2022年激光雷达行业研究报告.docx

2022年激光雷达行业研究报告1、激光雷达(LiDAR)行业概况1.1、什么是激光？什么是激光雷达？应用的历史？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，早期激光雷达主要用于科研及测绘项目，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扫描，它对环境3D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快速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挑战赛中得到广泛关注，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研究，激光雷达被广泛应用于无人驾驶测试项目。2016-2019无人驾驶应用蓬勃发展：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。SI：激光达产品性能持籍优化，应用续*续拓展，不断吸引科技巨头入局I* 1MO 2000 变（HW应用2000 2015箜牝333用5热N：MnS2019无人M用储2019,今0本N优化。上市批1960<Bl*-ttS 火生9i!B »lVJR7HMAMIt «a.i9««. HayimM 期屈尤*6m雉 *M.做a、fajk）vai 人归IIK第*；Sk.HouyolB dJ2DHM2C tftW&产*oRVak>o （灌 ffhs<t>yt 送SCAlA他开我. SCALA >9*7Htt*R 01MUIMS2. H2I ><0Mi<4Qtttf. 2orrasr.MH.M63t<%AV90 2016年立tl女 WaymOe遗气出公司日Ilt光达 RSAiQAR 16； 健智囊NI出三角&累 WM;北H天斌康 了中OalI一色皂11»光 *WMR】。17n*ta0MtPA4 了无人rooos<vs< FMCW口”犬论 H*M7W关建，九宓修笊IR az片化.«MltWM.”广。泉 SPAC 上 eg，VHodyrw . Iumlnaf 夹成NASOAC上的.DBAttWftCHWaaBA成力值界第二个IUI车JttJUi0o 'bco常/IMIR 教父达 忤无人油网三DARFA究费内光速包支UiiM此H天由公司口“&式4USB式,光6ftk<i50ISIt立.ne.主门星FANSWi.lDM£MS. OPAWMIITVdodyne 主产立光区此法的QUMOfgy 在美 OMOMfSL缉*W!5t."年2月.T*ltP2007«»«W»-W 无人汽3拜了 KC，4QUA>eGY001天二JK*BTc<raMeMB 尤谪；4月,AWMH 发市光达 PandMO ；无人机主 *M TLMuNlg的一关 塞&年隼力、大、 nmttixA四毫犬送.M9笈P5, 网尔:AsHi、IijkET73款，户寄B上图2：功能层面，激光胃达属于感知层传感器传现日伊四商7感知层决策层执行层温，愤件供网车企/出行服旁商自动H",法 英伟达.安波 靖阳骷、HM2）大陌.安农福日今电IL 博世BBA.大众.丰田、上KHOO. ED.0“汽.长城汽隼.长安汽等 米波达（大0、博世、 tt*fi<.华域汽车） "波达（电装、松下 WBi塞的 Wifi- M<<Wff像程货（«TF、费克尔、慢高光.富士皎片、电产三»）光达斯坡（Velodyne.Lum<ar,Ibeo.Innow*三Wtt.itJ»创）CPU/GPU（英伟达.英铸尔.餐通.华为.Q平线）计算甲E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。1.3、以何驱动：供需两侧共发力，车载赛道前景明朗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。1.3.K需求端：下游拉动+政策支持，自动驾驶等级提升关键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%o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隙碍物,提前规划行为决策,避免交通事故。图7：2025年激光雷达在车载领域的应用占比将超过60%（价值）,高级辅助驾驶,无人驾驶智慧城市与雌眼络机器人领域资料来源：Frost&Sullivan,光大证券研究所老龄化的趋势，加速人工劳动与出行效率的追求。第七次全国人口普查数据显示，我国60岁及以上人口占比达到18.70乐已经超过0-14岁幼儿及青少年17.95%的水平。根据国际标准，中国已经处于中度老龄化的边缘，可以预见未来30年，中国社会老龄化问题将越来越严重。为了持续的经济发展，需要在减少人力支出的情况下，增加生产效率。在乘用车领域，传统出行服务中人工成本占运营总成本60%以上，无人驾驶服务能够缩减这一成本，因而相比传统的出行服务具有广泛的商业价值和盈利空间；在某些特定领域，例如环境艰苦的矿山运输、繁忙的港口快递物流、枯燥的园区环卫等场景，自动驾驶有着更大的发挥空间，同时也有着更急迫的市场需求。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。图10：自动辅助驾驶让行车安全水平达到平均水平的8.66倍美国不同情况下行车674万公里可能发生交通事故的次数对比资料来源：特斯拉2021年第一季度车辆安全报告，光大证券研究所1.3.2、供给端：融资支持+试驾顺利，车企纷纷布局激光雷达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,20132018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，20192020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MagnetiMarelli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。图12：2021年上半年激光雷达行业融资金额迎来高速Ht长资料来源：IT桔子，光大证券研究所注：统计截至2021年8月11日自动驾驶车型密集发布,激光雷达成为吸睛之王。2021年开始，国内外主机厂纷纷加速布局高级辅助自动驾驶，装载搭配激光雷达的量产车型密集发布，这将为激光雷达车载应用市场的普及率的提升提供强劲的助推力量。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机（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tierl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，LO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图2.0已明确表示，到2025年，L2-L3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。图15：全球主机厂加速迸行智能化革新欧美企业宝马 大众a 通用沃尔法特斯泣日弊«94*9:佐恩汽车翻真11加，光大H寺翻访整理（3）ASP：规模量产+技术升级，带来ASP下降。