1、2022 年深度行业分析研究报告 目 录 1. 激光雷达是实现自动驾驶的关键 . 4 1.1. 激光雷达：用光感知世界的传感器 . 4 1.2. 通常采用测距方式、扫描方式对激光雷达进行分类 . 6 1.2.1. 按测距方式分：TOF 和 FMCW . 7 1.2.2. 按扫描方式分：机械式、混合固态、固态激光雷达 . 10 1.2.3. 激光收发系统：不同路径下产业链构成不同 . 15 1.3. 激光雷达是是实现自动驾驶的关键 . 19 1.3.1. 激光雷达属于自动驾驶感知端 . 19 1.3.2. 激光雷达让辅助驾驶迈向自动驾驶 . 20 1.3.3. 激光雷达上车核心是量产能力、车规级

2、可靠性和成本 . 26 2. 激光雷达行业发展的现在与未来 . 27 2.1. 千亿蓝海赛道，高速成长确定性明确 . 27 2.2. 激光雷达是车企新一代“军备竞赛” . 30 2.3. 政策加持助力自动驾驶加快落地，深圳率先迎来重大利好 . 35 2.4. 激光雷达厂商成长路径预测：从硬件到软件全栈服务 . 37 3. 代表性企业：自下而上感知行业发展 . 38 3.1. Velodyne：全球激光雷达开创者 . 38 3.1.1. 创始团队有丰富行业经验 . 39 3.1.2. 产品从机械式激光雷达向混合固态发展 . 41 3.1.3. 商业模式：激光雷达产品销售、服务和许可 . 45 3

3、.2. Luminar：混合固态激光雷达的巨星 . 48 3.2.1. 创始团队技术背景硬核 . 49 3.2.2. Luminar 主攻高精混合固态激光雷达，收购核心技术企业 50 3.2.3. 商业模式：自动驾驶解决方案、组件销售 . 53 3.3. Aeva：下一代固态激光雷达的探索者 . 56 3.3.1. 创始团队有多年产业经验 . 56 3.3.2. Aeva 主攻固态激光雷达，尚在合作探索阶段 . 58 3.3.3. 商业模式：激光雷达销售+服务销售 . 60 3.4. 速腾聚创：当前车载量产出货冠军 . 62 3.4.1. 创始人团队具有优秀的研究经历 . 62 3.4.2.

4、投融资进展迅速 . 65 3.5. 禾赛科技：先进的激光雷达制造商 . 66 3.5.1. 创始团队有丰富行业经验 . 67 3.5.2. 禾赛科技主攻覆盖机械式和混合固态激光雷达 . 68 3.5.3. 商业模式：激光雷达+气体检测产品销售 . 70 4. 风险提示 . 72 1. 激光雷达是实现自动驾驶的关键 1.1. 激光雷达：用光感知世界的传感器 激光雷达 （Lidar-Light Detection and Ranging） 关键词是 “光探测”和“测距” 。激光雷达通过光探测距离生成数以千万计的数据点生成点云，为机器和计算机提供 3D 周围环境的准确展示和感知，让“看见”和“看清”

5、赋能新一代汽车。 优秀的车载激光雷达需要具备良好的测远能力、精度、高清晰度，高性价比和低功耗。具体来看，假设高速路段行驶速度为 100km/h 约合28m/s，一般情况下 100km/h 到 0km/h 制动需要 3-4 秒左右，所以高速刹车制动距离为 100-150m。对于自动驾驶主雷达，为了保证高速行驶安全， 激光雷达探测距离需要在 200-250m 以上较为安全。 拥有良好的测远能力意味着留给系统进行感知和决策的时间越长，安全性更好。拥有良好的角分辨率使探测器对探测目标物有好清晰度和识别能力。同时，低功耗在实际应用当中对安全有巨大帮助, 更少电能消耗，意味着获得更多续航里程。 表 1:

