（报告出品方/作者：中信建投证券，何俊艺、程似骐、陶亦然）
报告综述：激光雷达赛道价值何在？ 目前主流的感知传感器均有自身性能局限性，单纯从技术性能维 度看，激光雷达是感知硬件的最优解，智能化是一个消费属性极 其显著的赛道，其意义在于提升消费者的驾乘体验（主要指 ADAS），智能化包括感知、决策、控制三个环节，激光雷达是 感知层面的核心传感器。此外，搭载激光雷达也是特斯拉以外的 主机厂在智能化层面实现弥补软件算法实现弯道追赶的核心。
空间格局：预计全球约 200 亿美元，全球范围竞争格局尚不清晰 我们测算 25/30 年全球激光雷达市场空间将达到 129/195 亿美元， 20-25 年 GAGR 为 49.21%，25-30 年 GAGR 为 8.63%。25/30 年 我国激光雷达市场空间将达到 62.96/77.75 亿美元，20-25 年 GAGR 为 39.95%，25-30 年 GAGR 为 4.31%。格局层面来看，呈 现全球范围充分竞争，国内外企业技术差距较小，业内厂商产品 策略包括两类：从机械式过渡或是直接布局固态和固态的厂商。 此外，行业存在华为、大疆等科技巨头介入，整体研发实力较强， 研发进度和产品落地速度较快。整体而言格局尚不清晰。
技术趋势：激光雷达必不可少，半固体与固态是趋势 特斯拉在感知层面使用的是无激光雷达的视觉方案，我们认为其 余主机厂并不会效仿特斯拉；从产品形态维度来看，机械式、半 固态、纯固态，三种形态产品技术同源性较弱。目前机械式激光 雷 达 技 术 成 熟 度 较 高 ， 但 主 要 应 用 在 对 成 本 较 不 敏 感 的 Robotaxi/Robobus 及实验领域，且后期降本难度较大难过车规。 中期维度看我们认为半固态激光雷达将会是乘用车 ADAS 场景 短期内的主流解决方案，目前半固体转镜方案已有产品车规，后 期半固体 MEMS 车规级振镜方案也将逐步有产品落地且降本潜 力较大。长期维度看纯固态技术的成本和稳定性都有较大潜力， 是技术上的最优解，但是短期受限于产业链成熟度较低。
一、概况：智能驾驶核心感知部件，受供需双重驱动核心结论：感知、决策与控制是自动驾驶的三个核心环节，激光雷达从功能层面来看属于感知层传感器， 其产品优势尤其在高阶智能驾驶阶段将会逐渐体现。激光雷达行业发展的催化短期维度主要受到需求拖动以及 供给革新。需求侧来看，智能化是主机厂产品性能做出差异化的核心，同时目前各主机厂在智能化量产进度层 面落后于特斯拉，激光雷达能够从硬件层面帮助主机厂短期实现追赶，提速智能化进展。2020-2021 年期间众 多传统 OEM 以及造车新势力纷纷表示将在后续量产车型中搭载激光雷达；供给侧来看，目前激光雷达行业仍 处于技术迭代的初期，以华为、大疆为代表的科技巨头进军激光雷达产业，推动技术革新；此外，全球激光雷 达公司陆续上市进入资本市场，产融结合助益研发投入。长期维度来看，由于高阶自动驾驶中对于传感器的数 量和精度都有更高的要求，对激光雷达的需求将随着自动驾驶的渗透率的增长而持续攀升。
1.1 激光雷达是什么？
感知、决策与控制是自动驾驶的三个核心环节，激光雷达从功能层面来看属于感知层传感器，可配合摄像 头、毫米波雷达、高精度地图、GPS 定位等收集车身周边信息，确定车辆周边路况。
探测原理：主要包括激光发射、激光接收和信息处理三个模块，通过测量激光信号的时间差和相位差来确 定目标物体距离并创建出清晰的 3D 图像。
根据测距原理，激光雷达主要分为飞行时间测距法（ToF）和连续波调频法（FMCW），前者在产业链成 熟度上更领先，成为当前市场上主要采用的方法；ToF 与 FMCW 能够实现室外阳光下较远的测程（100~250m）， 稳定性高，是车载激光雷达的优选方案。ToF 通过直接测量发射激光与回波信号的时间差，基于光在空气中的 传播速度得到目标距离信息。FMCW 方案将发射激光的光频进行线性调制，通过回波信号与参考光进行相干拍 频得到频率差，从而间接获得飞行时间反推目标距离。FMCW 法的优势在于高信噪比、抗干扰以及所需发射功 率低，对人眼安全。ToF 是目前市场车载中长距激光雷达的主流方案，未来随着 FMCW 激光雷达整机和上游产 业链的逐步成熟，ToF 和 FMCW 有望在市场上并存。
1.2 行业驱动要素：需求拖动，供给革新，高阶智能驾驶加速渗透
1.2.1 短期维度：需求拖动，供给革新
短期来看，激光雷达主要受到供、需两个维度的持续催化：
第一，需求侧来看，智能化是主机厂产品性能做出差异化的核心，同时目前各主机厂在智能化量产进度层 面落后于特斯拉，激光雷达能够从硬件层面帮助主机厂实现追赶，提速智能化进展。2020-2021 年期间众多传 统 OEM 以及造车新势力纷纷表示将在后续量产车型中搭载激光雷达；
第二，供给侧来看，目前激光雷达行业仍处于技术迭代的初期，研发投入需求较大，以华为、大疆为代表 的科技巨头进军激光雷达产业，推动技术革新（性能提升，成本下降）；此外，全球激光雷达公司陆续上市进 入资本市场，产融结合助益研发投入。
需求维度：2021 年开始较多主机厂集中布局激光雷达，2021 年有望成激光雷达元年。我们认为，造车新势 力在配置层面一直较为激进，可对行业起到一定程度示范效应，而长城、长安、吉利等可走量的国内一线自主 品牌的应用代表行业的普及率有望快速提升。包括小鹏、长城、北汽、蔚来、丰田、本田、宝马、沃尔沃、长 安、吉利、广汽等车企纷纷预计从 2021 年推出激光雷达量产车型。2021 年 1 月 1 日，小鹏汽车宣布与激光雷 达厂商 Livox 达成合作，将在 2021 年推出的全新量产车型上使用其生产的小鹏定制版车规级激光雷达；2021 年 1 月 9 日，蔚来在 NIO Day 上发布了其新车型 ET7，该车型的其中一大亮点便是搭载了目前线数最高的固态激光雷达；2021 年 1 月 20 日，长城 WEY 品牌全新旗舰车型摩卡线上发布，新车将在 2021 年第一季度上市， 也将搭载固态激光雷达；本田曾宣布为了搭载获得日本国土交通省认定的 L3 级自动驾驶功能，将在 2021 年 3 月 31 日前上市的旗舰车型 LEGEND 上配置 5 个激光雷达。
供给维度：行业处于技术革新前期，科技巨头入局激光雷达，业内公司批量上市实现产融结合推动研发；
目前激光雷达仍处于技术迭代初期，性能和成本均面临技术瓶颈，前期研发费用需求较大，以 2017-2020Q3 时间维度来看，禾赛科技（均值=77.58%）、Velody（均值=43%）、Luminar（均值=284.95%）、Innoviz（均值 =2761.4%）等相关上市公司历年研发费用率水平均较高。
华为激光雷达研发始于 2016 年，激光雷达团队启动“爬北坡战略”。2020 年 12 月，华为正式发布了车规 级 96 线中长距前装量产激光雷达，并于北汽新能源高端品牌 ARCFOX 旗下的极狐 HBT 率先搭载，该款产品具 备了 120°×25°大视野，足以应对城区、高速等场景的人、车测距诉求，全视场测距可达 150 米。同时作为 车规级产品，此款激光雷达小体积，适合前装量产车型需求。为了满足未来激光雷达市场的需求，华为还建立 了第一条车规级激光雷达的 Pilot 产线，目前为已按照年产 10 万套/线在推进，后期将面向百万级量产需求。
大疆创新内部孵化的独立子公司 Livox（览沃科技）于 2016 年成立。此次 Livox 为小鹏量身定制的激光雷 达基于 Livox 车规级激光雷达平台——浩界（Horiz）进行开发，该款激光雷达首次提出并实现了全新的“超帧 率”激光雷达技术概念，通过旋转棱镜式类固态技术方案，可在 10 赫兹帧率下升维获取 20 赫兹的点云效果， 在没有增加额外激光发射成本的情况下将点云线束效果提升至等效 144 线。同时该产品的探测距离将达到 150 米量程，单台 Horiz 小鹏定制版的横向 FOV 为 120°，大广角的点云视野将会极大提升整车应对侧方车辆加塞 等场景的能力。
