（报告出品方/作者：安信证券，马良）

1.从发展历程看激光雷达

激光雷达（LightDetectionAndRanging，简称"LiDAR"）即光探测与测量，是一种集激光、全 球定位系统（GPS）和 IMU（InertialMeasurementUnit，惯性测量装置）三种技术于一身的 系统，用于获得数据并生成精确的 DEM（数字高程模型）。这三种技术的结合，可以高度准 确地定位激光束打在物体上的光斑，测距精度可达厘米级，激光雷达最大的优势就是"精准" 和"快速、高效作业"。

从 1960 年人类首次制造出激光，到 1992 年三菱首次应用激光雷达于汽车测距，再到 2007 年 Velodyne 生产出首台商用 3D 动态扫描激光雷达，如今，激光雷达的发展呈现出加速化、多 技术路径并举的特点，是汽车感知架构的关键部件。

1.1.回首发展脉络，激光雷达缘何兴起

1.1.1.生根发芽，吸引国内外势力逐鹿蓝海

激光雷达的最早车规级应用源于 1992 年，三菱公司在其旗舰产品第三代 Debonair 上搭载了 可以用于探测跟车距离的激光雷达。可以显示跟车距离，并在距离过近时发出预警。但是， 当时恶劣天气可靠性更高、技术更为成熟的毫米波雷达更适应这一功能，很快便取而代之发 展成如今的 ACC 自适应巡航功能。21 世纪后，美国陷入阿富汗和伊拉克两场战争，无人驾驶车辆被视为减少美军伤亡的方法之 一。2004 年到 2007 年间，由 DARPA（美国国防部高级研究计划局）发起了三届无人驾驶挑战 赛（DARPA Grand Challenge）。

首届比赛中 7 支队伍均未完赛，但 Velodyne 公司的大卫·霍 尔却从此意识到了激光雷达的巨大潜力，以及当时单线式固定视距激光雷达的局限性。比赛 结束后，霍尔发明了一台机械转动式 64 线激光雷达，形状如同“车顶飞碟”，一改之前激光 雷达仅扫描单一固定视线的思路。第二届比赛中，开始有队伍在车辆顶端装载激光雷达，但 由于车体机械故障未能完成比赛。至第三届比赛时，霍尔的激光雷达开始大放光彩，几乎被 所有完赛的队伍所采用。这就是日后 Velodyne 的主打产品之一，机械旋转式激光雷达 HDL64E 的原型。

第三届 DAPRA 结束后的几年里，霍尔不断改进产品，在 2009 年开始正式售卖日后闻名天 下的机械旋转式激光雷达鼻祖 HDL-64E，与原型机相比体积显著减小。同年，谷歌创始人拉里·佩奇邀请了代表斯坦福拿下冠军的塞巴斯蒂安·特龙教授（Sebastian Thrun），最终形 成谷歌旗下的自动驾驶公司 Waymo 。2012 年，17 岁的天才少年罗素从斯坦福大学退学，创 立了激光雷达的另一个巨头Luminar，同年，主打固态激光雷达的Quanergy在美国加州成立。此后陆续诞生了 Aeye，Innoviz，Innovusion 等上百家激光雷达公司。Waymo 在 2016 年发布 了自研的激光雷达，博世在 2017 年收购了美国 Tetravue 入局激光雷达，蔡司也在 2018 年 投资了激光雷达企业 Bridger Photonics。

中国公司中，百度于 2013 年开始布局自动驾驶，此后陆续出现 Drive.ai、小马智行、禾多 科技、文远知行等一批公司，构成了中国自动驾驶半壁江山。这些公司是激光雷达起步阶段 最主要的客户群。2014 年，禾赛科技、砝石科技、速腾聚创在国内成立。2016 年，在测绘激 光雷达领域默默耕耘了 11 年的北科天绘发布了国内首款激光雷达产品。万集科技、镭神智 能、北醒光子等数十家激光雷达企业，如今已经成为全球车载激光类额达领域中，不容忽视 的一股力量。

