2022年自動駕駛行業激光雷達市場規模分析及應用場景研究報告（49頁）.pdf

《2022年自動駕駛行業激光雷達市場規模分析及應用場景研究報告（49頁）.pdf》由會員分享，可在線閱讀，更多相關《2022年自動駕駛行業激光雷達市場規模分析及應用場景研究報告（49頁）.pdf（49頁珍藏版）》請在三個皮匠報告上搜索。

1、2022 年深度行業分析研究報告 目錄目錄 自動駕駛技術路徑：激光雷達是否具有必要性？自動駕駛技術路徑：激光雷達是否具有必要性？ . 1 視覺算法：單目相較雙目/三目更成熟，純視覺算法應對特定場景存在弊端 . 2 激光雷達技術：直接提供距離信息克服視覺算法弊端，L3 以上必備傳感器 . 5 市場規模分析：四大應用場景，高速增長賽道市場規模分析：四大應用場景，高速增長賽道 . 8 Robotaxi 后裝市場：低價格敏感度高毛利的穩態市場，2025 年空間 35 億美金 . 10 ADAS：量產車前裝貢獻未來 700 億美金以上龐大市場 . 12 機器人與車聯網市場：空間相對有限，性價比成為主要考

2、量因素 . 17 從技術路從技術路徑看估值差異：應用場景與技術積累徑看估值差異：應用場景與技術積累 . 19 掃描系統：半固態/固態成為 ADAS 最優選，Flash 方案短期內難以實現 . 20 激光器劃分差異：1550nm 安全性優于 905nm，EEL 開始向 VCSEL 過渡 . 31 接收器劃分差異：APD 向 SPAD 過渡 . 33 . 投資分析：技術路徑帶來估值差異，核心元器件存在投資機遇投資分析：技術路徑帶來估值差異，核心元器件存在投資機遇 . 34 龍頭公司技術路徑選擇：技術路徑差異決定估值水平 . 34 激光器：Lumentum 龍頭地位顯著，國內公司布局已經顯現 . 4

3、0 探測器：SPAD 替代趨勢成共識，聚焦本土創新企業 . 44 插圖目錄插圖目錄 圖 1：各傳感器性能比較 . 1 圖 2：特斯拉三目攝像頭傳感器 . 3 圖 3：ZF 集成 Mobileye 算法的三目攝像頭傳感器 . 3 圖 4：特斯拉的三目攝像頭分別覆蓋了不同的視角和距離 . 3 圖 5：2020 年 6 月臺灣高速公路撞上已側翻在路的白色貨車. 4 圖 6：雙目攝像頭可以通過視角差來判斷距離 . 4 圖 7：激光雷達掃描示意圖 . 5 圖 8：Velodyne HDL-64 激光雷達系統掃描點云圖 . 6 圖 9：激光雷達產品結構 . 6 圖 10：激光雷達核心解決的 Corner

4、Case . 7 圖 11：全球激光雷達銷售數量預測 . 8 圖 12：全球激光雷達銷售額預測 . 8 圖 13：全球激光雷達市場規模. 8 圖 14：中國激光雷達市場規模. 8 圖 15：激光雷達四大主要應用場景：Robotaxi、ADAS、服務機器人與車聯網 . 9 圖 16：激光雷達下游普遍量產以 2021 年作為顯著時間分界點 . 9 圖 17：2019-2025 年激光雷達市場應用預測 . 9 圖 18：全球激光雷達用在 Robotaxi/Robotruck 領域的市場規模 . 11 jXNBpZnOqQnNpPbRbP8OnPoOsQtRjMnNrQjMpNtMaQmMxOvPpN

5、sQuOoNuN 圖 19：奧迪法雷奧組合（四線激光雷達） . 14 圖 20：沃爾沃 XC90 采用 Luminar 激光雷達 . 14 圖 21：蔚來采用圖打通激光雷達 . 14 圖 22：激光雷達應用數量測算. 15 圖 23：自動駕駛對傳感器的需求 . 15 圖 24：全球與中國汽車銷售量. 16 圖 25：Luminar 對于 ADAS 激光雷達市場空間預測 . 16 圖 26：全球激光雷達用在 ADAS 領域的市場規模 . 16 圖 27：無人駕駛和高級輔助駕駛將成為激光雷達最大的應用領域 . 17 圖 28：全球激光雷達用在服務機器人領域的市場規模（億美元） . 17 圖 29：

6、速騰聚創激光雷達裝配在菜鳥 ET 物流實驗室三代無人車 . 18 圖 30：Velodyne 為 Clearpath 研究型機器人提供激光雷達傳感器 . 18 圖 31：禾賽科技的車聯網激光雷達產品 . 18 圖 32：全球激光雷達用在車聯網領域的市場規模 . 19 圖 33：激光雷達主要功能模塊包括掃描/發射/接受/控制處理 . 20 圖 34：鐳神智能轉鏡式激光雷達拆機圖（正向） . 21 圖 35：鐳神智能轉鏡式激光雷達拆機圖（反向） . 21 圖 36：華為在北汽極狐上搭載 96 線激光雷達采取的是轉鏡式技術 . 21 圖 37：法雷奧激光雷達成本價格成本拆解 . 22 圖 38：雙軸

