1、2022 年深度行业分析研究报告 目录目录 自动驾驶技术路径：激光雷达是否具有必要性？自动驾驶技术路径：激光雷达是否具有必要性？ . 1 视觉算法：单目相较双目/三目更成熟，纯视觉算法应对特定场景存在弊端 . 2 激光雷达技术：直接提供距离信息克服视觉算法弊端，L3 以上必备传感器 . 5 市场规模分析：四大应用场景，高速增长赛道市场规模分析：四大应用场景，高速增长赛道 . 8 Robotaxi 后装市场：低价格敏感度高毛利的稳态市场，2025 年空间 35 亿美金 . 10 ADAS：量产车前装贡献未来 700 亿美金以上庞大市场 . 12 机器人与车联网市场：空间相对有限，性价比成为主要考

2、量因素 . 17 从技术路从技术路径看估值差异：应用场景与技术积累径看估值差异：应用场景与技术积累 . 19 扫描系统：半固态/固态成为 ADAS 最优选，Flash 方案短期内难以实现 . 20 激光器划分差异：1550nm 安全性优于 905nm，EEL 开始向 VCSEL 过渡 . 31 接收器划分差异：APD 向 SPAD 过渡 . 33 . 投资分析：技术路径带来估值差异，核心元器件存在投资机遇投资分析：技术路径带来估值差异，核心元器件存在投资机遇 . 34 龙头公司技术路径选择：技术路径差异决定估值水平 . 34 激光器：Lumentum 龙头地位显著，国内公司布局已经显现 . 4

3、0 探测器：SPAD 替代趋势成共识，聚焦本土创新企业 . 44 插图目录插图目录 图 1：各传感器性能比较 . 1 图 2：特斯拉三目摄像头传感器 . 3 图 3：ZF 集成 Mobileye 算法的三目摄像头传感器 . 3 图 4：特斯拉的三目摄像头分别覆盖了不同的视角和距离 . 3 图 5：2020 年 6 月台湾高速公路撞上已侧翻在路的白色货车. 4 图 6：双目摄像头可以通过视角差来判断距离 . 4 图 7：激光雷达扫描示意图 . 5 图 8：Velodyne HDL-64 激光雷达系统扫描点云图 . 6 图 9：激光雷达产品结构 . 6 图 10：激光雷达核心解决的 Corner

4、Case . 7 图 11：全球激光雷达销售数量预测 . 8 图 12：全球激光雷达销售额预测 . 8 图 13：全球激光雷达市场规模. 8 图 14：中国激光雷达市场规模. 8 图 15：激光雷达四大主要应用场景：Robotaxi、ADAS、服务机器人与车联网 . 9 图 16：激光雷达下游普遍量产以 2021 年作为显著时间分界点 . 9 图 17：2019-2025 年激光雷达市场应用预测 . 9 图 18：全球激光雷达用在 Robotaxi/Robotruck 领域的市场规模 . 11 jXNBpZnOqQnNpPbRbP8OnPoOsQtRjMnNrQjMpNtMaQmMxOvPpN

5、sQuOoNuN 图 19：奥迪法雷奥组合（四线激光雷达） . 14 图 20：沃尔沃 XC90 采用 Luminar 激光雷达 . 14 图 21：蔚来采用图打通激光雷达 . 14 图 22：激光雷达应用数量测算. 15 图 23：自动驾驶对传感器的需求 . 15 图 24：全球与中国汽车销售量. 16 图 25：Luminar 对于 ADAS 激光雷达市场空间预测 . 16 图 26：全球激光雷达用在 ADAS 领域的市场规模 . 16 图 27：无人驾驶和高级辅助驾驶将成为激光雷达最大的应用领域 . 17 图 28：全球激光雷达用在服务机器人领域的市场规模（亿美元） . 17 图 29：

6、速腾聚创激光雷达装配在菜鸟 ET 物流实验室三代无人车 . 18 图 30：Velodyne 为 Clearpath 研究型机器人提供激光雷达传感器 . 18 图 31：禾赛科技的车联网激光雷达产品 . 18 图 32：全球激光雷达用在车联网领域的市场规模 . 19 图 33：激光雷达主要功能模块包括扫描/发射/接受/控制处理 . 20 图 34：镭神智能转镜式激光雷达拆机图（正向） . 21 图 35：镭神智能转镜式激光雷达拆机图（反向） . 21 图 36：华为在北汽极狐上搭载 96 线激光雷达采取的是转镜式技术 . 21 图 37：法雷奥激光雷达成本价格成本拆解 . 22 图 38：双轴

