激光的发明要追溯到爱因斯坦在 1917 年创立的受激辐射基础理论。处在高能级的粒子受到某种光子的激发会从高能级跃迁到低能级，同时释放一个与激励光子有着完全相同的频率、相位、传播方向以及偏振状态的光子，受激发射出的光被称为 LASER，最早被翻译为镭射，如今我们翻译为激光。
激光雷达被称为探测的“眼睛”，是一种通过发射激光来测量物体与传感 器之间精确距离的主动测量装置。激光雷达的应用可以分成四个阶段：
1960-2000 诞生与科研应用阶段：全球第一台激光器诞生于 1960 年，早期激光雷达大多数都用在科研及测绘项目，进行气象探测以及针对海洋、森林、地表的地形测绘。二十世纪八九十年代，扫描结构的引入扩大了激光雷达的视场范围并拓展了其应用领域，激光雷达商用产品如激光测距仪开始起步。
2000-2015 商业化与车载应用初期：激光雷达从单线扫描的架构逐渐发展到 多线D 高精度重建的应用优势被逐渐认可，2004 年开始的 DARPA 大赛推动了无人驾驶技术的加快速度进行发展并将激光雷达引入了无人驾驶。2005 年 Velodyne 推出的机械旋转式激光雷达在第二届 DARPA 挑战赛中得到普遍关注，第三届 DARPA 完赛的 6 支队伍中的 5 支都搭载了 Velodyne 生产的激光雷达。随后陆续有巨头科技公司及新兴无人驾驶公司投入无人驾驶技术探讨研究，激光雷达被大范围的应用于无人驾驶测试项目。
2016-2019 无人驾驶应用蒸蒸日上：国内激光雷达厂商纷纷入局，技术水平 赶超国外厂商。激光雷达技术方案呈现多样化发展的新趋势，开始有无人驾驶车队进行小范围商业化试点，此外激光雷达在高级辅助驾驶（ADAS）和服务机器人领域的应用也得到不断发展。
2019 年至今技术优化引领上市热潮：技术上，激光雷达朝向芯片化、阵列化发展。2020 年，境外激光雷达公司迎来通过 SPAC 的上市热潮，同时有华为、大疆等巨头公司跨界加入激光雷达市场竞争。
智能驾驶分为感知、决策、控制三大核心环节。要想实现智能驾驶，第一 步就是让车看清楚周围的环境，也就是“感知”。进一步拆解可以分成两部分， 一个是硬件部分，负责“看到”，即“感”；另一部分是软件部分，也就是算法， 负责“理解”，即“知”。
激光雷达位于感知层，不同传感方式的原理和功能各不相同，在车载领域 各有优劣。目前主要的感知方式包括但不限于：超声波雷达、C-V2X、高精度地 图、摄像头、毫米波雷达、激光雷达等。
激光雷达综合性能最优，智能驾驶感知层面硬件之首。根据前瞻研究院，从可靠度、行人判别、夜间模式、恶劣天气环境、细节分辨、探测距离等方面来对比，激光雷达是三种环境传感器中综合性能最好的一种，而且，其产品的优点将随着消费升级与智能驾驶需求提升而愈发凸显。
1） 还原三维特征：高频激光可在一秒内获取大量（约 150 万个）的位置点信息（称为点云），利用这些有距离信息的点云，可以精确地还原周围环境的三维特征。
3） 探测距离远：相比于毫米波，激光雷达使用的激光波长在千纳米级别，有 更好的指向性，不会拐弯，也不会随着距离的增大而扩散。相比于摄像头， 激光雷达不会受到像素和光线） 抗干扰能力强：自然界中存在诸多干扰电磁波的信号和物质，但是很少有 能对激光产生干扰的信号，因此激光雷达具有比较强的抗干扰能力。
在安全性的要求下，多传感器融合、实现技术冗余是大势所趋，激光雷达的市场红利确定性强。在积极拥抱无人驾驶技术发展的同时，安全冗余是人们考虑的首要因素。通过上述的分析我们大家可以看到，单一的车载传感器难以兼顾探测精度、距离、复杂恶劣环境的灵活稳定；而应用多种类的传感器可以达到“即使某一种传感器全部出现故障，仍能额外提供一定冗余度”的效果。国际汽车工程师协会 （SAE International）发布的工程建议将自动驾驶分为了 6 级，随着 L0 级- L5 级，级别越高，车辆的自动化程度越高，动态行驶过程中对驾驶员的参与度需求 越低，对车载传感器组成的环境感知系统的依赖性也越强。在 L4/L5 级别自动 驾驶的复杂情况与安全冗余的要求下，激光雷达与毫米波雷达、摄像头等进行多 传感器融合，可以得出更全面的周遭环境信息，对自动（辅助）驾驶的路径规划 和安全性有着极大的帮助。
