1. 雷达感知不是新东西但新机遇确实刚刚开始雷达感知这个词放在物联网语境里前几年还是个冷门方向。大家聊感知优先想到的是摄像头是红外是激光雷达。毫米波雷达更多出现在汽车ADAS、军工防务这些“高冷”领域跟大规模民用物联网好像搭不上边。但2026年深圳物联网展会逛下来我最大的感受是风向确实变了。雷达感知正在从汽车和军工的“专属赛道”里走出来开始渗透到智能家居、健康监测、智慧康养、工业安全、能耗管理这些以前根本不会考虑用雷达的场景。如果只用一句话概括这届展会透露出的信号那就是雷达感知正在从辅助性传感器变成物联网核心感知层的重要拼图。这个转变背后有几个很实在的驱动力。提示如果你正准备做物联网产品选型或者正在纠结“摄像头方案侵犯隐私怎么办”“红外方案误报太多怎么办”这篇文章值得认真读完。1.1 为什么雷达感知恰恰在这个时间节点爆发先说清楚一件事雷达感知的技术原理并不新鲜。毫米波雷达利用电磁波反射来测距、测速、测方位这套机制用了快一百年了。真正新鲜的是几个条件在最近两三年同时成熟。第一是芯片成本断崖式下降。前几年一颗24GHz雷达前端芯片的价格能占到整个模组的六成以上做终端产品很难控制BOM成本。现在多家国产厂商把雷达SoC片上系统做到了集成度非常高的水平射频前端、信号处理、接口协议全部塞进单颗芯片模组出厂价已经打到百元以内甚至更低。这个价位对于物联网产品来说就具备了规模铺开的基本条件。第二是算法门槛被逐步摊平。雷达点云数据的处理、微动特征提取、目标分类以前需要专业雷达工程师才能搞定。现在不少方案商把底层算法固化在模组里直接输出“有人”“静止”“跌倒”“呼吸正常”这种语义级结果。产品经理拿到一个雷达模组跟拿到一个红外人体感应模块的集成难度已经差不多了只不过精度和维度完全不在一个量级。第三是隐私合规压力倒逼行业寻找替代方案。摄像头在室内场景遭遇的合规阻力越来越大尤其在欧洲市场GDPR通用数据保护条例对图像数据的采集限制非常严格。雷达天然不采集图像只输出原始点云或处理后的语义信息没有面部特征、没有可辨识的影像数据在隐私合规层面具备先天优势。很多做跨境智能家居产品的厂商今年在选型雷达方案时首要考量已经不是性能而是“能不能过欧洲的数据合规审查”。1.2 展会现场透露出的行业风向这届深圳物联网展给我印象最深的一点是雷达感知相关的展商数量比上一届多了将近一倍而且很多都不是传统的雷达厂商而是原本做摄像头、做红外传感器、做智能家居方案的公司跨界进来的。还有一个值得注意的信号是不少展台展示的已经不是“裸模组”或者“开发板”而是直接面向具体场景的完整解决方案。比如针对养老院的跌倒检测方案针对办公室的人体存在检测方案针对停车场的车位状态检测方案。这种从“卖元器件”到“卖场景方案”的转变说明上游供应商也在主动往下游应用层渗透帮助集成商和终端厂商降低开发门槛。另外展会上关于“雷达多传感器融合”的讨论非常密集。几乎每一家雷达方案商都会提到“融合”这个词但每个人的理解并不一样。有的是把雷达和摄像头做融合用雷达解决测距、测速和夜间感知用摄像头解决目标识别和颜色分辨有的是把雷达和温湿度、光照传感器做融合通过多维数据交叉验证来降低误报率。这种“雷达不再是孤岛”的共识本身就是一个行业走向成熟的标志。2. 从展会现场看雷达感知的三大核心增量场景拆解展会上的产品和技术方案我发现雷达感知真正跑出增量的场景高度集中在三个方向智慧康养、全屋智能、工业与商业安全。每个方向驱动用雷达的底层逻辑都不一样值得分开来看。