7、 MEMS 振镜的激光雷达以“点”扫“面” . 23 图 39：MEMS 振镜工作原理 . 23 图 40：MEMS 激光雷达工作示意图 . 23 图 41：采用 MEMS 方案后 Innoviz 新一代产品有望降低 70%成本 . 24 图 42：livox 主要两款激光雷达产品 . 25 图 43：大疆揽沃双棱镜方案产生的独特的“万花筒”结构点云图 . 25 图 44：OPA 激光雷达结构示意图 . 26 图 45：Flash 面阵式激光雷达结构示意图. 26 图 46：OPA 的芯片体积小 . 26 图 47：OPA 激光雷达旁瓣效应 . 26 图 48：LeddarTech 3D Fl

8、ash 激光雷达概念图 . 26 图 49：博通 flash 激光雷达方案：905nm VCSEL+SPAD . 27 图 50：苹果 iPad Pro 产品的激光雷达，采取 VCSEL+SPAD 设计 . 27 图 51： Quanergy 产品研发路径 . 28 图 52：Ibeo 产品研发路径 . 28 图 53：激光雷达演进趋势 . 29 图 54：2021 年全球激光雷达厂商市场占有率 . 29 图 55：2021 年不同技术市场占有率 . 29 图 56：2025 年固态/机械销售额比例预测 . 30 图 57：2030 年固态/机械销售额比例预测 . 30 图 58：2025 年

9、固态/机械销量比例 . 30 图 59：2030 年固态/机械销量比例 . 30 图 60：ADAS 激光雷达销售额细分预测 . 30 图 61：Robotic Cars 激光雷达销售额细分预测 . 30 图 62：VCSEL 激光器（左）与 EEL 激光器（右） . 31 图 63：多结 VCSEL 激光器被用于提高功率密度 . 31 图 64：人类眼镜结构 . 32 图 65：能见度相等时 1550nm 透过率高于 905nm 与 550nm . 32 图 66：Luminar2020 年量产产品 Hydra 产品参数 . 32 图 67：Luminar 核心技术在于 1550nm 相对于

10、 905nm 的安全性能大大提高 . 32 图 68：VCSEL 芯片的材料学选择 . 33 图 69：SiPM/MPPC：多个 SPAD 的阵列形式 . 34 图 70：北美激光雷达厂商的主要估值系数选择 . 37 图 71：预计到 2025 年后激光雷达厂商的盈利能力趋于稳定，与芯片厂商近似 . 37 图 72：激光雷达配套的芯片组合最终路径将会是 VCSEL+SPAD+SoC，部分厂商会以自研形式推动这一进程 . 38 图 73：禾赛科技在芯片方面开启自研 . 38 图 74：激光雷达产业链 . 39 图 75：激光雷达产业链 . 39 图 76：公司立足半导体激光芯片实现横纵向延伸 .

11、 40 图 77：长光华芯主要产品分类. 40 图 78：炬光科技业务布局 . 41 图 79：纵慧芯光及其子公司 . 42 图 80：纵慧芯光员工数 . 42 图 81：纵慧芯光客户数 . 42 图 82：纵慧的单结 2W VCSEL 产品具备优秀的可靠度 . 43 图 83：纵慧为激光雷达提供的 VCSEL 光源解决方案实例 . 43 图 84：昂纳科技全球化布局 . 43 图 85：泵浦激光器示例 . 44 图 86：工业级光纤激光器示例. 44 图 87：数据中心产品示例 . 44 表格目录表格目录 表 1：2022 年官方宣布即将量产的高阶自动驾驶车辆传感器配置. 1 表 2：摄像头

12、当前能够承担的主要功能 . 2 表 3：单目/双目/多目摄像头主要差异 . 2 表 4：视觉方案存在的问题 . 4 表 5：传统机械式激光雷达与视觉方案价格对比 . 5 表 6：自动驾驶主要传感器设备性能差异 . 7 表 7：激光雷达不同场景应用与要求 . 10 表 8：全球 Robotaxi 玩家规模和现状 . 10 表 9：Velydone 激光雷达早期极为昂贵 . 12 表 10：激光雷达厂商对应的下游 Robotaxi 客户 . 12 表 11：2021-2022 年各厂商宣布即将量产的激光雷达以及搭载车型 . 13 表 12：当前乘用车激光雷达厂商参数总结 . 14 表 13：按照扫

13、描系统对激光雷达厂商的主要技术路径进行区分 . 20 表 14：半固态激光雷达解决机械激光雷达的问题 . 22 表 15：激光雷达扫描系统优劣势对比 . 28 表 16：EEL 与 VCSEL 优劣势 . 31 表 17：激光雷达常用探测器简介 . 33 表 18：激光雷达常用探测器简介 . 34 表 19：各激光雷达核心技术及对应估值水平 . 35 表 20：全球激光雷达主要生产商技术路线、发展阶段及商业化进展 . 35 表 21：炬光科技在激光雷达产业内的布局 . 42 1 自动驾驶技术路径：激光雷达是否具有必要性？自动驾驶技术路径：激光雷达是否具有必要性？ 当前在单车智能驾驶方案内部，对