通过前文的历史回顾，我们可以发现，激光雷达之于自动驾驶的概念提出 已经历很长一段时间，但是早期多数是针对军事，或者是概念性的畅想，和日常 商用车还有一定距离。但 2021 年 4 月上海车展之后，一大批搭载激光雷达的量 产车的涌现吸引了市场眼球，包括小鹏 P5、蔚来 ET7、极狐阿尔法 S、奥迪 S 级、宝马 iX、智己 L7、哪吒 S 等等。同时，无人驾驶测试项目及车规规模也在 快速扩张。我们不禁要问：为什么激光雷达突然如此抢手？接下来我们将从需求 和供给两个角度，分析近年来激光雷达加速发展的驱动因素。
激光雷达下游应用领域广泛，主要涉及无人驾驶（ADS）、高阶辅助驾驶 （ADAS）、服务机器人和智慧城市及测绘行业。近年来，无人驾驶车队规模扩 张、高级辅助驾驶中激光雷达的渗透率增加、全球交通政策逐渐放开，车载激光 雷达子赛道预计呈现高速发展态势。据 Frost & Sullivan 统计及预测，2019 年 智慧城市及测绘是激光雷达的主要应用市场，占比约 60%，至 2025 年高级辅 助驾驶、无人驾驶将成为下游应用主力，分别占激光雷达市场总规模的 34.64% 和 26.30%，乘用车前装激光雷达领域对整体市场的增长贡献达到 61%。因此， 我们也聚焦于车载领域的激光雷达的分析。
汽车保有量的提升，带动驾驶安全的需求。根据联合国最新的统计数据， 全球每年约有 125 万人因道路交通事故丧生，造成的经济损失约为 1.85 万亿美 元。在我国，经济发展、国民收入的增加使得机动乘用车市场不断扩张，但也带 来了交通安全隐患。根据公安部统计，在 2010-2019 年的十年间，我国平均每 年发生车祸 20 余万起，死亡的人数约为 6 万人，其中 94%的交通事故是由人为 因素引发，人工驾驶员因注意力分散、未按道路规则行驶、错误路况判断、酒驾 等因素导致交通事故，成为传统出行方式一大痛点。运用高级辅助驾驶系统的车 辆，可以通过车路协同技术在人类视觉盲区接收道路信息，或通过激光雷达在光 线不佳的情况下看到人眼分辨不清的障碍物，提前规划行为决策，避免交通事故。
交通政策的支持，助推自动驾驶商业化落地。随着互联网、大数据、人工 智能等技术在汽车领域的广泛应用，汽车正加速由机械化向智能化转变。当前， 全球主要国家和地区纷纷加快产业布局，制定发展战略，各项技术标准及法规等逐渐完善。中国政府高度重视智能网联汽车的发展并频频出台支持政策，自动驾驶产业得到迅猛发展。
资本市场看好商业前景，2021 年全球激光雷达领域融资超 120 亿元。早在 2018 年 8 月，Waymo 就被摩根士丹利赋予高达 1,750 亿美元的估值，被看好其在无人驾驶出租车、无人物流和无人驾驶技术授权三个业务领域的发展前景。据统计，2013－2018 年，激光雷达领域投资规模呈现出平稳增长的态势，投资 数量与投资金额保持正比例增长，投资金额在 2018 年达到 23.87 亿元，2019 －2020 年稍有回落后，在 2021 年上半年迎来快速增长，15 起投资事件投资规 模高达 120.36 亿元，尤其以 5 月份 Magneti Marelli 成功融资 12 亿美元为最高。一级资本的支持不仅体现出市场对于激光雷达前景的看好，更为激光雷达行业的 发展注入资金。
自动驾驶测试项目快速扩张，无人驾驶不再遥远。早期无人驾驶出于绝对 安全的考虑和法律政策限制，运营过程中往往会设置安全员作为系统的备份，并未实现 L4/L5 的真正跨越。近年来，随着研发技术的完善成熟与商业模式的不断探索，实现真正无人驾驶已经不再遥远。
1.4、空间：渗透率+单车搭载量双升，乘用车 LiDAR 近 60 亿美元规模
