芒果·体育(Mango)官方网站

　　根据Yole数据，预计 2023-2029 年车载激光雷达出货量复合增长率将达 55%。CIC 测算数据显示，全球激光雷达解决方案行业规模有望在 2030 年突破人民币万亿元。

　　中国激光雷达厂商后发先至，车载应用市场双雄领先：一方面，中国厂商在 2022 年率先实现上车并放量，2023 年收入和出货量份额已呈压倒性优势；且海外供应商又因量产缓慢导致定点项目进一步流失，禾赛、速腾拿下全球近 80%的定点合作，为未来 2-3 年内的出货量基本盘奠定了坚实基础。另一方面，我们认为行业潜在的市场规模为两个领先玩家各自都提供了充足的扩张空间，两家激光雷达头部厂商目前仍处于行业较好的竞争位置。

　　L4 级无人驾驶车辆先行，广义机器人应用领域潜藏更大的想象空间：Robotaxi 既是激光雷达上车的“出发点”，也是车载应用与机器人的“交接点”。同时，随着社会智能化变革的深化，激光雷达未来有望依托各类机器人落地千行百业，实现市场规模的进一步扩容。根据 CIC 测算，2030 年全球机器人领域激光雷达解决方案收入将达 2,162 亿元，2023-2030 年复合增长率超过 50%。

　　发射模块（TX）：负责激光源的发射，组成部件包括激光器、激光器驱动电路和用于光束控制的发射光学系统。激光需要人为制造生成，mgty体育官网入口,由激光器发出，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发射。不同光源及发射形式的选择会影响射出光的能量大小，进而影响光源可达到的探测范围深度。

　　接收模块（RX）：负责接收返回光，组成部件包括接收光学系统、光学滤光装置、探测器和模拟前端。经接收光学系统，探测器接收目标物体反射回来的激光，产生接收信号。不同探测器的选择会影响对于返回光子的探测灵敏度，进而影响激光雷达整体可探测的距离及范围。

　　控制及处理模块：负责通过算法处理生成最终的点云模型和对激光雷达其他功能模块的控制。其中，信号处理模块由放大器、滤波器、模数转换器（ADC，Analog to Digital Converter）和数字信号处理器（DSP，Digital Signal Processor）组成，能对回波信号进行处理。回波信号经过放大处理和模数转换，经由信息处理模块计算，提取目标的速度、距离、反射率等特性，最终生成三维图像。

　　扫描模块：通过扫描器的机械运动控制光的传播方向，实现对特定区域的扫描，扫描形式的选择主要影响探测范围广度及激光雷达整体的耐用及稳定性。值得注意的是，随着激光雷达技术演进，在部分方案设计中，扫描系统已不具备机械转动部件，具体可参考本报告技术路线梳理章节。

　　对于激光雷达整机系统来说，产品的性能可以从显性参数、实测性能表现和隐性指标三个方面进行评估和比较。

　　显性参数：指的是列示于激光雷达产品参数表中的信息，主要包括测远能力、点频、角分辨率、视场角范围、测距精准度、功耗、集成度（体积及重量）等（图表 4）。

　　实测性能表现：指的是在实际使用激光雷达的过程中所关注的探测性能，如实际探测距离、车辆及行人在不同距离下的点云密度，这些信息决定了无人驾驶汽车和服务型机器人对周围环境的有效感知距离。

　　隐性指标：包含激光雷达产品的可靠性、稳定性、安全性、使用寿命、成本控制、可量产性等。相较于显性参数，这些指标则更加难以量化。

　　ToF 路线的量产方案仍是主流，FMCW 具备诸多性能优势，技术路线仍呈多样化并行态势

　　在激光雷达诞生以来的半个多世纪里，行业不断发展，持续有新的技术架构被引入。截至目前，虽然有的技术方案已经取得了商业化落地的初步成果，但行业内的技术路线仍未完全收敛，部分路线及相关产业链尚未完全成熟，仍待进一步优化和完善。总体而言，行业依然呈现各类技术路线并行的态势。