1.1.2.开花结果，固态化路线掀起技术迭代浪潮

为满足安全性、稳定性和寿命的保障，激光雷达使用的软硬件都需要过车规认证。而机械旋 转式激光雷达并不适用，其一是动辄上万美元的高昂单价使诸多车企难以承受；其二也是更 难解决的问题，其内部使用了大量机械运动部件，在体积和寿命上有缺陷，几乎不可能通过 车规认证。固态和混合固态（半固态）激光雷达成为了被看好的方向，其思路是改造激光雷 达中的激光器，通过寻找其他工程实现方式减少激光器中的旋转部件，从而提升产品的稳定 性、寿命并减小量产成本。

其中，固态雷达被认为是更优方案。但目前难以实现。2014 年成立于硅谷的 Quanergy 曾 令固态 OPA （光学相控阵，固态激光雷达主流技术之一）技术受到广泛关注。但其并没有可 靠的车轨级产品问世，核心参数探测距离在 2016 年时是 300m，2017 年却变成了模糊不清 的“很远”；市场对 OPA 的热情逐渐冷却，Quanergy 的市场占比也不及从前。另一固态雷 达解决方案 FLASH 目前发展也尚未成熟，探测距离和分辨率难以兼顾，需要多年研究才能走 向市场规模化。

在现有技术和工艺水平下，混合固态更能满足量产车型对雷达稳定性和寿命的要求。2018 年， 德国大众旗下的奥迪 A8 成为首个搭载激光雷达的量产车型，它使用了由法国 Tier1（汽车 行业一级供应商）法雷奥推出的全球第一个完成车规量产认证的激光雷达 Scala，其使用的就是 4 线混合固态激光雷达路径。但由于其线束太少，成像的可靠性和准度都大打折扣。被 判断并不是激光雷达尝鲜者的中国车企，后来居上成为了全球最积极搭载激光雷达的客群。自 2020 年起，全球范围有 21 款车型宣布将搭载激光雷达，中国公司推出了其中的 14 款， 这些车企选择的都是混合固态激光雷达。

目前，应用最广泛的混合固态方案是 MEMS（微机电系统），首个 MEMS 混合固态激光雷达是 以色列公司 Innoviz 在 2017 年发布的 Innoviz One；速腾紧跟其后，在同年推出了与 Innoviz One 相似的 M1。另一个被看好的混合固态路线是单轴转镜，即 Scala 使用的方案。华为在 2020 年 12 月正式发布单轴转镜的 96 线激光雷达，并同步宣布了合作车型为北汽极狐 阿尔法 S。其准度和可靠性都大大超过奥迪搭载的 4 线激光雷达。禾赛在 2021 年第四季度推 出了参数高于华为的 128 线激光雷达 AT128，目前已拿下理想、集度、吉利旗下路特斯、高合 等品牌的定点（指成为某品牌的指定供应商）。

由大疆孵化的览沃（Livox）另辟蹊径，它没有选择被外国厂商探索、验证的路线，而是自己 原创了棱镜旋转扫描方案。在 2020 年 CES 上，览沃发布了“Horizon 地平线”和 Tele-15 两 款产品，地平线单价低至 800 美元。同年底，览沃宣布获得小鹏 P5 订单，成为最早拿下量产 订单的中国激光雷达公司。该车型已于 2021 年交付。

1.2.细究技术趋势，为什么智能驾驶离不开激光雷达？

1.2.1.主流传感方式原理不尽相同，在车载领域各有优劣

汽车感知系统以摄像头、毫米波雷达、超声波雷达、激光雷达、GNSS（全球定位系统）等为 主。传感器作为实现汽车智能化的感知端设备，随着自动驾驶技术的快速发展，其重要性愈 发凸显。汽车环境监测类传感器主要包括：超声波传感器、毫米波雷达、激光雷达、摄像头 等。监测类传感器分布于车身内外，通过获取外界环境信息，将模拟信号转化为电信号后， 传递至汽车的中央处单元中，从而帮助智能驾驶决策行为。此外，基于 GNSS、高精度地图和 车路协同技术快速发展，进一步提升了智能驾驶的安全性、可靠性。