2.1 智慧康养跌倒检测与呼吸生命体征监测成为刚需智慧康养是这届展会上雷达感知出镜率最高的场景没有之一。背后的需求逻辑非常清晰中国正在快速进入老龄化社会养老机构护理人员严重不足一对多的照护模式没法做到24小时紧盯每一个老人必须依靠传感器来做“看不见的守护”。跌倒检测是其中最核心的需求。老人跌倒后如果长时间无人发现后果会非常严重。传统的解决方案是在卫生间、卧室安装摄像头但绝大多数老人对摄像头有本能的抵触觉得自己被监视隐私暴露感特别强。而且摄像头方案在卫生间这种私密场景的合规风险极高几乎没法规模化落地。红外人体感应器只能感知“有人动”老人跌倒后如果静止不动红外方案反而不会触发报警这跟需求完全拧着来。雷达方案在这两个维度上都刚好踩中需求。毫米波雷达可以感知微小的肢体动作哪怕只是手指的轻微抽动都能在多普勒信号中体现出来。老人跌倒后的“静止”状态对于雷达来说是“有生命体征但长时间没有大幅度位移”通过算法判断时间阈值就能准确识别出跌倒事件。更重要的是雷达不采集图像在私密场景部署的接受度远高于摄像头。展会上有一家方案商给我演示了他们的跌倒检测算法。他们用一组实验数据展示了不同姿态下的雷达点云形态跌倒瞬间和目标正常站立的点云分布有明显的结构性差异。算法会综合运动速度、姿态变化率、静止时长等多个维度做判定可以过滤掉“弯腰捡东西”“坐下速度过快”这类容易造成误报的干扰动作。呼吸监测是另一个值得关注的增量功能。雷达可以通过检测胸廓的周期性微动来提取呼吸频率甚至在一些方案里还能输出睡眠质量报告。这个功能对养老机构的价值在于很多老人的呼吸系统疾病是夜间突发的如果雷达能在呼吸频率异常时主动告警就能为抢救争取到非常宝贵的时间窗口。注意呼吸监测的雷达方案在算法上对信号处理的要求非常高胸廓微动的幅度在毫米级甚至亚毫米级需要非常强的信噪比才能稳定提取。现场交流时多家厂商都提到“呼吸波形在实测中容易受空调风、窗帘飘动等环境干扰”选购时一定要让供应商提供实际场景下的呼吸波形测试报告不要只看实验室数据。2.2 全屋智能从“有人没”到“你是谁”“你在干嘛”全屋智能场景对雷达的需求跟康养场景的需求逻辑完全不一样。智能家居用户要的不是“危情告警”而是“无感化、千人千面的服务体验”。传统的人体存在检测用的是PIR红外传感器它能感知的只有“红外辐射变化”本质上只能判断“有没有活物在动”一旦人静坐不动PIR就以为房间没人空调自动关了、灯光自动灭了体验非常糟糕。这也是为什么很多用户买回家用了一阵子就关掉自动化的原因。雷达方案解决的核心问题就是“人静坐着也能被检测到”。多普勒雷达对微动极其敏感哪怕人只是坐在沙发上轻轻呼吸都能被识别为“空间有人”。这就让智能家居的自动化逻辑发生了质变灯光可以保持常亮、空调可以持续运行、离家模式可以更准确地判断“家里确实没人了”再触发。展会上更进一步的产品已经开始向“身份识别”和“姿态理解”演进。比如通过对人体点云形态的分析判断房间里的是一米七的中年人还是一米二的儿童从而调整智能音箱的交互界面或者空调的送风策略。甚至还有方案在试水脚步结构特征识别通过分析步态相位差来区分“是住户还是陌生人”。当然这类高级功能目前还处于demo阶段大规模商用还有距离但方向已经很明确了。全屋智能的雷达产品形态也很值得说说。展会上一批面板式、筒灯式、吸顶式的雷达模块非常吸睛。传统雷达模组是块小板子产品经理要考虑放哪里、天线朝哪、遮挡怎么办。现在厂商把天线、芯片、算法直接封装成标准的86型面板形态或者吸顶灯形态外观跟普通开关、灯具完全一致直接替换就能用安装成本和用户接受度都大幅改善。