全球头部激光雷达企业上市融资，业务拓展持续加速。2020 年海外头部激光雷达公司 Velodyne、Luminar、 Innoviz 陆续通过 SPAC 登陆美股。中国激光雷达公司禾赛科技于 2021 年 1 月向上交所科创板提交招股说明书， 拟在科创板上市募资 20 亿元，有望成为国内首家上市的激光雷达公司。我们认为，目前激光雷达公司的营收利 润体量均较小，而激光雷达行业目前尚处于技术革新初期，研发费用高企，上市有望助益产融结合，夯实加速 研发推进和相关产品加速落地。
1.2.2 长期维度：高阶自动驾驶渗透率逐步提升
长期维度来看，由于高阶自动驾驶中对于传感器的数量和精度都有更高的要求，对激光雷达的需求将随着 自动驾驶的渗透率的增长而持续攀升。根据 IHS Markit 数据，L2 级及以上自动驾驶系统在中国乘用车市场的渗 透率已经从 2018 年的 3.0%增长至 2019 年的 8.0%。预计到 2025 年，这一数字将攀升至 34.6%，年均复合增长 率预计达到 34.03%。L3 级别自动驾驶在中国乘用车市场的渗透率将从 2021 年的 0.4%增长至 2025 年的 3.5%； L4 级别的渗透率将从 2023 年的 0.01%增长至 2025 年的 1.2%。
随着智能驾驶级别的提升，智能驾驶汽车需要实现的复杂的应用场景越来越多，对感知部件的数量需求也 随着上升。根据麦姆斯咨询，激光雷达在 L1-L2 级别中并非必不可少，但在 L3 级别智能驾驶开始使用，在 L4-L5 级别使用数量逐渐增加。在 L4 和 L5 级别中，智能驾驶汽车分别需实现特定场景的完全自动驾驶和不限场景的 完全自动驾驶，激光雷达在此过程中发挥的作用愈加重要。我们认为随着未来高级别自动驾驶系统渗透率的不 断提升，激光雷达的普及率将大幅提升。
二、空间格局分析：预计全球约 200 亿美元，全球竞争格局尚不清晰2.1 市场空间：预计 25/30 年全球空间 129/195 亿美元
核心结论：我们测算 2025/2030 年全球激光雷达市场空间将达到 129/195 亿美元，2020-2025 年年均复合增 速为 49.21%，2025-2030 年年均复合增速为 8.63%。2025/2030 年我国激光雷达市场空间将达到 62.96/77.75 亿美 元，2020-2025 年年均复合增速为 39.95%，2025-2030 年年均复合增速为 4.31%。2025-2030 年行业市场空间增 速放缓主要由于激光雷达成本显著下降影响。若是从激光雷达出货量维度来看，我们测算 2025/2030 年全球激 光雷达出货量将达到 2183/7687 万个，2020-2025 年年均复合增速为 92.63%，2025-2030 年年均复合增速为 28.63%。 2025/2030 年我国激光雷达出货量将达到 1093/3354 万个，2020-2025 年年均复合增速为 75.73%，2025-2030 年 年均复合增速为 25.15%。
基于不同场景拆分来看： ADAS 领域：2025/2030 年全球市场空间将达到 105/147 亿美元，2020-2025 年年均复合增速为 59.33%， 2025-2030 年年均复合增速为 6.98%。2025/2030 年我国市场空间将达到 53/64 亿美元，2020-2025 年年均复合增 速为 15.38%，2025-2030 年年均复合增速为 29.73%。 Robotaxi/Robotruck 领域：2025/2030 年全球市场空间将达到 24 和 48 亿美元，2020-2025 年年均复合增速 为 43.36%，2025-2030 年年均复合增速为 3.99%。2025/2030 年我国市场空间将达到 10 和 13 亿美元，2020-2025 年年均复合增速为 27.14%，2025-2030 年年均复合增速为 5.92%。 核心参数假设：
第一，关于乘用车和 Robotaxi/Robobus 的销量；我们假设 2021-2025 年全球乘用车销量同比增速分别为 15%/4%/3%/2%/2%，2025-2030 年全球乘用车销量 GAGR 为 1%；对于 Robotaxi/Robobus 的量，参考 YOLE 预 测 2025、2030 年的量分别为 20 万/80 万辆；我们假设 2021-2025 年国内乘用车销量同比增速分别为 10%/5%/3%/3%/2%，2025-2030 年国内乘用车销量 GAGR 为 1.59%；由于我国 Robotaxi 企业提前布局且智能化 整体水平高于全球，目前百度、文远知行、小马智行等已在城市的特定区域开展 Robo-taxi 业务，我们预计未来 我国 Robotaxi 数量将占全球的 1/3，对于 Robotaxi/Robobus 的量，我们预计 2025、2030 年的量分别为 6.67 万/26.67 万辆；
第二，关于智能驾驶各级别的渗透率；参考 IHS 预测，2025 年和 2030 年全球 L3 级别渗透率为 15%和 30%， L4 级别以上渗透率为 5%和 10%。考虑到国内智能化进展进度快于全球水平，假设 2025 年和 2030 年我国 L3 级别渗透率分别为 18%和 35%，L4 级别以上渗透率分别为 8%和 12%；
第三，关于单车激光雷达数量；参考麦姆斯咨询数据，我们预计 2025 年以前 L3 级别 ADAS 系统平均需要 1 颗激光雷达，L4 级别以上平均需要 3 颗；而 2030 年 L3 级别 ADAS 系统平均需要 2 个，L4 级别以上平均需 要 4 颗。此外，我们假设 Robotic Car 单车平均搭载 4 颗激光雷达；
第四，关于激光雷达单价；假设 2025 和 2030 年辅助驾驶领域激光雷达平均单价将分别降至 500 美元、200 美元。而 Robotaxi/Robobus 搭载的激光雷达平均单价于 2025 和 2030 年将降至 3000 美元和 1500 美元。
2.2 格局分析：当前布局机械式和半固态厂商较多，行业存在科技巨头入局
激光雷达的产业链上游主要为光学和电子元器件供应商，中游是以 Velodyne、Luminar 为代表的激光雷达 企业，下游客户主要是整车厂（ADAS 场景）、出行服务商（Robotaxi/Robobus）和 Tier 1 企业等。
上游：激光雷达的结构包含激光发射、激光接收、扫描系统和信息处理四大部分，其中应用了大量的光学 和电子元件。激光器方面，以 VCSEL 垂直共振腔表面放射激光器为代表的半导体激光器成为激光雷达应用中的 主流，主要供货商有滨松、Lumentum、艾迈斯（ams）等。光束控制器方面，激光雷达厂商主要通过自主研发 或投资并购掌握 MEMS 转镜、振镜技术，零部件提供商的代表企业则有 Opus，滨松，知微传感等。光电探测 器及接收器 IC 市场目前掌握在国外巨头如 FirstSensor、安森美（OnSemiconductor）、滨松手中。
中游：由海外厂商 Velodyne，Luminar，Innoviz 为首的激光雷达制造厂从技术上配合自动驾驶主要的应用 场景，国内的禾赛科技、速腾聚创、镭神智能等初创企业成为新进参与者。除此之外，还有谷歌、华为、大疆 等科技企业独立开发激光雷达技术。