6、测远能力、角分辨率、视场角范围是衡量车载激光雷达性能的最常见指标 指标 描述 说明 测远能力 一般指激光雷达对于 10%低反射率目标物（标准朗伯体反射能量的比例）的最远 探测距离。 激光雷达测远能力越强，距离覆盖范围越广，目标物探测能力越强，留给系统进行感知和决策的时间越长。目标物反射率影响探测距离相同距离下，反射率越低越难进行探测。 点频 激光雷达每秒完成探测获得的探测点的数目。 点频越高说明相同时间内的探测点数越多，对目标物探测和识别越有利。 角分辨率 激光雷达相邻两个探测点之间的角度间隔， 分为水平 角度分辨率与垂直角度分辨率。 相邻探测点之间角度间隔越小，对标物的细节分辨能力越强，越有

7、利于进行目标识别。 视场角范围 激光雷达探测覆盖的角度 范围，分为水平视场角范围与垂直视场角范围。 视场角越大说明激光雷达对空间的角度覆盖范围越广。 测距精度 激光雷达对同一距离下的物体多次测量所得数据之间的一致程度。 精度越高表示测量的随机误差越小，对物体形状和位置的描述越准确，对目标物探测越有利。 测距准度 测距值和真实值之间的一致程度。 准度越高表示测量的系统误差越小，对物体形状和位置的描述越准确，对目标物探测越有利。 功耗 激光雷达系统工作状态下所消耗的电功率。 在探测性能类似的情况下，功耗越低说明系统的能量利用率 越高，同时散热负担也更小。 集成度 直观体现为产品的体积和重量。 在探

8、测性能类似的情况下，集成度越高搭载于车辆或服务机器人时灵活性更高。 数据来源：禾赛科技招股书，国泰君安证券研究 Velodyne 创始人 David Hall 开创了激光雷达新纪元。回顾激光雷达发展历史，激光测距技术于 1960 年代出现，激光雷达最早在 1970 年代用于地形测绘和测深系统，为全球定位系统和导航系统的发展提高了准确性。2005 年 Velodyne 创始人 David Hall 发明了 3D 实时激光雷达，开创了激光雷达在无人驾驶领域的新纪元。 图 1：Velodyne 创始人 David Hall 开创了激光雷达新纪元 数据来源：Yole，国泰君安证券研究 近年车载激光雷达

9、的进程可以分为三大阶段： 2007 年-2016 年是激光雷达商业化探索阶段。从单线扫描到多线扫描，从机械扫描到混合固态扫描技术探索。科技巨头加入自动驾驶探索领域，激光雷达被陆续应用于多个自动驾驶项目。 2016 年-2020 年激光雷达受到主机厂的重点关注。电动化、网联化、智能化、共享化是未来汽车的发展方向，国内外多家科技企业纷纷加入， 探索激光雷达科技在车载领域的应用， 助力智能化发展。 2020 年至今激光雷达行业高速发展，并陆续量产上车。2020 年是 美股激光雷达大批量上市之年，以 Velodyne、Luminar 为代表的多家企业通过 SPAC 迅速上市，但目前美股激光雷达公司尚未

10、扭亏为盈。海内外科技公司基于对自动驾驶发展路径的不同理解和企业自身的独特优势，给予市场多类别激光雷达解决方案，这些方案被广泛应用于车辆、工业、测绘等多个领域。目前国内的激光雷达已量产上车，为汽车安全性能和智能化保驾护航。 1.2. 通常采用测距方式、扫描方式对激光雷达进行分类 激光测距单元由激光源、光学镜头、光电探测器和信号处理器组成。激光发射器通过光学镜头发射激光，再由光电探测器系统将光转化为电信号，最后由信号处理单元计算并比较收到信号和发送信号的异同来获取环境信息。不同的测距原理会有不同的信号处理方法。 图 2：激光雷达探测物体并获得物体信息 数据来源：IEEE Signal Proces