2.3 工业与商业安全误报率敏感场景的差异化竞争工业和商业场景对雷达的需求跟前面两个场景又不相同。这里的核心关键词是“高可靠”和“低误报”。仓储物流场景里AGV自动导引车和叉车混行安全防护是刚需。传统方案用安全触边撞到了才停用光电传感器容易被灰尘遮挡误报用视觉方案暗光环境下可靠性骤降。毫米波雷达在灰尘、烟雾、暗光条件下依然能保持稳定的探测性能可以做到“区域内有人就减速、靠近就停车”同时对围栏、货架这些静止物体完全免疫不会产生误触发。还有一个非常有意思的场景是“周界安防”。传统周界用红外对射或者电子围栏误报率在恶劣天气下很高——雨滴、落叶、小动物经过都可能触发报警。雷达的单目标多普勒特征可以区分人类目标和雨滴杂波再配合目标轨迹跟踪算法可以把误报率降到极低水平。展会上有厂商展示了在暴雨环境下用雷达做周界防范的实测数据效果确实比红外方案稳定得多。另一个增量点是“区域人数统计”。商业连锁门店需要统计进店人数、排队时长、不同区域的停留热力传统方案用摄像头配合人形识别但精准度受光照和遮挡影响大而且摄像头在收银台区域的部署合规性堪忧。雷达方案可以在不采集任何图像的情况下输出准确的目标数量和位置轨迹非常适合商超、餐厅、银行网点这类对隐私敏感的商业场所。3. 雷达感知技术演进从点云到微动特征数据处理能力才是分水岭逛展期间跟几个做雷达算法团队的技术负责人深入聊了聊最大的收获是意识到雷达感知的竞争壁垒已经不在射频硬件本身而在数据处理和特征提取这套算法体系里。3.1 从3D点云到4D成像信息维度越来越丰富先说3D点云。毫米波雷达发射电磁波后接收端会得到一系列反射点的位置、速度和回波强度信息这些点组合在一起就是点云。每个点包含三维空间坐标和一维多普勒速度信息所以业内也管这个叫4D点云或4D成像。4D成像雷达在展会上确实到处都是但各家水平差距非常大。高端的4D成像雷达可以输出上千个点能勾勒出一个人的大致轮廓低端的只能输出二三十个点看形态基本靠猜。这中间的差距来自天线阵列设计、MIMO多发多收波束形成算法、后端点云聚类质量任何一个环节拉胯都会直接影响目标识别效果。天线阵列设计是最底层的物理基础。想提高角度分辨率就要增加虚拟孔径这需要通过多颗发射天线和接收天线之间的MIMO机制来合成大阵列。展会上有厂商展示了一个包含12发16收天线阵列的雷达模块虚拟孔径做到了192通道角度分辨率接近1度这个指标放在两年前是车载级产品才能达到的水平。天线阵列越大则意味着天线布局设计、电磁兼容处理、整机结构堆叠的难度呈指数级上升。3.2 微动特征雷达感知的“指纹级”能力4D点云能解决“知道这里有东西”但解决不了“这东西是什么、在干嘛”。这时候就要依赖微动特征提取。微动特征指的是人体各部位在运动过程中产生的周期性微小振动信号比如摆臂的节律、双腿交替迈步的频率、胸廓呼吸的起伏。这些特征在雷达回波中表现为特定的调制模式提取出来之后可以用于动作识别、步态分析和生命体征检测。展会上有一个演示让我印象很深刻在一个模拟盥洗室的场景里雷达可以准确判断“有人在洗手”“有人在刷牙”“有人在洗脸”。这三种动作的肢体运动模式差异很大——洗手的运动集中在手部频率快幅度小刷牙的动作相对规律洗脸时身体前倾幅度较大。这些细微差别通过微多普勒特征分析都能被有效区分。微动特征的算法链路一般包括以下几个环节原始回波数据经过距离维FFT快速傅里叶变换和多普勒维FFT生成距离-多普勒谱图对谱图做背景对消去除静止杂波和环境干扰提取运动目标的微多普勒特征形成时频图用滑窗方式对时频图进行时序分析建模动作周期将特征输入分类模型输出动作标签这条链路在PC端实现已经相当成熟但要在低成本MCU上实时跑起来计算资源是非常紧的。