下游：按应用场景划分，激光雷达下游产业链主要分为 ADAS 辅助驾驶系统、无人驾驶 Robotaxi/Robobus、 服务机器人和车联网。高级辅助驾驶的下游企业主要包括整车厂和 Tier 1；无人驾驶 Robotaxi/Robobus，主要包 含无人驾驶公司、人工智能科技公司以及出行服务提供商，如国外的 Waymo、GM Cruise、Uber、Lyft 等，国 内的小马智行、文远知行、百度、商汤科技、滴滴等；服务机器人领域的下游企业包括机器人公司和消费服务 业企业，如国外的 Nuro、Deka Research、Canvas Build，国内的高仙、优必选、新石器、阿里巴巴、京东、美 团等，具体的应用场景有无人配送、无人清扫、无人仓储等；车联网方向的下游企业主要是车联网方案提供商， 如百度、金溢科技、星云互联等。根据沙利文测算，2025 年高级辅助驾驶、无人驾驶、服务机器人和车联网领 域分别占激光雷达市场总规模的 34.64%、26.30%、5.26%和 33.81%。
中游头部激光雷达厂商布局各个技术方向，均与主机厂、Tier1 有合作，相互竞争激烈。海外激光雷达企业 技术上具有先发优势，较有代表性的有 Velodyne、Luminar、Innoviz、Ouster、Aeva 等多家企业。其中 Velodyne、 Luminar 均于 2020 年在纳斯达克上市，Aeva、Innoviz 预计 2021Q1 完成上市，Ouster 预计 2021 年上半年完成。
激光雷达行业格局存在以下几点特征：
第一，从产品形态来看，分为从机械式过渡以及直接布局半固态和固态的厂商；第一类是以机械式激光雷 达为主，前期产品主要针对 Robotaxi/Robobus/Robotruck 以及智能驾驶实验场景，机械式激光雷达价格昂贵， 前期通过量产获得稳定现金流，后期同步或逐步布局半固态、固态激光雷达技术；第二类直接瞄准 ADAS 车规 级激光雷达产品——半固态或固态激光雷达，预计在未来几年内完善技术达到车规级标准；
第二，行业存在华为、大疆等科技巨头介入，整体研发实力较强，研发进度和产品落地速度较快；
第三，呈现全球范围充分竞争的势态，由于行业处于技术迭代初期，同时各个技术路线之间的技术同源性 低，目前尚没有出现具备绝对领先优势的龙头企业。
前期在机械式激光雷达领域积累深厚，后期逐步转型的企业包
Velodyne、禾赛科技、速腾聚创等企业 Velodyne 在机械式激光雷达领域布局早，技术较为成熟，有 16 线、32 线、64 线等多类产品在售，官方定 价分别为 8 千美元、4 万美元和 8 万美元。在此基础上，公司开发了环视混合固态激光雷达、定向固态激光雷 达、圆顶固态激光雷达等产品，其中环视混合固态激光雷达的量产产品包括 Puck、UltraPuck 和 AlphaPrime 等 系列；定向固态激光雷达量产的有 Velarray 系列；圆顶固态激光雷达的 VelaDome 还未量产。此外，公司还自研 了 ADAS 软件算法 Vella，向主机厂提供软硬件一体化解决方案。 禾赛科技和速腾聚创选择了与 Velodyne 相同的发展路径。禾赛科技产品以机械式激光雷达为主，包括 Pandar40、Pandar64、Pandar128、PandarQT、Pandora 等。此外，禾赛科技也逐步向半固态激光雷达拓展，2019 年禾赛科技发布了远距前向式半固态激光雷达 PandarGT，自主开发高速二维振镜系统和光纤激光器两项核心器 件。禾赛科技在满足车规标准的前提下大力控制成本，其核心策略是以价格优势抢占 Velodyne 的市场份额。同 样线束的机械式激光雷达，国产价格为 Velodyne 的三分之一至二分之一。此前 Velodyne64 线产品售价为五十至 六十万元，而禾赛科技相同线束的产品仅需二十多万元，价格上有明显优势。
直接布局半固态、纯固态产品的企业包括 Luminar、Aeva、华为、大疆等企业 Luminar 专注于 MEMS 激光雷达核心，旗下产品有 Iris 和 Hydra，其中 Iris 可探测 80m 范围内的道路、150m 范围内的车道以及 250m 范围内的物体，最高探测距离为 500m。该产品计划于 2022 年量产，能实现 L3 以上自 动驾驶级别的单价为 1000 美元，实现 L1-L2 级别的单价为 500 美元。公司激光雷达产品可用于乘用车、商用车 以及 Robotaxi/Robobus，截至 2020 年底，公司量产合作伙伴包括沃尔沃、戴勒姆卡车以及丰田。
Aeva 布局芯片化 FMCW 连续波调频激光雷达，目前市场上并无批量销售的产品，已知与奥迪自动驾驶子 公司合作为乘用车提供传感器，并于 2020 年宣布与 ZF（采埃孚）达成生产合作。Aeva 计划于 2021Q1 完成纳 斯达克上市。
三、技术趋势探讨：激光雷达必不可少，半固体与固态是趋势3.1 技术方案维度：用不用激光雷达？
3.1.1 有哪些方案？
智能驾驶依托传感器感知周围环境。针对不同功能场景和自动驾驶等级，智能驾驶感知层对传感器的需求 也有所不同，其中车载摄像头、毫米波雷达、超声波雷达和激光雷达最为常见。
车载摄像头：低成本，精度较差，易受天气影响；车载摄像头通过镜头采集外部数据并根据算法进行图像 识别，能够感知车辆周边的路况，实现前向碰撞预警，车道偏移报警和行人检测等 ADAS 功能。汽车摄像头根 据摄像头个数可以分为单目、双目和多目，根据安装位置可以分为前视、后视、侧视、环视。目前技术成熟且 价格便宜，但是精度较差，需要借助深度算法，且易受恶劣天气影响，逆光和光影复杂环境下效果较差，难以 实现全天候测距。
毫米波雷达：精度高且不受天气影响，但对非金属物体探测能力弱；毫米波雷达是通过发射及接收毫米波， 分析折返时间测距。毫米波雷达发射出去的电磁波主要以电磁辐射为主，介于厘米波和光波之间，毫米波兼有 微波制导和光电制导的优点，能够大范围检测车辆的运行情况，可实现自适应巡航、自动紧急刹车等 ADAS 功 能。其最大优势在于可弥补摄像头的不足，具有精度高、指向性好、探测性能强的特点。此外，毫米波雷达对 大气的衰减小，穿透雾、灰尘的能力强，因此抗干扰性较强，还能够全天候全天时工作。但毫米波雷达的固有 属性使得其对行人等非金属物体反射波较弱，难以对行人进行识别。
超声波雷达：局限于近距离低速场景应用；超声波雷达是基于超声波固有的声波折射、反射、干涉等基本 物理特性而形成的。常见超声波雷达有两种：第一种是安装在汽车前后保险杠上，用于测量汽车前后障碍物的 倒车雷达；第二种是安装在汽车侧面，用于测量侧方障碍物距离。其优势是造价较低，可大量配置，数据处理 简单，且不受光照条件影响，不过由于超声波散射角大，方向性较差，测量远距离目标的回波信号较弱，只能 探测近距离物体。此外，由于超声波传播速度较慢，当汽车高速行驶时，使用超声波测距无法跟上汽车的车距 实时变化，误差较大。
激光雷达：精度高探测能力强，易受天气影响，当前成本较高；激光雷达通过向被测目标发射激光，测量 反射或散射信号的到达时间、强弱程度等数据，以确定目标的距离、方位、运动状态及表面光学特征。激光雷达通过采取的点云数据，利用 3D 建模构建数据模型，被认为是实现高级别自动驾驶不可或缺的传感器。优势 是具有极高的距离分辨率、角分辨率和速度分辨率，能有效提升车辆的高精度识别性能，大幅提高整车的感知 能力。此外，相比于毫米波雷达，激光雷达能加强对行人、静态障碍物、小物体等障碍物的监测能力；相比于 摄像头，激光雷达的探测距离更远。不过易受恶劣天气、自然光和其他激光雷达影响，且目前成本相对较高。
3.1.2 特斯拉：采用无激光雷达的视觉主导方案
特斯拉在电动化和智能化层面各细分领域技术方向对于行业技术趋势均具有前瞻意义，但目前特斯拉智能 驾驶感知层面并未用到激光雷达。 当前自动驾驶感知技术路线主要分为视觉主导和激光雷达主导，视觉主导具有成本优势，而激光雷达主导 具有实现高阶自动驾驶的潜力。目前大部分自动驾驶企业都将激光雷达作为其传感器解决方案的重点，而特斯 拉则采用低成本计算机视觉硬件搭配复杂神经网络的解决方案，放弃费用高昂的激光雷达。
