2021年激光雷达行业深度研究报告

2021年激光雷达行业深度研究报告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,智能化是ー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%〇25/30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%〇格局层面来看,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,整体研发实カ较强,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カ较大。长期维度看纯固态技术的成本和稳定性都有较大潜カ,是技术上的最优解,但是短期受限于产业链成熟度较低。ー、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以及造车新势カ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以及造车新势カ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,造车新势カ在配置层面一直较为激进,可对行业起到ー定程度示范效应,而长城、长安、吉利等可走量的国内ー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N10Day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（均值二284.95%）、Innoviz（均值=2761.4%）等相关上市公司历年研发费用率水平均较髙。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°X25°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!0万套/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ーー浩界（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F0V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。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IHSMarkit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,这ー数字将攀升至34.6%,年均复合增长率预计达到34.03%〇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%〇2025/2030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%〇2025-2030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%〇2025/2030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%〇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%〇2025/2030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%〇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%〇2025/2030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%〇 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Y0LE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%o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RoboticCar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!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Tier1;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、GMCruise、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、DekaResearch>CanvasBuild,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、Tierl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、!nnoviz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ー一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,整体研发实カ较强,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、速腾聚创等企业〇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、Pandari28>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、150n!范围内的车道以及250n）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!000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エ作。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。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カ。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ー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カ。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”。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,ー辆处于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A!高级总监AndrejKarpathy于2020年举提出特斯拉正在研究“伪激光雷达”方案(pseudo-LiDAR)〇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。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、算カ、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!609万公里,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髙精度地图、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0TA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,数据质量更髙,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;算カ优势:横向看,特斯拉的FSD芯片采用14nmエ艺制造,包含3个四核Cortex-A72集群,共I2个运行于CPU、1个运行于GPU、2个运行于NPUo目前,特斯拉FSD核心计算芯片单颗芯片算カ髙达72T0PS,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エ艺制造,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+或し3+）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（TOB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（TOC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,髙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,能够进ー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カ,是技术上的最优解。0PA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エ作,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カ。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FusionHybrid搭载了!6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髙,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；201?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!beo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!0万台;Livox宣称,供给小鹏的Horiz激光雷达组装线本身将实现!0万台级别的年均产能,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半固态ーMEMS振镜方案:后期有望过车规,降本潜カ大原理: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、