　　激光雷达按照不同的维度，存在多种分类方法。从技术方案的维度来看，目前主流的分类方式一般先将激光雷达按测距原理进行划分；再按照四大系统模块中各类器件的选择及其不同特征，作出进一步细分。目前市场上的玩家，在平衡性能和成本的基本前提下，结合自身能力和定位，将上述维度内的各选项进行排列组合，形成了不同的技术路线并持续演进。

　　另外值得注意的是，如果单纯将测距原理和四大系统模块中的各项选择进行排列组合，理论上可以形成几百种不同的技术路线选择，进而形成对应的激光雷达系统方案。然而实际情况上，在下图（图表 7）所列示的各类选项之中，并非所有的连线都具备可行性。

　　而具备可行性的不同路线，基本紧跟底层器件的前沿发展，同时彼此之间存在着千丝万缕的联系：一方面，各个方案的演绎路径之间存在较大差异；但另一方面，不同模块之间、各个器件选择又不是完全分立的。我们将在下文中进一步展开论述，梳理激光雷达行业的技术沿革和发展趋势。

　　激光雷达的测距原理主要有飞行时间法（ToF，Time of Flight）、调频连续波法（FMCW，Frequency Modulated Continuous Wave）、三角测距法和相位法等。其中，ToF 与FMCW 由于能够实现室外阳光下较远的测程（100-250 米），成为了车载激光雷达的优选方案。

　　ToF：探测方式是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物的距离信息，具有响应速度快、探测精度高的优势。但可能受到其他激光雷达或环境光的干扰，在高反射率目标上可能出现信号饱和的问题。

　　FMCW：采用相干检测技术，使用频率来测量距离，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，解调出被测目标的距离及速度，具有可直接测量速度信息以及抗干扰的优势。但同时，FMCW 目前技术成熟度较低，对 ADC、DSP 等元器件的性能要求较高，进一步推高了商用成本，仍处于发展初期的培育阶段。

　　综上，在激光雷达测距原理维度，目前行业内选择 ToF 路线的量产方案仍是主流，但FMCW 也具备诸多性能优势，有望在技术成熟后提升份额。

　　发射模块&接收模块&控制模块：VCSEL 有望逐渐取代EEL，部分激光雷达厂商开启 SoC 自研

　　激光雷达的发射模块以激光器作为光源，按照发射激光的波长，可以将其分为以 905 nm 为代表的近红外（NIR，Near Infrared）激光器和以 1,550 nm 为代表的短波红外（SWIR，Short-Wave Infrared）激光器。

　　905 nm 激光：属于近红外激光，波长接近可见光，易被人体视网膜吸收而造成损伤。因此，目前 905 nm 方案只能以低功率运行，安全探测距离难以突破200 米。但同时，由于接收端可使用硅基探测器，工艺成熟、成本较低，905 nm 激光器依然是当前主流方案。根据 Yole 统计，2018年以来全球乘用车领域的激光雷达项目定点中，905 nm 方案占比达89%。

　　1,550 nm 激光：1,550 nm 光源受日光、大气散射等干扰更小，更易穿透大气。且远离可见光波长范围，人眼安全性更高，最大探测距离甚至能够达到300 米以上。但需配套使用磷化铟（InP）激光器、铟镓砷（InGaAs）探测器使用，材料成本更昂贵。另外，1,550 nm 光波更易被液态水吸收，因而在雨雾天气下面临探测距离缩减更为严重的问题。

　　另外，1,550 nm 波长更适用于FMCW 激光雷达，主要是由于 FMCW 激光雷达中信噪比与传输的光子总数成正比，而非峰值功率，因此 FMCW模式所需的光源功率可由 ToF 方案所需的 100 W 降至 100-150 mW，从而能够降低1,550 nm 激光器的成本。

　　总体而言，当下 905 nm 和 1,550 nm 的激光器路线各有所长。从车载端的应用来看，两个波段将在未来较长时间内处于共存状态，且考虑到成本问题，中短期内近红外方案或仍将在数量上呈主导态势。

　　EEL 激光器：具备高发光功率密度的优势，但发光面位于半导体晶圆的侧面，工艺复杂，且每颗激光器需要使用分立的光学器件进行光束发散角的压缩和独立手工装调，极大地依赖产线工人的手工装调技术，生产成本高且一致性难以保障，更难进入车规级应用。

