惯性测量单元做运动补偿。车身两侧和后方用16线或者闪存式近场雷达补盲形成环视覆盖。如果预算允许前向雷达考虑1550纳米波段在强光下的稳定性会明显更好。安装高度很讲究。装得太低前方的低矮障碍会被自车遮挡装得太高近场盲区变大而且点云打到地面的入射角太斜容易形成大片噪点。我一般的做法是装在车顶前部俯仰角略微向下3到5度既能覆盖前方50米的路面又保留一定的向上视场看交通标志和悬挂物。4.3 路侧与智慧交通路侧感知是这几年增长很快的方向。雷达装在龙门架或者立柱上高度通常在6到8米向下俯视车道。这个场景的特殊之处在于一是距离远要覆盖三到四条车道横跨20米以上二是视角俯视行人、车辆在俯视图里的特征和车载视角完全不同算法模型不能直接复用三是全天候白天强光、夜晚车灯、雨雪雾霾都要扛住。配置上通常选32线或64线垂直视场要够宽能同时看到近处路面和远处车道。有些方案会用两台雷达背靠背拼成更大的水平覆盖这时时间同步和外参标定就是关键拼接缝处的点云错位会导致目标重复计数或者丢失。还有一个实际问题是多雷达互相干扰。同一个路口装了好几台如果它们同时发射同波长的激光彼此会收到对方的回波形成虚假点。解决办法是错开发射时序或者设置不同的编码选型时如果计划密集部署这一点要提前问厂家。4.4 体积测量与料堆盘点这是我做过的项目里对线数要求最软的一类因为算法和安装方式能补很多。测体积的本质是获取目标表面的三维点云然后重建出封闭的曲面并计算体积。核心要求不是点云多密而是覆盖完整、标定准确。散料堆、粮仓、煤场这类场景通常用一台多线雷达装在料堆正上方垂直向下扫描或者用两台从不同角度覆盖。这里的选型逻辑是先确定料堆的最大高度和底面积算出需要的垂直视场和安装高度再倒推线数。如果只是粗算体积、误差允许在5%以内16线装在8米高就够了。如果要精确到1%以内32线以上并且需要把雷达的安装外参标定到毫米级否则系统误差会直接体现在体积上。还要注意目标表面的反射率差异。料堆可能有深色和浅色不同的区域回波强度差异大会影响边缘提取。通常我会要求算法里不要完全依赖强度信息以几何特征为主。5. 装上以后才是真正的开始安装、标定与点云预处理选型定下来只完成了一半。雷达装上车、接上线你会发现真正花时间的是标定和预处理。这部分经验基本都是踩坑踩出来的。5.1 安装姿态与外参标定雷达的安装姿态直接影响点云的可用性。俯仰角决定了你能看多远的地面横滚角决定了点云左右是否对称偏航角决定了坐标系是否对齐。安装面的加工精度和支架刚度往往比想象中重要我见过因为支架是用薄板折弯的车一颠簸雷达就晃点云整体跟着晃。外参标定常用的方法有三种。一种是用标准标定板在雷达前方摆几个已知位置的目标通过点云里目标的位置反算雷达相对车体的位姿。另一种是地面拟合法假设车辆前方有一段平坦地面用点云拟合平面从而得到俯仰和横滚角。还有一种是多传感器联合标定用相机和雷达同时观测标定板通过优化求解相对位姿。实际项目里我一般三种结合用先用地面拟合法快速得到粗略俯仰和横滚再用标定板精调偏航和平移最后用车实际跑一圈看直线墙体的点云是否竖直、圆形物体是否是圆做最终验证。外参标定不是一次性的。车辆发生碰撞、更换悬挂、调整安装位置之后都要重新标定。我建议把标定流程脚本化让现场人员能自己跑而不是每次都等研发出差。5.2 点云滤波的常见套路原始点云是不能直接喂给算法的里面混着大量无用点。第一步通常是体素滤波把空间划分成小立方体每个立方体只保留一个代表点既降采样又保留几何结构。体素尺寸的选择要匹配目标尺寸一般是目标特征尺寸的三分之一到五分之一。第二步是地面分割。室外场景里地面点往往占了一半以上而且对避障没有意义还会拖慢聚类。常见算法有基于随机采样的平面拟合也有基于扇区扫描的地面分割后者对起伏地面适应性更好。这一步的难点是地面和非地面的边界坡度变化大的地方容易把地面点误判成障碍物形成幽灵刹车。第三步是聚类。把剩下的点按空间距离聚成一个个目标用于后续跟踪和分类。欧式聚类是最常用的关键参数是聚类半径设小了同一个目标被拆成好几块设大了相邻的行人和自行车会被粘成一个。第四步是感兴趣区域过滤把车体自身、支架、地面以下和超过探测范围的杂点全部剔除。这一步看着简单却最容易出bug因为车体姿态变化时原来在范围外的点会突然进来。5.3 多雷达与相机的时空对齐多传感器融合时间对齐比空间对齐更难。空间对齐靠标定两张外参矩阵就能把不同坐标系下的点云统一到车体坐标系。难的是时间对齐。相机是整帧曝光的暴露时间是固定的一个时间点激光雷达是逐点扫描的每个点有自己的时间戳两者天生不对齐。如果直接拿同一帧的点云和图像做匹配高速运动时误差会很明显。