激光雷達行業(yè)深度研究價值空間格局趨勢探討

激光雷達行業(yè)深度研究-價值空間格局趨勢探討報告綜述：激光雷達賽道價值何在？

目前主流的感知傳感器均有自身性能局限性，單純從技術(shù)性能維

度看，激光雷達是感知硬件的最優(yōu)解，智能化是一個消費屬性極

其顯著的賽道，其意義在于提升消費者的駕乘體驗（主要指

ADAS），智能化包括感知、決策、控制三個環(huán)節(jié)，激光雷達是

感知層面的核心傳感器。此外，搭載激光雷達也是特斯拉以外的

主機廠在智能化層面實現(xiàn)彌補軟件算法實現(xiàn)彎道追趕的核心?？臻g格局：預(yù)計全球約

200

億美元，全球范圍競爭格局尚不清晰

我們測算

25/30

年全球激光雷達市場空間將達到

129/195

億美元，

20-25

年

GAGR為

49.21%，25-30

年

GAGR為

8.63%。25/30

年

我國激光雷達市場空間將達到

62.96/77.75

億美元，20-25

年

GAGR為

39.95%，25-30

年

GAGR為

4.31%。格局層面來看，呈

現(xiàn)全球范圍充分競爭，國內(nèi)外企業(yè)技術(shù)差距較小，業(yè)內(nèi)廠商產(chǎn)品

策略包括兩類：從機械式過渡或是直接布局固態(tài)和固態(tài)的廠商。

此外，行業(yè)存在華為、大疆等科技巨頭介入，整體研發(fā)實力較強，

研發(fā)進度和產(chǎn)品落地速度較快。整體而言格局尚不清晰。技術(shù)趨勢：激光雷達必不可少，半固體與固態(tài)是趨勢

特斯拉在感知層面使用的是無激光雷達的視覺方案，我們認為其

余主機廠并不會效仿特斯拉；從產(chǎn)品形態(tài)維度來看，機械式、半

固態(tài)、純固態(tài)，三種形態(tài)產(chǎn)品技術(shù)同源性較弱。目前機械式激光

雷

達

技

術(shù)

成

熟

度

較

高

，

但

主

要

應(yīng)

用

在

對

成

本

較

不

敏

感

的

Robotaxi/Robobus及實驗領(lǐng)域，且后期降本難度較大難過車規(guī)。

中期維度看我們認為半固態(tài)激光雷達將會是乘用車

ADAS場景

短期內(nèi)的主流解決方案，目前半固體轉(zhuǎn)鏡方案已有產(chǎn)品車規(guī)，后

期半固體

MEMS車規(guī)級振鏡方案也將逐步有產(chǎn)品落地且降本潛

力較大。長期維度看純固態(tài)技術(shù)的成本和穩(wěn)定性都有較大潛力，

是技術(shù)上的最優(yōu)解，但是短期受限于產(chǎn)業(yè)鏈成熟度較低。一、概況：智能駕駛核心感知部件，受供需雙重驅(qū)動核心結(jié)論：感知、決策與控制是自動駕駛的三個核心環(huán)節(jié)，激光雷達從功能層面來看屬于感知層傳感器，

其產(chǎn)品優(yōu)勢尤其在高階智能駕駛階段將會逐漸體現(xiàn)。激光雷達行業(yè)發(fā)展的催化短期維度主要受到需求拖動以及

供給革新。需求側(cè)來看，智能化是主機廠產(chǎn)品性能做出差異化的核心，同時目前各主機廠在智能化量產(chǎn)進度層

面落后于特斯拉，激光雷達能夠從硬件層面幫助主機廠短期實現(xiàn)追趕，提速智能化進展。2020-2021

年期間眾

多傳統(tǒng)

OEM以及造車新勢力紛紛表示將在后續(xù)量產(chǎn)車型中搭載激光雷達；供給側(cè)來看，目前激光雷達行業(yè)仍

處于技術(shù)迭代的初期，以華為、大疆為代表的科技巨頭進軍激光雷達產(chǎn)業(yè)，推動技術(shù)革新；此外，全球激光雷

達公司陸續(xù)上市進入資本市場，產(chǎn)融結(jié)合助益研發(fā)投入。長期維度來看，由于高階自動駕駛中對于傳感器的數(shù)

量和精度都有更高的要求，對激光雷達的需求將隨著自動駕駛的滲透率的增長而持續(xù)攀升。1.1

激光雷達是什么？感知、決策與控制是自動駕駛的三個核心環(huán)節(jié)，激光雷達從功能層面來看屬于感知層傳感器，可配合攝像

頭、毫米波雷達、高精度地圖、GPS定位等收集車身周邊信息，確定車輛周邊路況。探測原理：主要包括激光發(fā)射、激光接收和信息處理三個模塊，通過測量激光信號的時間差和相位差來確

定目標物體距離并創(chuàng)建出清晰的

3D圖像。根據(jù)測距原理，激光雷達主要分為飛行時間測距法（ToF）和連續(xù)波調(diào)頻法（FMCW），前者在產(chǎn)業(yè)鏈成

熟度上更領(lǐng)先，成為當前市場上主要采用的方法；ToF與

FMCW能夠?qū)崿F(xiàn)室外陽光下較遠的測程（100~250m），

穩(wěn)定性高，是車載激光雷達的優(yōu)選方案。ToF通過直接測量發(fā)射激光與回波信號的時間差，基于光在空氣中的

傳播速度得到目標距離信息。FMCW方案將發(fā)射激光的光頻進行線性調(diào)制，通過回波信號與參考光進行相干拍

頻得到頻率差，從而間接獲得飛行時間反推目標距離。FMCW法的優(yōu)勢在于高信噪比、抗干擾以及所需發(fā)射功

率低，對人眼安全。ToF是目前市場車載中長距激光雷達的主流方案，未來隨著

FMCW激光雷達整機和上游產(chǎn)

業(yè)鏈的逐步成熟，ToF和

FMCW有望在市場上并存。1.2

行業(yè)驅(qū)動要素：需求拖動，供給革新，高階智能駕駛加速滲透1.2.1

短期維度：需求拖動，供給革新短期來看，激光雷達主要受到供、需兩個維度的持續(xù)催化：第一，需求側(cè)來看，智能化是主機廠產(chǎn)品性能做出差異化的核心，同時目前各主機廠在智能化量產(chǎn)進度層

面落后于特斯拉，激光雷達能夠從硬件層面幫助主機廠實現(xiàn)追趕，提速智能化進展。2020-2021

年期間眾多傳

統(tǒng)

OEM以及造車新勢力紛紛表示將在后續(xù)量產(chǎn)車型中搭載激光雷達；第二，供給側(cè)來看，目前激光雷達行業(yè)仍處于技術(shù)迭代的初期，研發(fā)投入需求較大，以華為、大疆為代表