7、 MEMS 振鏡的激光雷達以“點”掃“面” . 23 圖 39：MEMS 振鏡工作原理 . 23 圖 40：MEMS 激光雷達工作示意圖 . 23 圖 41：采用 MEMS 方案后 Innoviz 新一代產品有望降低 70%成本 . 24 圖 42：livox 主要兩款激光雷達產品 . 25 圖 43：大疆攬沃雙棱鏡方案產生的獨特的“萬花筒”結構點云圖 . 25 圖 44：OPA 激光雷達結構示意圖 . 26 圖 45：Flash 面陣式激光雷達結構示意圖. 26 圖 46：OPA 的芯片體積小 . 26 圖 47：OPA 激光雷達旁瓣效應 . 26 圖 48：LeddarTech 3D Fl

8、ash 激光雷達概念圖 . 26 圖 49：博通 flash 激光雷達方案：905nm VCSEL+SPAD . 27 圖 50：蘋果 iPad Pro 產品的激光雷達，采取 VCSEL+SPAD 設計 . 27 圖 51： Quanergy 產品研發路徑 . 28 圖 52：Ibeo 產品研發路徑 . 28 圖 53：激光雷達演進趨勢 . 29 圖 54：2021 年全球激光雷達廠商市場占有率 . 29 圖 55：2021 年不同技術市場占有率 . 29 圖 56：2025 年固態/機械銷售額比例預測 . 30 圖 57：2030 年固態/機械銷售額比例預測 . 30 圖 58：2025 年

9、固態/機械銷量比例 . 30 圖 59：2030 年固態/機械銷量比例 . 30 圖 60：ADAS 激光雷達銷售額細分預測 . 30 圖 61：Robotic Cars 激光雷達銷售額細分預測 . 30 圖 62：VCSEL 激光器（左）與 EEL 激光器（右） . 31 圖 63：多結 VCSEL 激光器被用于提高功率密度 . 31 圖 64：人類眼鏡結構 . 32 圖 65：能見度相等時 1550nm 透過率高于 905nm 與 550nm . 32 圖 66：Luminar2020 年量產產品 Hydra 產品參數 . 32 圖 67：Luminar 核心技術在于 1550nm 相對于

10、 905nm 的安全性能大大提高 . 32 圖 68：VCSEL 芯片的材料學選擇 . 33 圖 69：SiPM/MPPC：多個 SPAD 的陣列形式 . 34 圖 70：北美激光雷達廠商的主要估值系數選擇 . 37 圖 71：預計到 2025 年后激光雷達廠商的盈利能力趨于穩定，與芯片廠商近似 . 37 圖 72：激光雷達配套的芯片組合最終路徑將會是 VCSEL+SPAD+SoC，部分廠商會以自研形式推動這一進程 . 38 圖 73：禾賽科技在芯片方面開啟自研 . 38 圖 74：激光雷達產業鏈 . 39 圖 75：激光雷達產業鏈 . 39 圖 76：公司立足半導體激光芯片實現橫縱向延伸 .

11、 40 圖 77：長光華芯主要產品分類. 40 圖 78：炬光科技業務布局 . 41 圖 79：縱慧芯光及其子公司 . 42 圖 80：縱慧芯光員工數 . 42 圖 81：縱慧芯光客戶數 . 42 圖 82：縱慧的單結 2W VCSEL 產品具備優秀的可靠度 . 43 圖 83：縱慧為激光雷達提供的 VCSEL 光源解決方案實例 . 43 圖 84：昂納科技全球化布局 . 43 圖 85：泵浦激光器示例 . 44 圖 86：工業級光纖激光器示例. 44 圖 87：數據中心產品示例 . 44 表格目錄表格目錄 表 1：2022 年官方宣布即將量產的高階自動駕駛車輛傳感器配置. 1 表 2：攝像頭

12、當前能夠承擔的主要功能 . 2 表 3：單目/雙目/多目攝像頭主要差異 . 2 表 4：視覺方案存在的問題 . 4 表 5：傳統機械式激光雷達與視覺方案價格對比 . 5 表 6：自動駕駛主要傳感器設備性能差異 . 7 表 7：激光雷達不同場景應用與要求 . 10 表 8：全球 Robotaxi 玩家規模和現狀 . 10 表 9：Velydone 激光雷達早期極為昂貴 . 12 表 10：激光雷達廠商對應的下游 Robotaxi 客戶 . 12 表 11：2021-2022 年各廠商宣布即將量產的激光雷達以及搭載車型 . 13 表 12：當前乘用車激光雷達廠商參數總結 . 14 表 13：按照掃