14、于自动驾驶传感器的选择，市场上存在着两种不同当前在单车智能驾驶方案内部，对于自动驾驶传感器的选择，市场上存在着两种不同路径：路径：一种是由摄像头主导、配合毫米波雷达等低成本元件组成，构成纯视觉计算，典型代表为特斯拉、Mobileye 和国内唯一自动驾驶纯视觉城市道路闭环解决方案百度Apollo Lite（Apollo Lite 不再使用激光雷达，使用了纯视觉方案） ；另一种是由激光雷达主导，配合摄像头、毫米波雷达等元器件进行融合感知，典型代表为谷歌 Waymo、国内的华为、百度 Apollo（除 Apollo Lite） 、小马智行、文远知行等头部自动驾驶厂商。 图 1：各传感器性能比较 资料

15、来源：CSDN，中信证券研究部 从 2022 年开始，随着国内乘用车开始布局高阶自动驾驶解决方案，我们看到基本所有高阶 ADAS 乘用车都选择了包含了激光雷达的混合感知解决方案。 虽然成本仍然是这套高阶解决方案的主要痛点，但车企仍选择依靠提升单车售价的方式来推广自身的智能化解决方案，反映出了车企对依靠自动驾驶能力吸引消费者，构筑品牌影响力的信心。 表 1：2022 年官方宣布即将量产的高阶自动驾驶车辆传感器配置 量产时间量产时间 厂商厂商 激光雷达激光雷达 毫米波毫米波雷达雷达 超声波超声波雷达雷达 摄像头摄像头 极狐阿尔法 S HI 2022 年上半年 速腾聚创/华为 3 6 13 12 哪

16、吒 S 2022 年底 华为（96 线） 2 5 12 13 上汽 ES33(非凡 R7） 2022 年下半年 LUMINAR （1550nm） 33 个，包括激光雷达、4D 成像雷达、5G-V2X、高精地图、视觉摄像头、毫米波雷达 上汽智己 L7 （高端款） 2022 年上半年 速腾聚创（MEMS） 3 5 12 15 长城沙龙机甲龙 限量版预售 华为（96 线） 4 5 12 7（800 万摄像头）+4（环视摄像头） 小鹏 P5 2021 年 10 月 大疆揽沃 2 5 12 12 小鹏 G9 2022 年中 速腾聚创（MEMS） 2 5 12 12 蔚来 ET7 2022 年一季度 图达

17、通（1550nm） 1 5 12 11 威马 M7 2022 年 速腾聚创（MEMS） 3 5 12 7(800 万摄像头）+4（环视摄像头） 长安阿维塔 11 2022 年三季度 华为（96 线） 3 6 12 9（ADS 摄像头）+4（环视摄像头） 理想 X01 2022 年中 禾赛科技、大疆揽沃 1 5 12 12（800 万摄像头） 资料来源：各公司官网，中信证券研究部 2 视觉算法：单目相较双目视觉算法：单目相较双目/三目三目更更成熟，纯视觉算法应对特定场景存在弊端成熟，纯视觉算法应对特定场景存在弊端 摄像头摄像头是最早的是最早的自动驾驶自动驾驶传感器之一，传感器之一，Mobiley

18、e 是是业内最早业内最早与与实力最强的实力最强的研发者研发者。Mobileye 是诞生于以色列的单目视觉公司，现已被 Intel 收购，有着在汽车高级辅助驾驶系统领域 12 年的研发经验，提供芯片和计算机视觉算法运行辅助驾驶功能。在 Mobileye研发下， 单目摄像头已经可以较完善的实现包括车道偏离警告 (LDW)、 基于雷达视觉融合的车辆探测、 前部碰撞警告 (FCW)、 车距监测 (HMW)、 行人探测、 智能前灯控制 (IHC)、交通标志识别 (TSR)、仅视觉自适应巡航控制 (ACC) 等功能；根据 Mobileye 于 2019 年统计的数据测算，Mobileye 的产品占据全球

19、L2 及以下市场超过 70%的份额。 表 2：摄像头当前能够承担的主要功能 功能功能 简介简介 硬件设备类型硬件设备类型 LDW 车道偏离预警，当即将偏离车道线时发出警报 前视，单/双目摄像头 FCW 前向碰撞预警，当与前车距离过近可能追尾时发出警报 前视，单/双目摄像头 LKA 车道保持辅助，当车辆即将偏离车道线时，由控制中心控制车辆及时纠正行驶方向 前视，单/双目摄像头 PCW 行人碰撞预警，当前方道路有行人时及时发出警报 前视，单/双目摄像头 TSR 交通标志识别，识别道路两侧的交通标志 前视，单/双目摄像头 BSD 盲点监测，监控后视镜盲区影像 侧视，广角摄像头 PA 泊车辅助，将车尾