从特斯拉的感知硬件传感器层面来看：特斯拉于车身周围共装配有 1 颗前置毫米波雷达、8 颗车载摄像头、 12 颗超声波雷达，其中含有 1 个三目前置摄像头，以其为主视眼，协同其他摄像头构成 360°环绕视野，探测距离最远达到 250 米，前置毫米波雷达可视范围达 160 米。摄像头摄取的环境数据在经过视觉算法处理后，系统 将通过深度学习模型进行自我训练，从而达到全范围认知路况，增进系统控制精度的目的。
从原理维度来看：特斯拉智能驾驶系统主要包括图像搜集、特征提取、训练学习、整体评估、对比改进等 五个步骤。五个步骤形成一个完整的数据闭环，使得特斯拉 Autopilot 系统从被动学习（从真实数据中进行判断） 到主动学习（通过深度学习进行预测判断）。
第一，感知传感器收集图像信息；特斯拉的感知系统由摄像头、毫米波雷达、超声波雷达、高精地图等组 成。车载辅助驾驶系统需要先认识路牌、道路规则、行人等后再进行判断。汽车的感知系统负责探测车辆内外 环境，包括驾驶员操作行为、车辆定位、环境可见度、路障等；
第二，通过神经网络进行深度学习提取图像特征；在车辆驾驶环境中，由于道路和驾驶情况极端复杂，辅助驾驶系统需要同时处理几十乃至上百的运算任务，为了提高效率同时降低任务处理难度，特斯 拉采用 HydraNets 架构的深度学习神经网络，该架构首先将运算任务输入到一个大型的共享骨干网络上， 骨干网络共有 8 个小网络，运算任务也将被分成 8 份到各个小网络中，每个小网络单独训练和学习那一 小部分的图像和信息、提取物体外部特征、距离有效信息，以降低整体运算难度、提升运算效率；
第三，采用 PyTorch 进行分布式训练；随着车辆增多、数据提取量提升，过多的数据会占用数据 集容量。此外，单纯的通过真实数据进行逻辑判断也会随着数据量提升而产生运算压力。特斯拉的解决 办法是缩小数据收集范围，且除真实数据以外还需要具备预测能力。特斯拉采用 PyTorch 进行分布式训 练，不断训练计算机自主对路径、外界物体的判断和规划能力，让算法自动从数据中学习并判断行为， 模仿学习的使用可以很大程度减少工程师投入到路径规划上的工作量；
第四，通过对模拟结果和实际结果评估、对比，对错误部分进行修正；特斯拉认为需要缩小数据收集范围， 所以并非所有的数据都会被采集。特斯拉通过训练神经网络来模仿真实驾驶行为，当车辆行驶时后台神经网络 就开始运行，当模拟结果和驾驶员真实操作相违背的时候，相关数据会被上传，这部分数据是算法预测错误的， 也是最有价值的部分。修正神经网络学习结果并为数据打上标签，为下次相似操作提供更好的依据，这个模式 也被称为“影子模式”。
3.1.3 特斯拉的局限体现在哪些地方？
特斯拉自动驾驶方案有其局限性；特斯拉采用的视觉主导方案在精度、稳定性以及视野都有局限，暂时无 法满足 L3 级别以上的自动驾驶需求。主要原因是摄像头形成二维图像会存在失真的可能性，相比三维信息更难 挖掘，需要更强大的算法、大量数据的训练以及更长期的研发投入。由于视觉主导方案对于数据积累和算法训 练过于依赖，在经过复杂少见的道路环境时安全性受到严重挑战。
特斯拉自动驾驶系统的局限性来自于三个方面：
第一，视觉方案对样本数量和深度学习算法要求高，样本的局限性直接决定了视觉方案是否有效；
第二，毫米波雷达局限性以及驾驶员监控技术局限性；
第三，摄像头距离检测难度大，在恶劣环境下精准度难以保持；
但由于摄像头之间的相对位置在对距离检测精确度影响很大，在车辆高速 行驶的过程中任何微小颠簸都会导致摄像头的相对位置产生变化，因此需要进行实时标定，难度系数高。
而且 多个摄像头会放大单个摄像头的距离测量误差，使得预判结果与实际状况偏离更大。此外，摄像头易受恶劣天 气影响，逆光和光影复杂环境下效果较差，难以实现恶劣天气下依旧保持精准测距。 关于特斯拉自动驾驶的事故近年时有发生，2020 年 6 月 1 日，一辆处于 AutoPilot 开启状态，且时速保持在 110 公里的特斯拉 Model3 径直撞向一辆侧翻的厢式货车顶部。
专家认为事故原因：第一，货车白色箱体对阳光 具有比较剧烈的反射，影响了摄像头的识别；第二，视觉算法训练数据的局限性，一般自动驾驶视觉训练的是 识别车辆后部、侧面以及头部，并无考虑到箱体顶部；第三，考虑到容易对墙面、桥梁、交通路牌等静止物体 产生误报，现阶段 AEB 系统对毫米波雷达的置信度权重下降，感知结果以视觉感知为主，从而导致事故的发 生。
“伪激光雷达”方案仍不完美；特斯拉 AI 高级总监 Andrej Karpathy 于 2020 年举提出特斯拉正在研究“伪 激光雷达”方案（pseudo-LiDAR）。该方案可通过不同方向的摄像头进行拼接，进行视觉深度估计，再投影到 鸟瞰图，作为局部导航地图使用。同时，将画面的每个像素都进行深度估计，如同激光雷达点云，形成 3D 目 标检测。“伪激光雷达”方案不仅成本低廉，可缩短纯视觉技术架构与激光雷达间的性能差距，但是在实验效 果上该方案的检测性能还无法完全与激光雷达媲美，而且专家质疑基于视觉的方案对图像清晰度有很大的依赖 性，对摄像头像素以及光纤强弱要求很高，解决这些难题仍需时间。
3.1.4 特斯拉采用视觉方案原因：“软件服务商”的商业模式前期需要低成本铺量
我们认为特斯拉前期未采用激光雷达方案，主打视觉方案的核心原因主要与其后期商业模式定位有关，同 时视觉方案更加能够体现并构筑特斯拉擅长的算法壁垒。
第一，从商业模式维度，特斯拉定位“软件服务商”，前期需要走量“铺渠道”，走量的核心是低成本；
第二，视觉主导方案“轻感知、重算法”，特斯拉在数据、算力、算法的优势可以构筑领先其余主机厂的 相对技术壁垒。
数据优势：特斯拉作为最早搭载自动辅助驾驶系统的电动车品牌，拥有全球规模最大的辅助驾驶车队，截 止 2020 年 4 月，特斯拉累计上路行驶里程以达到 48 亿公里，远超其他竞争对手，掌握全球最多一手资料。排 名第二的 Waymo 截至 2019 年 10 月累计上路行驶里程约为 1609 万公里，仅为特斯拉的 1/30，且需重金雇佣车 队，成本效益低。庞大的数据量使得特斯拉在高精度地图、障碍物识别等方面的数据积累显著领先于竞争对手。 此外，与大多数自动驾驶初创公司大量采用模拟数据进行算法学习不同，特斯拉车队采集的全部为现实数据， 数据质量更高，更加有利于算法迭代更新；
算法优势：特斯拉搭建自身的算法架构，并自研核心计算芯片，提升软硬件协同性能。特斯拉推行的“影 子模式”将甄别后的有效图像感知数据、驾驶员行为习惯数据通过 OTA 回传，增加有效的训练数据集合，提升 神经网络训练的准确度。而现有主机厂的图像感知算法来自于 Mobileye 或者英伟达等，自身并不具备较强的算 法能力，且不容易得到图像、驾驶员行为习惯等数据的回传。此外，特斯拉车队采集的全部为现实数据，数据 质量更高，更加有利于算法迭代更新。目前，特斯拉正在研发 Dojo 超强计算机，使得训练数据不仅停留在图片 层面，Dojo 支持对大量视频数据进行非监督学习，目标是以较低的成本实现算法性能的指数级提高。若研发完 成，特斯拉与其他主机厂在深度学习算法上的差距将进一步拉大；
算力优势：横向看，特斯拉的 FSD 芯片采用 14nm 工艺制造，包含 3 个四核 Cortex-A72 集群，共 12 个运 行于 CPU、1 个运行于 GPU、2 个运行于 NPU。目前，特斯拉 FSD 核心计算芯片单颗芯片算力高达 72TOPS， 远高于市面上已经量产的其他车载芯片；纵向看，目前，特斯拉据称与三星合作研发新款 HW4.0 自动驾驶芯片， 用于实现 4DFSD（四维完全自动驾驶）功能，芯片将采用 5nm 工艺制造，预计 2021 年第四季度将大规模量产， 且性能将是上一代 HW3.0 的三倍，芯片研发迭代速度快。
我们认为，虽然特斯拉在电动化和智能化领域均具备较为显著的相对优势，其技术路线对于行业趋势均具 备前瞻意义，但我们认为后期其余主机厂效仿特斯拉视觉主导方案的可能性较小，主要基于以下几点原因：
第一，其余主机厂须通过激光雷达实现弯道超车（我们认为这是最核心的原因）；