13、描系統對激光雷達廠商的主要技術路徑進行區分 . 20 表 14：半固態激光雷達解決機械激光雷達的問題 . 22 表 15：激光雷達掃描系統優劣勢對比 . 28 表 16：EEL 與 VCSEL 優劣勢 . 31 表 17：激光雷達常用探測器簡介 . 33 表 18：激光雷達常用探測器簡介 . 34 表 19：各激光雷達核心技術及對應估值水平 . 35 表 20：全球激光雷達主要生產商技術路線、發展階段及商業化進展 . 35 表 21：炬光科技在激光雷達產業內的布局 . 42 1 自動駕駛技術路徑：激光雷達是否具有必要性？自動駕駛技術路徑：激光雷達是否具有必要性？ 當前在單車智能駕駛方案內部，對

14、于自動駕駛傳感器的選擇，市場上存在著兩種不同當前在單車智能駕駛方案內部，對于自動駕駛傳感器的選擇，市場上存在著兩種不同路徑：路徑：一種是由攝像頭主導、配合毫米波雷達等低成本元件組成，構成純視覺計算，典型代表為特斯拉、Mobileye 和國內唯一自動駕駛純視覺城市道路閉環解決方案百度Apollo Lite（Apollo Lite 不再使用激光雷達，使用了純視覺方案） ；另一種是由激光雷達主導，配合攝像頭、毫米波雷達等元器件進行融合感知，典型代表為谷歌 Waymo、國內的華為、百度 Apollo（除 Apollo Lite） 、小馬智行、文遠知行等頭部自動駕駛廠商。 圖 1：各傳感器性能比較 資料

15、來源：CSDN，中信證券研究部 從 2022 年開始，隨著國內乘用車開始布局高階自動駕駛解決方案，我們看到基本所有高階 ADAS 乘用車都選擇了包含了激光雷達的混合感知解決方案。 雖然成本仍然是這套高階解決方案的主要痛點，但車企仍選擇依靠提升單車售價的方式來推廣自身的智能化解決方案，反映出了車企對依靠自動駕駛能力吸引消費者，構筑品牌影響力的信心。 表 1：2022 年官方宣布即將量產的高階自動駕駛車輛傳感器配置 量產時間量產時間 廠商廠商 激光雷達激光雷達 毫米波毫米波雷達雷達 超聲波超聲波雷達雷達 攝像頭攝像頭 極狐阿爾法 S HI 2022 年上半年 速騰聚創/華為 3 6 13 12 哪

16、吒 S 2022 年底 華為（96 線） 2 5 12 13 上汽 ES33(非凡 R7） 2022 年下半年 LUMINAR （1550nm） 33 個，包括激光雷達、4D 成像雷達、5G-V2X、高精地圖、視覺攝像頭、毫米波雷達 上汽智己 L7 （高端款） 2022 年上半年 速騰聚創（MEMS） 3 5 12 15 長城沙龍機甲龍 限量版預售 華為（96 線） 4 5 12 7（800 萬攝像頭）+4（環視攝像頭） 小鵬 P5 2021 年 10 月 大疆攬沃 2 5 12 12 小鵬 G9 2022 年中 速騰聚創（MEMS） 2 5 12 12 蔚來 ET7 2022 年一季度 圖達

17、通（1550nm） 1 5 12 11 威馬 M7 2022 年 速騰聚創（MEMS） 3 5 12 7(800 萬攝像頭）+4（環視攝像頭） 長安阿維塔 11 2022 年三季度 華為（96 線） 3 6 12 9（ADS 攝像頭）+4（環視攝像頭） 理想 X01 2022 年中 禾賽科技、大疆攬沃 1 5 12 12（800 萬攝像頭） 資料來源：各公司官網，中信證券研究部 2 視覺算法：單目相較雙目視覺算法：單目相較雙目/三目三目更更成熟，純視覺算法應對特定場景存在弊端成熟，純視覺算法應對特定場景存在弊端 攝像頭攝像頭是最早的是最早的自動駕駛自動駕駛傳感器之一，傳感器之一，Mobiley

18、e 是是業內最早業內最早與與實力最強的實力最強的研發者研發者。Mobileye 是誕生于以色列的單目視覺公司，現已被 Intel 收購，有著在汽車高級輔助駕駛系統領域 12 年的研發經驗，提供芯片和計算機視覺算法運行輔助駕駛功能。在 Mobileye研發下， 單目攝像頭已經可以較完善的實現包括車道偏離警告 (LDW)、 基于雷達視覺融合的車輛探測、 前部碰撞警告 (FCW)、 車距監測 (HMW)、 行人探測、 智能前燈控制 (IHC)、交通標志識別 (TSR)、僅視覺自適應巡航控制 (ACC) 等功能；根據 Mobileye 于 2019 年統計的數據測算，Mobileye 的產品占據全球

19、L2 及以下市場超過 70%的份額。 表 2：攝像頭當前能夠承擔的主要功能 功能功能 簡介簡介 硬件設備類型硬件設備類型 LDW 車道偏離預警，當即將偏離車道線時發出警報 前視，單/雙目攝像頭 FCW 前向碰撞預警，當與前車距離過近可能追尾時發出警報 前視，單/雙目攝像頭 LKA 車道保持輔助，當車輛即將偏離車道線時，由控制中心控制車輛及時糾正行駛方向 前視，單/雙目攝像頭 PCW 行人碰撞預警，當前方道路有行人時及時發出警報 前視，單/雙目攝像頭 TSR 交通標志識別，識別道路兩側的交通標志 前視，單/雙目攝像頭 BSD 盲點監測，監控后視鏡盲區影像 側視，廣角攝像頭 PA 泊車輔助，將車尾