摄像头感知功能强大，是 ADS（自动驾驶）与 ADAS（高阶智能辅助驾驶）的必备终端。其可 以对路面所有事物进行成像，也是唯一一个可以分辨出具体颜色和图形的感知硬件。特斯拉 使用的就是单纯基于摄像头的纯视觉路线。但摄像头严重依赖数据训练，具有很高的行业壁 垒。在一些特殊场景中也容易造成判断失误，例如特斯拉汽车将白色的货车识别成了白云或 天空而造成相撞。摄像头的探测距离受到像素的限制，而高像素摄像头需要大算力芯片支持， 无形中增加了成本。此外，摄像头受恶劣天气影响很大，无法保证全天候条件下的稳定工作。

激光雷达综合性能优势明显：成像质量好，信息获取全。通过发射信号和反射信号的对比， 构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除 了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高， 获取信息丰富，抗源干扰能力强。主要缺点是在一些极端天气条件下可能会有一定影响，目 前价格相对较昂贵。

毫米波雷达性能稳定、穿透性强，性价比高受青睐。其波长在 1~10mm 之间，可以轻易地穿透 塑料等材质，因为穿透力较强，所以受到雨雪等天气的影响较小。毫米波雷达可以同时探测 目标物体的距离和速度，其价格和体积也相对适中，易于在车辆进行安装。缺点在于毫米波 雷达分辨率有限，很难探测障碍物的具体形状。当需要探测行人这种反射界面较小的物体的 时候，毫米波雷达容易出现误报。对于垂直方向甚至不做区分。超声波雷达价格便宜，体积较小，技术发展较为成熟。但其依赖于声波，传播速度远低于光 速，不适用于高速运动的汽车。其本身探测距离较短，而且只能探测到一定范围内有无障碍 物及障碍物的距离，无法判断障碍物的形状及具体的位置，目前超声波雷达主要用于停车等 低速场景。

C-V2X，即车路协同是基于蜂窝网络的车联网技术，允许车辆通过通信信道彼此共享信息。其 需要路面以及其他车辆也配有相同设备，十分依赖基础设施建设。目前 C-V2X 基础设备仍在 建设、网络覆盖度低，尚不能广泛应用于自动驾驶场景中。高精度地图可以为自动驾驶提供自变量和目标函数的功能。其精度可以精确到每个车道的具 体导向，甚至弯道的曲率，坡度的斜率等毫米级信息。但地图测绘涉及国家安全，国内管理 严格。中国高精度地图测绘需要甲级资质，仅有百度、高德、华为、四维图新等十余家公司 具备，目前覆盖的道路也非常有限。

1.2.2.纯视觉路线关山难越，多传感器融合是大势所趋

量产车自动驾驶领域，纯视觉路线龙头特斯拉构建行业壁垒。特斯拉基于摄像头+毫米波雷 达的“纯视觉路线”，具有全球领先的研发能力和最丰富的用户数据积累。自动驾驶的算法 核心是卷积神经网络和深度学习，需要通过海量的数据训练，尤其是对于摄像头获取图像的 识别和处理，因此测试里程收集的数据量成为决定公司实力最重要的因素之一。根据特斯拉 2022 年各季度生产和交付报告显示， 2022 年累计交付车辆高达 131 万辆，新能源汽车销 量稳居世界第一，其中上海超级工厂交付 71 万辆，占全球交付量一半以上，积累了远超竞争 对手的数据量。依靠纯视觉路线，竞争者难以挑战其地位。

多传感器融合路线弯道超车，是自动驾驶发展的创新之路。不同类型的传感器各有优劣，因 而单一的传感器难以满足复杂的自动驾驶各类应用场景。多传感器信息融合(MSF)利用计算 机技术，对多传感器或多源的信息和数据进行多层次、多空间的组合处理不同传感器优势互 补，在不同使用场景中发挥各自功能，从而有效地提高系统的冗余度和容错性，最终帮助做 出有效判断和决策。

1.3.挖掘市场刚需，车规级对激光雷达有哪些要求？

车规级激光雷达产品国际标准趋于完备，国内标准加速修订中。车载激光雷达是一种主动传 感器，对于车规级自动驾驶产品，首先考虑就是所发射的激光是否安全，避免对周围的人员 产生危害。目前国际标准包括 IEC 60825-1 国际激光产品安全标准，IATF 16949 质量管理体 系，ANSI Z136.1 美国国家标准协会安全指南文件等。其中 IEC 60825-1 是全球接受度最高 的文件。针对国内，激光雷达尚没有统一行业标准，厂商之间的所采用的标准也不尽相同。例如速腾聚创的整机测试要满足 IATF16949 质量管理体系、IEC60825 激光产品安全要求，能 经受住-40℃至 105℃工作温度，并符合 PPAP（生产件批准程序），以及客户的 DV/PV 试验（电 子电器试验）等要求。