11、s Magazine 激光雷达具有很高的产业附加值。激光雷达行业上游是光学及电子元器件；中游是不同类别的激光雷达；下游是车辆、智能制造、智慧城市等多场景、多行业应用。 图 3：常见 TOF 测距激光雷达包含发射、接收以及处理模块 数据来源：德州仪器 激光雷达主要包含发射、接收、信息处理三大模块。发射端的发射光学系统包括光束控制器、激励源、激光器；不同光源成本差距较大，发射端是激光雷达重要成本构成，占 30%-50%。接收端将光信号转换成电信号，主要有光电探测器以及处理芯片，最后放大信号并使用芯片进行处理。光束控制需要扫描系统，不同扫描方式会有不同结构设计。 表 2: 不同结构激光雷达会有不同的

12、成本构成，整体来看发射和接收端是主要成本 结构部分 成本占比 内容 主要厂商 发射端 30%-50% 激光器、发射系统等。激光器浮动比较大，用 905 和 1550nm、EEL和 VCSEL 都会影响成本。发射端是激光雷达重要的成本构成。 日本滨松、奥地利AMS、美国Lumentum 等 接收端 20%-30% 接收系统、光电探测器等 APD/SPAD、ASIC 处理芯片。905nm 通常采用硅基接收端，1550nm 还需铟镓砷光子二极管。 日本滨松、德国FirstSensor 、美国Onsemi 等 主板 20%-30% 模拟芯片、FPGA、DSP、MCU、放大器、数模转换等。主要成本是FP

13、GA，用于整体架构数据处理。 AMD-赛灵思 外壳结构件 10% 光学部件 10% 微振镜、透镜等光学部件。 其他 10%-50% 装调和人工费用，机械式人工费用占 50%以上。 数据来源：国泰君安证券研究 1.2.1. 按测距方式分：TOF 和 FMCW TOF 是目前最为成熟和广泛应用的测距方式， 根据光反射回的时间测距离。具体来说是通过用脉冲激光照亮目标并测量反射返回信号的特性来工作。脉冲光的宽度范围可以从几纳秒到几微秒。TOF 激光雷达主要部件有激光器、放大器、光电转换器等。TOF 激光源目前有 905nm 和1550nm 两种，通常情况下 905nm 探测距离为 100-200m，由

14、于靠近 可见光对人眼有影响，因此难以通过加大功率增加探测距离，导致探测距离有限。1550nm 探测距离能达到 250m，且有更好的安全性，但由于 1550nm 接收器需要采用铟镓砷光电探测器芯片， 导致当前成本较高。 图 4：TOF 是根据时间飞行时间计算距离的测距方式 数据来源：Laser Components FMCW（Frequency Modulated Continuous Wave）是一种对光进行调频， 根据频率差得到物体距离的测距方式。 接收器采用相干检测，可以获得更高的探测距离，抗干扰能力更强，并且能够直接检测物体的速度，并立即区分静止物体、相向和同向行驶。FMCW 激光雷达主

15、要有激光器、探测器、相干光路和扫描部件（通常为 OPA）构成。FMCW光源一般采用 1550nm 窄线宽激光器。 图 5：FMCW 激光雷达利用调频连续波技术进行相干探测 数据来源：Bridger Photonics 可以通过反射信号和发射信号的频率是否相同判断物体是否处于静止 状态。对于逐渐靠近的物体，返回信号会产生正向多普勒频移，对于逐渐远离的物体，返回信号会产生反向多普勒频移，导致频率发生上移或下移并由此区分物体移动方向。 图 6：FMCW 可根据多普勒频移测量物体速度/方向 图 7：FMCW 不会被其他 FMCW 和 TOF 激光干扰 数据来源：Intel 数据来源：滨松光子 目前 T

16、OF 为市场中最为成熟的激光雷达测距方式， 也是商业化激光雷达应用最多的测距方式。通过监测激光发射与回波的时间差，基于光速和测量时间差计算目标距离。TOF 的最大优势在于探测精确、性价比高、技术成熟、响应速度快。缺陷是需要算法抗干扰，并根据反射率判断是否为伪目标， 所以对算法有较高的要求。 FMCW 可以根据多普勒效应判断目标移动方向，信息更丰富且对环境强光和其他激光具有很好的抗干扰性能。总体来看测距方式未来将从 TOF 逐渐向 FMCW 切换，且两种测距方式将会在不同场景中共存。 表 3: 目前 TOF 为市场中最为成熟的激光雷达测距方式 测距 简介 优势 劣势 三角 系统以一定角度发射的激