20、影像顯示在駕駛艙中，預測并標記倒車軌跡 后視，廣角 DM 駕駛員注意力監測，監測駕駛員是否疲勞 內置，廣角 AWM 360 環視，利用車周攝像頭輸出車輛周邊全景圖 前/側/后廣角 資料來源：CSDN，中信證券研究部 繼承自繼承自 Mobileye，特斯拉特斯拉是是攝像頭算法的另一大擁護者攝像頭算法的另一大擁護者。自 2016 年 7 月 Mobileye不再為特斯拉 Autopilot 提供技術支持后，特斯拉的全自助駕駛全自助駕駛 FSD（原稱（原稱 Autopilot）沿用了與 Mobileye 合作時發展的視覺算法體系，以攝像頭作為主要感知器，特斯拉的視覺算法的感知配件包括 8 個攝像頭后

21、方的一個倒車攝像頭，前方的一個三目總成件，兩側的兩個環繞攝像頭，此外還包含一個毫米波雷達。 隨著單目攝像頭的發展，業內也發現了其對于特殊場景處理困難的劣勢，并且Mobileye 的壟斷地位也使得新入局玩家希望通過其他技術路徑實現彎道超車， 雙目攝像頭、多目攝像頭等技術在近年快速發展。而限制各種技術路徑發展的當前主要難題是處理攝像頭數據的芯片。Mobileye 用了十年才制造出了滿足汽車電子規范要求的芯片，難度極大。雙目、多目攝像頭當前仍然只能使用定制化的 FPGA，因此單目攝像頭是業內最成熟的技術路徑。 表 3：單目/雙目/多目攝像頭主要差異 單目攝像頭單目攝像頭 雙目攝像頭雙目攝像頭 多目攝

22、像頭多目攝像頭 原理 測距前先識別障礙物是什么， 在此基礎上再進行測距，最大范圍可達 150-200 米 類似人類雙眼， 主要通過兩幅圖像的視差計算來確定距離 通過不同的攝像頭來覆蓋不同范圍的場景， 解決了攝像頭無法來回切換焦距以及不同距離下清晰度的問題。 劣勢 需要大量數據，并且不斷更新和維護，針對非標準特殊場景需要不斷優化 需要靠計算來進行測距，計算量巨大，使得小型化難度很大； 對兩個鏡片的誤差有要求，使得鏡片成本激增 成本高，數據處理量大，難以放置 主要玩家 Mobileye 博世、大陸、電裝、日立 Mobileye，蔚來，特斯拉等 資料來源：CSDN，中信證券研究部 3 特斯拉應用了三

23、目攝像頭，但算法特斯拉應用了三目攝像頭，但算法后置到后置到 FSD 芯片上的芯片上的 Autopilot。2016 年以前，Tesla的Model S采用的是Mobileye的Eye Q3芯片與單目攝像頭， 此后特斯拉轉為自研。Model 3 Tesla的三目攝像頭是純OEM硬件， 攝像頭采集完數據后發給Autopilot 控制器。三個攝像頭分別對應 60m、150m、250m 覆蓋范圍。特斯拉的攝像頭模塊將所有 CMOS傳感器嵌入到 PCB 中，而將圖像處理交給 Autopilot 的控制器完成。與特斯拉不同的是，其他車企采用的三目攝像頭多來自采埃孚這一 Tier 1 供應商，采埃孚的三目攝

24、像頭搭載的是 Mobileye 的算法能力。 圖 2：特斯拉三目攝像頭傳感器 資料來源：安森美半導體（特斯拉 OEM 供應商） 圖 3：ZF 集成 Mobileye 算法的三目攝像頭傳感器 資料來源：Mobileye 圖 4：特斯拉的三目攝像頭分別覆蓋了不同的視角和距離 資料來源：特斯拉 但是在但是在 L4 級自動駕駛傳感器選型上，純視覺方案會存在精度、穩定性和視野等方面級自動駕駛傳感器選型上，純視覺方案會存在精度、穩定性和視野等方面的局限性，無法滿足高級自動駕駛對于傳感器的性能要求。的局限性，無法滿足高級自動駕駛對于傳感器的性能要求。特斯拉的幾次重大安全事故頻繁發生在白色大型貨車相關的場景中

25、，主要原因在于單目或三目攝像頭無法像雙目攝像頭一樣通過視覺差判斷距離，純靠 AI 算法窮舉會在新場景上遇到 Corner case，很有可能對距離判斷失誤。與此同時，靜止不動的物體會在算法上被毫米波雷達忽視。攝像頭和毫米波雙雙可能遇到失效的場景，使得特斯拉頻繁出現與白色靜止貨車相撞的事故。 4 圖 5：2020 年 6 月臺灣高速公路撞上已側翻在路的白色貨車 圖 6：雙目攝像頭可以通過視角差來判斷距離 資料來源：智車營 資料來源：智車營 總結來看，純視覺方案總結來看，純視覺方案存在部分問題難以通過單純的算法提升而彌補。存在部分問題難以通過單純的算法提升而彌補。包括如測距精度有限，對于強光場景處

