11月19日，2021广州国际车展拉开帷幕。广州车展不仅被视为汽车行业的一场“总结会”，也被认为是中国车市的一个“风向标”。随着国内传统汽车企业的转型升级，电动化、智能化、网联化的趋势正不断加强。新能源汽车从“尝鲜”到“普及”，电动化见效成势；智能化如潮涌至，越来越多搭载量产激光雷达的车型出现在大众视野。

此次汽车行业的年终“盛宴”上，最引人注意的并不是全球首发、新车上市等传统活动节目，而是以人工智能、自动驾驶、5G技术等为代表的汽车科技企业，以及充电桩等新能源汽车配套产业链企业首次“登台亮相”。华为、地平线、科大讯飞、斑马智行、大疆等一大批新型供应商高调进场，不断向车企提供包括智能驾驶、操作系统、语音识别、车家互联、远程操控，以及芯片、激光雷达等软硬件技术背书。

就以今年网红的“机甲龙”为例，其搭载全球最多的4颗激光雷达（华为96线混合固态激光雷达）和7颗800万像素的超高清摄像头、4颗环视摄像头、5颗毫米波雷达、12颗超声波雷达，NPU算力达到400TOPS。自动驾驶商业化提速，自动驾驶千亿传感器市场拉开帷幕，进入群雄逐鹿的阶段。

一、自动驾驶传感器介绍

一般来说，自动驾驶传感器是智能汽车重要的检测装置，通过将感受到的被测量信息按特定规则转化为电信号或其他形式的信息输出，以协助智能汽车实现智能驾驶。按照传感器的功能分类，自动驾驶传感器可分为视觉传感器、听觉传感器、雷达传感器和定位传感器：

视觉传感器， 即车载摄像头， 工作原理是把物体通过镜片产生光学图像投射在 CMOS光电传感器上，经由模数转换器转变为数字信号，再由 DSP 将信号处理成特定格式的图像在显示屏上显示。自动驾驶汽车安装的车载摄像头以单目摄像头、双目摄像头和三目摄像头为主；

听觉传感器指超声波雷达，工作原理是通过测算由超声波发射装置发射超声波和接收器接收发送过来的超声波的时间差计算距离。超声波雷达的优点在于成本低，在短距离探测上具有优势，探测范围在 0.1-3.0 米之间；

雷达传感器包括激光雷达和毫米波雷达。 激光雷达： 是一种光探测和测量系统，是实现自动驾驶汽车导航、定位、避开障碍物等功能的核心传感部件，工作原理是发射和接收激光束，通过分析激光遇到目标对象后的折返时间，计算车与目标对象的相对距离。在技术参数上，市场上普遍使用 8 线、16 线和 32 线激光雷达。不同线数激光雷达的区别在于，伴随着激光雷达线束的增多，其测量精度逐渐提高； 毫米波雷达： 工作原理是利用波长 1 至10nm，频率 24GHZ 至 300GHZ 的毫米波，通过返回波形和发出波形的频率计算障碍物的距离。毫米波雷达的优点在于可穿透尘雾、雨雪等，可适应雨天、雪天等环境，探测性能稳定。与超声波雷达相比，毫米波雷达具备体积小等优点；

定位传感器，指高精定位传感器，作用是实现车辆的精确定位，为汽车运动测量提供基础的数据，是实现路径规划和车联网等功能的基础和前提。

 鉴于单一的车载传感器难以同时保障探测精度、距离，且无法摆脱对环境的依赖，因此，多传感器融合已成为主流趋势。但当前市场感知层解决方案以视觉系和雷达系为主。 目前自动驾驶感知层解决方案主要分为以特斯拉为代表的视觉系和以 Waymo 为代表的激光雷达系两种流派。视觉系解决方案主要以摄像头为主导，配合毫米波雷达、超声波雷达等元件完成感知任务；激光雷达系解决方案以激光雷达为核心，配合摄像头、毫米波雷达、超声波传感器等元件达到感知目的。

二、以视觉方案为代表的厂商方案

视觉系以摄像头为主要传感器并依赖软硬件进行感知识别。视觉系解决方案的工作原理， 是以摄像头作为主要传感器，收集外界反射的光线从而呈现出外界环境画面，通过将视觉传感器收到的视觉信息进行3D渲染、用AI 软件将车道线、交通、行人等信息进行匹配，进而由决策层分析后做出决策，最终使车辆执行。目前代表厂商为特斯拉及Mobileye。

     图像模式识别为核心流程，较为依赖芯片+算法。自动驾驶领域基于视觉的感知方式主要包括五个流程，即图像采集、图像预处理、图像特征提取、图像模式识别与结果传输。其中图像采集主要通过摄像头采集图像；图像预处理包含图像压缩、图像增强与复原、图像分割等；图像特征提取主要提取图像幅度特征、直观性特征、统计特征、几何特征和变换系数特征等因素；图像模式识别主要基于图像形状、色彩、纹理等特征，通过统计模式、句法模式、模糊模式、神经网络模式等方法进行识别，系统能否准确对输入信号进行判断将深度影响后续决策，因而图像模式识别为核心流程，也因较为依赖计算层的芯片和算法成为目前计算机视觉技术发展的难点；结果传输则是将输出信息传输至车辆其他控制系统或其他车辆，完成相应控制功能。