做法通常是给点云里的每个点做运动补偿把整帧点云统一到帧起始或者帧结束时刻然后和对应时刻的图像匹配。相机和雷达之间要有硬件触发信号保证帧起始对齐。多台雷达之间的对齐同理。如果每台雷达各自用自己的时钟长期运行会漂移所以要有统一的时间源最好用网络时间同步协议配合脉冲每秒信号做硬件对齐。我在一个四雷达环视项目里吃过亏起初图省事没做硬件同步静态测试一切正常车一跑起来点云边缘就有明显的撕裂后来加了同步信号才彻底解决。6. 常见问题速查与避坑清单雷达装好之后的故障大部分不是产品坏了而是环境、安装或者配置的问题。我把实际遇到过的情况整理成一张表方便现场快速判断。6.1 现象—原因—处理速查表现象常见原因排查动作处理方式某个固定方位点云缺失光学窗口脏污或支架遮挡擦拭窗口后复测清洁或调整支架避开视线远处目标测不到目标反射率低或超出量程用高反射率标准板对比测试换更高测距型号或调整目标朝向点云整体倾斜安装面不水平、惯性单元未校准用水平仪复核安装姿态重新标定外参出现环形或规则噪点玻璃、镜面二次反射遮挡可疑表面后复测调整安装角度或对反射面做消光处理数据随机丢包带宽不足、网线质量差、接口松动查看网口丢包计数升级千兆链路缩短线缆加固接口高温环境测距缩水温度漂移未补偿恒温箱做温度曲线测试充分预热或选用带温补的产品强光下噪点明显增多环境光串扰对着太阳方向做定向测试加装遮光罩或选用抗光能力更强的型号相邻雷达互相干扰多台同波长同时发射单台开启逐一对比错开发射时序或使用不同编码点云边缘撕裂、目标重影多传感器时间未对齐检查同步信号和时钟源部署硬件同步统一时间基准车体周围出现大量近点盲区内回波或支架反射关闭雷达观察现象是否消失设置最小距离阈值优化支架布局这张表我在项目现场基本是打印出来贴在工位上的八成的问题靠它就能定位到方向。6.2 文档里不会写的六个坑第一别信标称测距要信你这个场景下的测距。厂家的测试数据是在理想条件下测的你的现场有灰尘、有阳光、有低反射率目标。我一般要求先用样机在自己场景里实测一轮再决定批量采购。第二别忽略安装支架的刚度。便宜的铝型材支架在振动下会产生微小形变点云会跟着晃算法会以为是障碍物在动。宁可多花几百块做一块厚板也别省这个钱。第三多线雷达的近场盲区比你想的大。标称盲区0.5米实际因为安装角度和支架遮挡可能到1米以上。做近距离贴边作业前一定要实测盲区边界。第四温度补偿不是可选项。冬天冷启动和夏天暴晒后测距会有系统性偏差如果你的应用涉及测量而不只是避障这一条必须处理。第五点云强度值不能跨型号比较。不同厂家、不同批次的强度标定方式不同同样的白色墙面两台雷达给出的强度值可能差一倍。依赖强度做分类的算法必须有自标定环节。第六也是最容易被忽视的光学窗口的清洁周期要提前规划。室外场景下一个月不清点云质量就会明显下降。无人值守的设备要么配自动清洁要么在算法里做脏污检测和降权处理。7. 一份可以直接抄的选型决策流程把前面所有内容压缩成一个可执行的流程我一般按五步走。7.1 五步决策法第一步明确最小可检出目标尺寸和对应的探测距离。写下来比如20米处可靠检出直径20厘米的锥桶。这一条直接决定了线数和角分辨率。第二步明确目标的最低反射率和环境光条件。暗色目标、强阳光、雨雾这些条件会打掉多少有效测距要按打折后的数据评估。第三步明确平台的运动速度和所需的响应延迟。算出允许的帧率和是否必须做运动补偿。第四步算数据量和算力预算。出点数乘每点字节数得到带宽再估算点云处理链路的运算量看看主控扛不扛得住。第五步确定安装约束和成本上限。视场能不能覆盖需要的方向、支架空间够不够、单台能不能搞定还是要多台拼接。五步走完候选型号通常就剩两三个了再对比价格和交付周期就行。7.2 不同预算下的取舍建议预算很紧、只做平面导航和避障的单线直接飞行时间方案是首选把省下来的钱花在更好的主控和电机上整体体验反而更好。预算中等、需要三维感知但精度要求不极端的16线或32线是甜点区。我的建议是不要在线数上抠宁可选32线的中端型号也不要选16线的高端型号线数带来的信息量差距是算法补不回来的。预算充足、做车载或路侧的32线以上、带运动补偿、支持硬件时间同步、防护和温度范围达标这几条比线数本身更重要。同时要留出至少30%的算力和带宽余量因为实际点云量总会比理论值大。最后分享一个我在实际项目里的体会激光雷达选型最大的成本不是硬件本身而是选错之后的重做成本。一台雷达买错了损失的是几千到几万块一套方案选错了损失的是几个月的开发周期和团队的信心。所以每次选型我都坚持一件事——先用样机在自己的真实场景里跑一周看它在最糟糕的条件下表现如何再签字下单。这一周的时间从来没有白花过。