26、理難度大，視野范圍有限，攝像頭機械穩定性差等。這些問題使得使用包括激光雷達、攝像頭、毫米波在內的多傳感器融合的方案更有優勢。 表 4：視覺方案存在的問題 視覺方案存在問題視覺方案存在問題 介紹介紹 精度問題 測距精度低且依賴項較多，算法固定的情況下只能通過增大焦距或者雙目鏡頭間的基線距來提高精度，但焦距增加導致視場角變小，基線距增加導致能看到的最近距離變遠 穩定性問題 雙目測距精度與標定有關且強相關，但是裝在車上機械結構穩定性差，面臨著隔段時間就得標定的問題 難度問題 雙目視覺不是單獨的技術，需要很好的算法（目前的算法不夠優化，導致計算成本高而容錯能力差，雨天基本無用），甚至還要專門的芯片來提

27、高并行處理能力 視野問題 雙目系統最多能覆蓋目標方向 60 度的視野，而車頂激光雷達基本上都是 360 度 資料來源：CSDN，中信證券研究部 當前較為成熟的算法方案，即使選用了多傳感器融合，也大多以攝像頭輸入數據作為當前較為成熟的算法方案，即使選用了多傳感器融合，也大多以攝像頭輸入數據作為主要建模數據，其他傳感器起到補盲的作用。主要建模數據，其他傳感器起到補盲的作用。因此激光雷達等傳感器與攝像頭并不是排他關系，激光雷達的使用，恰恰是為了解決攝像頭方案難以解決的 corner case 問題。不過我們需要強調的是，自動駕駛算法的首要考慮是安全，因此遇到攝像頭處理不了的問題雖然是小概率事件，但在

28、保護整車安全的角度來看，激光雷達的重要性十分顯著。 馬斯克堅持擁護視覺算法而排斥激光雷達技術的原因主要可能有以下幾點：一是商業一是商業成本的考量成本的考量，在特斯拉決定開發 FSD 純視覺方案時，彼時市場上的激光雷達主要以Velodyne 的機械式激光雷達為主， 解決方案價格昂貴且難以進行大規模量產， 視覺算法的硬件價格遠低于激光雷達解決方案價格。即使到了 2022 年，上車的激光雷達售價仍普遍 在 800-1000 美元左右，比純視覺方案要貴不少。二是二是快速響應的因素快速響應的因素，特斯拉的自動駕駛利用影子模式等技術實現小步快跑，需要大量裝車來獲取更多數據進行迭代，如果要加裝激光雷達，對于

29、激光雷達的規模發貨能力是一個很大的考驗，激光雷達在 2022 年剛開始規模交付，顯然很難滿足特斯拉大批量裝車的需求。 5 表 5：傳統機械式激光雷達與視覺方案價格對比 Velodyne 激光雷達價格 型號 線束 價格（發行時） 由 Mobileye 提供的自動駕駛視覺方案幾百美元 VLP-16(PUCK) 16 8000 美元（2018 年降價50%至 3999 美元） HDL-32E 32 40000 美元 HDL-64E 64 80000 美元 資料來源：許良 九章智駕（轉載自江蘇激光聯盟搜狐號） ，中信證券研究部 激光雷達技術：直接提供距離信息克服視覺算法弊端，激光雷達技術：直接提供距離

30、信息克服視覺算法弊端，L3 以上必備傳感器以上必備傳感器 與雷達工作原理類似，激光雷達通過測量激光信號的時間差與雷達工作原理類似，激光雷達通過測量激光信號的時間差或或相位差來確定距離，其相位差來確定距離，其最大優勢在于能夠利用測距來創建出目標清晰的最大優勢在于能夠利用測距來創建出目標清晰的 3D 圖像。圖像。激光雷達通過發射和接收激光束，分析激光遇到目標對象后的折返時間，計算出到目標對象的相對距離，并利用此過程中收集到的目標對象表面大量密集的點的三維坐標、反射率和紋理等信息，快速得到出被測目標的三維模型以及線、面、體等各種相關數據，建立三維點云圖，繪制出環境地圖，以達到環境感知的目的。為了看清

31、楚前方障礙物的情況，我們希望激光雷達產生的點云圖越密越好， 對于傳統的機械式激光雷達來說， 激光雷達線束 （激光發射-接收器對數） 越多，點云越密，車輛行駛的安全性越高。 圖 7：激光雷達掃描示意圖 資料來源：CSDN，中信證券研究部繪制 相比于可見光、紅外線等傳統被動成像技術，激光雷達技術具有如下顯著特點激光雷達技術具有如下顯著特點：一方面，它顛覆傳統的二維投影成像模式，可采集目標表面深度信息，得到目標相對完整的空間信息，經數據處理重構目標三維表面，獲得更能反映目標幾何外形的三維圖形，同時還能獲取目標表面反射特性、運動速度等豐富的特征信息，為目標探測、識別、跟蹤等數據處理提供充分的信息支持，