目前统计模式识别和神经网络模式识别为主流图像模式识别方式。

统计模式识别是以数学上的决策理论为基础建立模型，对被研究图像进行大量统计分析，找出规律性认识，并进行分类识别，是目前较成熟也应用较为广泛的识别方法。

神经网络识别通过硬件或软件方法建立大量处理单元为节点，各单元通过一定模式实现互联的拓扑网络，进而对人的神经系统结构及功能进行模仿，且具备自组织，自学习的能力。

神经网络识别方式因具备自学习能力更具优势。统计模式识别在辨别过程中更加依赖与已有数据的匹配程度，而在自动驾驶过程中经常会面对多样、复杂路况，因而具备自组织、自学习能力的神经网络识别方式在自动驾驶领域更具优势。目前特斯拉神经网络算法领跑自动驾驶计算机视觉领域 特斯拉整体神经网络系统由48个神经网络组成，包含1000个独立的神经网络预测单元，工作流程为先进行数据采集，打标签之后送入网络进行训练生成服务器端的模型，再将训练好的模型部署到车端；车端在模型下运行过程中会遇到难以识别的物体或场景，此时借助影子模式将一些不识别的数据挑出单独做单元测试，测试未通过的数据会送入到第一步的数据容器中，对这些数据进行加强，再重复打标签，训练，生成新模型后再部署到车端进行循环，直到覆盖所有的场景。

      硬件配置不断跨越助力视觉方案效果提升。由于神经网络训练方式需要处理海量信息和数据，因而需要高算力硬件支撑。近年来硬件配置不断更新迭代，以特斯拉为例，自2014 年起特斯拉自动驾驶系统始终坚持视觉系解决方案，并不断通过硬件设备升级提高性能。 最初特斯拉 HW1.0 采用 Mobileye 视觉识别芯片，信息和数据搜集主要来自 Mobileye 前置摄像头辅以 160m 雷达和超声波传感器。EyeQ3 平台可识别行人、车道标记、交通标识等。随后的 HW2.0 版本采用 NVIDIADrive PX 2芯片，感知端使用了三目摄像头，搭配 170m 雷达和更大参数超声波传感器，处理能力较1.0提升了40倍。升级后的 HW2.5 在之前主板构造的基础上增加了 1 块 PARKER SoC， 芯片整体集成度空前提高并赋予系统冗余， 带来整体算力的提升。目前特斯拉搭载 HW3.0，使用自主研发芯片 FSD，采用双芯片设计， 单片芯片算力达 72TOPS，总算力可达 144TOPS，是 NVIDIA 在量产车型上搭载的最强芯片 Drive Xavier 理论性能值的7倍。同时在系统层面有大量的冗余设计，同一块板卡上配备两颗芯片，同时对相同数据进行分析，对比分析后得出最终结论。当前市场主要厂商芯片理论算力均可支撑 L3级自动驾驶需求，未来将不断向更高级别自动驾驶突破。

目前主要的核心处理器厂商有Mobileye、Nvidia、华为、地平线等。Mobileye、Nvidia属于第一梯队，特斯拉、华为、地平线处于第二梯队，其他传统汽车芯片供应商主要面向自动驾驶功能市场处于第三梯队。1）Mobileye背靠英特尔，占据L3及以下市场，对外提供算法+硬件，产品逐渐由视觉处理向多传感器融合发展，但后期算力提升略显不足，算法和平台捆绑销售，灵活度较差，客户难以做出差异性产品；2）Nvidia凭借GPU芯片绝对领导优势，方案占据L4级及以上预研市场，算力较高，也可支持多传感器数据融合，已通过功能安全标准，但价格较贵；3）特斯拉属于自研芯片，可根据需求研发专用芯片，大大缩小研发周期，针对性的设计也会在大大减少芯片硬件资源，但现阶段并未认证功能安全标准。4）华为、地平线尚处于适配测试中，华为的模式和Nvidia类似，算力较高，目前已通过功能安全标准认证，主要针对L3及以上市场。地平线模式和Mobileye类似，主要针对L2/L3级市场。2021年5月发布的2021款理想ONE，搭载2颗地平线自研征程3。

国内新兴的以视觉为主的自动驾驶方案公司，大多数是以上几家的计算平台方案为基础，自研图像识别算法，为汽车行业Tier1提供软硬一体化方案或者直接为汽车整车厂提供自动驾驶整套解决方案。

      从目前的竞争形势来看，国内的汽车视觉团队，主要以算法、软硬件方案为主，都获得了资本市场的追捧，已经跑出来的厂商基本都融资过亿或者背靠上市公司、大的汽车厂。但从产品形态来看，从前视ADAS到环视系统、DMS等，产品类型都比较类似。根据业内交流，硬件的毛利并不高，普遍在20%-30%之间。从市场销售规模来看，国内的汽车视觉方案厂商普遍在商用车（货车及客车）的落地案例居多，乘用车市场，上汽、广汽、东风、理想等主机厂都有对上游视觉方案商进行投资，市场呈现割裂局面。从现在的局面来看，市场还处于激烈竞争阶段，面临下游客户话语权强导致产品项目周期长、产品毛利低、人员成本较高等突出问题，市场格局还没有定，有待市场出清。而从核心计算平台及芯片上来看，国内的地平线、华为等厂商目前还处于技术追赶阶段，这个领域的投资金额大、技术难度高、周期长，但由于产品技术持续在迭代，国内的芯片厂还是有很大机会的。