　　VCSEL 激光器：发光面与半导体晶圆平行，具有面上发光的特性。激光器阵列易与平面化的电路芯片键合，无需单独装调，且易于和面上工艺的硅材料微型透镜进行整合，提升光束质量。传统的 VCSEL 激光器存在发光密度功率低的缺陷，限制了探测距离。但近年来国内外多家公司开发了多层结VCSEL 激光器，将发光功率密度提升了 5-10 倍。

　　随着高功率 VSCEL 的研发进步，综合考虑平面化所带来的生产成本降低和产品可靠性方面的收益，未来在激光器的选择上，VCSEL 有望逐渐取代EEL。

　　在 ToF 测距体系中，当前 905 nm 车载激光雷达的探测器元件选用以 APD 为主，但 APD 与 SiPM 在灵敏度表现上有较大差距，APD 被替代已成为大势所趋。但另一方面，由于 SiPM 通常只能探测波长 1,100 nm 以下的光子，故1,550 nm 激光雷达中继续采用 APD 目前看来是较为确定的。

　　根据扫描模块内部是否具有运动器件，激光雷达可分为机械式、混合固态以及纯固态三类（图表 9）。基于扫描模块对激光雷达方案的划分，是目前市面上最常见的一种分类方式，也是车载激光雷达厂商分类定位的主要依据。

　　现阶段，激光雷达控制及处理模块主控芯片仍以 FPGA（Field Programmable Gate Array，现场可编程门阵列）方案为主，用以实现时序控制、波形算法处理以及激光雷达其他功能模块的控制等（图表 10）。

　　同样以车载端为例，激光雷达厂商之所以采用 FPGA 作为主控芯片方案，是因为在技术路线尚未完全确定以前，FPGA 更适配需要频繁修改、升级的系统架构，芯片可以随算法的开发而定制，以响应不断演进的设计与性能要求。而基于 ASIC 的解决方案则更适用于永久性应用，使用 ASIC 芯片则意味着激光雷达厂商对于现阶段的产品系统设计已形成标准化方案。

　　随着光学技术的成熟，激光雷达光学系统方案将逐步走向标准化。但同时，市场对激光雷达产品的性能要求仍在不断提升。产品性能优化的需求衍生出对芯片集成度、运算能力的更高要求，激光雷达厂商开始寻求以更具自主性的方式满足用户的需求，这与 SoC（System on Chip，单片系统）芯片的优势不谋而合。因此，控制模块的芯片选择出现向 SoC 芯片迁移的趋势。

　　另一方面，SoC 系统复杂度和成本更低，适合进行规模化批量生产。目前，部分激光雷达厂商已经开始着手自研 SoC 芯片，因为相比于外购 FPGA 芯片，自研 SoC 芯片可以更精确匹配激光雷达特征，实现信息采集、处理和分析的高效运作，显著提升产品质量，在优化产品整体性能的同时简化供应链。展望未来，芯片集成设计能力将成为激光雷达厂商的核心竞争壁垒之一。

　　进一步将智驾渗透率情况和激光雷达的装机量进行对比，可以非常明显地观察到：二者的走势是相互匹配的。2023 年下半年以来，中国乘用车激光雷达市场的集中放量，与 L2 级及以上智驾渗透率快速上扬的节奏一致（图表 27），也与城市 NOA 装配率增长的步伐趋同（图表 28）。展望未来，激光雷达在乘用车端的搭载率将随着智驾渗透率的提升继续呈现上扬态势。市场规模也将保持成长，且中短期内以中国市场较为领先。

　　综合以上在自动驾驶和智能驾驶领域的发展趋势，我们认为车载端的应用将作为激光雷达的主力下游持续发力。第三方数据亦认同此趋势，Yole 预测到 2027 年车载端将占激光雷达下游总份额的 42%；炽识咨询（CIC）认为全球车载激光雷达解决方案行业的市场规模则有望在2030 年突破万亿人民币。