的科技巨頭進軍激光雷達產(chǎn)業(yè)，推動技術(shù)革新（性能提升，成本下降）；此外，全球激光雷達公司陸續(xù)上市進

入資本市場，產(chǎn)融結(jié)合助益研發(fā)投入。需求維度：2021

年開始較多主機廠集中布局激光雷達，2021

年有望成激光雷達元年。我們認為，造車新勢

力在配置層面一直較為激進，可對行業(yè)起到一定程度示范效應(yīng)，而長城、長安、吉利等可走量的國內(nèi)一線自主

品牌的應(yīng)用代表行業(yè)的普及率有望快速提升。包括小鵬、長城、北汽、蔚來、豐田、本田、寶馬、沃爾沃、長

安、吉利、廣汽等車企紛紛預(yù)計從

2021

年推出激光雷達量產(chǎn)車型。2021

年

1

月

1

日，小鵬汽車宣布與激光雷

達廠商

Livox達成合作，將在

2021

年推出的全新量產(chǎn)車型上使用其生產(chǎn)的小鵬定制版車規(guī)級激光雷達；2021

年

1

月

9

日，蔚來在

NIODay上發(fā)布了其新車型

ET7，該車型的其中一大亮點便是搭載了目前線數(shù)最高的固態(tài)激光雷達；2021

年

1

月

20

日，長城

WEY品牌全新旗艦車型摩卡線上發(fā)布，新車將在

2021

年第一季度上市，

也將搭載固態(tài)激光雷達；本田曾宣布為了搭載獲得日本國土交通省認定的

L3

級自動駕駛功能，將在

2021

年

3

月

31

日前上市的旗艦車型

LEGEND上配置

5

個激光雷達。供給維度：行業(yè)處于技術(shù)革新前期，科技巨頭入局激光雷達，業(yè)內(nèi)公司批量上市實現(xiàn)產(chǎn)融結(jié)合推動研發(fā)；目前激光雷達仍處于技術(shù)迭代初期，性能和成本均面臨技術(shù)瓶頸，前期研發(fā)費用需求較大，以

2017-2020Q3

時間維度來看，禾賽科技（均值=77.58%）、Velody（均值=43%）、Luminar（均值=284.95%）、Innoviz（均值

=2761.4%）等相關(guān)上市公司歷年研發(fā)費用率水平均較高。華為激光雷達研發(fā)始于

2016

年，激光雷達團隊啟動“爬北坡戰(zhàn)略”。2020

年

12

月，華為正式發(fā)布了車規(guī)

級

96

線中長距前裝量產(chǎn)激光雷達，并于北汽新能源高端品牌

ARCFOX旗下的極狐

HBT率先搭載，該款產(chǎn)品具

備了

120°×25°大視野，足以應(yīng)對城區(qū)、高速等場景的人、車測距訴求，全視場測距可達

150

米。同時作為

車規(guī)級產(chǎn)品，此款激光雷達小體積，適合前裝量產(chǎn)車型需求。為了滿足未來激光雷達市場的需求，華為還建立

了第一條車規(guī)級激光雷達的

Pilot產(chǎn)線，目前為已按照年產(chǎn)

10

萬套/線在推進，后期將面向百萬級量產(chǎn)需求。大疆創(chuàng)新內(nèi)部孵化的獨立子公司

Livox（覽沃科技）于

2016

年成立。此次

Livox為小鵬量身定制的激光雷

達基于

Livox車規(guī)級激光雷達平臺——浩界（Horiz）進行開發(fā)，該款激光雷達首次提出并實現(xiàn)了全新的“超幀

率”激光雷達技術(shù)概念，通過旋轉(zhuǎn)棱鏡式類固態(tài)技術(shù)方案，可在

10

赫茲幀率下升維獲取

20

赫茲的點云效果，

在沒有增加額外激光發(fā)射成本的情況下將點云線束效果提升至等效

144

線。同時該產(chǎn)品的探測距離將達到

150

米量程，單臺

Horiz小鵬定制版的橫向

FOV為

120°，大廣角的點云視野將會極大提升整車應(yīng)對側(cè)方車輛加塞

等場景的能力。全球頭部激光雷達企業(yè)上市融資，業(yè)務(wù)拓展持續(xù)加速。2020

年海外頭部激光雷達公司

Velodyne、Luminar、

Innoviz陸續(xù)通過

SPAC登陸美股。中國激光雷達公司禾賽科技于

2021

年

1

月向上交所科創(chuàng)板提交招股說明書，

擬在科創(chuàng)板上市募資

20

億元，有望成為國內(nèi)首家上市的激光雷達公司。我們認為，目前激光雷達公司的營收利

潤體量均較小，而激光雷達行業(yè)目前尚處于技術(shù)革新初期，研發(fā)費用高企，上市有望助益產(chǎn)融結(jié)合，夯實加速

研發(fā)推進和相關(guān)產(chǎn)品加速落地。1.2.2

長期維度：高階自動駕駛滲透率逐步提升長期維度來看，由于高階自動駕駛中對于傳感器的數(shù)量和精度都有更高的要求，對激光雷達的需求將隨著

自動駕駛的滲透率的增長而持續(xù)攀升。根據(jù)

IHSMarkit數(shù)據(jù)，L2

級及以上自動駕駛系統(tǒng)在中國乘用車市場的滲

透率已經(jīng)從

2018

年的

3.0%增長至

2019

年的

8.0%。預(yù)計到

2025

年，這一數(shù)字將攀升至

34.6%，年均復(fù)合增長

率預(yù)計達到

34.03%。L3

級別自動駕駛在中國乘用車市場的滲透率將從

2021

年的

0.4%增長至

2025

年的

3.5%；

L4

級別的滲透率將從

2023

年的

0.01%增長至

2025

年的

1.2%。隨著智能駕駛級別的提升，智能駕駛汽車需要實現(xiàn)的復(fù)雜的應(yīng)用場景越來越多，對感知部件的數(shù)量需求也

隨著上升。根據(jù)麥姆斯咨詢，激光雷達在

L1-L2

級別中并非必不可少，但在

L3

級別智能駕駛開始使用，在

L4-L5

級別使用數(shù)量逐漸增加。在

L4

和

L5

級別中，智能駕駛汽車分別需實現(xiàn)特定場景的完全自動駕駛和不限場景的

完全自動駕駛，激光雷達在此過程中發(fā)揮的作用愈加重要。我們認為隨著未來高級別自動駕駛系統(tǒng)滲透率的不

斷提升，激光雷達的普及率將大幅提升。二、空間格局分析：預(yù)計全球約

200

億美元，全球競爭格局尚不清晰2.1

市場空間：預(yù)計

25/30

年全球空間

129/195

億美元核心結(jié)論：我們測算

2025/2030

年全球激光雷達市場空間將達到

129/195

億美元，2020-2025

年年均復(fù)合增

速為

49.21%，2025-2030

年年均復(fù)合增速為

8.63%。2025/2030

年我國激光雷達市場空間將達到

62.96/77.75

億美

元，2020-2025

年年均復(fù)合增速為

39.95%，2025-2030

年年均復(fù)合增速為

4.31%。2025-2030

年行業(yè)市場空間增

速放緩主要由于激光雷達成本顯著下降影響。若是從激光雷達出貨量維度來看，我們測算

2025/2030

年全球激

光雷達出貨量將達到

2183/7687

萬個，2020-2025

年年均復(fù)合增速為

92.63%，2025-2030

年年均復(fù)合增速為

28.63%。

2025/2030

年我國激光雷達出貨量將達到

1093/3354

萬個，2020-2025

年年均復(fù)合增速為

75.73%，2025-2030

年

年均復(fù)合增速為

25.15%?；诓煌瑘鼍安鸱謥砜矗?/p>

ADAS領(lǐng)域：2025/2030

年全球市場空間將達到

105/147

億美元，2020-2025

年年均復(fù)合增速為

59.33%，

2025-2030

年年均復(fù)合增速為

6.98%。2025/2030

年我國市場空間將達到

53/64

億美元，2020-2025

年年均復(fù)合增

速為

15.38%，2025-2030

年年均復(fù)合增速為

29.73%。

Robotaxi/Robotruck領(lǐng)域：2025/2030

年全球市場空間將達到

24

和

48

億美元，2020-2025

年年均復(fù)合增速

為

43.36%，2025-2030

年年均復(fù)合增速為

3.99%。2025/2030

年我國市場空間將達到

10

和

13

億美元，2020-2025

年年均復(fù)合增速為

27.14%，2025-2030

年年均復(fù)合增速為

5.92%。

核心參數(shù)假設(shè)：第一，關(guān)于乘用車和

Robotaxi/Robobus的銷量；我們假設(shè)