17、光照射在目标物后，在另一角度对反射光进行成像，根据物体在摄像头感光面上的位置通过三角几何原理推导出目标物距离的探测方法。 价格便宜 不适用于车载主激光雷达。距离分辨率随距离变远急速下降，最大实用测量距离有上限。高分辨率线阵图像传感器读出和处理像素点需要耗费时间，数据速率有限。 TOF Time of Flight，即飞行时间测距法。通过记录发射一束激光脉冲与探测器接收到回波信号的时间差，直接计算目标物与传感器之间距离的探测方法。 适用于车载主激光雷达。目前大部分厂商采用此方案。探测精确、性价比高、技术成熟、响应速度快。 大雨、大雪和大雾中精准度有限；需要算法抵抗干扰，对于车载目前仍然较贵，但技

18、术稳定可靠。目前搭载905nm 的价格在 1000 美元以内； 搭载 1550nm 的价格在 2000+美元 FMCFrequency Modulated 适用于车载主激光雷达。SNR 信噪比暴雨、大雪和大雾精准度有限；目前 W Continuous Wave， 即调频连续波技术。 FMCW 激光雷达指利用调频连续波技术进行相干探测的激光雷达系统。 更高、探测距离更远(能大于 500m)、功率低、人眼安全、结构更优、芯片少、有望低成本、可直接测速。 技术尚不成熟，需要突破硅光技术，预计 2025 年后落地。 数据来源：Aeva，国泰君安证券研究 1.2.2. 按扫描方式分：机械式、混合固态、固

19、态激光雷达 机械旋转激光雷达是最早的扫描方式， 但由于零件多、 寿命短、 价格贵、体积大，不适用于量产车辆。机械式激光雷达收发光源、接收器以及扫描系统坐在圆盘底座上。随着外部电机的转动，收发架构会沿着这个圆盘进行转动，实现水平空间的 360 度扫描。优点是外部电机控制技术比较成熟且能够长时间保持稳定转速；缺点是体积大难以集成到车顶，且激光雷达价格仍然过高而不符合大规模自动驾驶场景的需求。2005 年Velodyne 创始人 David Hall 发明了 3D 实时激光雷达，2007 年率先实现量产，推出首款商用量产实时 3D 雷达，在早期获得多家无人驾驶公司的青睐。 图 8：Velodyne

20、机械激光雷达体积较大 图 9：机械激光雷达具有 360 度 FOV 数据来源：TechAU 数据来源：Velodyne 混合固态是当前激光雷达最主流的结构，也是未来十年车规量产的最佳路线。混合固态系统包含固定光源以及动态扫描系统。相较于机械旋转激光雷达，半固态激光雷达尽管视场相对较窄，但具有结构更简单、成 本更低的优势，适合作为前置主激光雷达量产上车。混合固态激光雷达的扫描方式可细分为单轴镜扫描、双轴镜扫描、MEMS 以及棱镜扫描。目前从下游车载应用来看 1550nm 和双轴镜扫描方案在探测距离、 精度和上车稳定性方面暂时领先；905nm 的混合固态方案在量产、产业链成熟度和成本上暂时领先。

21、转镜扫描结构有单轴镜和双轴镜，体积小于纯机械式，当前应用广泛。这种扫描架构的优点是收发系统固定在整个雷达模块里，旋转模块比较小， 能够极大的减少体积， 压缩成本。 同时由于重量较轻，电机轴承负荷小，使得运行更加稳定，寿命更长，更容易满足车规需求。波长方面同时存在 905nm 和 1550nm 技术路径。当下采用1550nm 和双轴镜扫描方案的主要为 Luminar 和图达通，均为行业顶尖高性能激光雷达厂商，产品在 10%理想散射的状态下具有250m 探测距离以及优于 0.1 度角分辨率的超高性能。图达通高性能激光雷达已标配上车蔚来部分车型， 目前已经交付了近 2000 辆。 图 10：图达通激