　　整体来看，在自动驾驶和乘用车ADAS 两个车载激光雷达领域内，中国厂商都在过去3 年时间里逐渐累积市场份额，初步显露领先姿态。据 ICV 统计， 2021 年车载激光雷达市场的主要玩家中，还有法雷奥（28%）、Luminar（7%）、 Cepton（7%）、大陆（7%）、电装（7%）等海外 Tier 1和激光雷达厂商的身影。然而，到了 2023 年，禾赛科技、速腾聚创和图达通 3 家中国厂商的收入份额，就已经达到了Yole 所测算的全球77%（图表 32）。

　　一方面，在L4 级自动驾驶的应用领域，千禧年代的 DARPA 挑战赛基本奠定了自动驾驶系统的软硬件格局，机械式激光雷达在自动驾驶车辆上车，行业兴起也将“祖师爷”Velodyne 送上了事业巅峰。在 2017 年以前，Velodyne基本垄断高性能车载激光雷达市场，即使价格昂贵、交付周期长且售后服务响应迟缓，其产品仍然供不应求。

　　但 2016 年起，数十家创业企业涌入车载激光雷达行业，中国厂商也开始崭露头角。2017 年，禾赛科技推出了40线的旋转式远距激光雷达产品Pandar40，经历迭代后又于 2018 年底发布了旗舰升级版 Pandar40P。此后，禾赛科技凭借着更快的更新速度、更贴近客户的服务和更高的性价比等优势，陆续切入了一众 L4 级自动驾驶公司、无人车队客户的供应链体系（图表 34）。

　　截至目前，禾赛已经进入了全球绝大多数 L4 玩家客户，并在 2023 年以 74%的全球份额在 Robotaxi 激光雷达领域实现压倒性领先（图表 33）。

　　另一方面，在乘用车 ADAS 的应用领域，海外厂商起初具有先发优势。早在2017 年，法雷奥就成为了全球首家为乘用车量产激光雷达的厂商，其与战略合作伙伴 Ibeo 联合开发的第一代 SCALA 被奥迪的高端轿车 A8 所采用；第二代 SCALA 也于 2021 年在新款奔驰 S 级轿车成功搭载。

　　期间海外激光雷达厂商也纷纷入局，各自选定技术路线后，依循汽车产业供应链的传统结构，与 Tier 1 厂商合作生产（图表 38）。但正如前文所述，车载激光雷达作为汽车智能化的增量传感器，产品本身的技术路线尚未完全确定，在设计研发和上车的过程中仍需进行大量调整；而海外的 Tier 1 龙头此前也并没有相关的生产经验。

　　最终的结果就是，海外激光雷达厂商的产品量产缓慢，项目上车进度不及预期。例如，宝马最新 iNEXT 车型原定于 2021年秋季上市，搭载 Innoviz 激光雷达，但目前仍未实现规模化前装交付；沃尔沃的纯电 SUV EX90 选用 Luminar 的激光雷达产品，车型原定于 2023 年底投产，但却因为激光雷达量产问题屡屡延期，上市节奏晚于预期近一年。

　　与大多数海外厂商的主流选择不同，中国主要的激光雷达厂商，在产品制造方式的选择上，更倾向于自建产线，在自主把控装配过程中的产品质量和量产节奏的同时，也能够通过提高产品集成化和产线自动化程度兼顾成本。

　　结果证明，这样的选择不无道理。从 2022 年开始，随着搭载国产激光雷达的车型陆续上市并开启交付，中国厂商在乘用车激光雷达领域后发先至，率先实现业绩释放。2023 年，禾赛科技、速腾聚创和图达通三家中国厂商的激光雷达装机量之和，占全球总量的 79%；三者的收入之和，在全球市场的份额从 2022 年的65%进一步上升到了 77%（图表 37）。

　　在汽车行业，项目定点是指被汽车厂商指定为零部件的批量配套供应商。考虑到新车型的研发周期和乘用车产品的销售周期，激光雷达厂商当前与主机厂的项目定点情况，决定了未来 2-3 年出货量和行业竞争格局的基础。