价格方面，我们预计量产将会带来规模经济，而随着技术路线的不断升级，未来3-5年半固态激光雷达将成为上车主流，而预计ASP也会实现迅速下降。1.4.K按车型推算：全球乘用车激光雷达市场规模为58.16亿美元关键假设：（1）各级别ADAS在新能源乘用车、燃油乘用车中渗透率不同：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%o我们认为：新能源车追求科技属性加成，ADAS渗透率高于燃油乘用车；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；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；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。（2）中国智能驾驶销量占全球比例稳中向好，新能源乘用车领军世界：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；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；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。（3）ASP下降趋势，但自动化升级带动单车搭载量上升：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。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）1.4.2.按地区推算：全球乘用车激光雷达市场规模为61.37亿美元根据MarkIineS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。关键假设:L2级别：由于世界范围内ADASL2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线性外推得到2021-2025年L2级别渗透率；L3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。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。2、技术路径：详拆结构，把握趋势2.1、 原理：ToF发展成熟，FMCW备受期待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TimeofFlight,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FrequencyModulatedContinuousWave,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ToFlO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。2.2、 技术：四大系统相辅相成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。2.2.1、 激光发射：EEL向VCSEL>905nm向1550nm发展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（Vertical-CavitySurface-EmittingLaser,简称VCSED。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510倍，这为应用VCSEL开发长距激光雷达提供了可能。图22：VCSEL具备成本低、效率高的优点EELVCSEL发射方向侧视顶视功率密度高中低电光转化效率45%35%光束质量非对称/中发散度对称/低发散度温漂系数0.25nmK0.07nmK光谱宽度3-8nml-2nm切换时间高速（几纳秒）高速（几纳秒）成本较高较低资料来源：陈良惠,杨国文,刘育衔.半导体激光器研究进展J中国激光,2020,47（05）:13-31,光大证券研究所目前主流的激光雷达发射光主要有905nm和1550nm两种波长。其中，905nm激光接收器可以直接选用价格较低的硅材质，成本更加可控,最终产品的尺寸也相对较小，因此成为当下最主流的激光雷达所选用的波长;但是为了避免对人眼造成伤害，其发射功率和探测距离会受到限制（400T400nm波段内激光都可以穿过人眼玻璃体，聚焦在视网膜上，而人眼视网膜温度上升IOC就会造成感光细胞损伤）。1550nm的激光不会对视网膜产生伤害，因此可以发射更大功率，探测距离也更远；同时1550nm的光线远离可见光谱，不容易受到日光干扰。但是，需要使用高价的锢钱碑（InGaAS）作为探测器的衬底材料，生产成本相对较高。目前已经有部分厂商例如Luminars华为、InnOVUSion、北醒（Benewake）图达通等选择1550nm激光，未来有望随着量产的增进进一步降低成本。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。图24：905nm和155Onm两种波长对比i对比项说明905nm1550nm1安规波长越短，光子能量越高，对人眼伤害越大，安规限制越严格限制大限制小传感器传感器材料决定了光谱响应灵敏度,InGaAS材料价格远高于SiSiInGaAs主要考虑成本、体积、光束质量光源器件和功率，目前光纤激光器的单价干守玲淑斗典光纤激光器约为数万元L6日光干扰地面日光光谱受多个因素影响，影响背景光水平干扰大干扰小大气散射波长越大，穿透能力越强穿透力弱穿透力强代表厂商多数选择Luminar华为等资料来源：LUminar官网，光电信息门户，光大证券研究所2.22、光束操纵：转镜最快上车，Flash、OPA长期方向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。（1）机械式：发展最早、技术成熟度最高，但是体积大、成本高、使用寿命短成为上车难题。自动驾驶领域激光雷达的鼻祖Velodyne最早设计出的类型即为旋转机械式激光雷达，其特点是激光发射器竖直排列，通过360°旋转对四周环境进行全面的扫描。优点是扫描速度快（5-20圈/秒）、高分辨率、抗光干扰能力强。但是高频转动和复杂机械结构致使其平均的失效时间1000-3000小时难以达到车规级设备最低13000小时的要求；同时面临造型不美观、易受损、制造成本高昂的难题，目前尚没有达到车规并搭载在（准）量产车型的激光雷达问世。据统计,Velodyne生产的16线/32线/64线激光雷达售价分别为4千美元/4万美元/8万美元（对应约为2.6万/26万/52万人民币）；速腾聚创生产的16线/32线雷达售价分别在3万/13万人民币；镭神智能的16线/32线雷达售价分别为1.2万/3万人民币。（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。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。MEMS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。