三、雷达传感器市场

1、 激光雷达

     雷达系以激光雷达为核心部件获取路况信息。 激光雷达可分为激光发射、激光接收、光束操纵和信息处理四大系统。 激光雷达系解决方案的工作原理，是感知层通过激光雷达不断向外发射激光束，并接收物体反射回的光脉冲，根据已知光速计算出两者信号之间的时间差、相位差等来确定车与物体之间的相对距离，再通过水平旋转扫描或相控扫描测量物体的角度，通过获取不同俯仰角度的信号获得高度信息。感知到与物体之间的距离、角度等信息后， 进而通过软件算法去做 3D 建模， 通过分析激光信号描绘三维点云图，实现环境实时感知及避障功能。

     激光雷达产品主要从显性参数、实测性能表现及隐性指标等方面进行评估比较。 目前由于激光雷达属于市场新兴产品，实测性能和隐形指标目前缺乏量化和可靠公开数据指引。 显性参数主要包含测远能力、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，可以较为直观的反应激光雷达不同方面的性能。

     主流分类方式多元， 技术路径差异较大。 由于激光雷达实现功能过程中所需元器件可选种类较多且原理均有不同程度差异，故分类方式较多。目前市场主流的分类方式为通过测距原理、激光发射、激光接收、光束操纵和数据处理五个维度进行分类。每种分类方式均有不同细分技术路线， 因而在最终产品的工作原理、效果呈现和生产成本等方面均有所不同。

     按照测距原理可将激光雷达细分为三角测距、飞行时间测距 ToF 和调频连续波 FMCW。

     受制于较远距离分辨率下降，三角测距激光雷达难以配套汽车。三角测距法原理为发射激光到被测物体之后，部分散射光经接收透镜汇聚到线阵图像传感器（CCD/CMOS）上成像，之后根据三角形几何相似关系原理计算目标物距离。三角测距激光雷达技术较为成熟且成本较低，近距离精度较高，但由于距离分辨率会随着距离逐渐增加而急速下降，限制了三角测距的最大实用测量距离（16m 以上会明显受限），且转速较低（三角雷达的最高转速通常在 20Hz 以下，TOF 雷达则可以做到 30Hz-50Hz 左右）导致点云成像效果较差，故目前多用于近距离室内导航解决方案。

ToF 激光雷达技术成熟度高， 短期仍将是配套汽车主流方式。飞行时间法ToF（Time of Flight）测距原理为记录发射器发射激光与探测器接收到回波信号的时间差除以2，直接计算目标物与传感器之间距离。由于 ToF 测距发射激光脉冲持续时间极短、瞬时功率较高且耗时极短，因而在能够探测到更远距离的目标的同时也能保持较高测量频率；计时的精度不会因距离变远而发生改变从而距离分辨率更为稳定。目前市场ToF激光雷达的主流产品可实现室外阳光下 100-250m测量，环境适应性更好，适合活动空间大、移动速度高、需要在较强环境光工作的移动平台使用。虽然ToF激光雷达也存在易受太阳光子及附近其他雷达干扰的缺点，但目前技术成熟度较高，且各主要厂商目前产品多是采用ToF法，短期内仍将是配套汽车主流方案。

FMCW 激光雷达理论性能优异，长期有望成为装车破局新方向。调频连续波FMCW（Frequency Modulated Continuous Wave）原理为发射调频连续激光，通过回波信号的延时获得差拍信号频率进而获得飞行时间，通过距离公式反推目标距离并通过多普勒频率公式测算目标物速度。 FMCW 激光雷达相较 ToF 激光雷达而言抗干扰能力更强，且FMCW 方案的激光峰值功率水平在 100 mW 范围内，较 ToF 激光雷达数百或数千瓦存在优势，同时 FMCW 激光雷达可返回每个像素的径向速度，所提供包含速度信息的 4D 图像能够为自动驾驶系统提供更清晰的环境感知能力。此外，目前只有利用 FMCW 技术在短波红外（SWIR）波段才能将所有元件集成在单个光子芯片上，以达到使该技术真正大众化所需要的成本目标。未来随着 FMCW 激光雷达整机和上游产业链的成熟，或将成为装车新方向。

根据激光发射装置的不同又可将激光雷达通过光源波长和发射器种类两种方式分类。光源波长主要分为905nm和1550nm两类发射器又包含边发射激光器EEL、垂直腔面发射激光器VCSEL与光子晶体结构表面发射激光器PCSEL三种主流方向。