　　根据 Yole 统计的全球车载激光雷达定点项目情况，可以明显看出 2024 年的分布与 2019 年相比已发生了较大变化。结合不同类型供应商的现状来看：

　　Tier 1 厂商：过去近两年时间里，大陆、博世、采埃孚®等 Tier 1 厂商都相继宣布停止激光雷达相关项目；法雷奥作为此前的行业先行者，已是目前唯一继续探索车载激光雷达项目的欧系 Tier 1。但由于产品价格、迭代速度等一系列原因，法雷奥也在与中国厂商的竞争中显露颓势，定点项目的数量份额从2019 年的 28%锐减至当前的 6%。

　　激光雷达厂商：由于自身技术路线选择、规模量产、公司运营等原因，已有海外厂商退出竞争舞台：2022 年 9 月，Ibeo 向德国汉堡法院申请破产；11 月 Velodyne 和 Ouster 合并、Quanergy 退市。虽然目前全球仍有超过 60 家车载激光雷达厂商，但是行业格局正在逐渐明晰。海外激光雷达厂商的定点项目数量明显下滑，部分项目被中国厂商取代。

　　而在中国厂商内部，速腾聚创、禾赛科技、华为技术和图达通四家企业占据了中国市场接近100%的市场份额。其中，图达通和蔚来深度绑定，华为技术目前主要覆盖鸿蒙智行和华为智选车系列车型。禾赛科技和速腾聚创客户多样化程度相对高，定点方面也与其他玩家拉开了距离；但彼此之间差距并不大，后续业绩表现也需考虑车型/平台的销量表现。

　　因此，从项目定点的角度来看，我们对中国厂商短中期的份额表现保持乐观态度，速腾聚创、禾赛科技有望继续保持领先。同时，由于海外厂商自身的量产问题和多数 Tier 1 厂商的陆续退出，我们认为速腾聚创与禾赛科技下一轮的竞争点之一，将是在海外车企激光雷达项目定点上的角逐。

　　一方面，智能驾驶的发展为增量零部件领域的成长奠定了坚实基础。在新能源汽车发展的上半场中，电动化作为核心驱动力带动了竞争格局的重塑；而今，中国新能源汽车行业发展率先进入下半场，智能化的序幕已然拉开。智能驾驶作为汽车智能化的主力支柱之一，正处于高速增长的阶段。高工智能汽车数据显示，2024 年上半年，中国市场前装标配 ADAS 功能的乘用车共交付 613.85 万辆，同比增长16%，前装搭载率 63.42%。

　　另一方面，中国整车市场激烈竞争的现实背景下，车企正在不断追求智驾解决方案的持续降本。以高阶智驾的典型代表城市 NOA 功能为例，目前仍以自主中高端车型配套为主。2023 年，mgty体育官网入口,中国市场 35-50 万元价格段车型达到标配城市NOA功能装配量的90%，而25-30 万元价格段下该占比仅为4.2%。

　　但进入 2024 年，乘用车标配城市 NOA 的装配量向 25-30 万元价格段集中， 1-9 月份占比达到 25.8%（图表 53）。20-30 万元价格段的车型成为高速和城市 NOA 搭载销售的主力。同时，考虑到大众市场价格段巨大的销量基盘，以造车新势力为代表的新能源车企，正在加速实现高阶智驾主销价格段的向下渗透，使得搭载 NOA 功能的车型下探到15 万元左右的价格区间。

　　也正因如此，在车企追求智驾降本的过程中，激光雷达作为整套智驾系统中单价最贵的传感器，较高的硬件成本是驱动部分车企将其从已有方案“忍痛摘除”的最大动机，也是制约潜在车企客户采用激光雷达方案的最大瓶颈。如小鹏 M03 及其新一代自动驾驶硬件平台的首款车型 P7+，为实现“技术降本”和高阶智驾方案的下沉，均取消了激光雷达的配置。

　　然而，其中易被忽视的事实在于，新能源车时代的新车型开发周期，虽然相较于燃油车时代已经大大缩短，但总体仍需 12-18 个月。对于目前上市交付的新车，其核心零部件的项目定点时间应在 1.5-2 年以前，这也意味着在有些车企确定取消配置时，激光雷达单价还处于人民币 4,000 元甚至更高水平。