第二，激光雷达降本指日可待；
第三，激光雷达在 L3 级以上不可或缺。
3.2 产品形态维度：用什么激光雷达？
从应用场景划分来看，激光雷达应用场景主要包括 Robotaxi/Robobus、乘用车 OEM 端 ADAS 系统、机器 人服务领域等，我们主要讨论汽车领域的 Robotaxi/Robobus、乘用车 OEM 端 ADAS 系统。目前 Robotaxi/Robobus 领域以实现 L4-L5 级别智能驾驶为主，主要包括出行类以及科技巨头，如谷歌、百度、图森、文远等；乘用车 ADAS 目前主要以实现 L3（L2+或 L3+）级别智能驾驶为主，主要是实现自动泊车、定速巡航、自适应巡航等 智能驾驶辅助功能，主要包括特斯拉等下游主机厂。在 Robotaxi/Robobus 领域（TO B 端）高成本的机械式激光 雷达已经量产，而 ADAS 领域对成本较为敏感（TO C 端），机械式激光雷达由于成本问题无法应用到 ADAS 领域，后期主要是在半固体和固态领域实现技术方案突破。 从产品形态维度，激光雷达可以分为机械式、半固态和纯固态激光雷达，我们认为能否过车规、成本是否 合适将是决定哪种形态成为主流的核心影响要素。激光雷达要达到车规级，需要通过车规振动、冲击、温度循 环等试验，同时还要兼具寿命问题，从成本维度来看，满足车规级的同时还需要兼备上百线速（或等效线速）、 数百万点频以及百元美金价格级别； 机械旋转式激光雷达是目前最为成熟的技术方案，目前已经在 Robotaxi/Robobus 以及实验领域得到广泛应 用，但成本较高，高线数机械激光雷达价格平均在 3000 美金以上，后期难以实现车规级。
我们认为半固态激光雷达将会是乘用车 ADAS 场景短期内的主流解决方案，半固态激光雷达的本质还是机 械式激光雷达，只是指将部分机械部件集成到单个芯片，在微观尺度上实现激光发射端的扫描方式的变化，较 大程度地降低了成本和产品体积，目前仅有半固态转镜方案（SCALA、大疆等）可过车规，而 MEMS 振镜方 案目前尚未过车规，但从目前各个厂商的技术储备来看，除了大疆、Ibeo 的转镜方案，其余厂商储备的 MEMS 振镜方案较多，预期中期维度 MEMS 方案会是 ADAS 领域较为主流的技术方案。从长期技术发展趋势来看， 最佳的方案是高度集成化的纯固态激光雷达，固态激光雷达是指将所有光学器件集成到芯片上的一体化方案，能够进一步提升可靠性并且控制成本，通过半导体的工艺把核心部件集成在芯片上，从而达到成本可控和可量 产的成熟度，纯固态技术由于上游核心电子元件、技术支持不成熟，距离大规模量产尚有距离。但长期来看， 纯固态技术的成本和稳定性都有较大潜力，是技术上的最优解。
OPA 方案的纯固态激光雷达尽管有着可控性好、成本低的优点，但其生产难度较高；而 Flash 雷达虽然稳 定性和成本上有优势，但其探测距离较近。这两种方案都是未来激光雷达技术发展的方向。整体来看，机械式， 半固体，纯固体三种类型激光雷达的技术同源性较弱，存在不同的技术壁垒，导致迭代路径差异较大。
3.2.1 机械式激光雷达：高精度高成本，无法过车规
原理：整体旋转；通过电机带动光机结构整体旋转的机械式方案，激光脉冲发射器、接收器等元器件都会 随着扫描模块进行 360°旋转，从而生成一个立体点云，实现对环境的感知扫描。
性能优劣势：精度高成本高；优点是可以单台实现 360 度扫描，信噪比高，精度高。但由于物理极限和成 本高等因素限制，装配和调制困难，扫描频率低，生产周期长，成本居高不下。增加线束可增加精度，即增加 激光发射器和接收器数量，因此成本与精度成正比。
技术难点：标定矫正；理想状态下，多线束激光从坐标系原点射出，但实际应用中每个激光雷达安装位置 不同，光束的水平方位角也有差异。为了解决这个问题，每个激光器都有一组校准标定参数，对每个激光束的 位置和方向进行标定。以 Velodyne 的 64 线产品为例，出厂时对每束激光校准参数进行标定，使用时还须对该 校准参数进行重新标定。机械旋转式激光雷达的应用需要大量重复的校准工作，在校正不能实现自动化的情况 下，严重限制了产量和成本潜力。
能否过车规：否；由于其机械部件寿命不长（1000-3000 小时），旋转机械式激光雷达只能用于自动驾驶的 研发领域，难以满足车规级要求（10000 小时以上）。再加上价格高昂和维护成本高等因素，目前没有旋转机 械式激光雷达满足车规级要求。
量产进度：自动驾驶研发；谷歌、百度、Uber 研发的无人驾驶汽车皆搭载了 Velodyne 的 64 线高精度机械 雷达 HDL-64E（8 万美金），福特 Fusion Hybrid 搭载了 16 线激光雷达 VLP-16（7999 美金）。
当前成本和后期预期下降成本：成本高难降本；Velodyne 生产的 16、32、64 线激光雷达售价分别为 4 千 美金、4 万美金、8 万美金。速腾聚创生产的 16 线、32 线雷达售价分别在 3 万人民币、13 万人民币。镭神智能 的 16 线、32 线雷达售价分别为 1.2 万人民币、3 万人民币。由于人工成本与光源数量直接相关，高线数机械式 雷达成本居高不下，未来降价空间较小。另外、由于使用中扫描模块不停旋转，导致感知精度在出厂 0.5-1 年后 大幅降低，还需要考虑返厂、维护成本。行业认为，纯机械雷达的价格区间决定了其不适用于量产车载的应用。
代表厂商：除去行业龙头的 Velodyne 以外，生产机械式激光雷达的厂家还有法雷奥、禾赛科技、速腾聚创、 Waymo 等。
3.2.2 半固态-转镜方案：当前主流的 ADAS 场景技术路线，已过车规
原理：部分机械元件可动；取代了传统的机械式方案，收发模块保持不动，通过旋转光镜或棱镜的方式实 现特定轨迹的扫描。 性能优劣势：体积小不稳定；其优势在于减少了需要的光源，同时提高关键区域的扫描密度，从而解决了 机械式方案笨重、体积大的痛点。但转镜方案中电机驱动的方式造成了一定不稳定性，对光源功率要求也较高， 该技术仍有提升的空间。
技术难点：光学系统控制机制和转轴精度；技术难点在于光学系统的控制机制和转轴的精密度，光镜旋转 的频率和幅度都会影响光路。为了实现精密度高的扫描效果需要控制转轴的精密度。 能否过车规：已过；转镜激光雷达是目前唯一满足车规级要求的方案。
量产进度：已量产；2017 年奥迪发布了全球首款搭载激光雷达的量产汽车奥迪 A8，使用了法雷奥和 Ibeo 联合开发的首个车规级激光雷达 SCALA（转镜方案）。2020 年，镭神智能自主研发的 CH32 混合固态雷达成为 全球第二个获车规认证的激光雷达。此后，大疆 Livox 发布了小鹏定制版车规级激光雷达 Horiz，成为第一个量 产的国产激光雷达。
当前成本和后期预期下降成本；由于使用了更少的激光收发元件，转镜激光雷达较机械式激光雷达有较大 幅度的成本优势。大疆发布的转镜式激光雷达 Horizon 和 Tele-15 售价分别为 6499、8999 元人民币。长期来看， 半固态转镜激光雷达的稳态价格将在 1000 美金左右。
代表厂商：法雷奥、Innovusion、大疆 Livox、Luminar、禾赛科技、北科天绘、镭神科技等。小鹏 x 大疆 Livox 览沃科技：应用双光楔棱镜扫描器的半固态转镜雷达 2021 年 1 月 1 日，小鹏汽车宣布与大疆孵化的 Livox 览沃科技达成合作，将在 2021 年推出的全新量产车型 上使用其生产的小鹏定制版车规级激光雷达，Livox 也正式成为小鹏汽车在激光雷达领域的首家合作伙伴。
原理：双光楔棱镜结构；应用了 RPUPS 棱镜系统，根据折射定律通过两棱镜的绕轴独立旋转来实现出射光 束的指向调整。此方案有着结构紧凑、准确性高、速度快、偏转角度大、动态性能好等优点。除了扫描器，其 他部分与传统机械式激光雷达基本没有差别。这类激光雷达扫描出的点云是花瓣形的，中央密度高，外围密度 低。它的特性与人的眼睛类似，越靠近中央的信息密度越高，这是典型的非重复扫描，扫描的时间越长，点云 密度就越高。