2021-2025

年全球乘用車銷量同比增速分別為

15%/4%/3%/2%/2%，2025-2030

年全球乘用車銷量

GAGR為

1%；對于

Robotaxi/Robobus的量，參考

YOLE預(yù)

測

2025、2030

年的量分別為

20

萬/80

萬輛；我們假設(shè)

2021-2025

年國內(nèi)乘用車銷量同比增速分別為

10%/5%/3%/3%/2%，2025-2030

年國內(nèi)乘用車銷量

GAGR為

1.59%；由于我國

Robotaxi企業(yè)提前布局且智能化

整體水平高于全球，目前百度、文遠知行、小馬智行等已在城市的特定區(qū)域開展

Robo-taxi業(yè)務(wù)，我們預(yù)計未來

我國

Robotaxi數(shù)量將占全球的

1/3，對于

Robotaxi/Robobus的量，我們預(yù)計

2025、2030

年的量分別為

6.67

萬/26.67

萬輛；第二，關(guān)于智能駕駛各級別的滲透率；參考

IHS預(yù)測，2025

年和

2030

年全球

L3

級別滲透率為

15%和

30%，

L4

級別以上滲透率為

5%和

10%?？紤]到國內(nèi)智能化進展進度快于全球水平，假設(shè)

2025

年和

2030

年我國

L3

級別滲透率分別為

18%和

35%，L4

級別以上滲透率分別為

8%和

12%；第三，關(guān)于單車激光雷達數(shù)量；參考麥姆斯咨詢數(shù)據(jù)，我們預(yù)計

2025

年以前

L3

級別

ADAS系統(tǒng)平均需要

1

顆激光雷達，L4

級別以上平均需要

3

顆；而

2030

年

L3

級別

ADAS系統(tǒng)平均需要

2

個，L4

級別以上平均需

要

4

顆。此外，我們假設(shè)

RoboticCar單車平均搭載

4

顆激光雷達；第四，關(guān)于激光雷達單價；假設(shè)

2025

和

2030

年輔助駕駛領(lǐng)域激光雷達平均單價將分別降至

500

美元、200

美元。而

Robotaxi/Robobus搭載的激光雷達平均單價于

2025

和

2030

年將降至

3000

美元和

1500

美元。2.2

格局分析：當前布局機械式和半固態(tài)廠商較多，行業(yè)存在科技巨頭入局激光雷達的產(chǎn)業(yè)鏈上游主要為光學和電子元器件供應(yīng)商，中游是以

Velodyne、Luminar為代表的激光雷達

企業(yè)，下游客戶主要是整車廠（ADAS場景）、出行服務(wù)商（Robotaxi/Robobus）和

Tier1

企業(yè)等。上游：激光雷達的結(jié)構(gòu)包含激光發(fā)射、激光接收、掃描系統(tǒng)和信息處理四大部分，其中應(yīng)用了大量的光學

和電子元件。激光器方面，以

VCSEL垂直共振腔表面放射激光器為代表的半導(dǎo)體激光器成為激光雷達應(yīng)用中的

主流，主要供貨商有濱松、Lumentum、艾邁斯（ams）等。光束控制器方面，激光雷達廠商主要通過自主研發(fā)

或投資并購掌握

MEMS轉(zhuǎn)鏡、振鏡技術(shù)，零部件提供商的代表企業(yè)則有

Opus，濱松，知微傳感等。光電探測

器及接收器

IC市場目前掌握在國外巨頭如

FirstSensor、安森美（OnSemiconductor）、濱松手中。中游：由海外廠商

Velodyne，Luminar，Innoviz為首的激光雷達制造廠從技術(shù)上配合自動駕駛主要的應(yīng)用

場景，國內(nèi)的禾賽科技、速騰聚創(chuàng)、鐳神智能等初創(chuàng)企業(yè)成為新進參與者。除此之外，還有谷歌、華為、大疆

等科技企業(yè)獨立開發(fā)激光雷達技術(shù)。下游：按應(yīng)用場景劃分，激光雷達下游產(chǎn)業(yè)鏈主要分為

ADAS輔助駕駛系統(tǒng)、無人駕駛

Robotaxi/Robobus、

服務(wù)機器人和車聯(lián)網(wǎng)。高級輔助駕駛的下游企業(yè)主要包括整車廠和

Tier1；無人駕駛

Robotaxi/Robobus，主要包

含無人駕駛公司、人工智能科技公司以及出行服務(wù)提供商，如國外的

Waymo、GMCruise、Uber、Lyft等，國

內(nèi)的小馬智行、文遠知行、百度、商湯科技、滴滴等；服務(wù)機器人領(lǐng)域的下游企業(yè)包括機器人公司和消費服務(wù)

業(yè)企業(yè)，如國外的

Nuro、DekaResearch、CanvasBuild，國內(nèi)的高仙、優(yōu)必選、新石器、阿里巴巴、京東、美

團等，具體的應(yīng)用場景有無人配送、無人清掃、無人倉儲等；車聯(lián)網(wǎng)方向的下游企業(yè)主要是車聯(lián)網(wǎng)方案提供商，

如百度、金溢科技、星云互聯(lián)等。根據(jù)沙利文測算，2025

年高級輔助駕駛、無人駕駛、服務(wù)機器人和車聯(lián)網(wǎng)領(lǐng)

域分別占激光雷達市場總規(guī)模的

34.64%、26.30%、5.26%和

33.81%。中游頭部激光雷達廠商布局各個技術(shù)方向，均與主機廠、Tier1

有合作，相互競爭激烈。海外激光雷達企業(yè)

技術(shù)上具有先發(fā)優(yōu)勢，較有代表性的有

Velodyne、Luminar、Innoviz、Ouster、Aeva等多家企業(yè)。其中

Velodyne、

Luminar均于

2020

年在納斯達克上市，Aeva、Innoviz預(yù)計

2021Q1

完成上市，Ouster預(yù)計

2021

年上半年完成。激光雷達行業(yè)格局存在以下幾點特征：第一，從產(chǎn)品形態(tài)來看，分為從機械式過渡以及直接布局半固態(tài)和固態(tài)的廠商；第一類是以機械式激光雷

達為主，前期產(chǎn)品主要針對

Robotaxi/Robobus/Robotruck以及智能駕駛實驗場景，機械式激光雷達價格昂貴，

前期通過量產(chǎn)獲得穩(wěn)定現(xiàn)金流，后期同步或逐步布局半固態(tài)、固態(tài)激光雷達技術(shù)；第二類直接瞄準

ADAS車規(guī)