1550nm 光源性能优异，未来降本增量可期。光源激光按波长可主要分为905nm 和 1550nm 两种。 905nm 光源是最常用的激光光源波长，但处于人眼可吸收光谱中因而存在安全问题， 需要限制发射器功率，尤其当工作距离达150 m以上时，905 nm 激光器的光功率超过了人眼安全阈值，须采用人眼安全波段的激光器。905nm 激光器优点是成本低、体积小，缺点是峰值功率低，重复频率低，光束质量一般；而 1550nm 远离人眼可吸收可见光光谱波长在同样光斑大小和脉宽条件下1550 nm激光的最大允许曝光量和最大允许峰值光功率值均比905nm激光高出数个等级。1550nm激光器优点是峰值功率高，光束质量好，重复频率高，人眼安全等，适用于较长距离扫描激光雷达，但功耗高、散热能力、以及体积是其主要短板，同时由于需要使用高价的铟镓砷作为探测器的衬底材料、 光纤激光器作为发射器导致成本较高。我们认为 1550nm 波长位于人眼安全范围且性能较为优异，且伴随工艺流程技术进步有望带来量产降本装车；此外建议关注工艺提升与技术发展为 905nm 波长光源拓展应用场景。     
      看好 VCSEL 技术迭代优化方案，关注 PSCEL 发展进程。从发射器种类来看，边缘激光发射器 EEL技术较为成熟，市场高度分散且多样同时功率较高，但复杂工艺步骤带来生产成本高、易碎、 过程难以封装等问题。垂直腔面激光发射器 VCSEL 生产中虽体积较小易于封装且较为坚固耐用，但功率较低，探测距离不足50m；但随着近年来随着对 VCSEL 技术开拓，新开发的多层结 VCSEL功率密度提升了5-10 倍，在封装方式和光束整形等方面具有独特优势，信噪比、生产成本与产品可靠性问题大大改善。PCSEL 为当前最新激光器技术，是 EEL 与VCSEL 的集成，也是目前唯一使用面内反馈和面外表面发射的激光器，据 PSCEL开发者Vector Photonics首席执行官 Neil Martin 表示，PCSEL 成本低、易于封装集成、坚固耐用、波长范围广、功率高，比现有的技术更有优势。我们认为 PSCEL技术理论性能较强，看好后期实装表现，短期内相较 EEL 更看好技术迭代下VCSEL 成本端和使用性方面优势。
       激光接收：APD 使用范围较广，SiPM 未来或将替代 APD。长期 SiPM 性能及成本优势凸显或将取代 APD。激光接收层面根据光电探测器性能可主要分为 SiPM、SPAD、 APD 和 PIN PD 四类。PIN PD 具备工作电压低、温度特性好、灵敏度变化小等优势，但无增益，目前仅适用于 FMCW 测距激光雷达；APD 的技术较为成熟，信号完整度强并有温度补偿冗余，是目前使用最为广泛的光电探测器件。但目前APD的典型增益不及100 倍，在远距离测试的时候，需大幅提高光源光强才能确保APD有信号，这也对系统产生了一定的要求和限制。SPAD的理论增益能力是 APD 的一百万倍以上， 实现低激光功率下的远距离探测能力，功耗、体积较小，但因电路结构复杂，系统成本与电路成本均较高。 SiPM 是多个 SPAD 的阵列形式，可通过大尺寸阵列的实现获得更高的可探测范围以及配合阵列光源使用，更容易集成 CMOS 技术，且电路结构简单，工作电压较低，目前主要需求为PDE（光子探测效率）的提升。目前禾赛科技、Innovusion、 Ouster、等主流厂商均已布局 SiPM 相关技术，未来有望代替 APD。

InGaAs 前景广阔，多配合 1550nm 激光使用。根据衬底材料种类不同可分为硅基（Silicon）与铟镓砷（(InGaAs），主要的差异是适用光谱不同，但从应用角度而言，原理上差别不大。而探测器是配合光源使用的，硅基探测器多配合的是 850nm、 870nm、 905nm、 940nm 等波段光源，同时作为初代半导体，硅材料晶圆更加成熟，从成本和可获得性来讲更适合大范围应用。InGaAs 材料由于工艺难度、晶圆尺寸和使用场景的限制， 整体成熟度较硅基较低，但由于受太阳光的影响较小，防雾性能较好，且多配合 1550nm 激光使用，对人眼较为安全，未来有望伴随 1550nm 技术渗透率提高成为主要基底。
     根据光束操纵方式不同又可将激光雷达分为机械式、半固态和固态，其中半固态方案主流方向为 MEMS 与转镜式，固态方案目前以 OPA 和 Flash 方案为主。机械式因成本及外观因素多用于测试项目。 机械式激光雷达主要通过电机带动光机结构整体旋转，可实现 360°扫描（半固态式和固态式激光雷达往往最高只能做到 120°的水平视场扫描）。由于机械式激光雷达发展较早、技术较为成熟，且具备最佳性能和分辨率，可测距离最远等优势 但同时缺点在于核心组件价格昂贵，光路调试、装配复杂、生产周期漫长等因素导致难以配套量产，且突出型的产品结构对车辆外观有一定影响，故目前多应用于无人驾驶测试项目。

MEMS 方案综合优势明显，有望搭载汽车商用。微振镜式主要采用 MEMS（微机电系统, Micro-Electro-Mechanical System）微振镜替代传统机械式旋转装置，由微振镜通过一定谐波频率振荡反射激光形成较广的扫射角度和较大扫射范围，高速扫描形成点云图效果。 MEMS 虽然相较机械式激光雷达探测角度范围较小，但因具有良好的性能、探测距离及高分辨率，同时小巧轻便、坚固可靠且成本较低，目前较为适合作为车载激光雷达配套汽车量产。