2.从工作原理看激光雷达

2.1.测距原理：dTOF是主流，FMCW尚在预研

激光雷达按测距原理分类可以分为飞行时间法（TOF）和连续调频波法（FMCW）。飞行时 间法 TOF 中主流采用的是直接飞行时间法 dTOF，其工作原理是，测量发射激光后其与反射 波波脉冲信号之间的时间间隔，即测量激光脉冲来回的往返时间 T，即可得到目标距离 S=CT/2，其中 C 为光在空气中的传播速度。由于激光脉冲持续时间极短、瞬时功率较高、耗 时较短，因此能够探测到更远距离的目标的同时也能保持较高测量频率。同时其计时精度不 会因距离改变而发生改变，是目前激光雷达厂商采用的主流方案。此外还有一种 iTOF 间接式 测量法，使用发射正弦波/方波与接收正弦波/方波之间相位差来反推时间。

连续调频波法 FMCW 的测距原理为发射调频连续激光，通过回波信号的延时获得差拍信号 频率对应出飞行时间，通过距离公式反推目标物距离并通过多普勒频率公式测算目标物速度。其不会受到太阳光等干扰，抗干扰能力更强、激光峰值发射功率能够稳定在较低水平（100mW），可以获得每个像素的径向速度。通过 FMCW 技术，激光雷达的视距可以扩展 至 1,000 米或者 2,000 米，大大提高激光雷达的测距范围。但 FMCW 的激光雷达对激光器 的要求非常高，同时其的信号解算又相当复杂，在技术上目前仍具有挑战。另外其作为测距 方式， 与成熟的机械式扫描方式并不完全匹配，整体难以通过车规级认证。无形之中增加了 设计和制造的难度，造成成本较高。预计在 2024 年左右可以实现量产。

2.2.基本模块：四大单元相辅相成，固态化、集成化是未来趋势

2.2.1.发射单元：905nm成熟工艺，1550nm未来可期

LiDAR 的激光器可以分为以光纤激光器为代表的 1550nm（远波红外，SWIR）激光器和以半导 体激光器为代表的 905nm（近红外，NIR）激光器。其中，近红外激光器依据发光原理的不同， 又可分为边发射激光器（EEL），垂直腔面发射激光器（VCSEL）和固体激光器。

905nm 器件较为成熟，1550nm 是未来发展方向。传统的 905nm 可以使用廉价的硅基 CMOS 作 为接收端，其光噪声和控制信号比较平稳，但是 905nm 测距受限在 150 米以内。由于出于安 全角度要选用一级的能量（只能实现 150m)，近红外波段仅适用于乘用车。商用车至少需要 300 米探测距离，就需要用到 1550nm 的光源。远波红外激光在空气中的衰減性更弱，进入人 的视网膜之后无法聚焦不会伤害眼睛晶体，可以在保证安全基础上人为增加能量，增大探测 距离。但是，远波红外光源必须使用较为昂贵的铟镓砷（InGaAs）作为接收端，其具有生产 工艺难，激光器价格高的缺陷。此外探测距离远意味着功率大，这也对芯片散热能力以及封 装提出了更高要求。

对 905nm 工艺而言，VCSEL 替代 EEL 是方向，固体激光器尚不成熟。目前，成熟的近红外工 艺(905nm 等)主要的激光发射器为边发射激光器(EEL)和垂直腔面发射激光器(VCSEL)。其中 边发射激光器，最常用的是 InGaAs/GaAs 脉冲激光二极管。其芯片结构由单通道发展到 4 通 道，甚至 6 通道或 8 通道。具有高的峰值功率和高光电转换效率，由单通道结构约 75 W 提 高到多通道结构 400W 甚至近千瓦。但其缺点是由于其发射口长宽尺寸不同，发出的光斑为 椭圆形，需要额外的光束整形光学元件。其光谱发散也更宽。VCSEL 相对 EEL，其谐振腔相对较短以便于阵列化、集成化、芯片化，光斑更接近圆形，免去 EEL 的椭圆光斑整形温度敏感性低，在较宽的温度范围内保持稳定。在未来定制化后可以进 一步压缩量产成本。但是其峰值功率低于 EEL，需要配合更加灵敏的接收器件。

