光學雷達專家 (LiDAR Specialist) 職涯全解析：自動駕駛的「數位眼睛」設計師
導讀：在黑夜與霧氣中，重建三維世界的雷射工匠。
如果相機是模仿人類的視覺，那光學雷達 (LiDAR) 就是超越人類的感知。光學雷達專家負責開發利用雷射脈衝探測距離的感測器，每秒發射數百萬個光點，在毫秒間勾勒出周遭環境的 3D 點雲圖。他們是自動駕駛、機器人服務與空間掃描技術的核心推手。
一、 產業生態與趨勢：從實驗室走向大眾市場
定位與影響力
LiDAR 專家位於「光電工程」、「數位信號處理」與「機械掃描」的交會點。從單價數萬美金的實驗室原型，到現在整合進高性能電動車（如小米 SU7, 路特斯）的平價感測器，LiDAR 專家正在決定未來交通的安全基準。
前瞻趨勢
- 固態雷達 (Solid-state LiDAR)：捨棄傳統的機械旋轉部件，轉向電子掃描 (OPA) 或閃爍式 (Flash) 技術，大幅提升耐用度並降低成本。
- 晶片級掃描 (Scanning-on-chip)：將所有光學組件整合進矽晶片中，縮小體積至手機大小，為手機上的 AR 體驗提供更多可能。
二、 職位深度拆解：從雷射驅動到點雲演算法
層級體系與權責
1. LiDAR 測試工程師 (Test Engineer)
- 核心任務：在不同光照、雨天、大霧環境下測試感測器的距離精度與噪聲表現。
- 關鍵能力：基本的物理實驗操作、Python 數據分析腳本、具備光電基礎。
- 常見挑戰：處理大量凌亂的點雲數據，並在惡劣氣候中維持設備穩定。
2. 光電硬體研發工程師 (Hardware R&D)
- 核心任務：設計高速脈衝雷射驅動器、開發高靈敏度的單光子雪崩二極體 (SPAD) 接收電路、解決熱發散問題。
- 關鍵能力：高頻電路設計、半導體光電元件物理、光學路徑校準。
3. 點雲算法專家 (Point Cloud Algorithm Expert)
- 核心任務：將原始的雷射回波轉化為清晰的 3D 結構、開發過濾背景雜訊的過濾器、實現與相機數據的融合 (Fusion)。
- 關鍵能力：線性代數、3D 電腦視覺、SLAM 演算法。
實戰工作流：專家的一天
- 09:30：分析昨日在高速公路實測的回波數據，尋找「黑色吸光物體」無法被偵測的原因。
- 11:00：調整雷射脈衝的掃描頻率，嘗試在功耗與解析度間取得平衡。
- 14:00：會同封裝部門討論「光學窗口」的玻璃抗汙處理。
- 16:30：優化點雲聚類演算法，提升對行人偵測的準確度。
- 19:00：研究歐盟最新的車規感測器安全標準。
三、 實戰痛點與解決方案：光的極限與妥協
1. 不同物體反射率的差異
痛點：黑色車身或吸光材料幾乎不反射雷射，導致在點雲中變成了「透明人」，極度危險。 解法：研發更高功率且對人眼安全的雷射波段 (如 1550nm)，並透過多幀堆疊技術提升暗處的信噪比。
2. 多部車輛間的相互干擾
痛點：當路上所有車都裝了雷射雷達，彼此發射的光會產生干擾 (Crosstalk)，導致誤報。 解法：導入調頻連續波 (FMCW) 技術，為每個雷達提供專門的編碼標籤，實現「互不干擾」的偵測。
四、 行業自述者：我賣的是「精準的空間感」
「我的工作是讓機器不再盲目，給予它們感知深度與障礙的直覺。」
我是 Ａndrew，在自動駕駛新創研發 LiDAR 5 年。這是一行非常硬的學門。你要懂高頻電子，也要懂精密的空間光學。最難忘的是有次我們開發的感測器成功在伸手不見五指的濃霧中，提前 200 公尺抓到了路邊的故障車。那一刻，你覺得你的專業真的能拯救生命。
給新進者的建議：
- 物理底子要厚：光的傳播、反射、吸收你要瞭若指掌。
- 不只是看軟體：這是一門硬體與軟體高度耦合的學問。
六、職位需求與工作內容完整解析
核心職責 (Job Responsibilities)
- 傳感器架構設計：決定波長、掃描方式與探測範圍。
- 光電路研發：負責發射端驅動與接收端信號處理。
- 場景算法優化：優化點雲數據，適應各種惡劣天候。
必備技能要求 (Required Skills)
硬實力
- 光電、物理、電機或資工碩博士。
- 熟練掌握 Python/C++ 及 3D 數學庫。
- 熟悉光學模擬軟體 (Zemax/Code V)。
軟實力
七、產業薪資與福利分析
台灣市場薪資概況
- 初階開發：年薪約 110萬 - 150萬 TWD。
- 資深工程師：年薪約 200萬 - 350萬 TWD。
- 演算法專家/架構師：年薪可達 400萬 TWD 以上，隨車聯網發展價值持續攀升。
結語
LiDAR 專家是建構未來移動社會的底層工程師。如果您對光電科技有著極致的追求，且希望能參與自動駕駛這場波瀾壯闊的革命，這份職涯將會是您的不二之選。