我们认为，智能驾驶领域呈现“造车新势力与传统汽车共同做大市场，消 费者认知逐步提升并加速普及”的趋势。激光雷达作为智能汽车 L3 级别以上自动驾驶传感器的关键，或将迎来行业向上拐点，预计 2025 年中国乘用车 LiDAR 市场空间突破 20 亿美元，对应 21-25 年 CAGR 为 109.2%；全球乘用车 LiDAR 市场空间有望达到 60 亿美元左右，对应 21-25 年 CAGR 为 113.4%。
（1）规模：造车新势力积极装配，传统车企不甘示弱。在规模上，一方面特斯拉、蔚来、小鹏等新能源造车势力异军突起，打造自动驾驶先进感、科技感的核心卖点，在感知硬件的装配上高歌猛进，领衔激光雷达竞赛。另一方面，面对造车新势力的竞争冲击与全球“碳中和”趋势的双重压力，传统车厂不甘示弱，不仅积极创建自研团队进行自动驾驶布局，而且充分利用多年制造技术的积累，与上游 tier1/科技巨头协同合作，加速进行自动驾驶规划。根据佐思汽研的统计，预计 2025 年头部主机厂都将进阶到 L4/L5 级别。
（2）渗透率：单车搭载量逐级提升。渗透率方面，国际汽车工程师学会（SAE） 将自动驾驶分为 6 个等级，L0 到 L2 为辅助驾驶，L3 到 L5 属于自动驾驶。目前 L2 级别的高级辅助驾驶技术上基本实现，渗透率正在逐步提升，自动驾驶技术已经开始向 L3 级别迈进，实现从辅助驾驶（ADAS）到自动驾驶（ADS）的飞跃。我国《智能网联汽车技术路线 级的智能网联汽车销量占当年汽车总销量比例超过 50%，而到 2030 年，这一占比超过 70%。这意味着 L2 从当下的 15%渗透率到 50%甚至更高还有很大的成长空间。单车搭载量方面，L3 级成为 ADS 与 ADAS 的分水岭，激光雷达将发挥至关重要的角色，根据 Yole 预估测算，其单车搭载量将随着自动驾驶等级的提升而成倍 增加，L5 级别将搭载 4-6 颗激光雷达。
1.4.1、按车型推算：全球乘用车激光雷达市场规模为 58.16 亿美元
2020 年我国智能网联汽车市场（L2+级别）渗透率约为 15%， 2021 年第一季度 L2 智能网联汽车的市场渗透率达到 17.8%，新能源汽车中 L2 智能网联汽车市场渗透率达 30.9%。我们认为：① 新能源车追求科技属性加成，ADAS 渗透率高于燃油乘用车；② 随着 ADAS 持续加码，2021 年全年新能源+燃油车全车型综合 L2 级别渗透 率将略高于一季度水平，达到 19.2%水平；③ 随着搭载智能驾驶系统的车型密集发布，L2、L3 级别 ADAS 渗透率将持续提升；④ 由于造车新势力的崛起以及消费者认知与接受度的提升，L3 级别渗透率的增速将快于 L2 增速。
预计到 2025 年，我国 L2、L3 级别智能网联汽车销量将占全部 汽车销量的 50%，L4 智能网联汽车开始进入市场。我们认为：受到成本和研发的制约，3-5 年内量产 L4&L5 级别的乘用车自动驾驶整车系统还存在一定难度，但是考虑硬件作为软件的载体，一般硬件会先行于软件系统的搭载进度，我们预计 2023 年将陆续实现 L4&L5 部分功能，但 2023-25 年渗透率将处于 1-2%的较低水平，长期 L4&L5 将有广阔增长空间。
① 中国燃油乘用车销量占比自 2016 年开始基本稳定，假设全球乘用车格局无显著变化，中性情境下，我们预测趋于稳定；② 自 2015 年开始，中国新能源乘用车在全球市场的占比强劲，虽然 2020 年受 到政策环境和疫情等影响，全球碳排放压力，叠加海外疫情下欧美新能源车政策 支持力度较强，导致中国新能源车销量占比有所下降，但是 2020 年 7-12 月中 国新能源车市场已开始逐步恢复，2021 年前二季度增速提速明显；③ 乘联会根据一、二季度实际销量数据预测得出，2021 年中国新能源车销量占 比达到 46.5%，考虑到中国造车新势力国内销量节节攀升，中国新能源车发展全球领先，中性情境下，我们以每年增长 0.5%的渗透率外推，至 2024 年稳定。