級激光雷達產(chǎn)品——半固態(tài)或固態(tài)激光雷達，預(yù)計在未來幾年內(nèi)完善技術(shù)達到車規(guī)級標準；第二，行業(yè)存在華為、大疆等科技巨頭介入，整體研發(fā)實力較強，研發(fā)進度和產(chǎn)品落地速度較快；第三，呈現(xiàn)全球范圍充分競爭的勢態(tài)，由于行業(yè)處于技術(shù)迭代初期，同時各個技術(shù)路線之間的技術(shù)同源性

低，目前尚沒有出現(xiàn)具備絕對領(lǐng)先優(yōu)勢的龍頭企業(yè)。前期在機械式激光雷達領(lǐng)域積累深厚，后期逐步轉(zhuǎn)型的企業(yè)包Velodyne、禾賽科技、速騰聚創(chuàng)等企業(yè)

Velodyne在機械式激光雷達領(lǐng)域布局早，技術(shù)較為成熟，有

16

線、32

線、64

線等多類產(chǎn)品在售，官方定

價分別為

8

千美元、4

萬美元和

8

萬美元。在此基礎(chǔ)上，公司開發(fā)了環(huán)視混合固態(tài)激光雷達、定向固態(tài)激光雷

達、圓頂固態(tài)激光雷達等產(chǎn)品，其中環(huán)視混合固態(tài)激光雷達的量產(chǎn)產(chǎn)品包括

Puck、UltraPuck和

AlphaPrime等

系列；定向固態(tài)激光雷達量產(chǎn)的有

Velarray系列；圓頂固態(tài)激光雷達的

VelaDome還未量產(chǎn)。此外，公司還自研

了

ADAS軟件算法

Vella，向主機廠提供軟硬件一體化解決方案。

禾賽科技和速騰聚創(chuàng)選擇了與

Velodyne相同的發(fā)展路徑。禾賽科技產(chǎn)品以機械式激光雷達為主，包括

Pandar40、Pandar64、Pandar128、PandarQT、Pandora等。此外，禾賽科技也逐步向半固態(tài)激光雷達拓展，2019

年禾賽科技發(fā)布了遠距前向式半固態(tài)激光雷達

PandarGT，自主開發(fā)高速二維振鏡系統(tǒng)和光纖激光器兩項核心器

件。禾賽科技在滿足車規(guī)標準的前提下大力控制成本，其核心策略是以價格優(yōu)勢搶占

Velodyne的市場份額。同

樣線束的機械式激光雷達，國產(chǎn)價格為

Velodyne的三分之一至二分之一。此前

Velodyne64

線產(chǎn)品售價為五十至

六十萬元，而禾賽科技相同線束的產(chǎn)品僅需二十多萬元，價格上有明顯優(yōu)勢。直接布局半固態(tài)、純固態(tài)產(chǎn)品的企業(yè)包括

Luminar、Aeva、華為、大疆等企業(yè)

Luminar專注于

MEMS激光雷達核心，旗下產(chǎn)品有

Iris和

Hydra，其中

Iris可探測

80m范圍內(nèi)的道路、150m范圍內(nèi)的車道以及

250m范圍內(nèi)的物體，最高探測距離為

500m。該產(chǎn)品計劃于

2022

年量產(chǎn)，能實現(xiàn)

L3

以上自

動駕駛級別的單價為

1000

美元，實現(xiàn)

L1-L2

級別的單價為

500

美元。公司激光雷達產(chǎn)品可用于乘用車、商用車

以及

Robotaxi/Robobus，截至

2020

年底，公司量產(chǎn)合作伙伴包括沃爾沃、戴勒姆卡車以及豐田。Aeva布局芯片化

FMCW連續(xù)波調(diào)頻激光雷達，目前市場上并無批量銷售的產(chǎn)品，已知與奧迪自動駕駛子

公司合作為乘用車提供傳感器，并于

2020

年宣布與

ZF（采埃孚）達成生產(chǎn)合作。Aeva計劃于

2021Q1

完成納

斯達克上市。三、技術(shù)趨勢探討：激光雷達必不可少，半固體與固態(tài)是趨勢3.1

技術(shù)方案維度：用不用激光雷達？3.1.1

有哪些方案？智能駕駛依托傳感器感知周圍環(huán)境。針對不同功能場景和自動駕駛等級，智能駕駛感知層對傳感器的需求

也有所不同，其中車載攝像頭、毫米波雷達、超聲波雷達和激光雷達最為常見。車載攝像頭：低成本，精度較差，易受天氣影響；車載攝像頭通過鏡頭采集外部數(shù)據(jù)并根據(jù)算法進行圖像

識別，能夠感知車輛周邊的路況，實現(xiàn)前向碰撞預(yù)警，車道偏移報警和行人檢測等

ADAS功能。汽車攝像頭根

據(jù)攝像頭個數(shù)可以分為單目、雙目和多目，根據(jù)安裝位置可以分為前視、后視、側(cè)視、環(huán)視。目前技術(shù)成熟且

價格便宜，但是精度較差，需要借助深度算法，且易受惡劣天氣影響，逆光和光影復(fù)雜環(huán)境下效果較差，難以

實現(xiàn)全天候測距。毫米波雷達：精度高且不受天氣影響，但對非金屬物體探測能力弱；毫米波雷達是通過發(fā)射及接收毫米波，

分析折返時間測距。毫米波雷達發(fā)射出去的電磁波主要以電磁輻射為主，介于厘米波和光波之間，毫米波兼有

微波制導(dǎo)和光電制導(dǎo)的優(yōu)點，能夠大范圍檢測車輛的運行情況，可實現(xiàn)自適應(yīng)巡航、自動緊急剎車等

ADAS功

能。其最大優(yōu)勢在于可彌補攝像頭的不足，具有精度高、指向性好、探測性能強的特點。此外，毫米波雷達對

大氣的衰減小，穿透霧、灰塵的能力強，因此抗干擾性較強，還能夠全天候全天時工作。但毫米波雷達的固有

屬性使得其對行人等非金屬物體反射波較弱，難以對行人進行識別。超聲波雷達：局限于近距離低速場景應(yīng)用；超聲波雷達是基于超聲波固有的聲波折射、反射、干涉等基本

物理特性而形成的。常見超聲波雷達有兩種：第一種是安裝在汽車前后保險杠上，用于測量汽車前后障礙物的

倒車雷達；第二種是安裝在汽車側(cè)面，用于測量側(cè)方障礙物距離。其優(yōu)勢是造價較低，可大量配置，數(shù)據(jù)處理

簡單，且不受光照條件影響，不過由于超聲波散射角大，方向性較差，測量遠距離目標的回波信號較弱，只能

探測近距離物體。此外，由于超聲波傳播速度較慢，當汽車高速行駛時，使用超聲波測距無法跟上汽車的車距

實時變化，誤差較大。激光雷達：精度高探測能力強，易受天氣影響，當前成本較高；激光雷達通過向被測目標發(fā)射激光，測量

反射或散射信號的到達時間、強弱程度等數(shù)據(jù)，以確定目標的距離、方位、運動狀態(tài)及表面光學特征。激光雷達通過采取的點云數(shù)據(jù)，利用

3D建模構(gòu)建數(shù)據(jù)模型，被認為是實現(xiàn)高級別自動駕駛不可或缺的傳感器。優(yōu)勢

是具有極高的距離分辨率、角分辨率和速度分辨率，能有效提升車輛的高精度識別性能，大幅提高整車的感知

能力。此外，相比于毫米波雷達，激光雷達能加強對行人、靜態(tài)障礙物、小物體等障礙物的監(jiān)測能力；相比于

攝像頭，激光雷達的探測距離更遠。不過易受惡劣天氣、自然光和其他激光雷達影響，且目前成本相對較高。3.1.2

特斯拉：采用無激光雷達的視覺主導(dǎo)方案特斯拉在電動化和智能化層面各細分領(lǐng)域技術(shù)方向?qū)τ谛袠I(yè)技術(shù)趨勢均具有前瞻意義，但目前特斯拉智能