32、降低算法難度；另一方面，主動激光技術的應用，使得其具有使得其具有測量分辨率高，抗干擾能力強、抗隱身能力強、穿透能力強和全天候工作的特點。測量分辨率高，抗干擾能力強、抗隱身能力強、穿透能力強和全天候工作的特點。 6 圖 8：Velodyne HDL-64 激光雷達系統掃描點云圖 資料來源：Velodyne 官網 激光雷達主要包括激光發射、掃描系統、激光接收和信息處理四大系統。激光雷達主要包括激光發射、掃描系統、激光接收和信息處理四大系統。首先由激光發射系統發射系統中的激光光源周期性地驅動激光器，發射激光脈沖；掃描系統掃描系統（可以是軸承、轉鏡、MEMS 振鏡等多種形式）通過穩定的轉速進行旋轉實現

33、光線的分散發射；激光接收系接收系統統中光電探測器接受目標物體反射回來的激光，收到回饋的接收光信號；信息處理信息處理系統中接收信號經過放大處理和數模轉換，經由信息處理模塊計算，獲取目標表面形態、物理屬性等特性，最終建立物體模型。 圖 9：激光雷達產品結構 資料來源：中信證券研究部繪制 由于特斯拉至今沒有采用激光雷達由于特斯拉至今沒有采用激光雷達，因此業界對于因此業界對于 L3 以上自動駕駛是否需要激光雷以上自動駕駛是否需要激光雷達仍存在爭議。達仍存在爭議。但從但從眾多車廠實際眾多車廠實際量產情況來看，激光雷達將會成為主流的量產情況來看，激光雷達將會成為主流的 L3 級及以上級及以上自動駕駛必備傳

34、感器。自動駕駛必備傳感器。相比毫米波雷達和攝像頭，激光雷達在目標輪廓測量、角度測量、光照穩定性、通用障礙物檢出等方面都具有極佳的能力。因此在一些難點場景下，例如城區非規范行人、非規范道路，甚至是非規范駕駛的行為，激光雷達相比其它傳感器可以更容易進行判斷?？梢哉f激光雷達是解決連續自動駕駛體驗的關鍵傳感器，可以帶來更好的駕駛體驗，也使得當前大部分整車廠與 Tier 1 供應商選擇了激光雷達為 L3 以上的必備傳感器。 激光雷達是當前傳感器中最為昂貴的一種，但其價格也在技術改進和規模量產下大幅下降。 7 表 6：自動駕駛主要傳感器設備性能差異 成本成本 優勢優勢 劣勢劣勢 功能功能 激光雷達 600

35、-75000 美元 可以精準得到外部環境信息 成本高， 大霧、 雨雪天氣效果差，無法獲得外界圖像 周圍環境 3D 建模 紅外傳感器 600-2000 美元 夜視效果極佳 成本高，技術由國外壟斷 實現汽車的夜視功能 毫米波雷達 300-500 美元 不受天氣影響，測量范圍廣、精度高 無法識別道路指示牌、行人等，分辨率較低 作為視覺識別的輔助手段 攝像頭 35-50 美元 成本較低，可以通過算法實現各項功能 惡劣條件下，難以測距，會導致失效。測距時，對算法要求較高 能實現大部分 ADAS 功能， 測距功能對算法要求高 超聲波雷達 10-15 美元 成本低 探測距離短，應用局限大 側方超車提醒、倒車

36、提醒 資料來源：智車科技，中信證券研究部 激光雷達激光雷達是解決是解決各種各種駕駛駕駛 Corner Case 的一種重要手段的一種重要手段。我們認為，未來主流自動駕駛解決方案將會融合攝像頭、激光雷達、毫米波、超聲波等多種傳感器，激光雷達的融合將會更好的應對各種突發情況。 圖 10：激光雷達核心解決的 Corner Case 資料來源：智能車參考微信公眾號 遠距小障礙物遠距小障礙物場景場景：毫米波雷達的角分辨率不夠，攝像頭對遠端的通用障礙物識別不夠，而這種場景下激光雷達就可能及時識別。 近距離加塞場景：近距離加塞場景：毫米波雷達的角分辨率不夠，攝像頭通常來說需累計多幀，需要幾百毫秒才可以確認加

37、塞，而激光雷達由于精確的角度測量能力和輪廓測量能力，可以 2-3 幀確認加塞，百毫秒內做出判斷。 近端突出物場景：近端突出物場景：激光雷達相較于毫米波雷達和攝像頭可以做出快速判斷。 隧道場景：隧道場景：攝像頭在光線亮度發生突然變換的場景有致盲情況發生，而毫米波雷達一般不識別靜止物體，如果隧道口剛好有一個靜止車輛，這時就需要激光雷達的準確識別能力。 十十字路口無保護左拐場景：字路口無保護左拐場景：需要激光雷達的大角度全視場測量能力，同時滿足大視場和遠距測量能力。 地庫場景地庫場景：毫米波雷達由于多徑反射性能不佳，而光線強弱變化又會影響攝像頭 8 的性能，因此激光雷達是最優解決方案。 市場規模分析