展会现场看到一些方案选择在雷达模组内部集成一颗专用的DSP或者NPU芯片专门处理微多普勒信号这样终端主机就不需要频繁搬运原始数据了系统功耗和通信带宽的压力都能显著下降。3.3 算法模型传统信号处理和AI分类正在融合谈到数据处理就绕不开AI。展会上几乎所有高端雷达方案都宣传自己用了深度学习模型但实际深入聊下来真正把AI用在核心链路的并没有那么多。比较务实的做法是“传统信号处理AI分类”的分层融合。底层还是用FFT、CFAR恒虚警率检测、聚类这些经典算法来做目标检测和点云生成因为这些算法计算量小、实时性高、可解释性强。到了目标分类这个环节再用CNN卷积神经网络、随机森林这类模型做姿态、动作、人员的分类。这种做法的好处是保留了整个系统的稳定基底又利用了AI在特征抽象上的优势即便训练数据覆盖不全底层检测也不至于全线崩溃。展会上有一家做跌倒检测方案的厂商分享了一个非常实用的策略他们给模型做了“置信度分层”。高置信度输出直接触发告警低置信度输出只记录日志不打扰用户中间置信度的情况会结合雷达信号的变化趋势再做一次二次判定。这样既保证了关键事件不漏报又大幅减少了烦人的误报。提示如果你在评估雷达方案的性能不要只看厂商宣传的“准确率99%”一定要问清楚这个准确率是在什么条件下测出来的。测试场景里是单人还是多人有没有家具遮挡有没有风扇、窗帘这类干扰源这些问题直接影响产品在真实环境的可用性。4. 雷达物联网的体系化落地从单点传感器到融合感知网络单独一两颗雷达传感器解决不了复杂物联网场景的完整需求。展会上可以明显看到行业正在从“单点部署”走向“多模态融合边缘协同”的体系化架构。4.1 雷达与摄像头的融合取长补短而非相互替代业内有个比较一致的观点是雷达很长一段时间内不会完全替代摄像头两者更像是互补关系。雷达擅长测距、测速全天候工作能力极强但不擅长目标识别——它能看到“前面有个目标”但很难告诉你“这个目标是哪种具体物体”。摄像头恰恰相反图像识别技术已经把目标分类做得非常成熟但在暗光、逆光、遮挡场景下可靠性会大打折扣。展会上的主流融合方案是“雷达触发视觉确认”。雷达24小时在线做区域监控一旦发现目标并且触发了预设规则比如进入禁区、发生跌倒、长时间滞留系统才唤醒摄像头拍照或者录像做二次确认和取证。这种方式既利用了雷达的低功耗、全天候特性又规避了摄像头持续工作带来的功耗和隐私问题。尤其是在养老院、酒店客房这类对隐私敏感的场所“雷达监控视觉确认”几乎是唯一合规且可行的方案。边缘计算在融合链路里扮演的角色也很关键。如果所有雷达原始数据都上传云端做处理通信带宽和时延都是大问题。展会上看到的主流架构是“边缘节点做数据预处理只上传语义级结果”。边缘盒子直接接入多路雷达在本地完成点云聚类、目标跟踪、告警判定然后只把“有人进入房间”“老人跌倒”“区域人数为3”这类结构化结果通过MQTT消息队列遥测传输协议上报云端。这样做的好处非常明显单路雷达的原始数据量可能达到几十Mbps但结构化之后只有几十字节每秒通信和存储成本节省几个数量级。4.2 无源物联网与雷达协同的潜在可能展会上“无源物联网”也是一个高频热词。无源物联网的核心思路是让终端设备不装电池通过收集环境中的射频能量或反向散射通信来工作以此实现极低成本的规模化部署。雷达感知跟无源物联网之间存在一种让很多人忽视的技术亲和性。