转镜方案最早通过车规，短期或将与MEMS并存。转镜式保持收发模块不动，让电机在带动转镜运动的过程中反射激光从而达到扫描探测效果。转镜方案的激光雷达最早是法雷奥 Scala 于2017年在奥迪A8上量产，也是首个车规级激光雷达，大疆 Livox 产品于 21 年量产上市。雷达缺点在于电机驱动也带来了功耗高、稳定性不足和光源能量分散等问题，但也具备高扫瞄精度，同时可以通过控制扫描区域从而提高关键区域的扫描密度，且具有探测距离远、探测角度大的优势，未来或将成为自动驾驶汽车配套搭载的主要选择之一。

MEMS反射镜的尺寸在很大程度上决定激光雷达的可靠性。更大的镜子也有更大的惯性，产生10倍到600倍的冲击和振动扭矩。此外，更大的镜子不允许快速敏捷的扫描。对于MEMS方案，激光雷达公司Luminar在招股书中表示，范围/分辨率容易受高噪声限制、MEMS振镜的易碎性需要高规格的特殊生产工艺和质量管理来解决，大部分企业短时间很难彻底解决。

但在AEye公司看来，MEMS本身是由单晶硅材料制成的，坚固耐用、抗材料疲劳，而且具有耐高温和抗冲击性能。同时，在硅有一层反射涂层，可以增强光线的反射。目前，行业内对于MEMS的设计创新，正在寻求突破。

AEye的独特MEMS专利系统设计允许一个小于1毫米大小镜子（极端的抗冲击和振动能力），而其他类似激光雷达方案则通常使用3mm到25mm的镜面，在某种程度上增加了复杂性和成本。此外，通过1550nm激光器和精密接收模块，实现探测距离的突破。

     OPA 产业链尚处起步阶段，短期暂无配套量产可能。OPA 即光学相控阵(Optical-Phased-Array)技术，通过对阵列移相器中每个移相器相位的调节，利用干涉原理实现激光按照特定方向发射的技术从而完成系统对空间一定范围的扫描测量。OPA 具备精度高、 扫描快、 体积小等优势，集成度高且量产标准化程度高，技术突破后大规模量产将使 OPA 方案成本进一步下探，但由于目前 OPA 产业链尚处于起步阶段，上游零部件多数需要激光雷达厂商自研，且制造工艺要求较高存在一定壁垒，对激光雷达制造商难度较大，故目前 OPA 方案采用率较低。
     探测距离短板导致 Flash 激光雷达应用受限。Flash 型激光雷达是目前唯一不存在扫描系统的方案，但由于不存在机械运动部件被归类为固态激光雷达。Flash 可以通过短时间内向各个方向发射大覆盖面阵激光，利用微型传感器阵列采集不同方向反射回来的激光束快速记录整个场景并以高度灵敏探测器完成周围图像绘制，避免了扫描过程中目标或激光雷达移动带来的各种问题。但由于探测范围较窄目前配套汽车有所受限。

短期看好半固态成为装车主流方案，长期关注固态方案技术突破。我们认为机械式激光雷达虽然技术较为成熟且性能优秀，但受限于体积、外观及量产成本等原因难以配套汽车量产。半固态解决方案 MEMS 和转镜式目前技术均较为成熟且能覆盖中长测距范围，同时成本有望得到进一步控制，看好短期内成为配套汽车量产的核心解决方案。长期时间维度内看好 OPA 方案在产业链逐步完备情况下装车，以及Flash方案技术迭代下拓展测距范围进程。

企业自研 SoC 未来将成为主流趋势。激光雷达信息处理中主控芯片用于激光发射器、探测器等部件控制及计算，目前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（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，或将逐步代替主控芯片FPGA。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、更低的功耗和更高的集成度。目前 SoC 企业自研虽在前端投入、设计制造等方面还存在较高壁垒，但主要厂商如禾赛科技、速腾聚创、Ouster 等均已布局且有所突破， 我们认为未来企业自研SoC将成为主流趋势。

降低成本是装车量产当务之急。目前激光雷达装车量产的主要阻碍在于价格过高，商业化进程阻力较大。激光雷达成本主要可分为：研发成本、生产成本与BOM成本（物料成本）。我们认为降低成本主要方向有：
      a)     大规模量产。研发成本与生产成本可随量产规模的扩大显著分摊，如据锐驰智光披露LakiBeam128目前万台级供货价定在743美元；在十万台级别，其单价为498美元；在百万台级别，其单价是289美元，量产带来的价格下探幅度显著。
      b)     控制上游元件成本。企业可通过自研光学元件、芯片等上游产品进而控制激光雷达产品 BOM 成本。如 2019 年时法雷奥激光雷达产品 Scala的主板成本占比达到45%、激光单元占比 3%、机械镜单元占比13%、机械式激光硬件占比10%，若激光雷达厂商可自研并量产芯片及光学元件，BOM 成本将显著降低。

      c)   技术路径迭代。由成本较高的机械式向纯固态迁移、由人工成本较高的 EEL 向可机器量产的VCSEL发展等，此外发展理论成本较低的FMCW 技术及进一步开发1550nm方案技术探索成本空间或将提供降本新路径。