駕駛感知層面并未用到激光雷達。

當前自動駕駛感知技術(shù)路線主要分為視覺主導(dǎo)和激光雷達主導(dǎo)，視覺主導(dǎo)具有成本優(yōu)勢，而激光雷達主導(dǎo)

具有實現(xiàn)高階自動駕駛的潛力。目前大部分自動駕駛企業(yè)都將激光雷達作為其傳感器解決方案的重點，而特斯

拉則采用低成本計算機視覺硬件搭配復(fù)雜神經(jīng)網(wǎng)絡(luò)的解決方案，放棄費用高昂的激光雷達。從特斯拉的感知硬件傳感器層面來看：特斯拉于車身周圍共裝配有

1

顆前置毫米波雷達、8

顆車載攝像頭、

12

顆超聲波雷達，其中含有

1

個三目前置攝像頭，以其為主視眼，協(xié)同其他攝像頭構(gòu)成

360°環(huán)繞視野，探測距離最遠達到

250

米，前置毫米波雷達可視范圍達

160

米。攝像頭攝取的環(huán)境數(shù)據(jù)在經(jīng)過視覺算法處理后，系統(tǒng)

將通過深度學習模型進行自我訓練，從而達到全范圍認知路況，增進系統(tǒng)控制精度的目的。從原理維度來看：特斯拉智能駕駛系統(tǒng)主要包括圖像搜集、特征提取、訓練學習、整體評估、對比改進等

五個步驟。五個步驟形成一個完整的數(shù)據(jù)閉環(huán)，使得特斯拉

Autopilot系統(tǒng)從被動學習（從真實數(shù)據(jù)中進行判斷）

到主動學習（通過深度學習進行預(yù)測判斷）。第一，感知傳感器收集圖像信息；特斯拉的感知系統(tǒng)由攝像頭、毫米波雷達、超聲波雷達、高精地圖等組

成。車載輔助駕駛系統(tǒng)需要先認識路牌、道路規(guī)則、行人等后再進行判斷。汽車的感知系統(tǒng)負責探測車輛內(nèi)外

環(huán)境，包括駕駛員操作行為、車輛定位、環(huán)境可見度、路障等；第二，通過神經(jīng)網(wǎng)絡(luò)進行深度學習提取圖像特征；在車輛駕駛環(huán)境中，由于道路和駕駛情況極端復(fù)雜，輔助駕駛系統(tǒng)需要同時處理幾十乃至上百的運算任務(wù)，為了提高效率同時降低任務(wù)處理難度，特斯

拉采用

HydraNets架構(gòu)的深度學習神經(jīng)網(wǎng)絡(luò)，該架構(gòu)首先將運算任務(wù)輸入到一個大型的共享骨干網(wǎng)絡(luò)上，

骨干網(wǎng)絡(luò)共有

8

個小網(wǎng)絡(luò)，運算任務(wù)也將被分成

8

份到各個小網(wǎng)絡(luò)中，每個小網(wǎng)絡(luò)單獨訓練和學習那一

小部分的圖像和信息、提取物體外部特征、距離有效信息，以降低整體運算難度、提升運算效率；第三，采用

PyTorch進行分布式訓練；隨著車輛增多、數(shù)據(jù)提取量提升，過多的數(shù)據(jù)會占用數(shù)據(jù)

集容量。此外，單純的通過真實數(shù)據(jù)進行邏輯判斷也會隨著數(shù)據(jù)量提升而產(chǎn)生運算壓力。特斯拉的解決

辦法是縮小數(shù)據(jù)收集范圍，且除真實數(shù)據(jù)以外還需要具備預(yù)測能力。特斯拉采用

PyTorch進行分布式訓

練，不斷訓練計算機自主對路徑、外界物體的判斷和規(guī)劃能力，讓算法自動從數(shù)據(jù)中學習并判斷行為，

模仿學習的使用可以很大程度減少工程師投入到路徑規(guī)劃上的工作量；第四，通過對模擬結(jié)果和實際結(jié)果評估、對比，對錯誤部分進行修正；特斯拉認為需要縮小數(shù)據(jù)收集范圍，

所以并非所有的數(shù)據(jù)都會被采集。特斯拉通過訓練神經(jīng)網(wǎng)絡(luò)來模仿真實駕駛行為，當車輛行駛時后臺神經(jīng)網(wǎng)絡(luò)

就開始運行，當模擬結(jié)果和駕駛員真實操作相違背的時候，相關(guān)數(shù)據(jù)會被上傳，這部分數(shù)據(jù)是算法預(yù)測錯誤的，

也是最有價值的部分。修正神經(jīng)網(wǎng)絡(luò)學習結(jié)果并為數(shù)據(jù)打上標簽，為下次相似操作提供更好的依據(jù)，這個模式

也被稱為“影子模式”。3.1.3

特斯拉的局限體現(xiàn)在哪些地方？特斯拉自動駕駛方案有其局限性；特斯拉采用的視覺主導(dǎo)方案在精度、穩(wěn)定性以及視野都有局限，暫時無

法滿足

L3

級別以上的自動駕駛需求。主要原因是攝像頭形成二維圖像會存在失真的可能性，相比三維信息更難

挖掘，需要更強大的算法、大量數(shù)據(jù)的訓練以及更長期的研發(fā)投入。由于視覺主導(dǎo)方案對于數(shù)據(jù)積累和算法訓

練過于依賴，在經(jīng)過復(fù)雜少見的道路環(huán)境時安全性受到嚴重挑戰(zhàn)。特斯拉自動駕駛系統(tǒng)的局限性來自于三個方面：第一，視覺方案對樣本數(shù)量和深度學習算法要求高，樣本的局限性直接決定了視覺方案是否有效；第二，毫米波雷達局限性以及駕駛員監(jiān)控技術(shù)局限性；第三，攝像頭距離檢測難度大，在惡劣環(huán)境下精準度難以保持；但由于攝像頭之間的相對位置在對距離檢測精確度影響很大，在車輛高速

行駛的過程中任何微小顛簸都會導(dǎo)致攝像頭的相對位置產(chǎn)生變化，因此需要進行實時標定，難度系數(shù)高。而且

多個攝像頭會放大單個攝像頭的距離測量誤差，使得預(yù)判結(jié)果與實際狀況偏離更大。此外，攝像頭易受惡劣天

氣影響，逆光和光影復(fù)雜環(huán)境下效果較差，難以實現(xiàn)惡劣天氣下依舊保持精準測距。

關(guān)于特斯拉自動駕駛的事故近年時有發(fā)生，2020

年

6

月

1

日，一輛處于

AutoPilot開啟狀態(tài)，且時速保持在

110

公里的特斯拉

Model3

徑直撞向一輛側(cè)翻的廂式貨車頂部。專家認為事故原因：第一，貨車白色箱體對陽光

具有比較劇烈的反射，影響了攝像頭的識別；第二，視覺算法訓練數(shù)據(jù)的局限性，一般自動駕駛視覺訓練的是

識別車輛后部、側(cè)面以及頭部，并無考慮到箱體頂部；第三，考慮到容易對墻面、橋梁、交通路牌等靜止物體

產(chǎn)生誤報，現(xiàn)階段

AEB系統(tǒng)對毫米波雷達的置信度權(quán)重下降，感知結(jié)果以視覺感知為主，從而導(dǎo)致事故的發(fā)