20、影像显示在驾驶舱中，预测并标记倒车轨迹 后视，广角 DM 驾驶员注意力监测，监测驾驶员是否疲劳 内置，广角 AWM 360 环视，利用车周摄像头输出车辆周边全景图 前/侧/后广角 资料来源：CSDN，中信证券研究部 继承自继承自 Mobileye，特斯拉特斯拉是是摄像头算法的另一大拥护者摄像头算法的另一大拥护者。自 2016 年 7 月 Mobileye不再为特斯拉 Autopilot 提供技术支持后，特斯拉的全自助驾驶全自助驾驶 FSD（原称（原称 Autopilot）沿用了与 Mobileye 合作时发展的视觉算法体系，以摄像头作为主要感知器，特斯拉的视觉算法的感知配件包括 8 个摄像头后

21、方的一个倒车摄像头，前方的一个三目总成件，两侧的两个环绕摄像头，此外还包含一个毫米波雷达。 随着单目摄像头的发展，业内也发现了其对于特殊场景处理困难的劣势，并且Mobileye 的垄断地位也使得新入局玩家希望通过其他技术路径实现弯道超车， 双目摄像头、多目摄像头等技术在近年快速发展。而限制各种技术路径发展的当前主要难题是处理摄像头数据的芯片。Mobileye 用了十年才制造出了满足汽车电子规范要求的芯片，难度极大。双目、多目摄像头当前仍然只能使用定制化的 FPGA，因此单目摄像头是业内最成熟的技术路径。 表 3：单目/双目/多目摄像头主要差异 单目摄像头单目摄像头 双目摄像头双目摄像头 多目摄

22、像头多目摄像头 原理 测距前先识别障碍物是什么， 在此基础上再进行测距，最大范围可达 150-200 米 类似人类双眼， 主要通过两幅图像的视差计算来确定距离 通过不同的摄像头来覆盖不同范围的场景， 解决了摄像头无法来回切换焦距以及不同距离下清晰度的问题。 劣势 需要大量数据，并且不断更新和维护，针对非标准特殊场景需要不断优化 需要靠计算来进行测距，计算量巨大，使得小型化难度很大； 对两个镜片的误差有要求，使得镜片成本激增 成本高，数据处理量大，难以放置 主要玩家 Mobileye 博世、大陆、电装、日立 Mobileye，蔚来，特斯拉等 资料来源：CSDN，中信证券研究部 3 特斯拉应用了三

23、目摄像头，但算法特斯拉应用了三目摄像头，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芯片与单目摄像头， 此后特斯拉转为自研。Model 3 Tesla的三目摄像头是纯OEM硬件， 摄像头采集完数据后发给Autopilot 控制器。三个摄像头分别对应 60m、150m、250m 覆盖范围。特斯拉的摄像头模块将所有 CMOS传感器嵌入到 PCB 中，而将图像处理交给 Autopilot 的控制器完成。与特斯拉不同的是，其他车企采用的三目摄像头多来自采埃孚这一 Tier 1 供应商，采埃孚的三目摄

24、像头搭载的是 Mobileye 的算法能力。 图 2：特斯拉三目摄像头传感器 资料来源：安森美半导体（特斯拉 OEM 供应商） 图 3：ZF 集成 Mobileye 算法的三目摄像头传感器 资料来源：Mobileye 图 4：特斯拉的三目摄像头分别覆盖了不同的视角和距离 资料来源：特斯拉 但是在但是在 L4 级自动驾驶传感器选型上，纯视觉方案会存在精度、稳定性和视野等方面级自动驾驶传感器选型上，纯视觉方案会存在精度、稳定性和视野等方面的局限性，无法满足高级自动驾驶对于传感器的性能要求。的局限性，无法满足高级自动驾驶对于传感器的性能要求。特斯拉的几次重大安全事故频繁发生在白色大型货车相关的场景中

25、，主要原因在于单目或三目摄像头无法像双目摄像头一样通过视觉差判断距离，纯靠 AI 算法穷举会在新场景上遇到 Corner case，很有可能对距离判断失误。与此同时，静止不动的物体会在算法上被毫米波雷达忽视。摄像头和毫米波双双可能遇到失效的场景，使得特斯拉频繁出现与白色静止货车相撞的事故。 4 图 5：2020 年 6 月台湾高速公路撞上已侧翻在路的白色货车 图 6：双目摄像头可以通过视角差来判断距离 资料来源：智车营 资料来源：智车营 总结来看，纯视觉方案总结来看，纯视觉方案存在部分问题难以通过单纯的算法提升而弥补。存在部分问题难以通过单纯的算法提升而弥补。包括如测距精度有限，对于强光场景处