①目前激光雷达 ASP 逐年下探趋势明确，目前价格最低的激光雷达低至百美元。②搭载激光雷达颗数估算：L0-L2 级 0 颗；L3 级 1.5 颗；L4/L5 级 3.5 颗（考虑到 2025 年高等级自动驾驶技术尚不成熟，未来单车搭载率仍有望增加）
根据 Marklines 对于全球主要地区乘用车销量的统计与预测，以及罗兰贝 格于 2021 年 3 月发布的最新咨询报告（依据新冠疫情调整后）中 2025 年及以后 ADAS 供需情况的预测，我们按照全球地区划分的方式，预测激光雷达全球乘用车市场规模 61.37 亿美元，与按车型推算逻辑实现了相互验证。
① L2 级别：由于世界范围内 ADAS L2 级功能已有一段时间积累，目前已处于快速普及阶段，产业应用角度越来越多车型已配备 L2+功能，因此我们使用各地 区 CAGR 线 级别：我们认为随着汽车智能化将迅速普及，2022 年开始 L3 级渗透率将 进入快速增长阶段，至 2025 年渗透率增加逐年提升。③ L4+级别：L4-L5 受到成本和研发的制约，3-5 年内量产 L4&L5 级别的乘用车 自动驾驶整车系统还存在一定难度，但是考虑硬件作为软件的载体，一般硬件会 先行于软件系统的搭载进度，预计 2023 年各国家陆续实现部分功能，但 2023-25 年渗透率将处于 1-2%的较低水平。
按照测距原理的不同，激光雷达可以划分为飞行时间测距法、基于相干探 测的 FMCW 测距法、以及三角测距法等。其中 ToF 与 FMCW 可实现室外阳光下 较远的测距，是目前市场车载中长距激光雷达的主流方案。
（1）ToF 飞行时间法，全称 Time of Flight，能够根据发射和接收的时间差直 接算出距离，具有响应速度快、探测精度高的特点，在激光雷达传感器领域应用多年。
（2）FMCW，全称为 Frequency Modulated Continuous Wave，使用三角波进行调制，利用相干光学检测技术，通过在时间上调制激光频率并检测发射与回波间的拍频信号，完成对目标的距离及速度（多普勒频移）的同时探测。
ToF 发展成熟，FMCW 备受期待。对于 ToF 和 FMCW 这两种技术路线来说， 目前以 TOF 为技术路线的激光雷达公司数量众多、当属主流，常见的光束操纵分类如机械式、混合固态、固态式均采用了 ToF 的原理进行测距。但 FMCW 高灵敏度（高出 ToF 10 倍以上）、长距离探测、低功耗、抗干扰、直接获取即时速度的优势日益明显，越来越受到行业的重视。我们认为，未来随着 FMCW 激 光雷达整机和上游产业链的成熟，FMCW 有望逐渐改善体积大、成本高、速度慢等劣势，ToF 和 FMCW 激光雷达将在市场上并存。
激光雷达主要由激光发射、激光操纵（扫描系统）、激光接收、信息处理 四大系统要素构成。四大系统相辅相成，进而短时间内获取大量的位置点信息， 并根据这些信息实现三维建模。
激光的产生来自于激光发射器。激励源周期性地驱动激光器，发射激光脉 冲，激光调制器通过光束控制器控制发射激光的方向和线数，最后通过发射光学 系统，将激光发射至目标物体。发射端从 EEL 向 VCSEL 发展。目前车载激光雷达大多采用半导体激光器， 具体分为激光由边缘发出的边发射激光器（EEL）和激光垂直于顶面的垂直腔面 发射激光器（
EEL 激 光器的发光面位于半导体晶圆的侧面，具备高光输出功率、散热性好等优势，但 往往生产成本高且一致性难以保障；VCSEL 激光器的发光面与半导体晶圆平行， 更容易与平面化的电路芯片键合，同时能够提高光调制的效率。与 EEL 相比， VCSEL 具备成本低、效率高、寿命长的优势，传统的 VCSEL 激光器存在发光 密度功率低、测距距离不足 50m 的缺陷，近年来国内外多家 VCSEL 激光器公 司纷纷开发了多层结 VCSEL 激光器，将其发光功率密度提升了 5~10 倍，这 为应用 VCSEL 开发长距激光雷达提供了可能。
