激光雷达行业市场分析

激光雷达行业市场分析01智能化重新定义汽车，开启“新赛道”颠覆性体验感打通消费者消费升级感受空间，用户对智能化功能需求度变高。未来车只分为“能自动驾驶”，和“不能自动驾驶”的。跟车辅助类和主动安全类功能的需求度变高，超过20%的用户认为这些功能是"必须有"的。对特定场景下的功能也有一定期待，比如在拥堵路段提供驾驶辅助功能。颠覆性体验感打通消费者科技感想象空间，智能化带来汽车定位的差异。智能汽车属性更加多元更为广泛，油车的定位就是交通工具，从A到B。当电车作为一个移动生活空间的存在，才有那么多智能化属性的想象空间。未来或许有IV2X的概念，V2X是为了方便自动驾驶，依然是在交通工具的概念里面。而IntelligentVehicle则是可以周边各种各样的智能化设备发生交互，比如它是一个反向充电的大充电宝，支持露营，支持其他人的生活。当前与未来市场，品牌之间竞争将愈加残酷，生存是车企的第一需要。想要在如此“内卷”的竞争格局中突围，必须打造品牌力，需要在运营、产业、技术、产品等四维度做到没有短板、优势突出。当下多数车企越过“生存困境”、面临大规模研发与营销投入造成持续性亏损，尤其考验企业的经营策略与执行力。新品孵化是品牌DNA，源源不断的智能化新品孵化为企业持续带来新的正面影响，良性循环，塑造企业“硬质壁垒”。品牌内部DNA的优化远比改进外部市场运营更有意义，可以从根本上调节品牌发展生命线重心的问题。内卷时代没有持续新产品孵化的品牌或面临衰败或消亡，再优秀的外科大夫也无法矫正先天畸形。真正的竞争力来源于品牌新品的概念重塑，必须发展智能化才能在市场中占据一席之地，更科技、更安全、更省力的智能化新品为企业不断增加正面影响力，从而进入良性发展，最终建立属于自己的“硬质壁垒”。自动驾驶能力提升需要软硬件协同，核心靠算法驱动，迭代过程中硬件先行。BEV+TransGormer已被Tesla证实可行，主流车企均沿此技术方向迭代向前，性能升级需要软硬件的共同提升。自动驾驶迭代节奏为硬件阶梯向上，软件持续提升，且软件的迭代落后于硬件。硬件配置决定了车辆辅助驾驶能力的下限，算法策略决定了辅助驾驶能力的上限。但硬件配置转化为驾驶能力时，不仅需要算法模型对各传感器捕获的信息进行科学融合、得出精准的车辆位置和周围环境信息，更需要对芯片算力的高效调度。因此软实力决定上限。BEV+TransGormer已被Tesla证实可行，主流车企均沿此技术方向迭代向前。单车智能主要通过传感器、控制器、执行器以及人机交互的配合实现。智能驾驶赛道爆发，激光雷达是最直接的受益行业。“混合方案”是除了特斯拉以外所有自动驾驶玩家的共同选择，激光雷达作为混合方案里的主要传感器，必然会随着智能驾驶赛道爆发而爆发。随着3年内城市NOA渗透率持续提升，激光雷达出货量持续增长，规模效应带来利润释放，进一步降低成本，提升激光雷达渗透率，进入良性循环。02智能化的核心是城市NOA，城市NOA的核心是激光雷达电动化和智能座舱带动了第一波电车替代燃油车。自动驾驶产品已经成为刚需，智能化将在未来十年内进一步带动电动车替代燃油车。就像滴滴改变传统出行方式一样，未来五年内城市NOA将成为自驾出行的主要方式。2023年的NOA是辅助驾驶的天花板，也是智能驾驶的起点。技术进步，AI大模型技术突破，特斯拉FSD在2023年V12实现落地。未来的智驾的产品策略和定价策略会发生变化，从分档购买，转变为先全部预装，分部激活。自动驾驶产品最好的销售场景不是在销售大厅，而是在堵车时。特斯拉的很多车主在买新车时为了省钱没买FSD，但堵车的时候实在逆不过懒惰的人性，直接拿出手机在线完成购买和激活，而且价格还比购买新车时贵。以城市NOA为代表的无限接近L3的自动驾驶，产品已商业化，渗透率提升的趋势已不可逆。就像滴滴改变传统出行方式一样，未来五年内城市NOA将成为自驾出行的主要方式，2023年往后，车只分两种，”能自动驾驶”的和“不能自动驾驶的”。感知方案主要以激光雷达为主导，而毫米波雷达、超声波传感器及摄像头则作为辅助。激光雷达的工作原理，是利用雷达发射光束，测量激光在发射及收回过程其中的时间差、相位差，以此确定车与障碍物的距离，实现感知和及时避障。激光雷达是NOA必备要件，未来自动驾驶汽车无论商用车还是乘用车都需要配置激光雷达。中国2022年汽车总销量2000万+台，新能源汽车目前占比30%+，我们认为激光雷达占电动车的渗透率将在3年内从5%提高到30%，三年内激光雷达年出货量有望达到300万台以上，成本会随产销量放大而大幅度下降。算法模型难以涵盖城市通勤所有突发情况，激光雷达测距远，给车以足够时间反应应对突发情况，有效解决长尾效应难题，且消费者最愿意为安全付出溢价。激光雷达（LightDetectionAndRanging，简称为LiDAR）在短时间内向周围环境发射大量光子，通过测量反射回来光子的飞行时间（TOF,TimeofFlight），计算与周围物体的距离。