　　不仅如此，国产激光雷达厂商还在积极布局主打性价比、小尺寸的激光雷达系统方案，例如速腾和禾赛先后发布了 MX 和ATX，将产品单价加速下探到人民币一千多元的区间。两家均已获得定点，预计最快在 1Q25 量产交付。

　　一方面，对于已经配置了激光雷达的车企来说，现行硬件方案的价格下探和备选性价比方案的及时推出，能够有效地缓解车企在激光雷达单个硬件上的成本压力。而激光雷达厂商的制造成本也会随着车企销量的提升进一步摊薄，因此即使面临“年降”和车企客户向上传导的价格压力，禾赛和速腾也都在今年看到了季度间乘用车端毛利率的改善。

　　另一方面，对于仍有成本顾虑、还未实现激光雷达搭载上车的车企来说， “千元机”时代的到来，使得激光雷达能够进入更多车企的考虑范围，有助于激光雷达加速渗透到更多车型和更低价格段，进一步放量后又能反向作用于产业链的成熟和规模效应的放大。

　　例如，比亚迪年内推出搭载激光雷达的海豹和汉 2025 款车型，而速腾、禾赛与比亚迪均有合作关系。作为国内销量第一的车企，2025 年比亚迪智驾功能普及或进一步加速，有望带动国内激光雷达厂商进一步放量。

　　一方面，激光雷达硬件成本的快速下降在短期内已具有较高能见度。在上一节中，我们已经探讨过，在乘用车激光雷达领域，规模效应带动的成本下降有望实现正向循环。飞轮效应形成后，激光雷达的硬件成本在可见的未来能够实现显著的下降。另外，速腾聚创和禾赛科技的性价比方案瞄准 200 美元左右区间，均已获得定点，并将在 2025 年开始量产上车，亦能助力车企实现降本目标。

　　另一方面，精简传感器配置带来的硬件成本降低，其实隐含软件算法成本的提升。智能驾驶感知路线两种方案选择的背后，其实还有硬件成本与软件算法成本之间的取舍。以纯视觉方案的典型代表特斯拉为例，拒绝激光雷达、放弃超声波雷达和传统毫米波雷达，看似实现了更低成本的背后，是强大的自动驾驶算法、海量的训练数据、自研的智驾芯片以及围绕算法训练搭建超算中心等的大力支撑。

　　○ 算法与数据：算法方面，特斯拉的自动驾驶算法是业内公认能力最强、投入最大、研发最早的；数据方面，根据特斯拉发布的车辆安全报告（Vehicle Safety Report），截至 2024 年第二季度末，FSD 累计行驶里程已超过16 亿英里。特斯拉的自动驾驶系统，每天可以接收到全球各地车队回传的 1,600 亿帧视频数据，以支持神经网络训练。

　　○ 自研芯片：特斯拉 2014 年开始自研芯片之路，2019 年发布了 FSD芯片。为了提升数据处理能力，为进一步的深度学习量身定制，特斯拉还推出了D1 芯片为 Dojo 超级计算机提供动力。

　　○ 超算中心：特斯拉自建的超算中心使用了 14,000 片 GPU 芯片，其中 10,000 片是用于 AI 训练的 H100。上线 GPU 集群的同时，特斯拉还激活了自研的超级计算机群组 Dojo ExaPOD，开启云端算力竞赛，以支持自动驾驶技术的更新迭代。

　　行业内对于纯视觉路线最大的信心，来自于特斯拉跑通纯视觉方案后所展现出的强大能力。想象中，纯视觉方案在端到端、大模型的加持下，能力大幅提升，且有现成的 AI 算法可以学习模仿；但在实际量产过程中，有无数的细节需要完善，还需大量的训练，对车企的软件算法能力有着更高的要求。特斯拉硬件减配的背后，是大量的研发和资源投入带来的隐性成本，这也构筑起了纯视觉方案的“透明门槛”。

　　而大部分车企的软件算法能力，在 IDC 对中国车企的城区领航辅助驾驶测评中可见一斑：只有少数领先品牌的车型能够基本实现端到端的自动驾驶任务，包括具有较高难度的无保护左转、车辆密集情况下的右转、掉头等。而很大部分车企、车型的城区领航辅助驾驶功能存在较多不可用区域，面对复杂场景无法完成任务或预留足够时间提醒接管，易出现急刹、突然要求接管等操作，存在很大的优化空间。