性能及优劣势：精度高但延迟大；累计扫描的激光雷达可以穿透灰尘、雨雪、大雾等不受天气影响。本次 Livox 供给小鹏汽车的是基于 Horizon 的定制产品 Horiz，该产品将探测距离由 90 米提升至 150 米，点云密度也 提升近 2 倍，达到等效 144 线水平。更密集的点云输出可以更快检测到远处路面细小的目标物体，环境感知的 精度达到了车规水平。缺点在于缺乏实时性，扫描时间越长效果越好，以及点云数据离散度高。这就意味着无 法压缩数据，只能以原始数据处理，对数据运算系统要求比较高，需要单独开发算法。
量产进度：年产 10 万台；Livox 宣称，供给小鹏的 Horiz 激光雷达组装线本身将实现 10 万台级别的年均产 能，并可基于前装量产客户的增长需求在 3 个月之内实现扩线扩能。
3.2.3 半固态-MEMS 振镜方案：后期有望过车规，降本潜力大
原理：微振镜扫描；MEMS 激光雷达通过硅基芯片上微振镜以一定谐波频率的振荡来反射激光器的光线， 从而以超高的扫描速度形成高密度的点云图，由此改变单个发射器的发射角度进行扫描，形成较广的扫描角度 和较大的扫描范围。
性能优劣势：性能高但探测面积受限制；相比机械式，MEMS 激光雷达还具有芯片化、无机械组件等优点， 兼顾车规量产与高性能的需求。但 MEMS 激光功率较低，有效距离较短，且激光扫描范围受微振镜面积限制， 视野 FOV 相对较窄。
技术难点：振镜小型化、控制机制；一方面是光束能力损耗大，由于微振镜的面积限制，其振动角度有限， 导致视场角受到限制（＜120°）。后期需要突破 MEMS 振镜的小型化、控制机制等技术难点。 能否过车规：当前无；目前 MEMS 振镜方案没有过车规的产品，RoboSense（速腾聚创）推出的车规级 MEMS 固态激光雷达 RS-LiDAR-M1 计划于 2021 第二季度启动。
量产进度：欧系品牌；宝马和沃尔沃分别规划在 2022 年的量产车型上搭载 Innoviz Pro 和 Luminar H-Series。
当前成本和后期预期下降成本：低至数百元美金；半固态式方案有较大的成本潜力，相较于转镜方案可以 进一步控制成本：Luminar 通过工程优化以及公司开发的 ASIC 芯片减少了光电探测器中铟镓砷的用量，使光学 接收器的成本从数万美金降至 3 美元。Luminar 认为，他们能将 MEMS 固态激光雷达制造成本降低到 500-1000 美元；华为宣称，要将成本压缩至 200 美元。
代表厂商：目前可提供 MEMS 振镜方案的公司有：禾赛科技、速腾聚创、镭神智能、Luminar、Innoviz、 Aeva、Pioneer、华为等。
华为：发布车规级高性能半固态 MEMS 微振镜激光雷达方案
2020 年 12 月，华为首次面向公众正式发布车规级高性能激光雷达产品和解决方案，正是极狐 HBT 量产搭 载的 96 线中长距激光雷达产品。这款 96 线中长距激光雷达产品可实现城区行人车辆检测覆盖，并兼具高速车 辆检测能力，更符合中国复杂路况下的场景。这次发布的雷达性能优越：可以满足大视野 120 度的扫描，从而 应对城区、高速等场景的测距诉求；全视野中，水平、垂直线束均匀分布，不存在拼接、抖动等情况。并且体 积小，适合前装量产车型需求。
原理：多线程微振镜扫描器；2020 年 7 月世界知识产权组织国际局公布了华为一项有关激光雷达的专利， 发明名称为一种多线程微振镜激光测量模组和激光雷达。该方案应用了 MEMS 微振镜扫描器，同时借鉴了机械 激光雷达的做法，采用了多个发射和接收组件，利用 MEMS 振镜的垂直扫描密度易于控制的优点，使同线数下 的华为产品所含有的激光发射接收模组的数量处于机械激光雷达和 MEMS 激光雷达之间，在提升功率和控制成 本之间实现了平衡。华为专利采用机械激光雷达的做法，使用多个发射和接收组件，而不是传统 MEMS 激光雷 达的单个组件。图中画出了三个测距模组，分别是 100a、100b、100c，每个模组包括三个元件，分别是激光发 射器、分光镜、接收器。出射光束通过反射镜，再经过 MEMS 微振镜二维扫描摆动，实现扫描效果。每个测距 模组结构完全一致，分时发射激光束，从专利披露的立体结构图来看，7 个模组贡献了等效 96 线的扫描效果。性能及优劣势：性价比高；相较于传统 MEMS 激光雷达，华为设计的体积和成本都有所增加，但是性能也 增加了。在反射率 10%的情况下，短距离激光雷达的有效距离达到了 80 米，而传统 MEMS 激光雷达通常只有 一半，即 40 米。功率的增加让 MEMS 振镜尺寸缩小，FOV 扩大。由于华为在光电领域产业庞大，规模效应突 出，采购激光发射器和接收器的成本远比传统激光雷达要低。
量产进度：年产 10 万台；在产能供应上，华为表示，有信心成为全球第一个真正车规的高线束激光雷达的 供应商。据了解，华为快速建立了第一条车规级激光雷达的第一条 Pilot 产线。面向百万级量产需求，华为已按 照年产 10 万套/线在推进，以适应未来大规模量产需求。
3.2.4 纯固态 OPA 方案：技术壁垒最高的纯固态方案
原理：光波相干原理；OPA 激光雷达是运用相干原理的方案，采用多个光源组成阵列，通过调节发射阵列 中每个发射单元的相位差来改变激光的出射角度，通过控制各光源发射的时间差，可以合成角度灵活、精密可 控的主光束，实现对不同方向的扫描。
性能优劣势：集成度高，信噪比低；相比 MEMS，OPA 完全取消机械结构，体积更小，对温度和振动的适 应性更强、成本更低。但 OPA 方案易形成旁瓣效应，还有光信号覆盖有限，环境光干扰等问题。
技术难点：初创技术壁垒高；目前技术难点集中于硅基半导体材料结构，例如如何减小阵列串扰、提高热 稳定性等问题。
能否过车规：否；目前没有激光雷达厂送检。
量产进度：预计 2023 年；目前来看，OPA 激光雷达制造工艺难度大，产业链不完善，短期产业化难度大。 该方案尚在理论阶段，预计将在 2023 年实现量产。
当前成本和后期预期下降成本：当前成本高，降本潜力大；当前 OPA 激光雷达没有市场报价。行业认为， OPA 方案研发成本极高，但有巨大成本潜力。Quanergy 预计，未来 OPA 激光雷达价格有望下探至 250 美金。 有专家称，600 平方毫米的 OPA 硅光芯片预计原材料成本可控制在 40 美元以内。
代表厂商：OPA 固态激光雷达的代表性厂商有：Quanergy、力策科技。
3.2.5 纯固态 Flash 方案：瞬时形成环境图像的高度集成方案
原理：面阵激光；Flash 激光雷达指一次闪光（激光脉冲）成像的激光雷达，在发射端采用面光源，短时间 发射出一大片覆盖探测区域的面阵激光，再以高度灵敏的接收器来完成对周围环境图像的绘制。
性能优劣势：无延迟距离短；Flash 激光雷达的优势在于能够瞬时记录整个场景，没有延迟，因此能应用于 高速公路场景。其纯芯片构造又有体积小、安装位置灵活、稳定性高的优点。缺点在于由于光能量的分散导致 可探测的距离短，仅在几十米以内。
技术难点：增加探测距离；由于光源的能量被分散到整个面，能量相对较少，为了实现长距离的精确扫描， 该技术需要对光源的发射、接收方式进行创新。
能否过车规：当前无，预计后期可过车规；行业认为 Flash 激光雷达没有任何运动部件，是绝对的固态激 光雷达，能够达到最高等级的车规要求。
量产进度：长城&Ibeo；长城汽车计划在 WEY SUV 量产车型中使用 Ibeo 的 Flash 技术，应用新一代固态 激光雷达 Ibeo NEXT 作为自动驾驶传感器系统中的核心组成部分，以实现 L3 级别的自动驾驶。