生?！皞渭す饫走_”方案仍不完美；特斯拉

AI高級總監(jiān)

AndrejKarpathy于

2020

年舉提出特斯拉正在研究“偽

激光雷達”方案（pseudo-LiDAR）。該方案可通過不同方向的攝像頭進行拼接，進行視覺深度估計，再投影到

鳥瞰圖，作為局部導(dǎo)航地圖使用。同時，將畫面的每個像素都進行深度估計，如同激光雷達點云，形成

3D目

標檢測。“偽激光雷達”方案不僅成本低廉，可縮短純視覺技術(shù)架構(gòu)與激光雷達間的性能差距，但是在實驗效

果上該方案的檢測性能還無法完全與激光雷達媲美，而且專家質(zhì)疑基于視覺的方案對圖像清晰度有很大的依賴

性，對攝像頭像素以及光纖強弱要求很高，解決這些難題仍需時間。3.1.4

特斯拉采用視覺方案原因：“軟件服務(wù)商”的商業(yè)模式前期需要低成本鋪量我們認為特斯拉前期未采用激光雷達方案，主打視覺方案的核心原因主要與其后期商業(yè)模式定位有關(guān)，同

時視覺方案更加能夠體現(xiàn)并構(gòu)筑特斯拉擅長的算法壁壘。第一，從商業(yè)模式維度，特斯拉定位“軟件服務(wù)商”，前期需要走量“鋪渠道”，走量的核心是低成本；第二，視覺主導(dǎo)方案“輕感知、重算法”，特斯拉在數(shù)據(jù)、算力、算法的優(yōu)勢可以構(gòu)筑領(lǐng)先其余主機廠的

相對技術(shù)壁壘。數(shù)據(jù)優(yōu)勢：特斯拉作為最早搭載自動輔助駕駛系統(tǒng)的電動車品牌，擁有全球規(guī)模最大的輔助駕駛車隊，截

止

2020

年

4

月，特斯拉累計上路行駛里程以達到

48

億公里，遠超其他競爭對手，掌握全球最多一手資料。排

名第二的

Waymo截至

2019

年

10

月累計上路行駛里程約為

1609

萬公里，僅為特斯拉的

1/30，且需重金雇傭車

隊，成本效益低。龐大的數(shù)據(jù)量使得特斯拉在高精度地圖、障礙物識別等方面的數(shù)據(jù)積累顯著領(lǐng)先于競爭對手。

此外，與大多數(shù)自動駕駛初創(chuàng)公司大量采用模擬數(shù)據(jù)進行算法學習不同，特斯拉車隊采集的全部為現(xiàn)實數(shù)據(jù)，

數(shù)據(jù)質(zhì)量更高，更加有利于算法迭代更新；算法優(yōu)勢：特斯拉搭建自身的算法架構(gòu)，并自研核心計算芯片，提升軟硬件協(xié)同性能。特斯拉推行的“影

子模式”將甄別后的有效圖像感知數(shù)據(jù)、駕駛員行為習慣數(shù)據(jù)通過

OTA回傳，增加有效的訓練數(shù)據(jù)集合，提升

神經(jīng)網(wǎng)絡(luò)訓練的準確度。而現(xiàn)有主機廠的圖像感知算法來自于

Mobileye或者英偉達等，自身并不具備較強的算

法能力，且不容易得到圖像、駕駛員行為習慣等數(shù)據(jù)的回傳。此外，特斯拉車隊采集的全部為現(xiàn)實數(shù)據(jù)，數(shù)據(jù)

質(zhì)量更高，更加有利于算法迭代更新。目前，特斯拉正在研發(fā)

Dojo超強計算機，使得訓練數(shù)據(jù)不僅停留在圖片

層面，Dojo支持對大量視頻數(shù)據(jù)進行非監(jiān)督學習，目標是以較低的成本實現(xiàn)算法性能的指數(shù)級提高。若研發(fā)完

成，特斯拉與其他主機廠在深度學習算法上的差距將進一步拉大；算力優(yōu)勢：橫向看，特斯拉的

FSD芯片采用

14nm工藝制造，包含

3

個四核

Cortex-A72

集群，共

12

個運

行于

CPU、1

個運行于

GPU、2

個運行于

NPU。目前，特斯拉

FSD核心計算芯片單顆芯片算力高達

72TOPS，

遠高于市面上已經(jīng)量產(chǎn)的其他車載芯片；縱向看，目前，特斯拉據(jù)稱與三星合作研發(fā)新款

HW4.0

自動駕駛芯片，

用于實現(xiàn)

4DFSD（四維完全自動駕駛）功能，芯片將采用

5nm工藝制造，預(yù)計

2021

年第四季度將大規(guī)模量產(chǎn)，

且性能將是上一代

HW3.0

的三倍，芯片研發(fā)迭代速度快。我們認為，雖然特斯拉在電動化和智能化領(lǐng)域均具備較為顯著的相對優(yōu)勢，其技術(shù)路線對于行業(yè)趨勢均具

備前瞻意義，但我們認為后期其余主機廠效仿特斯拉視覺主導(dǎo)方案的可能性較小，主要基于以下幾點原因：第一，其余主機廠須通過激光雷達實現(xiàn)彎道超車（我們認為這是最核心的原因）；第二，激光雷達降本指日可待；第三，激光雷達在

L3

級以上不可或缺。3.2

產(chǎn)品形態(tài)維度：用什么激光雷達？從應(yīng)用場景劃分來看，激光雷達應(yīng)用場景主要包括

Robotaxi/Robobus、乘用車

OEM端

ADAS系統(tǒng)、機器

人服務(wù)領(lǐng)域等，我們主要討論汽車領(lǐng)域的

Robotaxi/Robobus、乘用車

OEM端

ADAS系統(tǒng)。目前

Robotaxi/Robobus領(lǐng)域以實現(xiàn)

L4-L5

級別智能駕駛為主，主要包括出行類以及科技巨頭，如谷歌、百度、圖森、文遠等；乘用車

ADAS目前主要以實現(xiàn)

L3（L2+或

L3+）級別智能駕駛為主，主要是實現(xiàn)自動泊車、定速巡航、自適應(yīng)巡航等

智能駕駛輔助功能，主要包括特斯拉等下游主機廠。在

Robotaxi/Robobus領(lǐng)域（TOB端）高成本的機械式激光

雷達已經(jīng)量產(chǎn)，而

ADAS領(lǐng)域?qū)Τ杀据^為敏感（TOC端），機械式激光雷達由于成本問題無法應(yīng)用到

ADAS領(lǐng)域，后期主要是在半固體和固態(tài)領(lǐng)域?qū)崿F(xiàn)技術(shù)方案突破。

從產(chǎn)品形態(tài)維度，激光雷達可以分為機械式、半固態(tài)和純固態(tài)激光雷達，我們認為能否過車規(guī)、成本是否

合適將是決定哪種形態(tài)成為主流的核心影響要素。激光雷達要達到車規(guī)級，需要通過車規(guī)振動、沖擊、溫度循

環(huán)等試驗，同時還要兼具壽命問題，從成本維度來看，滿足車規(guī)級的同時還需要兼?zhèn)渖习倬€速（或等效線速）、

數(shù)百萬點頻以及百元美金價格級別；

機械旋轉(zhuǎn)式激光雷達是目前最為成熟的技術(shù)方案，目前已經(jīng)在

Robotaxi/Robobus以及實驗領(lǐng)域得到廣泛應(yīng)