22、光雷达前视场效果清晰度高 数据来源：图达通 MEMS 方案是用芯片级别的小镜子取代机械转轴。MEMS 是芯片 化的组件，摆脱了电机、镜面等机械组件，实现了毫米级的激光雷达尺寸，从而可以获得更低的成本和更高的集成度。但由于尺寸原因导致摆动角度和通光口径偏小，测距能力有限且需要更多激光器拼接多个点云， 对算法和稳定性均有较高要求。 在车载方面， MEMS本身属于微振动敏感性器件，易受冲击、振动、温漂的影响，在长时间车载使用的过程种中会受到一定的挑战。 图 11：MEMS 方案可实现更高的集成度 数据来源：Electronics-Lab 棱镜扫描的代表企业是大疆 LIVOX， 适合低速高精场景。 棱

23、镜扫描采用 2-3 块棱镜控制激光雷达扫描非重复性的方向，典型特征是输出的图像中间会比周边的扫描密度大一些。在时间充裕下可扫描整个视场。 棱镜主要优点是透光性较好， 不需要太多激光器、 收发器，能够降低成本。同时组件可以固定，可靠性更高。棱镜方案劣势在于中心和四周的扫描区域均匀性存在差异，且成像范围不一致会导致激光雷达在高速移动过程中出现成像不连续的情况，需要后期算法补偿。基于以上特征，棱镜方案更适合扫描精度要求高、时效要求低的应用场景。 图 12：棱镜扫描方案中图像中间会比周边的扫描密度大一些 数据来源：Livox 固态激光雷达是激光雷达的发展方向， 主要包括 Flash 激光雷达和 OPA

24、激光雷达。纯固态激光雷达在混合固态方案的基础上进一步简化机械结构，采用固定光源和固定探测模式，不需要扫描器件可以实现更低成本并且无需担忧电机稳定性。根据调研结果来看，目前纯固态激光雷达缺陷尚未完全解决，其中 Flash 激光雷达的缺点在于探测距离近；OPA 激光雷达对材料要求比较苛刻， 目前做出的产品也只能探测20-30m距离。 Flash 方案和照相机成像的原理非常类似。Flash 方案的光路和架构都比较简单，收发对称，没有任何的扫描组件，成本更低、可靠性更高。缺点在于不管是采用 VCSEL 还是 EEL 光源，发射后能量发散会导致测距能力下降。 OPA 激光雷达通常搭配 FMCW 测距方式

25、，未来有望实现高稳定性、任意方向控制、 低成本、 平均功率几百毫瓦的超低功耗以及超过 500m 探测距离。OPA 采用相干原理，在两个水波纹叠加后，如果满足半波长的整数倍，会形成相干相加或者相交的特性，可以利用这种特性控制波数的时间差从而控制扫描方向。这种方案的主要优点在于集中度很高，并且波长和方向优势带来更高信噪比， 体积更小， 更适合车规级需求。 OPA 方案的难点是插入损耗和旁瓣问题。具体来看是因为同一束光产生干涉，在相邻的几束光满足条件后很容易形成旁瓣，会有多余的能量分掉探测主能量，影响测距能力。纯固态激光雷达部分技术和光通讯类似，目前在通讯行业中 III-V 族半导体技术占主流，硅光

26、芯片仍处于上升阶段，硅光技术有待突破。 表 4: 激光雷达扫描方式从旋转机械式到混合固态并向纯固态演变 类别 扫描方式 简介 优势 劣势 厂商和单价 机械式 旋转机械 使用高级光学器件和旋转组件来创建通常为 360 度的FOV。 360 度全景 FOV、 高信噪比 (SNR)、 技术成熟 寿命短、价格贵、体积大、降本空间有限。 均搭载 905nm 激光。根据 Velodyne22Q1数据测算单价约1800 美元；禾赛科技2017-19 年平均单价10 万人民币。 混合固态 单轴镜扫描 多激光垂直排列，转镜用于横向扫描 以“线”扫“面”帧率更高、稳定性好、最容易过车规 减小体积并保持多线是个难题