当前成本和后期预期下降成本；由于研发成本较高，目前 Flash 产品价格较高。Ouster 预计，2024 年实现 量产的 ES2 售价将达到 600 美金，而且未来可降至 100 美金以下。
代表厂商：Flash 固态激光雷达的代表性厂商有：Ouster、IBEO、Leddar Tech、大陆。
三种产品形态激光雷达技术同源性较低；
机械式激光雷达、半固态激光雷达、固态激光雷达的技术壁垒分 别在于机械部件的校准、光学元件的工程设计、以及硅基芯片材料和感光二极体材料的研发。三者技术迭代路 径差异较大，技术同源性较弱。比较来看，纯机械旋转方案与半固态的转镜方案原理近似，皆是使用透镜和转 镜改变光路，实现 3D 扫描的效果，但后者的集成度更高。半固态的微振镜技术引入了 MEMS 微振镜，芯片化 的微振镜代替原本的转镜矩阵实现了改变光路的效果，与原本的机械式方案同源度较低。纯固态方案则摈弃了 独立的光镜设置，是集成度最高的方案。Flash 应用了激光脉冲的原理，OPA 应用了光波相干的原理，这两项方 案的激光发射接收方式和数据处理方式皆不相同。因此，纯固态两种方案的技术同源性也较弱。
混合固态式雷达与机械式雷达应用场景不同，在现阶段混合固态方案量产趋势最显著。在激光雷达诞生初 期，行业需要高精度的产品完成自动驾驶实验室及小规模车队的测试，从而验证技术的可能性。因此，在此阶 段摈弃了成本和车规可靠性等标准，使用了性能优先的纯机械雷达。如今，面对商业潜力更大的乘用车 ADAS 场景，整车厂优先考虑可靠性、可量产型、成本以及外观尺寸，因此选择了混合固态式的激光雷达。
2021 年中国造车新势力的蔚来和小鹏分别宣布将要搭载 Innovusion 和大疆 Livox开发的两款转镜半固态激 光雷达。奔驰和奥迪皆选用了法雷奥的 Scala 系列转镜半固态方案，同时也是第一款车规级的激光雷达方案。 宝马、沃尔沃则是选择了 MEMS 振镜路线，分别与以色列企业 Innoviz（2022 年）和美国企业 Luminar（2022 年）进行合作。另一方面，长城汽车选定了 Ibeo 作为供应商，将要在 2021 年发布的 L3 级车型上搭载 Flash 纯 固态激光雷达。量产化趋势基本反映了技术发展趋势，混合固态方案成为短期主流，少数车企率先布局纯固态 方案。
从技术发展趋势来看，高度集成化的纯固态方案是最优解，能够进一步提高精度、降低成本、增强可靠性。 通过半导体工艺把核心部件集成在芯片上，固态激光雷达无需旋转的机械部件，最大程度地减少了例如电机、 轴承等可动机械结构带来的磨损，同时消除了光电器件因为机械旋转可能造成的故障。随着系统可靠性的不断 提升和生产规模的扩大，固态激光雷达的生产成本也可大幅降低，最终解决了机械式激光雷达量产成本高的问 题。
固态激光雷达将会逐渐成为车载激光雷达的主流方案。根据 Yole 预测，固态激光雷达的销售额占比将会从 2025 年的 4.78%增加至 2030 年的 37.25%；销量占比将会从 2025 年的 11.83%增加至 2030 年的 52.6%。到了 2023 年，固态激光雷达的出货量将会超过机械式激光雷达。在各技术路线实现降本的趋势下，整车厂将选择降 本幅度更大、稳定性更高的固态激光雷达。
3.3 降本路径分析结论：机械式激光雷达成本较高，其中光电系统约占成本 70%，后期降本主要通过增加光路扫描角度以减 少 IC 芯片组从而达到高线数雷达的效果，我们认为半固体的转镜或是棱角方案比较类似机械式激光雷达降本 的形式。半固态转镜方案成本占比大头主要是主板以及光学组件，整体成本占比达到 70%，半固体棱角方案光 学模组成本占比约 54%。半固体 MEMS 成本大头主要是集成电路（约占 47%）。MEMS 降本核心主要来自光 电探测器、发射器等。纯固态雷达的 OPA 和 Flash 方案的降本途径在于芯片以及激光探测器的材料结构研发，这两种方案仍在发展早期，有较大的的成本潜力。
3.3.1 机械式成本拆解及降本路径
机械式激光雷达成本拆解：机械式激光雷达本质上是一个由激光器、扫描器、光学组件、光电探测器、接 收 IC 以及位置和导航器件等零件组成的光机电系统。其中，光电系统成本约占整机成本 70%，光电系统由激光 雷达发射模组、激光雷达接收模组，测时模组和控制模组四部分所构成。此外，由于机械式激光雷达需要校对， 人工调试成本大概占 25%。
纯机械式激光雷达以及半固态转镜雷达的降本途径类似：通过增加光路扫描的角度，减少使用 IC 芯片组， 达到等效高线数雷达的效果。从成本角度分析，N 线机械式激光雷达需要 N 组 IC 芯片组，每线激光雷达的成 本为 200 美金。以 Livox 览沃科技本次供给小鹏的车规级 Horiz 为例，其双光楔的光学结构帮助光路实现更大角 度的偏转，从而以六组 IC 芯片组实现了等效 144 线的效果。相比较于 Velodyne 的 128 线产品，Livox Horiz 实 现了较大幅度的降本。
3.3.2 半固体成本拆解及降本路径：
半固态转镜方案成本拆解：以 Ibeo 和法雷奥合作开发的 Scala 为例，作为全球首款搭载在量产汽车上的激 光雷达，Scala 是一款四线式混合固态激光雷达，采用转镜方案。硬件部分主要包含激光单元、旋转扫描镜和主 板，其光源是高功率激光二极管，探测器是雪崩光电二极管（APD）阵列。参考 Systemplus Consulting 测算， Scala 的主板成本占比达到 45%、激光单元占比 23%、光学单元占比 13%、机械式激光硬件占比 10%。Scala 线 束较低，2017 年供货奥迪时售价为 200 欧元，约合 240 美元。
MEMS 微震镜成本拆解：L515 是英特尔于 2019 年推出的 RealSense 激光雷达摄像头系列的第一款产品， 主要为室内应用而设计，是英特尔专门针对室内距离捕捉而优化的小型高精度设备。L515 采用了 MEMS 微震 镜扫描技术，其中视觉处理器和 MEMS 微镜控制器为英特尔自己研发，电源管理芯片由亚德诺半导体提供，加 速度计和陀螺仪由博世提供，200 万像素图像传感器由豪威科技提供，MEMS 微镜由意法半导体提供。据 Techinsights 核算，集成电路（IC）成本占比最高，达到 47%，L515 总成本为 35.08 美元，零售价为 349 美元。 此外，在车载 MEMS 激光雷达中，MEMS 微震镜是重要的成本和技术制约因素。成本上看，MEMS 微振 镜在车载激光雷达中尺寸要求较大，根据 Innoluce 报价，7.5mm 微振镜的价格在 1199 美元，成本高昂。技术上 看，MEMS 微振镜从消费级向车规级的升级中也需要克服复杂的技术难点。因此，部分厂商如禾赛科技、Innoviz、 Luminar 均选择自研 MEMS 微振镜。应用了 MEMS 振镜方案的激光雷达有多种降本途径：实现 MEMS 微振镜的降本或是光电探测器、发射器 的降本。厂商面临的挑战是在实现降本的同时保证激光功率，在该方面技术领先的企业有绝对的价格优势。 Luminar 以使用 1550 纳米的 InGaAs 光电探测器为特色，其使用的激光器功率是传统硅光电系统的 40 倍，不仅 信噪比高、有效距离高，还能够保证人眼安全。通过自研的铟镓砷激光接收器，Luminar 将接收器的成本从数 万美元降至 3 美元，激光雷达整体成本下降到 500-1000 美金的范围。另一方面，国内厂商华为宣称可以将 MEMS 激光雷达成本降至 200 美金以内，考虑到其应用的多线程 MEMS 振镜设计减少了光学元件的成本以及其光学产 业链布局的成本优势。
3.3.3 纯固态成本拆解及降本路径
纯固态方案去除了机械运动部件，可以大大压缩激光雷达的结构和尺寸，从根本上降低了成本。其中，基 于 OPA 方案的激光雷达具有精度高、扫描速度快、可控性好等特点，但生产难度高，其核心器件是光控相控阵 芯片。而基于 Flash 方案的激光雷达稳定性好，成本较低，但探测距离较近，其关键部件是焦平面探测器阵列。