　　综合以上两个方面的考量，我们认为，对于大部分车企而言，想要实现一定水平的智驾功能，龙头车企的纯视觉感知方案可复制性较低。在基于目前的投入产出比和自身的综合能力，对总体成本进行评估后，大部分车企仍会选择走向搭载激光雷达的“优选项”。

　　从可靠性的角度出发，智驾升级过程中，系统需要扩大冗余度，以实现容错性、可靠性的有效提升，从而实现安全保障。L3 级智驾是驾驶责任界定的分水岭，当自动驾驶功能启用时，环境监控主体变成了系统，驾驶决策责任也由驾驶员过渡到了系统。也就是说，随着智驾等级的递增，车辆动态行驶过程中驾驶员的参与度逐渐降低，系统更加需要依赖感知层的输入，从而进行驾驶决策和车辆控制。

　　在安全冗余的语境里，激光雷达作为目前车载传感器中可提供最丰富点云信息的传感器，通过自身数据的独特性为感知模型提供了感知冗余。目前看来，纯视觉和感知融合两种路线在数据集上的精度表现仍存在较大差距。nuScenes 数据显示，在对目标物追踪准确度（AMOTA，Average Multiple Object Tracking Accuracy）方面，纯视觉方案的表现经过 3 年的追赶，尚未达到感知融合方案 2020 年时的水平，目前差距仍超过 10 个百分点（图表 69）。

　　当车辆搭载L4 级自动驾驶功能时，对安全冗余的要求更高。如果说乘用车使用激光雷达是一个“优选项”，那么 Robotaxi 搭载激光雷达就更像是提高可靠性的一个“必选项”。现行Robotaxi 解决方案均采用多传感器融合方案，单车配备大量传感器。激光雷达在其中扮演关键角色，在自动驾驶决策权重和整车价值量上都占据举足轻重的地位。无人驾驶的 Robotaxi 要想实现尽可能少的远程介入，需要高效地解决复杂的长尾场景，尽可能地消除在自动驾驶过程中发生概率较低、但种类繁多的一些特殊场景所带来的潜在风险。

　　与纯视觉方案相比，搭载激光雷达的感知融合方案在强光照射、夜晚弱光环境、进出隧道时光线显著变化、前景物体与背景颜色相同等场景中表现更佳。在 MIT 的一项研究论文中，作者对比基于摄像头数据的算法和融合了激光雷达数据的算法结果发现：摄像头算法到了夜晚感知精度明显下降，而通过融合激光雷达，可以将夜晚环境的感知精度提升 3 倍。2024 年 7 月，华尔街日报分布了针对特斯拉 Autopilot 事故的深度调查，揭示出纯视觉方案对于光线条件的高度依赖。

　　10 月，美国国家公路交通安全管理局（NHTSA）因收到多起事故报告，且事故发生时道路能见度都较低（如阳光刺眼、起雾或空中扬尘）且 FSD 均处运行模式，宣布对特斯拉逾 240 万辆车进行调查，审查其纯视觉方案“检测并适当应对道路能见度降低情况”的工控能力。

　　随着相关技术的不断成熟以及 AI 大模型的发展，在智驾终极解决方案中，各大感知元器件之间，应该是及时调度冗余的关系，即系统根据场景的变化，动态地调用不同传感器，不断调整参数贡献值的分配。而激光雷达作为智能驾驶系统中的关键传感器，存在其独特的生存空间，成长前景可期。

　　激光雷达作为利用激光实现精准测距的传感器，一定程度上被认为是带有3D 深度信息的摄像头，能够覆盖复杂地形的不规则障碍物，实现高精度三维成像，因而被誉为“机器人的眼睛”。此处的机器人泛指智能的自动控制机械装置，从某种意义上来说，具备自动驾驶功能的汽车（包括 Robotaxi、 Robotruck）也属于广义机器人的范围。