27、 Valeo、华为、禾赛科技均搭载 905nm 激光。一径科技搭载1550nm 激光。 双轴镜扫描 振镜用于纵向扫描，转镜用于横向扫描 精度优秀 目前价格较贵、测距离和环境稳定性相对难兼顾。 Luminar 和图达通均搭载 1550nm 激光，探测距离超过250m，属于满足无人驾驶的高性能前置激光主雷达。单价 2000-4000美元 MEMS 微振镜 施加电压等刺激，改变镜子倾斜角变化。用机电等效物替代机械扫描硬件 技术相对成熟、光学素质、功耗有优势 接收器收集孔径通常非常小(mm 级)， 对增加探测距离有限，或者牺牲FOV增加探测距离。多维度移动激光束需要级联多个反射镜，对齐过程容易受移动车

28、辆的冲击和振动的影响。 Innoviz、速腾聚创均搭载 905nm 激光。 棱镜扫描 包含两个楔形棱镜，通过折射改变水平和垂直方向激光 螺旋式和花瓣式扫描路径一般不重复，时间充裕下可扫描整个视场。适合扫描精度要求高、时效要求低的应用场景 无法实现 360 度扫描、由于时效性相对低比起车载更适合测绘、棱镜机械损耗和维护存在一定问题 大疆 LIVOX 搭载905nm 激光。单价区间 600-1500 美元 纯固态 Flash 单个大面积激光脉冲照亮其前方的环境，靠近激光的光电探测器焦平面阵列捕获反向散射光。探测器捕获图像距离、位置和反射强度。 便宜、精度好、数据捕获速度快、无失真的振动效应的影响

29、探测距离较短，目前技术只够用于补盲雷达，作为主雷达探测距离不够。现实环境中回射导致部分致盲、且需要高峰值激光功率照亮整个场景 LeddarTech、 ibeo 声称 2024 量产后单价约 600 美元、Ouster6000-8000美元(2019 年） OPA 通过波的干涉效应，多个波相互叠加时，有的方向增强， 有的方向抵消，通过控制天线的相位差，可控制主光束的角度获得不同角度扫描效果 硅基成本低、结构简单、体积小、成本优势、量产一致性高。 目前还在实验室阶段，硅光技术有待突破。通常搭配方式为FMCW+OPA Quanergy 量产目标为 500 美元 数据来源：Renishaw、德州仪器、

30、Laser Components、LIVOX 官网、图达通，国泰君安证券研究 从扫描方式来看激光雷达从机械式逐渐向纯固态演进。通过零件更少的架构和更先进的测距方式获得更强的稳定性、更长的寿命、更远的探测距离、更高的探测精度以及更低的成本。目前已有量产车型的激光雷达多采用混合固态结构，短期来看未来 5-8 年混合固态激光雷达将成为主流解决方案， 单个混合固态激光雷达量产后价格有望降至 500 美元以内；长期来看固态激光雷达在获得硅光技术突破后值得期待。 1.2.3. 激光收发系统：不同路径下产业链构成不同 从发射端激光器来看， 可分为垂直腔面发射激光器 VCSEL、 边缘发射激光器 EEL、固体

31、激光器和光纤激光器。具体来说，垂直腔面发射激光器 VCSEL 是一种以半导体为基础的激光二极管， 从其顶面垂直发射高效光束，而边缘发射激光器 EEL 是从侧面发射光束。由于 VCSEL 有更高的效率和更窄的带宽，也因此有更高的信噪比。VCSEL 积极用于替代 LED以进行车内感应，可以用于盲点检测、车道偏离和追尾警告需要中短程激光雷达。同时由于 VCSEL 可以在阵列中实现，例如在 200 个 VCSEL的阵列中，如果有一个出现故障，系统仍有 199 个光源可以使用，因此获得更多发射器冗余，以允许软故障模式延长其使用寿命，因此 VCSEL不像基于单个或少数LED或EEL的系统那样容易受到灾难性