26、理难度大，视野范围有限，摄像头机械稳定性差等。这些问题使得使用包括激光雷达、摄像头、毫米波在内的多传感器融合的方案更有优势。 表 4：视觉方案存在的问题 视觉方案存在问题视觉方案存在问题 介绍介绍 精度问题 测距精度低且依赖项较多，算法固定的情况下只能通过增大焦距或者双目镜头间的基线距来提高精度，但焦距增加导致视场角变小，基线距增加导致能看到的最近距离变远 稳定性问题 双目测距精度与标定有关且强相关，但是装在车上机械结构稳定性差，面临着隔段时间就得标定的问题 难度问题 双目视觉不是单独的技术，需要很好的算法（目前的算法不够优化，导致计算成本高而容错能力差，雨天基本无用），甚至还要专门的芯片来提

27、高并行处理能力 视野问题 双目系统最多能覆盖目标方向 60 度的视野，而车顶激光雷达基本上都是 360 度 资料来源：CSDN，中信证券研究部 当前较为成熟的算法方案，即使选用了多传感器融合，也大多以摄像头输入数据作为当前较为成熟的算法方案，即使选用了多传感器融合，也大多以摄像头输入数据作为主要建模数据，其他传感器起到补盲的作用。主要建模数据，其他传感器起到补盲的作用。因此激光雷达等传感器与摄像头并不是排他关系，激光雷达的使用，恰恰是为了解决摄像头方案难以解决的 corner case 问题。不过我们需要强调的是，自动驾驶算法的首要考虑是安全，因此遇到摄像头处理不了的问题虽然是小概率事件，但在

28、保护整车安全的角度来看，激光雷达的重要性十分显著。 马斯克坚持拥护视觉算法而排斥激光雷达技术的原因主要可能有以下几点：一是商业一是商业成本的考量成本的考量，在特斯拉决定开发 FSD 纯视觉方案时，彼时市场上的激光雷达主要以Velodyne 的机械式激光雷达为主， 解决方案价格昂贵且难以进行大规模量产， 视觉算法的硬件价格远低于激光雷达解决方案价格。即使到了 2022 年，上车的激光雷达售价仍普遍 在 800-1000 美元左右，比纯视觉方案要贵不少。二是二是快速响应的因素快速响应的因素，特斯拉的自动驾驶利用影子模式等技术实现小步快跑，需要大量装车来获取更多数据进行迭代，如果要加装激光雷达，对于

29、激光雷达的规模发货能力是一个很大的考验，激光雷达在 2022 年刚开始规模交付，显然很难满足特斯拉大批量装车的需求。 5 表 5：传统机械式激光雷达与视觉方案价格对比 Velodyne 激光雷达价格 型号 线束 价格（发行时） 由 Mobileye 提供的自动驾驶视觉方案几百美元 VLP-16(PUCK) 16 8000 美元（2018 年降价50%至 3999 美元） HDL-32E 32 40000 美元 HDL-64E 64 80000 美元 资料来源：许良 九章智驾（转载自江苏激光联盟搜狐号） ，中信证券研究部 激光雷达技术：直接提供距离信息克服视觉算法弊端，激光雷达技术：直接提供距离

30、信息克服视觉算法弊端，L3 以上必备传感器以上必备传感器 与雷达工作原理类似，激光雷达通过测量激光信号的时间差与雷达工作原理类似，激光雷达通过测量激光信号的时间差或或相位差来确定距离，其相位差来确定距离，其最大优势在于能够利用测距来创建出目标清晰的最大优势在于能够利用测距来创建出目标清晰的 3D 图像。图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的折返时间，计算出到目标对象的相对距离，并利用此过程中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息，快速得到出被测目标的三维模型以及线、面、体等各种相关数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。为了看清

31、楚前方障碍物的情况，我们希望激光雷达产生的点云图越密越好， 对于传统的机械式激光雷达来说， 激光雷达线束 （激光发射-接收器对数） 越多，点云越密，车辆行驶的安全性越高。 图 7：激光雷达扫描示意图 资料来源：CSDN，中信证券研究部绘制 相比于可见光、红外线等传统被动成像技术，激光雷达技术具有如下显著特点激光雷达技术具有如下显著特点：一方面，它颠覆传统的二维投影成像模式，可采集目标表面深度信息，得到目标相对完整的空间信息，经数据处理重构目标三维表面，获得更能反映目标几何外形的三维图形，同时还能获取目标表面反射特性、运动速度等丰富的特征信息，为目标探测、识别、跟踪等数据处理提供充分的信息支持，