38、：四大應用場景，高速增長賽道市場規模分析：四大應用場景，高速增長賽道 2022 年被市場認為是激光雷達真正的市場元年年被市場認為是激光雷達真正的市場元年，市場規模迅速擴張，市場規模迅速擴張。咨詢機構 Yole預計， 激光雷達應用是目前汽車行業增長最快的行業之一。 從出貨量來看： Yole 數據顯示，2020 年全球激光雷達出貨量約 34 萬個，預計 2025 年全球激光雷達出貨量約 470 萬個，2030 年全球激光雷達出貨量約 2390 萬個。從銷售額來看：2020 年全球激光雷達銷售額約 12.95 億美元， 2025 年全球激光雷達銷售額將達到約 61.9 億美元，2030 年全球激光雷

39、達銷售額將達到約 139.32 億美元。 圖 11：全球激光雷達銷售數量預測（單位：百萬個） 圖 12：全球激光雷達銷售額預測（單位：百萬美元） 資料來源：Yole（含預測，2021 年及以后為預測），中信證券研究部 資料來源：Yole（含預測，2021 年及以后為預測），中信證券研究部 未來，隨著自動駕駛技術的進一步普及，預計激光雷達市場規模將會進一步擴大，而單車價值量下降將會進一步有利于激光雷達的量產使用，預計 2030 年全球激光雷達市場規模將超百億美金。沙利文（轉自禾賽科技招股說明書）則更為樂觀，預測 2025 年全球激光雷達市場規模會達到 135.4 億美金，中國激光雷達市場規模會達

40、到 43.1 億美金。 圖 13：全球激光雷達市場規模（億美元） 圖 14：中國激光雷達市場規模（億美元） 資料來源：沙利文（含預測，轉自禾賽科技招股說明書），中信證券研究部 資料來源：沙利文（含預測，轉自禾賽科技招股說明書），中信證券研究部 051015202530354020162017201820192020202120222023202420252026202720282029203020312032Robotic CarsADAS VehiclesTotal0200040006000800010000120001400016000180002000020162017201820192

41、020202120222023202420252026202720282029203020312032Robotic CarsADAS VehiclesTotal0%20%40%60%80%100%020406080100120140160全球激光雷達市場規模（億美元）YoY0%20%40%60%80%100%01020304050中國激光雷達市場規模（億美元）YoY 9 根據應用場景， 激光雷達下游應用領域可以分為根據應用場景， 激光雷達下游應用領域可以分為 Robo-Taxi(后裝后裝)， 量產乘用車， 量產乘用車 ADAS（前裝） 、服務機器人、車聯網四個下游應用場景。（前裝） 、服務機

42、器人、車聯網四個下游應用場景。其中 ADAS 料將會是長期成長空間最大的方向。 圖 15：激光雷達四大主要應用場景：Robotaxi、ADAS、服務機器人與車聯網 資料來源：滴滴、百度、小馬智行、蔚來、速騰聚創等公司官網（轉載自汽車之心微信公眾號，禾賽招股說明書等），中信證券研究部 從應用時間上來看，2017 年后激光雷達開始小批量的應用于 Robotaxi 與 ADAS 場景中，在工業上亦有小規模應用；但無論規模還是技術成熟度，2022 年都是顯著的分水嶺。隨著大批量的乘用車開始裝配激光雷達作為車規級 ADAS 傳感器， 激光雷達的生態鏈條已經成熟，投資開始進入回報周期。 圖 16：激光雷達

43、下游普遍量產以 2021 年作為顯著時間分界點 圖 17：2019-2025 年激光雷達市場應用預測 資料來源：Yole 資料來源：Yole 由于應用場景和搭載激光雷達載體有明顯差異，其對激光雷達的性能、價格、體積等維度均有不同需求。 10 表 7：激光雷達不同場景應用與要求 比較條目比較條目 無人駕駛無人駕駛 高級輔助駕駛高級輔助駕駛 機器人機器人 應用場景 場景復雜度 高（L4/L5） 中（L2/L3,功能 開啟場景有限） 低/中（封閉園區，應用較多） 高（城市道路，應用較少） 承載裝置行駛速度 中（城市道路） 中（城市道路） 低（封閉園區） 高（高速場景） 高（高速場景） 中（城市道路）

44、 要求 最遠測距要求 遠 中/遠（取決于 ADAS 功能） 中/遠（取決于應用場景） 與承載裝置的外觀集成度 低 高 中 價格敏感度 低 高 中/高 對激光雷達供應商的算法需求度 低 高 低 車規化要求 中（當前） /高（預期） 高 低 資料來源：禾賽科技招股說明書，中信證券研究部 Robotaxi 后裝市場：低價格敏感度高毛利的穩態市場，后裝市場：低價格敏感度高毛利的穩態市場，2025 年年空間空間 35 億億美金美金 Robotaxi 當前廠商多為算法運營公司當前廠商多為算法運營公司：國內的主要廠商如百度 Apollo、滴滴、小馬智行等對于產品價格及與車身的集成度要求較低，并且對使用時長并