发射光学系统由扩散片、准直镜、分束器组成，作用不可小觑。由激光器 发射的原始激光本身为不均匀的点状光，其存在的“热点”会烧毁被照射的器件和物体，同时存在光斑形状不规则（例如一般是椭圆形或长条形）、发散角不同等缺点，并不能直接发射，而发射光学系统通过扩散片、准直镜、分束器的相互配合，可以将原始激光转化为均匀的光束，作用不可小觑。
扫描技术的不同决定关键技术参数，可分为机械式、半固态、固态。激光 雷达的扫描系统通过对光束的操纵，实现对所探测目标的扫描，并产生实时的平面图信息。扫描技术直接决定了激光雷达的扫描频率、扫描范围、采集数据量等关键技术参数。根据光束操纵的方式，可分为扫描系统和 Flash 两种，其中扫描系统又包括机械式、混合固态、固态，也可以根据是否发生机械运动将 Flash 归为固态方式。
（2）混合固态：分为转镜、MEMES 微振镜、棱镜三种，成本大幅降低，最快 上车成共识。①转镜是通过一个转动轴带动镜子转动，其在功耗、散热等方面有 着更大优势，全球第一个通过车规的法雷奥 SCALA 就是做转镜出身，目前转镜 方案代表品牌包括华为、法雷奥、禾赛、Luminar、Innovusion 等。②MEMS 微振镜激光雷达通过控制微小的镜面平动和扭转往复运动，将激光管反射到不同 的角度完成扫描，激光发生器本身固定不动。优点是运动部件减少，可靠性提升 很多；同时微振镜的引入可以减少激光器和探测器数量，成本大幅降低。③棱镜 扫描技术通过两个楔形棱镜使得激光发生两次偏转，控制两面棱镜的相对转速便 可以控制激光束的扫描形态。棱镜方式扫描图案形状状若花朵，而并非一行一列 的点云状态，优点在于中心点云密度更高，但是机械结构也相对更加复杂，体积 较前两者更难以控制，存在轴承或衬套的磨损等风险，目前发力棱镜激光雷达的 主要是大疆旗下的 Livox 览沃，其将量产激光雷达价格下探至 9000 元。
机械式-半固态-纯固态演变，行业技术发展的主流趋势。根据 Systemplus Consulting 对成本测算分拆，能够正常的看到机械式激光雷达中收发模组成本约占整机成本 60%，固态激光雷达去掉了大部分/全部的机械部件，是产品迈向小型化、 高性能、低成本的重要一环，更是车载激光雷达能否实现商业化量产的关键因素之一。
激光接收系统由接收光学系统和光电探测器两部分组成。激光器发射的激 光照射到障碍物以后，通过障碍物的反射，反射光线会经由镜头组汇聚到接收器 上，这里的镜头组即激光雷达接收光学系统，涉及到的结构包括透镜、窄带滤光 片、分束器等。① 透镜：接收光学系统利用凸透镜改变入射光的光路，使之汇 聚到探测器以降低光的损耗。② 窄带滤光片：可以控制接收光束的波长，从而 剔除和过滤掉散杂光，确保传感器接收到的光信号准确无误。③ 分束镜：分光 器利用光的衍射原理，实现光波能量的分路与合路，将接收的探测光分为多束光 纤射入光电探测器阵列。
激光探测的核心器件是光电探测器，未来 CMOS 工艺的单光子探测器的优 势将进一步展现。光电探测器是一种利用光电效应将光信号转化为电信号，实现对光信号进行探测的装置，最常用的探测器有 PIN 光电二极管、雪崩光电二极管(APD)、单光子雪崩二极管(SPAD)和硅光电倍增管(SiPM)。由于线性雪崩二极管探测器 APD 具有高的内部增益、体积小、可靠性好等优点，往往是工程应用 中的首选探测器件，但是随着国内外多家探测器公司不断优化单光子器件 SPAD 在近红外波段的量子效率，SPAD 在实际探测灵敏度方面已经逐渐超越了 APD。未来几年内，随着设计和工艺的进一步优化，SPAD 对 APD 性能的优势将越发 明显。