32、降低算法难度；另一方面，主动激光技术的应用，使得其具有使得其具有测量分辨率高，抗干扰能力强、抗隐身能力强、穿透能力强和全天候工作的特点。测量分辨率高，抗干扰能力强、抗隐身能力强、穿透能力强和全天候工作的特点。 6 图 8：Velodyne HDL-64 激光雷达系统扫描点云图 资料来源：Velodyne 官网 激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统。激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统。首先由激光发射系统发射系统中的激光光源周期性地驱动激光器，发射激光脉冲；扫描系统扫描系统（可以是轴承、转镜、MEMS 振镜等多种形式）通过稳定的转速进行旋转实现

33、光线的分散发射；激光接收系接收系统统中光电探测器接受目标物体反射回来的激光，收到回馈的接收光信号；信息处理信息处理系统中接收信号经过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。 图 9：激光雷达产品结构 资料来源：中信证券研究部绘制 由于特斯拉至今没有采用激光雷达由于特斯拉至今没有采用激光雷达，因此业界对于因此业界对于 L3 以上自动驾驶是否需要激光雷以上自动驾驶是否需要激光雷达仍存在争议。达仍存在争议。但从但从众多车厂实际众多车厂实际量产情况来看，激光雷达将会成为主流的量产情况来看，激光雷达将会成为主流的 L3 级及以上级及以上自动驾驶必备传

34、感器。自动驾驶必备传感器。相比毫米波雷达和摄像头，激光雷达在目标轮廓测量、角度测量、光照稳定性、通用障碍物检出等方面都具有极佳的能力。因此在一些难点场景下，例如城区非规范行人、非规范道路，甚至是非规范驾驶的行为，激光雷达相比其它传感器可以更容易进行判断。可以说激光雷达是解决连续自动驾驶体验的关键传感器，可以带来更好的驾驶体验，也使得当前大部分整车厂与 Tier 1 供应商选择了激光雷达为 L3 以上的必备传感器。 激光雷达是当前传感器中最为昂贵的一种，但其价格也在技术改进和规模量产下大幅下降。 7 表 6：自动驾驶主要传感器设备性能差异 成本成本 优势优势 劣势劣势 功能功能 激光雷达 600

35、-75000 美元 可以精准得到外部环境信息 成本高， 大雾、 雨雪天气效果差，无法获得外界图像 周围环境 3D 建模 红外传感器 600-2000 美元 夜视效果极佳 成本高，技术由国外垄断 实现汽车的夜视功能 毫米波雷达 300-500 美元 不受天气影响，测量范围广、精度高 无法识别道路指示牌、行人等，分辨率较低 作为视觉识别的辅助手段 摄像头 35-50 美元 成本较低，可以通过算法实现各项功能 恶劣条件下，难以测距，会导致失效。测距时，对算法要求较高 能实现大部分 ADAS 功能， 测距功能对算法要求高 超声波雷达 10-15 美元 成本低 探测距离短，应用局限大 侧方超车提醒、倒车

36、提醒 资料来源：智车科技，中信证券研究部 激光雷达激光雷达是解决是解决各种各种驾驶驾驶 Corner Case 的一种重要手段的一种重要手段。我们认为，未来主流自动驾驶解决方案将会融合摄像头、激光雷达、毫米波、超声波等多种传感器，激光雷达的融合将会更好的应对各种突发情况。 图 10：激光雷达核心解决的 Corner Case 资料来源：智能车参考微信公众号 远距小障碍物远距小障碍物场景场景：毫米波雷达的角分辨率不够，摄像头对远端的通用障碍物识别不够，而这种场景下激光雷达就可能及时识别。 近距离加塞场景：近距离加塞场景：毫米波雷达的角分辨率不够，摄像头通常来说需累计多帧，需要几百毫秒才可以确认加

37、塞，而激光雷达由于精确的角度测量能力和轮廓测量能力，可以 2-3 帧确认加塞，百毫秒内做出判断。 近端突出物场景：近端突出物场景：激光雷达相较于毫米波雷达和摄像头可以做出快速判断。 隧道场景：隧道场景：摄像头在光线亮度发生突然变换的场景有致盲情况发生，而毫米波雷达一般不识别静止物体，如果隧道口刚好有一个静止车辆，这时就需要激光雷达的准确识别能力。 十十字路口无保护左拐场景：字路口无保护左拐场景：需要激光雷达的大角度全视场测量能力，同时满足大视场和远距测量能力。 地库场景地库场景：毫米波雷达由于多径反射性能不佳，而光线强弱变化又会影响摄像头 8 的性能，因此激光雷达是最优解决方案。 市场规模分析