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。图27：传统机械扫描方式发展最早，仍为目前主流（66%）7%17%USst"MEMSFlash其他资料来源：YoIe（2021.9）,光大证券研究所注：以上比例为截至2021年8月29日LiDAR已获订单按扫描技术拆分的占比（按金额）（3）全固态：所有部件都是固定的，包括OPA光学相控阵激光雷达、FLASH闪光激光雷达。OPA利用光源干涉技术实现光线角度偏转，通过控制阵列中相邻发射光线的相位差实现3D空间的扫描，达到与旋转机械式雷达一样的效果，优点是扫描速度快、精度高，但是该技术对材料和工艺的要求都极为苛刻，目前尚处于实验室前期产品，短期内难以实现商业化。FLASH类似于一个照相机，在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度灵敏的接收器实现对环境周围图像的绘制。由于结构简单、尺寸可以做的很小、信息量较大,Flash闪光激光雷达是目前纯固态激光雷达最主流的技术方案。然而由于需要短时间内发射大面积的激光，Flash在探测精度和探测距离上会受到较大的影响，目前主要用于较低速的无人驾驶车辆，例如无人外卖车、无人物流车等，代表品牌包括Ibeo、大陆、Ouster、法雷奥等。机械式-半固态-纯固态演变，行业技术发展的主流趋势。根据SystemplusConsulting对成本测算分拆，可以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。2.2.3、 激光接收：设计工艺逐步进化，SPAD优势越显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，通过隙碍物的反射，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。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。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。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APD0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。2.2.4、 信息处理：主控芯片FPGA,自研SoC多家布局现阶段主控芯片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、MObiIeye、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FPGAo图34：激光雷达专用芯片及功能模块示意1a/伍MAJt理，H刑5职I VWffi. KVtt£SCK资料来源：禾赛科技招股说明书，光大证券研究所2.3、发展：硬件固态+集成化，软件算法优化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:光束发射和探测环节核心器件的升级（例如EELVCSEL；APDSPAD/SiPD）；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）；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。3、行业壁垒：短期性能符合车规，中长期量产降本3.1、 性能通过车规为核心，美观+安全指明方向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2021Q2速腾聚创己车规量产的RS-LiDAR-Ml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，Ml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Ml的凝视功能，能实现将扫描帧率由IOHz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。图37：相比于消费级电子，车载零部件的性能要求更高资料来源：佐思汽车研究，光大证券研究所3.2、 激光雷达技术壁垒高，产品迭代速度快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。图38：激光雷达行业具有较高的技术水准与技术壁垒技术水准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，并且和半导体行业间联系密切，收发单元阵列化以及核心模块芯片化是未来的发展趋势，是激光雷达公司研发投入的重点技术创新壁垒行业涉及新一代激光雷达应用技术，产品创新能力强，需要不断地更新迭代来适应市场的需求与更高的安全应用标准资料来源：禾赛科技招股说明书，光大证券研究所3.3、 规模化量产举足轻重，降本增效长期要义制作工艺尚未成熟，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。4、竞争格局：视觉方案一枝独秀，雷达方案百花齐放4.1、 特斯拉引领时代，积极布局摄像视觉方案视觉主导方案“轻感知、重算法”，依靠硬件设备升级提高性能。技术层面,视觉方案简单来说就是“所见即所得”，核心环节是与卷积神经网络配合实现人、动物、车辆、道路标志和各种其它障碍物的识别与匹配，运用AI学习来达到感知分析物体的目的。因此，视觉方案十分依赖强大的芯片算力，从而弥补2D图像信息的短板，回顾特斯拉近年来的硬件配置，我们可以清晰感受到更新迭代的趋势。入局最早、技术成熟，数据+算法实现正反馈机制。（1）数据积累：特斯拉作为最早入局ADAS系统的新能源车品牌，拥有全球最多的一手数据资料，这正是神经网络算法不断优化的基础，截至2020年4月，特斯拉Autopilot累计里程已超33亿英里。（2）算法加持：特斯拉创新推出“影子模式”，这使得车机系统在DS功能未开启时也可以根据人类驾驶者的行为进行图像识别与路径规划，进而实现算法改进。具体来讲，系统的算法在“影子模式”下做持续模拟决策，并且把决策与驾驶员的行为进行对比，一旦两者不一致，该场景便被判定为“极端工况”，进而触发数据回传。数据+算法的双重优势相互促进，达到了正反馈的效果，为特斯拉高高筑起了在自动辅助驾驶视觉方案的壁垒。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信息较难还原自动驾驶所需要的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全自动驾驶芯片，单片单芯片算力230T0PS,已经远超市面上已经量产的其他车载芯片，但若要实现L5级完全自动驾驶，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。4.2、 雷达系尚于成长期，与0EMTierl公司合作紧密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Tierl企业等。4.3、 1、上游：核心元器件海外优势明显，国产自研加速追赶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