用，但成本較高，高線數(shù)機械激光雷達價格平均在

3000

美金以上，后期難以實現(xiàn)車規(guī)級。我們認為半固態(tài)激光雷達將會是乘用車

ADAS場景短期內(nèi)的主流解決方案，半固態(tài)激光雷達的本質(zhì)還是機

械式激光雷達，只是指將部分機械部件集成到單個芯片，在微觀尺度上實現(xiàn)激光發(fā)射端的掃描方式的變化，較

大程度地降低了成本和產(chǎn)品體積，目前僅有半固態(tài)轉(zhuǎn)鏡方案（SCALA、大疆等）可過車規(guī)，而

MEMS振鏡方

案目前尚未過車規(guī)，但從目前各個廠商的技術(shù)儲備來看，除了大疆、Ibeo的轉(zhuǎn)鏡方案，其余廠商儲備的

MEMS振鏡方案較多，預(yù)期中期維度

MEMS方案會是

ADAS領(lǐng)域較為主流的技術(shù)方案。從長期技術(shù)發(fā)展趨勢來看，

最佳的方案是高度集成化的純固態(tài)激光雷達，固態(tài)激光雷達是指將所有光學器件集成到芯片上的一體化方案，能夠進一步提升可靠性并且控制成本，通過半導(dǎo)體的工藝把核心部件集成在芯片上，從而達到成本可控和可量

產(chǎn)的成熟度，純固態(tài)技術(shù)由于上游核心電子元件、技術(shù)支持不成熟，距離大規(guī)模量產(chǎn)尚有距離。但長期來看，

純固態(tài)技術(shù)的成本和穩(wěn)定性都有較大潛力，是技術(shù)上的最優(yōu)解。OPA方案的純固態(tài)激光雷達盡管有著可控性好、成本低的優(yōu)點，但其生產(chǎn)難度較高；而

Flash雷達雖然穩(wěn)

定性和成本上有優(yōu)勢，但其探測距離較近。這兩種方案都是未來激光雷達技術(shù)發(fā)展的方向。整體來看，機械式，

半固體，純固體三種類型激光雷達的技術(shù)同源性較弱，存在不同的技術(shù)壁壘，導(dǎo)致迭代路徑差異較大。3.2.1

機械式激光雷達：高精度高成本，無法過車規(guī)原理：整體旋轉(zhuǎn)；通過電機帶動光機結(jié)構(gòu)整體旋轉(zhuǎn)的機械式方案，激光脈沖發(fā)射器、接收器等元器件都會

隨著掃描模塊進行

360°旋轉(zhuǎn)，從而生成一個立體點云，實現(xiàn)對環(huán)境的感知掃描。性能優(yōu)劣勢：精度高成本高；優(yōu)點是可以單臺實現(xiàn)

360

度掃描，信噪比高，精度高。但由于物理極限和成

本高等因素限制，裝配和調(diào)制困難，掃描頻率低，生產(chǎn)周期長，成本居高不下。增加線束可增加精度，即增加

激光發(fā)射器和接收器數(shù)量，因此成本與精度成正比。技術(shù)難點：標定矯正；理想狀態(tài)下，多線束激光從坐標系原點射出，但實際應(yīng)用中每個激光雷達安裝位置

不同，光束的水平方位角也有差異。為了解決這個問題，每個激光器都有一組校準標定參數(shù)，對每個激光束的

位置和方向進行標定。以

Velodyne的

64

線產(chǎn)品為例，出廠時對每束激光校準參數(shù)進行標定，使用時還須對該

校準參數(shù)進行重新標定。機械旋轉(zhuǎn)式激光雷達的應(yīng)用需要大量重復(fù)的校準工作，在校正不能實現(xiàn)自動化的情況

下，嚴重限制了產(chǎn)量和成本潛力。能否過車規(guī)：否；由于其機械部件壽命不長（1000-3000

小時），旋轉(zhuǎn)機械式激光雷達只能用于自動駕駛的

研發(fā)領(lǐng)域，難以滿足車規(guī)級要求（10000

小時以上）。再加上價格高昂和維護成本高等因素，目前沒有旋轉(zhuǎn)機

械式激光雷達滿足車規(guī)級要求。量產(chǎn)進度：自動駕駛研發(fā)；谷歌、百度、Uber研發(fā)的無人駕駛汽車皆搭載了

Velodyne的

64

線高精度機械

雷達

HDL-64E（8

萬美金），福特

FusionHybrid搭載了

16

線激光雷達

VLP-16（7999

美金）。當前成本和后期預(yù)期下降成本：成本高難降本；Velodyne生產(chǎn)的

16、32、64

線激光雷達售價分別為

4

千

美金、4

萬美金、8

萬美金。速騰聚創(chuàng)生產(chǎn)的

16

線、32

線雷達售價分別在

3

萬人民幣、13

萬人民幣。鐳神智能

的

16

線、32

線雷達售價分別為

1.2

萬人民幣、3

萬人民幣。由于人工成本與光源數(shù)量直接相關(guān)，高線數(shù)機械式

雷達成本居高不下，未來降價空間較小。另外、由于使用中掃描模塊不停旋轉(zhuǎn)，導(dǎo)致感知精度在出廠

0.5-1

年后

大幅降低，還需要考慮返廠、維護成本。行業(yè)認為，純機械雷達的價格區(qū)間決定了其不適用于量產(chǎn)車載的應(yīng)用。代表廠商：除去行業(yè)龍頭的

Velodyne以外，生產(chǎn)機械式激光雷達的廠家還有法雷奧、禾賽科技、速騰聚創(chuàng)、

Waymo等。3.2.2

半固態(tài)-轉(zhuǎn)鏡方案：當前主流的

ADAS場景技術(shù)路線，已過車規(guī)原理：部分機械元件可動；取代了傳統(tǒng)的機械式方案，收發(fā)模塊保持不動，通過旋轉(zhuǎn)光鏡或棱鏡的方式實

現(xiàn)特定軌跡的掃描。

性能優(yōu)劣勢：體積小不穩(wěn)定；其優(yōu)勢在于減少了需要的光源，同時提高關(guān)鍵區(qū)域的掃描密度，從而解決了

機械式方案笨重、體積大的痛點。但轉(zhuǎn)鏡方案中電機驅(qū)動的方式造成了一定不穩(wěn)定性，對光源功率要求也較高，

該技術(shù)仍有提升的空間。技術(shù)難點：光學系統(tǒng)控制機制和轉(zhuǎn)軸精度；技術(shù)難點在于光學系統(tǒng)的控制機制和轉(zhuǎn)軸的精密度，光鏡旋轉(zhuǎn)