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。激 光雷达终端信息处理系统的任务是既要完成对各传动器件、激光器、扫描旗舰及各信号处理电路的同步协调与控制，又要对接收端送出的信号进行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。现阶段最常用的主控芯片是 FPGA 芯片，但随着主流厂商对于性能及整体系统需求的提升，信息处理系统发展逐步向企业自研专用单光子接收端片上集成芯片（SoC）迁移，通过片内集成探测器、前端电路、算法处理电路、激光脉冲控制等模块，能够直接输出距离、反射率信息。目前禾赛科技、Mobileye、 英特尔等已率先布局 SoC 技术，未来随着线列、面阵规模的不断增大，逐步升级 CMOS 工艺节点，单光子接收端 SoC 将实现更强的运算能力、更低的功耗、更高的集成度，同时具备器件自主可控的优势，因此更加适合大规模量产，或将逐步代替主控芯片 FPGA。
通过前文对激光雷达四大技术构成要素的拆解和分析，我们认为，技术革 新，即追求性能优化+成本降低是行业发展的主旋律，硬件+软件的发展路径已经清晰，各环节阶段皆可发力，在可靠性提升的基础上逐步实现量产。
硬件方面四大系统皆可发力。具体体现为：①光束发射和探测环节核心器 件的升级（例如 EELVCSEL；APDSPAD/SiPD）；②扫描环节固态化（旋转机械部件的取消，将减少电机、轴承的损耗，提升寿命）；③信息处理环节片上集成化（自研 SoC 芯片）。总体来说，硬件呈现芯片集成化的趋势，不仅提升系统可靠性、降低装调生产成本，而且更有利于实现关键元器件的自主可控，为大规模量产提供可能。
多个核心参数评价维度，助力行业标准体系的搭建。目前行业主要通过测 远距离、点频、角分辨率、视场角范围、测距精度、功耗、集成度七个显性参数来评价一款激光雷达的硬件性能。
行业初期，车规标准尚不明晰，隐形指标提出更高要求。相比于消费级电 子，“前装量产上车”对车载零部件的安全性、美观性、稳定可靠性、使用寿命、 可量产性、抗干扰性等都提出了更高的要求。这些指标更加难以量化，也缺乏公开信息， 只能通过产品是否应用于行业领先企业的测试车队或量产项目中得以体现。以 2021 Q2 速腾聚创已车规量产的 RS-LiDAR-M1 为例，为了应对如冰雪、 泥土、沙尘、大风、阳光暴晒、以及车载电子器件(包含激光雷达，毫米波雷达， 远程遥控模块等)干扰等给传感器带来的影响，M1 搭载了完善的配套功能，包括 OTA 升级、污迹检测、智能清洗、智能加热、性能检测、电源管理、网路管理等。据公司官网的产品介绍，开启 M1 的凝视功能，能实现将扫描帧率由 10Hz 提升到 20Hz，对加塞车辆、横向穿行的电动车、行人等障碍物的探测更频繁， 帮助驾驶系统更迅速地响应路况变化。
激光雷达行业具有较高的技术水准与技术壁垒。作为一种新兴的传感器技 术，激光雷达系统结构精密且复杂，精细的光机设计和收发对准、微弱信号的灵 敏探测和快速响应是实现探测目标的前提。为了实现最优的探测效果，激光雷达 不仅在开发过程中需要光、机、电等子模块的高度配合和协同优化，而且还需要 在生产过程中具有相匹配的高精度生产制造能力。
激光雷达行业技术创新能力强，产品迭代速度快。从最初的单点激光雷达 发展到如今机械式、半固态式、固态式、FMCW 等多种技术架构，激光雷达技 术架构的创新与应用范围的拓展彼此促进。在激光雷达公司持续的大量研发投入 之下，激光雷达产品不仅测量范围更远，探测精准度更高，空间分辨能力更强， 而且在可靠性、安全性、成本控制等方面也逐渐成熟，产品更新换代速度快。
制作工艺尚未成熟，量产需要时间积累，生产把控能力成为关键。激光雷 达作为新兴的精密传感器，尚无确定的行业标准和成熟稳定的工艺，生产环节多步，包括针对产品结构、硬件特性、软件算法的精准装调和测试工序；而且量产需要时间，对于车载激光雷达而言，任何新的平台设计均需要几年的时间才能从概念走向真正稳定量产阶段。因此，激光雷达厂商不仅需要对生产环节具有较强的把控能力，而且需要前瞻性布局，抢占先发优势。