45、沒有車規級的要求，但對激光雷達的精密度要求較高。Robotaxi 對于自動駕駛等級要求高，且對成本不敏感，是目前激光雷達廠商的主要收入來源。 ReportLinker 預計， 2025 年全球包括運送乘客和貨物在內的 L4/L5 級無人駕駛車輛數目將達 53.5 萬輛。 沙利文研究 （轉自禾賽科技招股說明書）預計到 2025 年，全球無人駕駛領域激光雷達市場規模將達到 35 億美元，2019-25 年CAGR 達 80.9%。 Robotaxi 廠家加速商業化落地，廠家加速商業化落地，支撐市場空間支撐市場空間。2020 年 10 月，Waymo 宣布通過旗下的叫車軟件 Waymo One 提供

46、完全無人駕駛服務，全球領先。國內百度 Apollo、文遠知行、圖森未來、智加科技等公司也在加速落地商用化， 去年百度在北京開放了無人駕駛出租車服務， 乘客可免費試乘 Apollo GO， 文遠知行當前在廣州的無人駕駛運營及測試車隊數量達 260 臺。 表 8：全球 Robotaxi 玩家規模和現狀 公司名公司名稱稱 Waymo 百度百度 小馬智行小馬智行 文遠知行文遠知行 滴滴滴滴 AotoX 研發自動駕駛時間 2009 年 2013 年 2016 年 2017 年 2016 年 2016 年 測試車隊規模 1000 輛級別 500 輛級別 100 輛級別 100 輛 超過 100 輛 100

47、 輛 （規劃） 運營車輛 FCA 大捷龍 （前裝） 一汽紅旗 EV（前裝） 現代 KONA（后裝）、林肯 MKZ（后裝） 東風日產軒逸（后裝） 沃爾沃 XC60（后裝） 林肯 MKZ（后裝） 比亞迪秦 （后裝） 車隊落地地區 亞利桑那州 （運營） 加州（測試） 長沙（運營）北京（種子用戶）滄州（種子用戶）重慶等 21 座城市（測試） 加州（種子用戶） 廣州 （種子用戶） 北京 （測試） 廣州（運營）加州（測試） 上海（種子用戶）北京 （測試） 蘇州（測試） 上海（規劃）深圳（測試） 運營車隊規模 數百輛級別 長沙（45 輛）北京（40 輛）滄州（30 輛） 加州（10 輛級別）、廣州、北京（未

48、披露） 廣州（40 輛） 上海 （規劃 30 輛） 上海 （規劃100 輛） 11 公司名公司名稱稱 Waymo 百度百度 小馬智行小馬智行 文遠知行文遠知行 滴滴滴滴 AotoX 測試里程數 超過2000 萬英里 超過 500 萬英里 超過 200 萬公里 超過 100 萬公里（2019.11） 40 萬公里（2019.9） 未披露 打車方式 Waymo One 百度地圖、Dutaxi 小程序 PonyPilot、BotRide WeRideGo、 高德地圖 滴滴出行 高德地圖 覆蓋范圍 未披露 長沙市湘江新區約 130 萬平方英里 廣州南坪區約 50 平方公里 廣州黃埔區約 144 平方公

49、里 上海嘉定區約 27平方公里 上海嘉定區約 27 平方公里 資料來源：汽車之心微信公眾號、中信證券研究部 由于機械式激光雷達下游僅限于 Robataxi 廠商， 該激光雷達本身市場空間、 增速發展有限。Robataxi 廠商采用機械式激光雷達主要是因為機械式激光雷達點云質量高，能更好的訓練算法， 長期來看， 該種激光雷達的市場空間反而會隨自動駕駛算法趨近成熟而減少。因為算法一旦成熟，批量上車的時候就要考慮成本問題，會更多采用其它形態的車規級激光雷達。 圖 18：全球激光雷達用在 Robotaxi/Robotruck 領域的市場規模（億美元） 資料來源：IDC（含預測），中信證券研究部 機械式

50、激光雷達是當前最為成熟的激光雷達樣式，滿足機械式激光雷達是當前最為成熟的激光雷達樣式，滿足 Robotaxi 場景需求。場景需求。機械式激光雷達作為技術成熟， 最早量產出貨。 由于 Robotaxi 廠商需求的激光雷達主要架設于車輛頂部，且對光路質量要求較高，機械式激光雷達最為合適。 此外，機械式激光雷達的缺點在此外，機械式激光雷達的缺點在 Robotaxi 廠商可以接納的范圍之內廠商可以接納的范圍之內。機械式主要問題在于價格昂貴，且可用時間僅 2-3 年。而對于后裝形式，列裝激光雷達的 Robotaxi 廠商是可以接受的。根據禾賽科技的招股說明書，2019 年其銷售給文遠知行的激光雷達總價值