38、：四大应用场景，高速增长赛道市场规模分析：四大应用场景，高速增长赛道 2022 年被市场认为是激光雷达真正的市场元年年被市场认为是激光雷达真正的市场元年，市场规模迅速扩张，市场规模迅速扩张。咨询机构 Yole预计， 激光雷达应用是目前汽车行业增长最快的行业之一。 从出货量来看： Yole 数据显示，2020 年全球激光雷达出货量约 34 万个，预计 2025 年全球激光雷达出货量约 470 万个，2030 年全球激光雷达出货量约 2390 万个。从销售额来看：2020 年全球激光雷达销售额约 12.95 亿美元， 2025 年全球激光雷达销售额将达到约 61.9 亿美元，2030 年全球激光雷

39、达销售额将达到约 139.32 亿美元。 图 11：全球激光雷达销售数量预测（单位：百万个） 图 12：全球激光雷达销售额预测（单位：百万美元） 资料来源：Yole（含预测，2021 年及以后为预测），中信证券研究部 资料来源：Yole（含预测，2021 年及以后为预测），中信证券研究部 未来，随着自动驾驶技术的进一步普及，预计激光雷达市场规模将会进一步扩大，而单车价值量下降将会进一步有利于激光雷达的量产使用，预计 2030 年全球激光雷达市场规模将超百亿美金。沙利文（转自禾赛科技招股说明书）则更为乐观，预测 2025 年全球激光雷达市场规模会达到 135.4 亿美金，中国激光雷达市场规模会达

40、到 43.1 亿美金。 图 13：全球激光雷达市场规模（亿美元） 图 14：中国激光雷达市场规模（亿美元） 资料来源：沙利文（含预测，转自禾赛科技招股说明书），中信证券研究部 资料来源：沙利文（含预测，转自禾赛科技招股说明书），中信证券研究部 055402000222023202420252026202720282029203020312032Robotic CarsADAS VehiclesTotal0200040006000800040000000200192

41、0202022420252026202720282029203020312032Robotic CarsADAS VehiclesTotal0%20%40%60%80%100%0204060800全球激光雷达市场规模（亿美元）YoY0%20%40%60%80%100%01020304050中国激光雷达市场规模（亿美元）YoY 9 根据应用场景， 激光雷达下游应用领域可以分为根据应用场景， 激光雷达下游应用领域可以分为 Robo-Taxi(后装后装)， 量产乘用车， 量产乘用车 ADAS（前装） 、服务机器人、车联网四个下游应用场景。（前装） 、服务机

42、器人、车联网四个下游应用场景。其中 ADAS 料将会是长期成长空间最大的方向。 图 15：激光雷达四大主要应用场景：Robotaxi、ADAS、服务机器人与车联网 资料来源：滴滴、百度、小马智行、蔚来、速腾聚创等公司官网（转载自汽车之心微信公众号，禾赛招股说明书等），中信证券研究部 从应用时间上来看，2017 年后激光雷达开始小批量的应用于 Robotaxi 与 ADAS 场景中，在工业上亦有小规模应用；但无论规模还是技术成熟度，2022 年都是显著的分水岭。随着大批量的乘用车开始装配激光雷达作为车规级 ADAS 传感器， 激光雷达的生态链条已经成熟，投资开始进入回报周期。 图 16：激光雷达

43、下游普遍量产以 2021 年作为显著时间分界点 图 17：2019-2025 年激光雷达市场应用预测 资料来源：Yole 资料来源：Yole 由于应用场景和搭载激光雷达载体有明显差异，其对激光雷达的性能、价格、体积等维度均有不同需求。 10 表 7：激光雷达不同场景应用与要求 比较条目比较条目 无人驾驶无人驾驶 高级辅助驾驶高级辅助驾驶 机器人机器人 应用场景 场景复杂度 高（L4/L5） 中（L2/L3,功能 开启场景有限） 低/中（封闭园区，应用较多） 高（城市道路，应用较少） 承载装置行驶速度 中（城市道路） 中（城市道路） 低（封闭园区） 高（高速场景） 高（高速场景） 中（城市道路）

44、 要求 最远测距要求 远 中/远（取决于 ADAS 功能） 中/远（取决于应用场景） 与承载装置的外观集成度 低 高 中 价格敏感度 低 高 中/高 对激光雷达供应商的算法需求度 低 高 低 车规化要求 中（当前） /高（预期） 高 低 资料来源：禾赛科技招股说明书，中信证券研究部 Robotaxi 后装市场：低价格敏感度高毛利的稳态市场，后装市场：低价格敏感度高毛利的稳态市场，2025 年年空间空间 35 亿亿美金美金 Robotaxi 当前厂商多为算法运营公司当前厂商多为算法运营公司：国内的主要厂商如百度 Apollo、滴滴、小马智行等对于产品价格及与车身的集成度要求较低，并且对使用时长并