毫米波雷达本身就是一个射频能量源它可以持续向外发射电磁波这一点本质上给无源节点提供了潜在的能量来源。试想一下一个区域内同时部署了毫米波雷达和无源传感器节点雷达在完成目标探测的同时还承担了为无源节点供能和唤醒的职责节点被唤醒后可以回传温湿度、气体浓度等环境数据。这种“感知供能”一体化架构虽然目前展会上还只有概念原型但技术路径是走得通的。当然要实现雷达给无源节点供能发射功率、频段匹配、能量转换效率都是不小的工程挑战距离产品化还有比较长的一段路。但方向性信号已经非常明确融合传感、能量协同、低功耗大规模组网是雷达感知走向物联网深度应用必须跨越的三道门槛。4.3 开放生态与标准化雷达感知能否复制Wi-Fi模组的成功路径回顾Wi-Fi模组在物联网行业的爆发过程核心推手其实是高度标准化的接口和完善的生态工具链。芯片设计厂商提供完整的SDK软件开发工具包、参考设计、量产方案下游厂商不需要关心射频布线、协议栈这些底层细节只要聚焦自己的应用层逻辑就行。雷达感知行业目前离这个状态还有距离。展会上各家雷达方案商的接口协议、数据格式、控制指令五花八门做产品的团队切换供应商意味着几乎要重写一遍上层逻辑。有厂商在推类似“雷达模组即插即用”的概念把出厂固件里预置好若干种场景模式用户通过串口指令或者简单的图形化配置工具就能切换不用改动硬件设计。这个方向是对的但生态的统一还需要时间。另一个值得关注的标准化动作是已经有行业组织在推动制定“毫米波雷达感知应用数据接口规范”。如果这个规范能落地下游厂商可以像选择Wi-Fi模组一样自由选择雷达模组整个行业的规模天花板会被大幅打开。这个进展值得所有做雷达相关产品的人密切关注。5. 雷达感知产品化的真实成本与工程挑战讲完趋势和场景必须回到最现实的问题想基于雷达感知做产品到底要花多少钱、踩多少坑、过多少坎。5.1 成本结构拆解不只有模组价格很多老板第一次接触雷达方案听到模组报价第一反应是“太贵了”。但雷达模组的BOM成本其实只占总成本的一部分。一个完整的雷达感知方案成本构成包括以下几个层面成本项说明占比参考雷达模组天线、射频芯片、MCU/DSP、PCB板30%-40%算法授权部分方案商的跌倒检测、呼吸监测算法按烧录/授权收费10%-25%结构件与天线设计外壳材质对雷达射频性能影响大往往需要开模打样10%-20%系统集成与测试标定、场景模拟、可靠性测试、认证20%-35%这里面最容易低估的是结构和天线联调这一项。雷达模组装在金属外壳里天线性能可能衰减30%以上装在透明亚克力外壳里反射和折射又会影响波束形状。如果产品外壳是ID设计师只考虑美观设计出来的到了雷达测试阶段几乎必然要返工。所以做雷达感知产品ID设计阶段就必须有射频工程师深度参与等到原型机做出来再发现信号不行返工成本非常高。算法授权也是个容易预估偏差的项。很多方案商的“免费算法库”只覆盖基础的人体存在检测跌倒检测、呼吸监测、人数统计都属于增值算法按每台设备收license费用。批量到一个量级之后可以谈阶梯价格但前期小批量试产时算法授权费甚至可能超过模组本身的成本。5.2 真实工程环境测试中的常见坑展会上跟几位正在做雷达感知产品化项目的老朋友聊出来一堆踩坑经验。以下都是真金白银换来的教训。第一环境温度对雷达性能的影响超出预期。毫米波雷达的射频前端对温度漂移敏感室外场景暴晒和寒夜之间检测距离和信噪比会明显变化。有些厂商会放一颗温度传感器做补偿校正但低端方案往往没有这个设计。