激光雷达被广泛用于无人驾驶汽车和机器人领域，被誉为广义机器人的“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。激光雷达通过激光器和探测器组成的收发阵列，结合光束扫描，可以对广义机器人所处环境进行实时感知，获取周围物体的精确距离及轮廓信息，以实现避障功能，在环境中通过激光雷达的定位精度可达厘米量级，以实现自主导航。国内车厂的软件和算法比特斯拉落后，但激光雷达是作弊器，不需要复杂的算法计算景深生成3D模型，直接通过雷达波反射形成点云图。AI大模型的技术突破，特斯拉的FSD的V12已落地。国内车厂在激光雷达的加持下，虽然多付了一些硬件成本，但弥补了软件的不足，可以在L2级别拉平与特斯拉智驾方案的使用效果差距。03L3车规落地打开激光雷达新空间，未来进一步迭代降本L3是区分辅助驾驶与智能驾驶的关键节点，L0-L2“人为主、车为辅”，L3之后“车为主、人为辅”。随着技术持续升级，智能驾驶功能有望持续落地。跟据《汽车驾驶自动化分级》标准，智能驾驶技术可划分为L0-L5共六个级别。从实现功能来看，L0级别主要完成向驾驶员发出警告信息的任务；L1实现了行驶过程中可以完成定速巡航等功能；L2方案的主要功能是自适应巡航、自动紧急制动、自动泊车辅助等；L3方案可以完成高速引导驾驶和自动变道辅助等功能；L4的代表功能是领航驾驶辅助和自主代客泊车，实现更多智能驾驶场景的覆盖；L5可以实现完全智能驾驶。技术成熟后，国家进行投入，颁布支持政策，指明产业方向。政策法规的持续迭代保证智能驾驶行业快速发展，目前已对高级别方案的车辆要求、人员要求、安全要求等方面做出明确规定，未来全国性法规的持续完善有望推动智能驾驶的全面升级。未来2-3年内技术逐渐成熟落地，L3级别车辆或可面世。截至2023年8月，全国累计开放测试道路超过2万公里，已具备一定的量产条件。L2+及以上硬件方案BOM成本中，决策层（自动驾驶芯片、域控制器）与感知层（车载摄像头、激光雷达等）成本最高，未来有望进一步降本。2021年：据IHSMarkit，2021Q1新车L2搭载率为13.1%，2022年L2全年渗透率超过25%，2025年达近60%。2025年：车规L3级别2024年落地，明确责任划分机制，2025年车企技术上逼近L4级别。据IHSMarkit，2025年L3渗透率有望达8.5%。2030年：据IHSMarkit，L2搭载方案有望下沉至5-15w价格区间，2030年L2渗透率有望逼近60%；规模效应驱动硬件成本下降，L3及以上2030年渗透率有望达20%。RoboTaxi商用化落地快速推进，2030年L4渗透率有望达到11%。聪明的大脑更为关键。传感器以毫米波雷达和超声波雷达为主，用以解决ACC等较低级别的辅助驾驶功能。而为了进一步实现汽车自动驾驶，车载摄像头、激光雷达等传感器相继加速上车。特斯拉采用纯视觉方案.聪明的大脑更关键。相比较于有激光雷达的方案，纯视觉方案最大的优势就是成本更优，摄像头的成本只有几十美元，这意味着大部分价格区间的车型都可以覆盖这一成本，为智能驾驶的快速推广奠定了硬件基础。另一方面，与激光雷达相比，摄像头收集到的数据更加丰富，更适合喂养智能驾驶系统来实现数据驱动，实现聪明的大脑。未来整车现有部件降本空间仍大。新能源车电池及上游原材料持续降价，叠加一体化压铸技术落地，新能源车未来降价空间大，降价趋势明显。由于锂矿开采成本大幅低于现价，锂盐价格将随着供给释放而下跌，碳酸锂、电芯价格降幅可达50%。智能化部件降本趋势同样明显，激光雷达上车可以保持经济性优势。激光雷达等智能化部件进入拐点放量期，带动价格快速下行，未来有望成为20万元以下汽车标配。2020年至2023年，摄像头、激光雷达降幅分别达80%、95%。2023年至2028年，激光雷达价格有望降幅达30%，域控制器价格降幅接近30%。感知端解决好了，后面任务才更可信数据才更可靠，激光雷达技术路线走向收敛。上车的主雷达已经明确是半固态雷达，主流机型是M1（速腾聚创2020年发布）和AT128（禾赛2021年发布）以及图达通的猎鹰（2020年发布）。速腾聚创M系列激光雷达则采用“905nmEEL发射+MEMS扫描+SiPM接收”的结构设计，用5个激光器搭建了等效125线的分辨率，成本约3000块，较禾赛、图达通方案最便宜，小鹏为了提高分辨率，采用两颗M1上车。禾赛AT128的主雷达采用“905nmVcsel发射+一维转镜扫描+SiPM接收”结构，使用128线激光雷达，2023年成本约15000。图达通的猎鹰激光雷达，采用1550nm波长，最远的探测距离可以到达500米。在10%反射率下，其标准探测距离为250米，价格较速腾、禾赛方更最贵，1550nm波长的光源很贵，目前只有蔚来采用。目前激光雷达主控芯片以FPGA为主，主要实现时序控制、波形算法处理、其他功能模块控制等，一些厂商也会选择具有更高运行效率和显著规模效应的ASIC。市场对激光雷达产品的测远、点频、小型化的要求不断提升，对芯片集成度、运算能力的要求越来越高，正合SoC的优势。SoC系统复杂度更低，降本趋势明