的頻率和幅度都會影響光路。為了實現(xiàn)精密度高的掃描效果需要控制轉(zhuǎn)軸的精密度。

能否過車規(guī)：已過；轉(zhuǎn)鏡激光雷達是目前唯一滿足車規(guī)級要求的方案。量產(chǎn)進度：已量產(chǎn)；2017

年奧迪發(fā)布了全球首款搭載激光雷達的量產(chǎn)汽車奧迪

A8，使用了法雷奧和

Ibeo聯(lián)合開發(fā)的首個車規(guī)級激光雷達

SCALA（轉(zhuǎn)鏡方案）。2020

年，鐳神智能自主研發(fā)的

CH32

混合固態(tài)雷達成為

全球第二個獲車規(guī)認證的激光雷達。此后，大疆

Livox發(fā)布了小鵬定制版車規(guī)級激光雷達

Horiz，成為第一個量

產(chǎn)的國產(chǎn)激光雷達。當前成本和后期預(yù)期下降成本；由于使用了更少的激光收發(fā)元件，轉(zhuǎn)鏡激光雷達較機械式激光雷達有較大

幅度的成本優(yōu)勢。大疆發(fā)布的轉(zhuǎn)鏡式激光雷達

Horizon和

Tele-15

售價分別為

6499、8999

元人民幣。長期來看，

半固態(tài)轉(zhuǎn)鏡激光雷達的穩(wěn)態(tài)價格將在

1000

美金左右。代表廠商：法雷奧、Innovusion、大疆

Livox、Luminar、禾賽科技、北科天繪、鐳神科技等。小鵬

x大疆

Livox覽沃科技：應(yīng)用雙光楔棱鏡掃描器的半固態(tài)轉(zhuǎn)鏡雷達

2021

年

1

月

1

日，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(chǎn)車型

上使用其生產(chǎn)的小鵬定制版車規(guī)級激光雷達，Livox也正式成為小鵬汽車在激光雷達領(lǐng)域的首家合作伙伴。原理：雙光楔棱鏡結(jié)構(gòu)；應(yīng)用了

RPUPS棱鏡系統(tǒng)，根據(jù)折射定律通過兩棱鏡的繞軸獨立旋轉(zhuǎn)來實現(xiàn)出射光

束的指向調(diào)整。此方案有著結(jié)構(gòu)緊湊、準確性高、速度快、偏轉(zhuǎn)角度大、動態(tài)性能好等優(yōu)點。除了掃描器，其

他部分與傳統(tǒng)機械式激光雷達基本沒有差別。這類激光雷達掃描出的點云是花瓣形的，中央密度高，外圍密度

低。它的特性與人的眼睛類似，越靠近中央的信息密度越高，這是典型的非重復(fù)掃描，掃描的時間越長，點云

密度就越高。性能及優(yōu)劣勢：精度高但延遲大；累計掃描的激光雷達可以穿透灰塵、雨雪、大霧等不受天氣影響。本次

Livox供給小鵬汽車的是基于

Horizon的定制產(chǎn)品

Horiz，該產(chǎn)品將探測距離由

90

米提升至

150

米，點云密度也

提升近

2

倍，達到等效

144

線水平。更密集的點云輸出可以更快檢測到遠處路面細小的目標物體，環(huán)境感知的

精度達到了車規(guī)水平。缺點在于缺乏實時性，掃描時間越長效果越好，以及點云數(shù)據(jù)離散度高。這就意味著無

法壓縮數(shù)據(jù)，只能以原始數(shù)據(jù)處理，對數(shù)據(jù)運算系統(tǒng)要求比較高，需要單獨開發(fā)算法。量產(chǎn)進度：年產(chǎn)

10

萬臺；Livox宣稱，供給小鵬的

Horiz激光雷達組裝線本身將實現(xiàn)

10

萬臺級別的年均產(chǎn)

能，并可基于前裝量產(chǎn)客戶的增長需求在

3

個月之內(nèi)實現(xiàn)擴線擴能。3.2.3

半固態(tài)-MEMS振鏡方案：后期有望過車規(guī)，降本潛力大原理：微振鏡掃描；MEMS激光雷達通過硅基芯片上微振鏡以一定諧波頻率的振蕩來反射激光器的光線，

從而以超高的掃描速度形成高密度的點云圖，由此改變單個發(fā)射器的發(fā)射角度進行掃描，形成較廣的掃描角度

和較大的掃描范圍。性能優(yōu)劣勢：性能高但探測面積受限制；相比機械式，MEMS激光雷達還具有芯片化、無機械組件等優(yōu)點，

兼顧車規(guī)量產(chǎn)與高性能的需求。但

MEMS激光功率較低，有效距離較短，且激光掃描范圍受微振鏡面積限制，

視野

FOV相對較窄。技術(shù)難點：振鏡小型化、控制機制；一方面是光束能力損耗大，由于微振鏡的面積限制，其振動角度有限，

導(dǎo)致視場角受到限制（＜120°）。后期需要突破

MEMS振鏡的小型化、控制機制等技術(shù)難點。

能否過車規(guī)：當前無；目前

MEMS振鏡方案沒有過車規(guī)的產(chǎn)品，RoboSense（速騰聚創(chuàng)）推出的車規(guī)級

MEMS固態(tài)激光雷達

RS-LiDAR-M1

計劃于

2021

第二季度啟動。量產(chǎn)進度：歐系品牌；寶馬和沃爾沃分別規(guī)劃在

2022

年的量產(chǎn)車型上搭載

InnovizPro和

LuminarH-Series。當前成本和后期預(yù)期下降成本：低至數(shù)百元美金；半固態(tài)式方案有較大的成本潛力，相較于轉(zhuǎn)鏡方案可以

進一步控制成本：Luminar通過工程優(yōu)化以及公司開發(fā)的

ASIC芯片減少了光電探測器中銦鎵砷的用量，使光學

接收器的成本從數(shù)萬美金降至

3

美元。Luminar認為，他們能將

MEMS固態(tài)激光雷達制造成本降低到

500-1000

美元；華為宣稱，要將成本壓縮至

200

美元。代表廠商：目前可提供

MEMS振鏡方案的公司有：禾賽科技、速騰聚創(chuàng)、鐳神智能、Luminar、Innoviz、

Aeva、Pioneer、華為等。華為：發(fā)布車規(guī)級高性能半固態(tài)

MEMS微振鏡激光雷達方案2020

年

12

月，華為首次面向公眾正式發(fā)布車規(guī)級高性能激光雷達產(chǎn)品和解決方案，正是極狐

HBT量產(chǎn)搭

載的

96

線中長距激光雷達產(chǎn)品。這款

96

線中長距激光雷達產(chǎn)品可實現(xiàn)城區(qū)行人車輛檢測覆蓋，并兼具高速車

輛檢測能力，更符合中國復(fù)雜路況下的場景。這次發(fā)布的雷達性能優(yōu)越：可以滿足大視野

120

度的掃描，從而

應(yīng)對城區(qū)、高速等場景的測距訴求；全視野中，水平、垂直線束均勻分布，不存在拼接、抖動等情況。并且體

積小，適合前裝量產(chǎn)車型需求。原理：多線程微振鏡掃描器；2020

年

7

月世界知識產(chǎn)權(quán)組織國際局公布了華為一項有關(guān)激光雷達的專利，

發(fā)明名稱為一種多線程微振鏡激光測量模組和激光雷達。該方案應(yīng)用了

MEMS微振鏡掃描器，同時借鑒了機械

激光雷達的做法，采用了多個發(fā)射和接收組件，利用

MEMS振鏡的垂直掃描密度易于控制的優(yōu)點，使同線數(shù)下

的華為產(chǎn)品所含有的激光發(fā)射接收模組的數(shù)量處于機械激光雷達和

MEMS激光雷達之間，在提升功率和控制成

本之間實現(xiàn)了平衡。華為專利采用機械激光雷達的做法，使用多個發(fā)射和接收組件，而不是傳統(tǒng)

MEM