激光雷达价格降幅明显，未来有望下探至装车量产水平。2007年 Velodyne首次发布的 64 线机械式激光雷达产品 HDL-64E 价格近8万美元，2010年发布的 32 线机械式产品 HDL-32E 价格大幅下降50%至4万美元，随后 2018年正式宣布由于大规模量产 VLP-16 产品价格由最初的 8000 美元降至 3999 美元，价格下降幅度显著。同时各主要激光雷达厂商也在 MEMS、转镜、及纯固态等技术领域布局，激光雷达产品整体价格持续下行，大疆 2020 年发布的车规级半固态激光雷达价格已突破 10000元人民币，最低可达 6499元人民币（近1000美元）。据大疆 Livox 预计未来激光雷达价格有望下探至 100 美元水平。我们认为伴随技术更新迭代及市场需求提升带来的大规模量产，激光雷达价格在未来 5-10 年内较目前仍有较大下调空间，且短期有望达到商业化装车量产水平。

      行业尚处早期发展阶段，中外厂商均具备较强竞争实力。 外国厂商如Velodyne、 Luminar、 Aeva 等分别在机械式、半固态及 FMCW 等技术路径率先发力，而中国厂商禾赛科技、速腾聚创、华为、大疆

Livox 等也凭借各自产品具备较强竞争实力，行业早期阶段群雄逐鹿格局显现，市场竞争较为激烈。

      据盖世汽车不完全统计，自6月份以来，禾赛科技已经和至少12家OEM及自动驾驶研发企业达成了合作，包括理想汽车、文远知行、集度、爱驰汽车、新石器、主线科技、轻舟智航、华人运通等，以打造成熟的自动驾驶生态圈。不仅如此，禾赛还先后两次获得资本加持，其中小米更是两次都有参与。自年初蔚来率先宣布将在ET7上搭载激光雷达，随后迅速获得了众多车企的跟随。比如理想、高合等就纷纷宣布将在未来的车型上应用禾赛的半固态转镜式激光雷达AT128，该雷达于8月13日正式发布，当时就已官宣获得多家车企总计超过150万台的定点。据禾赛科技的量产节奏，AT128将于明年正式大规模交付。

另外，华为、Robosense、大疆Livox、Luminar、 Innovusion等的半固态激光雷达也纷纷开始有量产项目落地。其中华为的96线半固态转镜式激光雷达，先后获得了北汽极狐、哪吒S的定点。速腾聚创第二代半固态MEMS激光雷达已确认将在广汽埃安AION LX、威马M7、智己L7等车型上量产。Luminar Iris半固态双转镜激光雷达将搭载于上汽R ES33和沃尔沃XC90。整体来看，激光雷达在量产车上的应用已经从40~50万元级别开始向20万元及以下级别车型下探。 

      激光雷达巨大的产业规模之下，是一条由多个环节构成的、上下游明确的产业链。下游应用 领域主要包括测绘和导航两大类需求，如今，下游需求蓄势待发，自动驾驶、高精度地图等 市场都存在大量需求。而激光雷达上游主要分为发射、接收、扫描和信息处理等部分。激光 雷达的上游环节随着技术发展愈发成熟，上游器件的成本很大程度上指引着激光雷达的应用。

     在这样的产业链当中，全球分布着大量业务不同的厂家，欧姆龙、松下、意法半导体、赛灵 思、飞利浦、Qorvo 等知名公司都在激光雷达产业链之中。产业链中游，也就是激光雷达公司主要有 Velodyne、Valeo、Ouster、Innoviz、Quanergy、Luminar 等，还有不少中国国内 公司已经跻身国际主要厂商之列，例如禾赛科技、镭神智能、北醒、速腾聚创、北科天绘等。而上游领域，国际公司积累较为深厚，例如光学器件领域的意法半导体、亚洲光学（中国台 湾），光源领域的飞利浦光学、生产光源和光学器件的 Thorlabs，光探测器领域有安森美旗 下的 SensL、日本滨松等，IC 领域则有赛灵思、Qorvo等半导体巨头。
      而从国内公司来看，近年来我国中游强上游弱的局面得到了一定改观。目前，以速腾聚创、 禾赛科技、镭神智能为代表的国内激光雷达产业公司主要集中在中游位臵，但上游也涌现出 了一批优秀公司，例如华为哈勃投资的芯视界微电子，小米集团领投、联想和真格基金跟投 的灵明光子等。下游主要包括测绘视觉、机器人、自动驾驶、无人机和环境监测五个应用方 向，目前激光雷达主要应用在自动驾驶领域，应用领域我国公司数量较多，例如数字绿土、 EAI 等公司在各自领域内也具有较强的竞争力。