视觉方案仍有局限性，暂时无法满足 L3+要求。一方面，摄像头图像受光线影响较大，在逆光、恶劣天气时候存在失真的可能性，而且只能提供 2D 信息较难还原无人驾驶所需要的 3D 规划场景，容易对墙面、桥梁、交通路牌等静止物体产生误报。另一方面，深度学习原理类似黑箱，随着道路交通情况的变化越来越复杂，对芯片算力的需求也越来越高。特斯拉完全自主研发的 FSD 全无人驾驶芯片，单片单芯片算力 230TOPS，已经远超市面上已经量产的其他车载芯片， 但若要实现 L5 级完全无人驾驶，系统整体算力应至少达到 500TOPS，芯片研 发迭代未来仍面临较大提升空间。
激光雷达的产业链较为清晰。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 Tier1 企业等。
激光雷达的上游组件主要包括激光器和探测器、主控芯片、模拟芯片以及 光学部件，海外优势明显。由于起步较早，具备一定先发优势，当前上游核心元 器件主要由海外厂商主导，产品可靠性高，技术成熟，客户群体广泛。
国内厂商奋起追赶，性能差距逐渐缩小，有望改善上游格局。伴随技术资 金和资源的不断投入，近几年国内上游厂商正在崛起，与海外龙头企业的性能差 距逐渐缩小，同时兼具成本优势。我们认为，在中美贸易摩擦大背景下，供应链 风险将推动高科技零部件本土化，加上激光雷达厂商也在布局自主研发设计，未 来有望打破海外绝对垄断的格局，实现国产替代。
激光雷达系目前仍处于成长期，尚未实现统一的标准和技术路径，未来将 呈现百花齐放的竞争格局。面临特斯拉视觉系的先发优势壁垒以及激光雷达成本下降速度加快，越来越多车企、包括华为、大疆等科技巨头选择以激光雷达作为 核心传感器的无人驾驶感知技术路线。
目前，激光雷达系参与风格主要分成两类。一种是从机械式起步、逐渐向 固态过渡风格，主要面向 Robotaxi/Robotruck 或者智能驾驶实验场景，产品技术要求高、单价贵，客户对于价格不敏感，以 Velodyne、禾赛科技、速腾聚创为代表；另一种是瞄准半固态和固态风格，直接定位乘用车 ADAS 应用场景，力求降本、量产、上车，以 Luminar、Innoviz，以及科技巨头华为、大疆为代表。
国产厂商加码布局崛起可期，全球范围充分竞争。根据 2021 年 9 月 Yole 的最新统计数据，目前在激光雷达市场中游，中国厂商例如速腾聚创、禾赛科技的竞争力正在加速提升，逐渐挤压头部厂商 Velodyne 的市场份额，其中速腾聚 创的已获客户订单数已经位居全球第二，占据所有厂商订单总数的 10%。
下游通过投资方式高度捆绑，合作稳定、预锁订单。激光雷达的下游涉及 无人驾驶（Robotaxi/Robotruck）、乘用车智能驾驶、智慧城市与测绘、服务 机器人等多个角度。针对车载子赛道来说，由于激光雷达厂商产能和技术不确定 性较高，为保障激光雷达稳定供应，下游车企和 Tier 1 供应商多与激光雷达厂 商采用投资的方式，实现高度捆绑。同时，激光雷达的测试周期较长，车企和 Tier 1 供应商转换成本高，长期稳定的合作伙伴关系有利于激光雷达厂商提前锁定订单。
大象研究院是大象投资控股集团旗下的智库机构，以“立足行业基础研究，服务全球长期资金市场”为使命，追求成为全世界顶级独立第三方研究机构。研究院对内提供基础行业研究，为集团“为中国优秀公司可以提供全球性咨询与资本服务”的愿景提供研究支持；对外提供独立的第三方研究报告和决策咨询支持。大象研究院的研究覆盖先进制造、TMT、节能与环保、人工智能、新能源、新材料、医疗健康、生物科学技术、文化娱乐、互联网金融等行业，结构化整理超过上万份细分行业报告，并实时更新。
我们尊重版权，精选的文章均已注明作者和来源，转载文章版权属原作者所有。若涉及版权问题，敬请第一时间后台联系我们。返回搜狐，查看更多责任编辑：
平台声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
