激光雷达行业深度研究价值空间格局趋势探讨

激光雷达行业深度研究-价值空间格局趋势探讨报告综述：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

NIODay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

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

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

Tier1

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、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

AndrejKarpathy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（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，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

FusionHybrid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

InnovizPro和

LuminarH-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

MEM