在激光雷达“上车元年”的2021年，激光雷达的成本依然占智能汽车零部件综合成本的大头。基于此，周鸿祎谈到对智能汽车的看法时，提出智能汽车的革命不仅是产业革命，同时也是一场消费革命。“目前智能汽车成本最高的是激光雷达，但相信未来不到三年，华为等公司一定能把激光雷达做到白菜价”。尽管华为此前表示力图短期内实现100线激光雷达成本调低至100美元，但至于“短期”的定义，华为方面并没有具体说明。但根据业内交流，三年内激光雷达下探至100美元还是有难度，但不是完全没有可能。

      目前，中国市场上的激光雷达芯片，特别是信号处理所需的元器件主要依赖进口，这在一定程度上抬高了激光雷达的生产成本。因此，多家国内的芯片企业都在争取通过各自的优势技术，填补上国内的这块空白。

2018年初，深圳镭神智能首款用于激光雷达接收端的模拟信号处理芯片研发成功。据悉，这是国内首款高集成度激光雷达接收端模拟信号处理芯片，量产后，将会使全行业成本降低3成。这款芯片采用中芯国际制程工艺，芯片的处理能力可以最高支持160线的激光雷达产品。此款芯片与传统激光雷达芯片最大的不同是大量实现了功能集成。此前，激光雷达的模拟信号处理模块采用多个元器件的分立设计，镭神智能将高频高带宽模拟晶体管、放大器等集成到比指甲盖还小的芯片中，用单枚芯片实现激光雷达整体控制，大大缩小激光雷达信号处理电路的体积与功耗。

在2018年的CES上，有一家叫做光珀智能的中国公司，它是为数不多的选择3D Flash路线的激光雷达芯片企业。光珀已经推出了第一代ToF传感器芯片，基于这一代芯片推出了三个技术平台：GP001A、GP002A 和 GP003，分别满足不同距离（近、中、远），强阳光下（100Klux），大场景（70⁰），高精度（<1%），高空间分辨率（0.06⁰V）等三维感知需求。光珀的核心技术是：用一个脉冲序列，代替一个单脉冲，降低每一个脉冲的峰值。光珀使用的是一个组合脉冲序列，这意味着每个脉冲的峰值被大幅压缩。压缩峰值后，可以使用半导体激光器作为光源，同时符合人眼安全，更不需要去使用像 1550nm 那样的特殊波长，因此，光珀的传感器可以用硅来设计。

去年，地平线与禾赛科技达成战略合作，以推动高级别自动驾驶研发与应用。禾赛科技提供顶级的激光雷达传感器，地平线有Matrix视觉感知、Matrix激光雷达感知、NavNet众包高精地图采集与定位等方案，可提供高性能、低成本、低功耗的多类别环境感知方案。

在OPA方面，国内的力策已悄然完成OPA芯片的三轮流片。据了解，其OPA芯片为全球首款实现双轴独立控制、大视场角、高速扫描的OPA芯片。OPA是目前固态激光雷达的理想方案，但也有很多技术问题需要解决。难点主要在于OPA芯片原理。OPA作为一个新的芯片流派，芯片的物理原理还在探索中。先驱Quanergy采用的硅光OPA技术路线，面临着损耗、调制速度、波导串扰、材料非线性等几个基础物理难题，短期内难以突破。而基于液晶的空间光调制方式速度慢，且液晶材料受限于工作温度。力策的方案是在硅OPA和液晶空间光调制之间做了个折中，力策的OPA芯片流片成功无疑证明了折中方案的可行性。力策通过芯片控制，实现双轴的独立控制扫描，速度达3.48MHz，角度达60度。可以定点扫描、光点非连续随意切换。如果OPA芯片激光雷达量产成功，那么固态激光雷达的成本在规模量产后将降至百美元。

2019年12月，饮冰科技获数千万元Pre-A轮融资。该公司一直在做基于Flash技术的固态激光雷达研发。饮冰科技将分立的激光器和探测器通过半导体生产的工艺分别集成到了单芯片内，芯片化的解决方案是饮冰的一个亮点。

国科光芯立志为客户提供从消费电子到自动驾驶等多种应用场景的基于核心硅基光子芯片技术的高性价比激光雷达产品及解决方案。公司团队出身于中科院，凭借20多年在硅光领域的研究，积累了大量的技术经验和顶尖人才，是国内最早从事相关领域研究的团队之一。从2017年起，公司与多家国内外顶级研发机构通过联合实验室等形式开展产学研合作并于2018年2月推出第一代光学相控阵技术固态激光雷达芯片A2。公司研发团队在此基础上不断优化改进，于2019年8月完成新一代光学相控阵技术固态激光雷达芯片的流片。

除了以上企业，飞芯光电、佳光科技、瑞波光电、北科天绘等也都在进行着激光雷达芯片的研发。

2、 毫米波雷达

     毫米波雷达是使用天线发射毫米波（波长1-10mm），通过处理回波测得汽车与探测目标的相对距离、速度、角度及运动方向等信息的传感器。因具有全天候全天时、精确度较高、体积小、性价比高等特性，在环境监测传感器中毫米波雷达是除车载摄像头外另一主流方案。