45、没有车规级的要求，但对激光雷达的精密度要求较高。Robotaxi 对于自动驾驶等级要求高，且对成本不敏感，是目前激光雷达厂商的主要收入来源。 ReportLinker 预计， 2025 年全球包括运送乘客和货物在内的 L4/L5 级无人驾驶车辆数目将达 53.5 万辆。 沙利文研究 （转自禾赛科技招股说明书）预计到 2025 年，全球无人驾驶领域激光雷达市场规模将达到 35 亿美元，2019-25 年CAGR 达 80.9%。 Robotaxi 厂家加速商业化落地，厂家加速商业化落地，支撑市场空间支撑市场空间。2020 年 10 月，Waymo 宣布通过旗下的叫车软件 Waymo One 提供

46、完全无人驾驶服务，全球领先。国内百度 Apollo、文远知行、图森未来、智加科技等公司也在加速落地商用化， 去年百度在北京开放了无人驾驶出租车服务， 乘客可免费试乘 Apollo GO， 文远知行当前在广州的无人驾驶运营及测试车队数量达 260 台。 表 8：全球 Robotaxi 玩家规模和现状 公司名公司名称称 Waymo 百度百度 小马智行小马智行 文远知行文远知行 滴滴滴滴 AotoX 研发自动驾驶时间 2009 年 2013 年 2016 年 2017 年 2016 年 2016 年 测试车队规模 1000 辆级别 500 辆级别 100 辆级别 100 辆 超过 100 辆 100

47、 辆 （规划） 运营车辆 FCA 大捷龙 （前装） 一汽红旗 EV（前装） 现代 KONA（后装）、林肯 MKZ（后装） 东风日产轩逸（后装） 沃尔沃 XC60（后装） 林肯 MKZ（后装） 比亚迪秦 （后装） 车队落地地区 亚利桑那州 （运营） 加州（测试） 长沙（运营）北京（种子用户）沧州（种子用户）重庆等 21 座城市（测试） 加州（种子用户） 广州 （种子用户） 北京 （测试） 广州（运营）加州（测试） 上海（种子用户）北京 （测试） 苏州（测试） 上海（规划）深圳（测试） 运营车队规模 数百辆级别 长沙（45 辆）北京（40 辆）沧州（30 辆） 加州（10 辆级别）、广州、北京（未

48、披露） 广州（40 辆） 上海 （规划 30 辆） 上海 （规划100 辆） 11 公司名公司名称称 Waymo 百度百度 小马智行小马智行 文远知行文远知行 滴滴滴滴 AotoX 测试里程数 超过2000 万英里 超过 500 万英里 超过 200 万公里 超过 100 万公里（2019.11） 40 万公里（2019.9） 未披露 打车方式 Waymo One 百度地图、Dutaxi 小程序 PonyPilot、BotRide WeRideGo、 高德地图 滴滴出行 高德地图 覆盖范围 未披露 长沙市湘江新区约 130 万平方英里 广州南坪区约 50 平方公里 广州黄埔区约 144 平方公

49、里 上海嘉定区约 27平方公里 上海嘉定区约 27 平方公里 资料来源：汽车之心微信公众号、中信证券研究部 由于机械式激光雷达下游仅限于 Robataxi 厂商， 该激光雷达本身市场空间、 增速发展有限。Robataxi 厂商采用机械式激光雷达主要是因为机械式激光雷达点云质量高，能更好的训练算法， 长期来看， 该种激光雷达的市场空间反而会随自动驾驶算法趋近成熟而减少。因为算法一旦成熟，批量上车的时候就要考虑成本问题，会更多采用其它形态的车规级激光雷达。 图 18：全球激光雷达用在 Robotaxi/Robotruck 领域的市场规模（亿美元） 资料来源：IDC（含预测），中信证券研究部 机械式

50、激光雷达是当前最为成熟的激光雷达样式，满足机械式激光雷达是当前最为成熟的激光雷达样式，满足 Robotaxi 场景需求。场景需求。机械式激光雷达作为技术成熟， 最早量产出货。 由于 Robotaxi 厂商需求的激光雷达主要架设于车辆顶部，且对光路质量要求较高，机械式激光雷达最为合适。 此外，机械式激光雷达的缺点在此外，机械式激光雷达的缺点在 Robotaxi 厂商可以接纳的范围之内厂商可以接纳的范围之内。机械式主要问题在于价格昂贵，且可用时间仅 2-3 年。而对于后装形式，列装激光雷达的 Robotaxi 厂商是可以接受的。根据禾赛科技的招股说明书，2019 年其销售给文远知行的激光雷达总价值