固体激光器是闪光式车载激光雷达（Flash）技术路线的激光光源方案。用于 Flash LiDAR 的 固体激光光源固体激光器需要很昂贵的激活介质(各种复杂的晶体)，在设计和工艺上具有很 大的挑战，首先需要形成大角度视场(如 125°x 25°)均匀照射视场，这需要将固体激光 MW 级点光源通过特殊的光场匀化技术进行匀化，在三维空间形成均匀照射大视场。其次，需要 让固体激光器满足车规级高低温、震动、寿命等可靠性要求。

光纤激光器与半导体激光器不同的地方主要在谐振腔。半导体激光器使用不同介质的分界面 作为反射面，从而形成谐振腔。而光纤激光器直接使用光纤作为谐振腔。大气穿透能力强， 人眼安全性高，峰值功率可达上百甚至上千瓦，单色性好是激光光源的显著特点，但是激光 雷达在光源及探测器成本、体积、温度稳定性以及供应链成熟度上还有明显的不足。其更新 频率约在 10 赫兹，但是汽车高速行驶状态至少要达到 25 赫兹，影响成像的实时性。

2.2.2.接收单元：EEL配合APD，VCSEL配合SPAD/SiPM使用

激光雷达按照接收端可以分为雪崩光电二极管（APD）、单光子雪崩二极管 （SPAD）和光电 倍增管。其中，单光子雪崩二极管 SPAD 和雪崩光电二极管 APD 属于同族的光电探测器，主要 是利用光生载流子在高电场区内的雪崩效应而获得光电增益，从而产生较大（大约 100 倍） 的输出电流。一般来说，在不超过反向击穿电压时，反向电压越高，增益就越大。光电倍增 管 SiPM 是多个 SPAD 的集成器件。

SPAD 相对雪崩二极管（PAD），灵敏度和工作效率更高。APD 和 SPAD 工作机制的差异，主要 在于不同电场下的载流子行为不同。APD 工作在击穿电压附近（<击穿电压），表现出有限的 增益。SPAD 工作在击穿电压以上，表现出无限的增益（理论增益为∞），可以实现单光子触 发。因此，SPAD 具有比 APD 更高的灵敏度。激光强度更高的 EEL 可以配合 APD 使用，而 VCSEL 可以搭配更灵敏的 SPAD。基于 SPAD 可以检测到单个光子，因此可以做成光子计数器，集成 了 TDC 的 SPAD 不需要再进行点云处理，直接可以输出深度图像。

APD 相较 SPAD 受噪声影响较小，性能更加稳定。1）如果背景光噪声较强，SPAD 会由于频繁 的误触发而处于一种“疲劳”的状态，点云噪点会明显增多；2）高温会进一步影响 SPAD 的 噪声水平，在原有的暗计数、后脉冲效应、串扰等不利因素的基础上，加剧性能的恶化。因 此，在夜晚等没有太强背景光的场景下，高性能 SPAD 的表现优于 APD，但在太阳光强烈、极 端温度的环境下，现有 SPAD 的综合表现却是显著低于 APD 的。集成后的 SiPM 可以有效应对强光，但工艺尚不成熟。光电倍增管 SiPM 是多个 SPAD 的集成 为一个像素，能够产生强度效果，可以获得更高的动态范围以应对强光场景。但像素单元较 大，较难做集成化，会导致芯片面积增大、工艺难度增加等问题。

2.2.3.扫描单元：机械式+半固态较为成熟，纯固态式前路可期

扫描单元按照技术架构可以分为整体旋转的机械式激光雷达、收发模块静止的半固态激光雷 达以及固态式激光雷达。其中，半固态激光雷达具有微机电系统（MEMS）、转镜和棱镜三种 方案。固态激光雷达包括光学相控阵（OPA）和闪光激光雷达（FLASH）。