ADAS各项功能的实现，需要短程、中程、长程多颗毫米波雷达的结合。按探测距离来看，毫米波雷达可分为SRR、MRR、LRR。探测角度和探测距离通常不可兼得，例如SRR探测距离短，但探测角度大，多颗SRR结合可实现车身近距离全方位覆盖。因此，L1/L2级别车辆通常需要在车辆前方、车身和车辆后方安装多颗短程、中程和长程毫米波雷达，以对汽车周围环境实现全方位探测，协同实现ADAS系统ACC、AEB、FCW等功能。

此前，各国对车载毫米波雷达使用的频段较为混乱，牵制了毫米波雷达在汽车领域的发展。2015 年世界通讯大会为车载毫米波雷达制订了专属的频段，频率范围规定在 76~81GHz。目前，各个国家对车载毫米波雷达分配的频段各有不同，但主要集中在 24GHz 和 77GHz 两种，少数国家（如日本）采用 60GHz 频段。

根据其探测距离范围毫米波雷达可分为：短程毫米波雷达 SRR（60 米以下）、中程毫米波雷达 MRR（100 米左右）、长程毫米波雷达 LRR（200 米以上）。通常 24GHz 雷达检测范围为中短距离，77GHz 为长距离。

     24GHz（2019年全球市占率54.35%）：探测距离60m，主要应用于BSD（盲点监测）、LCA、PA，目前为毫米波雷达中最常见产品。根据美国FCC和欧洲ESTI规划，24GHz的宽频段（21.65-26.65GHz）将于2022年过期，欧洲和美国都已经宣布将逐步限制和停止24GHz频段在汽车雷达中的使用。24.0GHz 到 24.25GHz 的频段是窄带(NB)，带宽为 250MHz。其中，24GHz 频带还包括一个带宽为 5GHz 的超宽带(UWB)。

在短程雷达中，24GHz 频段的 NB 和 UWB 雷达已经应用于传统的汽车传感器上。通常 NB 雷达可以完成盲点检测、变道辅助等简单应用，但在大多数情况下包括超短距离的情况下，由于高频分辨率的需求，需要使用 UWB 雷达。

      77GHz（2019年全球市占率45.52%）：探测距离100-250m，主要应用于ACC、AEB、FCW等。由于相对24GHz产品体积更小、识别率更高，77GHz雷达正逐步替代24GHz方案成为主流产品。反观 77GHz频段，其中 76-77GHz 频段可用于远程车载雷达，并且该频段有等效同性各向辐射功率(EIRP)的优势，可控制前端远程雷达，适用于紧急制动、自适应巡航控制等功能。

该频段在日本和欧洲可用于交通基础设施中的雷达系统，可以完成车辆计数、交通阻塞、事故检测、车速测量和通过检测车辆激活交通灯等任务。77-81GHz 短程雷达(SRR)频段是新加入的频段。该频段可提供高达 4GHz 的宽扫描带宽，显著提高了距离分辨率（雷达传感器能够分离两个相邻物体的能力）和精度（测量单个目标时的精确度），非常适合需要高范围分辨率(HRR)的应用。

77GHz 汽车雷达的主要优点是分配的频段更宽，距离分辨率更高，体积相比 24GHz 雷达小，目标探测能力强，但是 77GHz 雷达的生产加工工艺要求更高，国外企业在此工艺水平大幅领先于国内市场。

79GHz（2019年全球市占率0.12%）：探测距离可达200米，具有高探测范围和角度精度。主要应用于BSW、LCA、FCTA等。79GHz雷达在分辨率、探测距离等方面可与77GHz产品比肩，需求有望不断攀升。工信部已于《汽车雷达无线电管理暂行规定（征求意见稿）》提出将76-79GHz频段规划用于汽车雷达，但79GHz产品目前在中国尚未开放民用。

从 ADAS 到自动驾驶的演进促进了毫米波雷达的需求。就单车装载量看，目前，L2 阶段配置基本是 1 个长距+2 个短距，到 L3 级别自动驾驶系统时，中长距离毫米波雷达至少需要 4-5 个，L4/L5 级别再加上侧向需求，毫米波雷达甚至需要 8 个以上。

根据美国 FCC 和欧洲 ESTI 的规划，24GHz 的宽频段（21.65-26.65GHz）将在 2022 年过期，之后 24GHz 能用的仅剩下 24.05-24.25GHz 范围的窄带频谱。24GHz 频段缺乏宽带宽，再加上新兴雷达应用中对更高性能的需求，使得 24GHz 频段对新兴雷达没有吸引力，尤其是在当前对自动停车和全景视图感兴趣的汽车领域。

反之，在 77GHz 频段，汽车雷达将能使用 77-81GHz 高达 4GHz 的带宽。同时，2018 年，中国新车评价规程（C-NCAP）将自动紧急制动系统（AEBS）纳入评分体系，从而将带动 77GHz 毫米波雷达在未来的市场需求。可见，随着车用雷达系统对精度要求的提升和规划走向，未来车载毫米波雷达将以 77GHz（76-81GHz）为趋势。

毫米波雷达技术工艺经历了三段发展历程：1990~2007 年的砷化镓(GaAs)工艺；2007~2017 年的锗硅（SiGe）工艺；2017 至今的 CMOS 工艺。目前，高集成的 CMOS 工艺将迎来增长期。

       后续正文，详见《自动驾驶商业化提速——传感器千亿市场，群雄逐鹿（二）》