如果你的产品要过CE欧洲符合性或者CCC中国强制性产品认证高低温测试这一关躲不过去买方案时务必确认供应商有没有做过完整的高低温验证。第二多台雷达共存的干扰问题在展会演示中很少暴露但在真实公寓、办公室场景几乎必然遇到。多个雷达模组在同一空间工作彼此的发射信号可能落入对方的接收频带形成互扰。目前行业主流的解决手段包括时分复用不同雷达错开工作时间、频偏错开不同雷达使用略微错开的频段、波形编码通过调制序列区分同频信号。但这些都是方案商自己的“土办法”有没有做充分的干扰验证你跟供应商聊两句就能问出来。第三毫米波雷达对某些布料和材质有透射或强反射现象。现场测试时木门、石膏板对雷达的影响其实不大雷达能轻松探测到门后的人员活动但金属门窗、镜面、玻璃则会形成强烈的多径反射产出一堆虚假目标点云。展会上一家做智能门锁的厂商就在吐槽他们的门锁旁边就是金属防盗门室外的走动目标经过金属门反复反射雷达产生了严重的“幻影目标”最后不得不调整天线倾角和检测区域来规避。5.3 认证与合规容易被忽视但足以致命的一环雷达感知产品要上市销售需要满足无线电型号核准国内、CE-RED欧洲、FCC北美等多重认证要求。毫米波雷达的工作频段在24GHz和60GHz附近各国对这两个频段的功率限制、占空比要求、带外杂散指标都有严格规定。带外杂散就是一个非常令硬件团队头疼的指标。雷达芯片的本地振荡器和谐波分量可能泄漏到工作频段之外如果落在5GHz Wi-Fi频段附近就会对室内无线网络产生干扰。认证测试不过关的雷达模组基本都是卡在这个环节。部分方案商会把模组做成屏蔽罩全包裹结构来抑制杂散但这会推高成本。选型时一定要求供应商提供现有的认证报告复印件确定他们在法规层面的底子是干净的。6. 给正在考虑做雷达感知产品的人几点经验文章最后我不想做什么宏大总结分享几个自己从实践中获得的小经验和判断兴许能帮你少走一些弯路。第一雷达感知选型一定要带着你的具体产品形态和应用场景去聊供应商不要只拿“我要做跌倒检测”这句话去询价。你需要提前想清楚产品安装在什么高度朝哪个方向探测覆盖多大区域室内还是室外有没有玻璃、金属、大面积家具这些物理参数直接决定天线选型、波束设计和算法调参方向。你给供应商的信息越具体拿到的方案就越靠谱。第二别迷信“算法平台”这个词。现场很多厂商都说自己能提供“全栈算法能力”但你问到底层如何处理强干扰、如何做多目标跟踪很多就含糊其辞了。建议让供应商当场跑一个你指定场景的测试比如让你的同事在雷达前做几个不同的动作直接观察输出结果。纸面性能指标再漂亮不如现场五分钟实测来得真实。第三关于要不要自己做雷达信号处理能力我的建议是除非你的团队已经有射频和信号处理领域的资深工程师否则不要轻易自研算法。雷达感知涉及天线设计、射频调试、信号处理、目标跟踪、模式识别每个环节都是深水区。更务实的路径是先把优秀模组快速集成起来跑通产品用市场反馈验证需求等技术积累到了一定程度再考虑在上层算法上做差异化。第四密切关注行业标准的进展。如果后续真出了统一的雷达感知数据接口规范整个行业的开发方式会迎来一次大洗牌。已经在这方面投入的从业者未来切换供应商、扩展方案的能力会强很多还没行动的团队建议提前关注并预留好软件架构层面的兼容性避免把自己绑死在某家方案商的私有协议上。雷达感知能不能成为物联网行业的下一个规模化爆发点没有人能给出百分之百的答案。但从这届深圳物联网展会传递出的信号来看技术成熟度、成本曲线、政策环境、市场需求这几个关键变量都在朝着有利的方向演进。对站在物联网产品一线的从业者来说现在入场不算早但绝对还来得及抢占先机。