2.2.3.1.机械式：FOV360°全覆盖，技术相对成熟

机械式激光雷达上车最早，至今市场份额占据最多。机械激光雷达，是指其发射系统和接收 系统存在宏观意义上的转动，也就是通过不断旋转发射头，将速度更快、发射更准的激光从 “线”变成“面”，并在竖直方向上排布多束激光，形成多个面，达到动态扫描并动态接收 信息的目的。在工作时竖直排列的激光发射器呈不同角度向外发射，实现垂直角度的覆盖， 同时在高速旋转的马达壳体带动下，实现水平角度 360 度的全覆盖。目前，国内外主流厂商 包括 Velodyne、镭神智能、速腾聚创等。

结构升级遭遇瓶颈，目前尚无车规级产品上市。机械是激光雷达的优势是可以实现 360°的 广角探测范围，而且探测精度也比较高，目前最高可以达到 128 线。但是其缺点也相对突出， 机械激光雷达使用机械部件旋转来改变发射角度，这样导致体积过大，为激光器准直的难度 随线数直线上升，且长时间使用电机损耗较大。此外为了实现 360°的视野探测范围，不得 不将硕大的激光雷达放置在车顶，影响美观。受限于高频转动和复杂机械结构，机械式平均 工作时长仅有 1000-3000 小时，与车规级设备最低 13000 小时的要求相去甚远。此外，由 于其结构较为复杂，成本压缩空间也逐步缩小。目前 16 线激光雷达的售价约为 2.6 万 （Velodyne）/3 万（速腾聚创）人民币，32 线激光雷达售价约为 3 万（速腾聚创）/13 万（镭 神智能）人民币。

2.2.3.2.MEMS：单振镜实现小型化，未来主流方向之一

微机电系统（MEMS）全称 Micro Electromechanical System，是指尺寸在几毫米乃至更小的 高科技装置，其内部结构一般在微米甚至纳米量级，是一个独立的智能系统。基于 MEMS 的微 振镜利用半导体工艺生产，不需要机械式旋转电机，而是以电的方式来控制光束。其核心是 一个微米尺度的振镜，通过一个纤细的悬臂梁在横纵两轴高速周期震动，从而改变激光反射 方向并实现扫描。

MEMS 已经成为未来发展的重要方向，也是最有优势的细分领域之一。MEMS 激光雷达由于仅 有单个光源而大大减小了器件体积和功耗。其光路结构简单，运动部件减少，可靠性相较机 械式激光雷达提升很多。同时减少了激光器和探测器数量，成本大幅降低。其寿命在 10000 至 12000 小时以上，可以通过车规级认证。其缺点在于振镜会造成产品的不稳定性：支撑振 镜的悬臂梁角度有限，覆盖面很小，所以需要多个雷达进行共同拼接才能实现大视角覆盖， 这就会在每个激光雷达扫描的边缘出现不均匀的畸变与重叠，不利于算法处理。另外，悬臂 梁很细，机械寿命也有待进一步提升。

2.2.3.3.转镜/棱镜技术：结构简单相对低功耗，寿命长可靠性高

转镜激光雷达最早应用于车规级产品，目前是最主流的半固态方案。转镜 LiDAR 由横轴不断 旋转的多边形棱镜和纵轴转动的镜子组成，通过横轴棱镜不断旋转，使光源在目标平面上不 断水平扫描，而纵轴摆镜可以不断改变光源的垂直方向。因此转镜激光雷达仅需一束光源就 可以完成机械式几十个光源才能完成的扫描任务。相对于机械式激光雷达，其功耗较低，同 时又具有满足车规级要求的寿命与可靠性。但其由于需要极高的转动频率需要成百上千次的 转动，对机械部件的寿命构成了威胁。其单个光源需要等效机械式雷达几十线束的效果，也 提高了光源自身的能量要求。

棱镜技术代表玩家为大疆览沃。其原理为将两个有斜面的柱状镜头组合，可以利用光的折射 控制激光的扫描方向，最终扫描出一个花瓣状的区域。调整两个棱镜的转速就可以控制扫描 的区域，其扫描路径不会重复，理论上如果扫描时间足够久，棱镜激光雷达可以扫描出前方 每一个点的距离，具有高于其他技术路径的视场覆盖率和等效线数。例如小鹏 P5 的配备两 颗 livox 棱镜式激光雷达 HAP，探测距离达 150m@10%，横向 120°FOV，具备等效 144 线的点云密度，角度分辨率高达 0.16°，中心区域刷新率 20Hz，可实现高速公路、城区道 路等场景下远处障碍物的检测，提升辅助驾驶行车安全。但是棱镜技术点云分布中央密集， 边缘稀疏，且控制棱镜转动难度较高。目前仅大疆览沃实现量产。