纯固态雷达的 OPA 和 Flash 方案的降本途径在于芯片以及激光探测器的材料结构研发，这两种方案仍在发 展早期，有较大的的成本潜力。OPA 光学相控阵的核心技术并不成熟，突破时间漫长。OPA 芯片的实现方法有 多种：波导类 OPA、化合物波导 OPA、液晶空间光、化合物单元阵列等，行业内最热门的技术方案为硅波导 OPA。长期来看该方案成本可下探至 250 美金。Flash 激光雷达使用高功率的 VCSEL 激光发射器以及 InGaAs 材质的 SPAD 探测器，两种元件的成本皆较为昂贵。德国大陆汽车在性能和成本间平衡，其成本不超过 300 美 金，量产后还可再降 100 美金左右。
四、投资评价和建议：从产品视角观测企业能力核心结论：激光雷达行业目前处于技术迭代初期，行业相关技术路线、产品形态仍在不断革新。我们认为 机械式、半固体、固体三种形态激光雷达的技术同源性较弱，难以从某一种产品形态的技术领先去预判后期相 对优势。但对于激光雷达厂商而言，产品是一个较为显性的观察指标，我们认为判断激光雷达厂商的竞争优势 的核心应该观测其 ADAS 应用场景相关车规产品的落地进度，以及相应产品的性能和成本。通过对各家供应商 产品进行梳理，我们认为 Luminar、Innovusion、大疆 Livox、华为、速腾聚创、Ibeo 等厂商当前具备相对领 先优势。 我们从产品维度去划分激光雷达厂商能力，主要基于两个指标：
指标 1：当前是否有能够过车规的激光雷达产品，或者后期过车规产品的落地进度。对于激光雷达厂商而 言，主要市场是后期较为走量的乘用车 ADAS 领域，能否过车规是衡量其产品的核心。通常过车规指的是一方 面产品性能要好（通常测距＞150m，10%的反射率，以及具备较好的视场角和能量密度），此外需要具备较强 的可靠性（包括各个车厂对于寿命、使用时长、选材、外观设计的一套规定）。
指标 2：过车规产品的性能指标（测距，视场角，精度，成本等）。 在评价激光雷达产品性能时，可以用到多个技术指标：线束、探测距离、角分辨率、视场角范围、测距精 度、功耗和集成度。
线束：线束指激光雷达系统包含独立的激光收发 IC 芯片组的数目，通过提高激光雷达的线束可以获得更加 多的数据点，线束越高，精度越高，性能越好。
探测距离：车载激光雷达的探测距离应该在 100m 以上，好的情况下可以达到 150 到 200m，探测距离越高， 精度越高。
角分辨率：角分辨率是指激光点之间的距离，它决定了激光雷达三维建模的稀疏程度。举个例子，要看到 前方 100m 处 10cm 大小的物体，角分辨率需要达到 0.05°，这样的测准精度对激光雷达的要求很高。一般情况 下固态激光雷达的角分辨率在零点几度。
视场角范围：机械式激光雷达的水平视场角有 360°，一台机器即可完成对全环境的扫描。半固态及固态 激光雷达的视野范围比机械式激光雷达小，水平视场角通常在 100°-120°，需要三至四台拼接才能覆盖 360°。 垂直视场角通常在十几度到二十度。
测距精度：按无人驾驶的感知精度要求，车载激光雷达的测距精度应该达到 10cm 以内，好的情况下达到 2cm-5cm。
功耗：行车环境决定了激光雷达的工作温度范围在-40℃-+85 摄氏度。功耗低的产品散热负担更小。 集成度：固态激光雷达因为不使用机械结构件，体积和重量上比机械式和混合固态式更有优势，更易于集 成。
从指标 1 来看：目前 Ibeo、速腾聚创、Ouster、Luminar、华为、镭神、Innovusion、大疆均宣称有过车 规的半固体或固态产品，从推出时间节点来看，Ibeo（2021）、大疆（2021）、华为（2021）、Innovusion（2022）、 Innoviz（2022）、Luminar（2022）产品推出时间节点靠前。 Velodyne：目前量产产品基本都是机械式未过车规，有储备固态（2023 年）和半固态产品（2021 年）。 Ibeo：半固态产品 Scala 已过车规，最先过车规的激光雷达产品（2017 年），后期有储备固态产品 NEXT， 配套长城，预计已经过车规（2021 年量产）。 Quanergy：无过车规产品。 速腾聚创：前期主要是机械式为主，半固体 MEMS 振镜方案产品 RS-Lidar-M1 已过车规。 Ouster：有储备车规级固态激光雷达 ES2（2024 年）。 Innoviz：前期主要以半固体产品为主，半固体 MEMS 振镜方案产品 Innoviz Pro 已过车规，配套宝马，预 计 2022 年推出。 Luminar：半固体产品为主，半固体 MEMS 振镜方案产品 Iris 已过车规，配套沃尔沃、大众、福特等，预 计 2022 年推出。 华为：有半固体 MEMS 振镜方案产品过车规，预计 2021 年量产，配套北汽极狐。禾赛科技：前期机械式产品为主，目前暂无车规级产品发布。 镭神智能：前期半固体产品网为主，半固体产品 CH32。 Innovusion：半固体产品为主，目前发布了与蔚来合作的半固体车规级产品，预计 2022 年推出。 大疆 Livox：半固体产品为主，半固体转镜方案产品 Horiz 已经过车规，预计 2021 年供货，配套小鹏汽车。
从指标 2 来看：后期各厂商推出的车规级产品性能中，综合精度，测距，视场角，成本等因素来看，我们 认为 Luminar、Innovusion、大疆 Livox、华为、速腾聚创、Ibeo 等产品性能较好 Ibeo：NEXT（纯固态，等效 130 线；测距 250m（10%反射率）；视场角 60°×37.5°）。 速腾聚创：RS-LiDAR-M1（半固态转镜，等效 125 线，测距 200m，精度±5cm，视场角 120°×25°，预 计前期价格 1898 美元，量产后可达 200-500 美元；2020 年推出）。 Ouster：ES2（纯固态 Flash，测距 200m-10%反射率；精度±3cm；视场角 26°x13°，价格 600 美元，2024 年量产）。 Innoviz：Innoviz Pro（半固态-MEMS 振镜，等效 44 线；测距 80 米-10%反射率，视场角 73°x20°，价格 1000 美元，2022 年量产）。 Luminar：Iris（半固态-MEMS 振镜，等效 300 线；最远测距 500m；精度 1cm；水平视场角 120°；500-1000 美元，2022 年量产）。 华为：96 线车规级雷达性能相对一般（半固态 MEMS 振镜，96 线；测距 150m；角分辨率 0.1°；视场角 120°×25°；数百美元，2021 年）。 镭神智能：CH32 产品（半固态振镜方案，32 线；探测范围 300 米（70%反射率）；精度±2cm；视场角 120°x11°；1.8 万元，2021 年）。 Innovusion：蔚来合作车规级产品（半固态 MEMS 振镜+转镜，等效 300 线；最远探测范围 500 米；角度精 度 0.06°；视场角 120°×11°，2022 年）。 大疆 Livox：Horiz（半固态（转镜），等效 144 线；测距 150 米（反射率 10%），2021 年）。
五、风险分析第一，技术路线迭代风险；激光雷达行业目前仍处于技术演变初期，同时机械式、半固体、固态激光雷达 的技术难点差异较大，技术同源性较低，企业在某一代产品的技术领先优势可能在技术迭代过程中消失；
第二，格局风险；激光雷达是一个全球范围竞争的行业，小企业前期受限于体量以及研发费用投入，天然 上与大企业以及科技巨头存在竞争劣势；
第三，智能化渗透率推进不及预期；激光雷达在 L3 及以上智能驾驶层级的性能优势更加凸显，其渗透率与 L3 以上级别智能驾驶车型渗透率直接相关。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库官网】。