　　Robotaxi 和Robotruck 是人工智能在机器人领域深度应用的产物，当前 L4 级以上级别的自动驾驶仍处于探索阶段，全球各地仍在进行法规层面的探索和各类试点活动。全球多个国家的自动驾驶相关法规正在逐步落地，完善对于车辆驾驶场景、驾驶员行为、事故责任划分等的详细规定，为车企从自动驾驶试点上路到未来量产落地奠定了合规基础（图表 74）。

　　而在商业化落地的维度，Robotaxi 作为激光雷达上车的出发点，技术的商业化应用落地，也将带动核心感知硬件激光雷达的用量增长。部分已在商业化发展进程中的国家实现成功突破进而迈入下一全新阶段；二是有些国家已完成技术储备和验证，正在积极迈入 Robotaxi 商业化进程领域。

　　展望未来，我们认为，除了自动驾驶车辆，激光雷达在广义机器人领域的应用存在更大的想象空间，预计激光雷达市场规模将实现进一步扩容。激光雷达目前已被运用于智能巡检、智慧农业等细分行业，未来或将依托各类新型服务机器人，落地于物流服务、商业清洁、安防、工业等更多场景。根据 CIC测算，到 2030 年全球机器人领域的激光雷达解决方案收入将达到人民币2,162 亿元，2023-2030 年的复合增长率达到 51.9%（图表 72）。

　　在短中期实现车载领域的规模降本基础上，激光雷达厂商也正沿着设计平台化和硬件集成化的技术演进路径，积极寻求性能的优化和成本的进一步降低，以期推广激光雷达的应用，放大长期的想象空间。

　　激光雷达的平台化设计，就是基于同一套产品架构，衍生和开发出满足不同需求的产品。平台化设计可以最大化地共享技术成果、物料供应链以及制造生产线，降低产品成本，缩短开发周期。不仅如此，考虑到目前车载激光雷达行业仍处于各技术路线并行的阶段，虽已有产品量产，但设计方案仍在快速进化，平台化的设计也使得激光雷达厂商能够应客户的需求变化进行产品迭代，并帮助客户进行妥善的过渡和切换，减少对用户和供应链的冲击。

　　芯片集成化：把原本数量众多、结构庞大的激光器控制电路、信号采集转化电路、波形处理电路等数百个电子元器件逐步集成到几颗芯片上，继而通过芯片实现对于上百个激光发射/接收通道的高质量控制和运算，从而大幅减少元器件数量、简化供应链，实现降本目的。

　　以目前乘用车市场主流的混合固态激光雷达产品成本拆解为例，光学元件、主控芯片及收发芯片构成主要成本，占全部制造成本的 80%左右（图表 77）。其中，光学元件成本随规模扩张下降幅度较为显著；而芯片端则是激光雷达降本的核心。例如，早期速腾、禾赛等国产激光雷达厂商使用的主控芯片 FPGA 以外采为主，赛灵思为主要供应商，成本较高。

　　实现芯片化设计后，以自研 SoC 取代之，使得厂商能够更好地控制成本。不仅如此，芯片化激光雷达由于结构简化、零部件少，因此装配步骤更少、光学校准更具整体性，具备自动化生产的优势，能够带来生产效率的成倍提高，进而实现生产成本的大幅下降。

　　模块集成化：主要包括发射模块和接收模块的集成化。以收发模块为例，一旦实现高度集成化，不仅可以缩小激光雷达整机的体积和重量，实现产品小型化，为车端的布置位置增加灵活性；还可以降低物料成本和调试成本，提高产品稳定性和一致性。

　　随着系统集成度和激光雷达厂商芯片能力的提升，设计端的改善将助力厂商打造出低成本高性能的复合传感器，进而能够在未来探索更多使用场景的可能性，缔造更广阔的增量市场。

　　CIOE智能传感展专注于智能感知技术及应用解决方案, 完整展示3D视觉、激光雷达、工业传感器、毫米波雷达、MEMS传感等传感器产业中的新产品、新技术、新工艺和新应用，聚焦传感在消费电子、智能汽车、机器人、智能制造、通信电子等重要应用领域的新需求。促进传感产业及上下游企业进行商贸沟通，达成商业合作，获悉前沿应用、洞察新兴趋势。返回搜狐，查看更多