2.2.3.4.OPA：产品小型化，无需机械扫描

光学相控阵原理类似干涉，通过改变发射阵列中每个单元的相位差，合成特定方向的光束。经过这样的控制，光束便可在固定位置即实现对不同方向进行扫描。雷达精度可以做到毫米 级，且顺应了未来激光雷达固态化、小型化以及低成本化的趋势，但难点在于如何把单位时 间内测量的点云数据提高以及投入成本巨大等问题。目前真正投入使用的主要是美国的 Quanergy 公司。

2.2.3.5.FLASH：类照相机模式，机遇与挑战并存

FLASH 闪光激光雷达原理类似照相机，但感光元件与普通相机不同，每个像素点可以记录光 子飞行时间信息。通过在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度 灵敏的接收器实现对环境周围图像的绘制。其具有结构简单、尺寸压缩空间较大和数据丰富 的特点，是目前纯固态激光雷达最主流的技术方案。然而受限于需要在有限功率下发射大面 积的激光，其不得不降低单位面积上激光的强度，势必会影响到探测精度和探测距离。因此 还无法完成全路况的辅助驾驶，仅在较低速的无人外卖车、无人物流车等领域应用。代表品 牌包括 Ibeo、大陆、Ouster、法雷奥等。

2.2.4.信息处理单元：集成化方向发展，SoC替代FPGA是行业趋势

激光雷达接收的信号需要在处理系统经过放大处理和数模转换，经由信息处理模块计算，获 取目标表面形态、物理属性等特性，最终建立物体模型。现阶段主控芯片 FPGA 为行业主流， 远期企业自研 SoC 有望逐步替代。目前 FPGA 主控芯片市占率较高，但随着主流厂商对于性 能及整体系统需求的提升，下一步的发展方向逐步向片上集成芯片（SoC）迁移。将探测器、 前端电路、算法处理电路、激光脉冲控制等几个不同模块集成在一块芯片内，能够同时进行 数据的采集与处理，甚至直接输出点云图像。国内外的 SoC 玩家主要包括禾赛科技、Mobileye、 英特尔等。伴随计算规模与存储容量的增长，未来 SoC 将具备更高的集成度和更清晰的点云 质量，或将逐步代替主控芯片 FPGA。

3.从产业进程看激光雷达

3.1.下游需求：市场规模达百亿美元，中国是最大市场之一

下游需求刺激行业快速发展，激光雷达市场规模有望达百亿美元。受益于无人驾驶、高级辅 助驾驶（ADAS）和服务机器人领域的需求，有望迎来高速增长期。据 Velodyne 预测，2022 年 智能驾驶将占总市场规模的 60.5%，成为激光雷达产业最大的增长极，工业、无人机、机器 人领域各占比 24.4%、8.4%、4.2%。根据沙利文的统计及预测，受无人驾驶车队规模扩张、 激光雷达在高级辅助驾驶中渗透率增加、以及服务型机器人及智能交通建设等领域需求的推 动，激光雷达整体市场预计将呈现高速发展态势，至 2025 年全球市场规模有望达 131.1 亿 美元。

中国是激光雷达未来的最大市场之一。根据麦肯锡的预测，中国将是全球最大的自动驾驶市 场，也是高级辅助驾驶领域全球最大的新车销售市场。由于人口老龄化和产业升级的影响， 需要在减少人力支出的情况下增加生产效率，通过无人驾驶、高级辅助驾驶、服务型机器人 通过机器自动化工作来减少人力支出。

3.1.1.智能驾驶市场：ADAS+ADS双轮驱动，激光雷达为智能驾驶画龙点睛

高级辅助驾驶市场：成本不断下降，商业化进程有望提速。全球范围内 L3 级辅助驾驶量产 车项目当前处于快速开发之中。世界各地交通法规的修订为 L3 级自动驾驶技术商业化落地 带来机会。2020 年 6 月联合国的欧洲经济委员会通过《ALKS 车道自动保持系统条例》，这是 全球范围内第一个针对 L3 级自动驾驶具有约束力的国际法规。随着激光雷达成本下探至数 百美元区间且达到车规级要求，未来越来越多高级辅助驾驶量产项目将实现量产；根据 Forst & Sullivan 的研究报告，2021-2026E、2026E-2020E 全球乘用车新车市场 ADAS 车辆销售 CAGR 有望达 75.5%、30.5%，其中中国增速最高，分别为 92.2%/29.3%。

激光雷达在 ADAS 应用：海内外持续发展，2025 年全球市场规模有望达 6.2 亿美元。2020 年 10 月，百度在北京全面开放无人驾驶出租车服务，在 13 个城市部署总数测试车辆，并且与 一汽红旗合作实现了中国首条 L4 级自动驾驶乘用车生产线建设，具备批量生产能力。根据 Forst & Sullivan 研究估计，2026 年 ADAS 领域使用激光雷达产业规模有望达 12.9 亿美元，其 中中国、美国、其他地区分别为 6.7/3.5/2.7 亿美元。2030 年 ADAS 领域使用激光雷达产业 规模有望达 64.9 亿美元，其中中国、美国、其他地区分别为 32.5/13.0/19.5 亿美元。

激光雷达是无人驾驶的“眼睛”，激光雷达上车是智能驾驶的点睛之笔。从自动驾驶技术发 展来看，L0-L2 阶段，传感器与控制系统的革新是主要变化；L3-L4 阶段，感知与决策能力的 增强是主要变化。L2、L3 及 L4 级别的智能驾驶所需激光雷达台数分别为 0 台、1 台和 5 台， 激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言，中国拥有世界最大的高级辅 助驾驶和无人驾驶市场，成长空间也最为广阔。2020 年 11 月发布的《智能网联汽车技术路 线图（2.0 版）》明确指出到 2030 年我国 L2 和 L3 级渗透率要超过 70%。

3.1.2.其他应用场景：车联网+机器人多应用场景探索，释放市场更多增量

智慧城市、车联网等场景有助于催生路侧激光雷达市场成长。世界范围来看，中国车联网发 展速度最快，战略化程度最高。2020 年 2 月，国家发展改革委、工信部、科技部等 11 个部 委联合印发《智能汽车创新发展战略》，提出到 2025 年，车用无线通信网络（LTE-V2X 等） 实现区域覆盖，新一代车用无线通信网络（5G-V2X）逐步开展应用，高精度时空基准服务网 络实现全覆盖。激光雷达结合智能算法，能够提供高精度的位置、形状、姿态等信息，实现 对交通状况进行全局性的精确把控，对车路协同功能的实现至关重要。随着智能城市、智能 交通项目的落地，未来该市场对激光雷达的需求将呈现稳定增长态势。

疫情刺激服务型机器人市场发展，2030 年激光雷达该领域规模预计达到 16.7 亿美元。服务 型机器人主要应用范围包括无人配送、无人清扫、无人仓储、无人巡检等。面对新冠疫情， 无人配送能够避免人与人的不必要接触，减少交叉感染概率。2019 年 12 月，美国自动驾驶 送货科技公司 Nuro 宣布与零售巨头 Kroger 合作，在休斯顿为顾客提供无人送货服务。2020 年 7 月，京东物流无人配送研究院项目落户常熟高新区，其无人配送车也正式上线。2020 年 10 月，美团正式发布位于北京首钢园区的智慧门店 MAIShop，集成了无人微仓与无人配送服 务。根据禾赛科技公开招股书援引沙利文研究预测，伴随全球服务型机器人出货量的增长以 及激光雷达在服务型机器人领域渗透率的提升，至 2026 年激光雷达在该细分市场预计达到 4.7 亿美元市场规模，2021 年至 2030 年的复合增长率可达 71.5%。

3.2.产业链梳理

激光雷达产业链可以分为上游（光学和电子元器件）、中游（集成激光雷达）、下游（不同 应用场景）。其中上游为激光发射、激光接收、扫描系统和信息处理四大部分，包含大量的 光学和电子元器件。中游为集成的激光雷达产品，下游包括军事、测绘、无人驾驶汽车、高 精度地图、服务机器人、无人机等众多应用领域。

（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。）