32、的光学损伤。从发展趋势来看， 未来会向更高电压和更低电流的 VCSEL 迁移， 同时需要严格的封装技术以降低电感应。固体激光器常用于 Flash 固态激光雷达，具有信噪比极好、可调功率、窄线宽、高灵敏的特点。光纤激光器采用掺稀土元素玻璃光纤作为增益介质的激光器，可在光纤放大器的基础上开发出来。 通常在 1550nm 技术方案中会采用光纤激光器， 有高效率、低功耗、光束质量好的优势，Luminar 是采用此方案的代表厂商。 表 5: VCSEL 与 EEL 激光器有不同特点，适用于不同类型的激光雷达 类型 描述 成本和特点 EEL 边缘发射激光器 技术非常成熟。可以提供高的功率传输。 波长可选择

33、：830nm-940nm&1550nm 光电效率高、 照度高， 可做大功率激光芯片， 一般扫描方式例如MEMS 会采用此类发射器。单价相对 VCSEL 较高但所需总数量更低。 VCSEL 垂直腔面发射激光器 可降低阵列发射器制造成本的新技术。 波长可选择：830nm-940nm & 1550nm 工艺较复杂，单个发射功率低。一般多线束激光雷达会采用此类型发射器。 根据调研情况来看目前芯片单颗 1 美元，2024 和2025 年有望降本 50% 固体激光器 用于 Flash 固态激光雷达 波 长 可 选 择 ： 523nm 、1064nm、1319nm 信噪比极好、 可调功率、 窄线宽、高灵敏。

34、 光纤激光器 用掺稀土元素玻璃光纤作为增益介质的激光器 1550nm 可选择此方案 光束质量好、高效率、低功耗。目前成相对较高， 未来有望通过技术突破及量产降本。 数据来源：德州仪器、lumentum，国泰君安证券研究 图 13：激光发射器结构可以分为 VCSEL、DFB EEL和 FP EEL 图 14：VCSEL 器件垂直发射稳定、狭窄的圆形光束 数据来源：光学出版集团 数据来源：高意集团 表 6: VCSEL 和 EEL 各有优缺点，一般线束采用 VCSEL，点扁光源扫描采用 EEL 参数 VCSEL DFB EEL Fabry-Perot EEL 带宽 窄，1nm 窄，1nm 功率范围

35、 200mW - 可扩展至 10 瓦 200mW - 可扩展至 10 瓦 200mW - 可扩展至 10 瓦 输出光束 环形 椭圆 椭圆 特点 波长和温度绑定 波长和温度绑定 更高的插座效率 数据来源：光学出版集团，国泰君安证券研究 从发射端波长选择来看，905nm 是目前市场上采用最多的方案，1550nm 波长则是性能最佳的方案。905nm 主要优势在于安全、功耗和组件供应链技术成熟，最适合自动驾驶汽车和 ADAS 系统的工程、开发和生产需求。由于眼可见光波长在 380-780nm 之间，905nm 激光雷达出于对人眼保护需要保持低功率运行，所以探测距离提升有上限并且会受到环境光照的影响。1

36、550nm 主要优势在于远离可见光，对人眼安全，故可以通过提升发射功率以获得更强性能，在应用中实现更远的探测距离、更加精细的物体障碍识别，作为无人驾驶的主激光雷达有显 著优势。 表 7: 市场主流解决方案为 905nm 和 1550nm 波长 简介 优势 劣势 850nm 仅有 Ouster 应用在 TOF 的 Flash激光雷达。850nm 特点是太阳光子通量在此波长下是 905nm 的两倍、940nm 的十倍、1550nm 的3 倍。 大气水蒸气吸收率更低、硅基 CMOS探测器在 850nm 处比更长波长处更灵敏、 由于光通量更大图像具有更高的信噪比，在黎明、黄昏、阴天更有用。 探测距离有

37、限、 不足以作为无人驾驶主激光雷达 905nm 目前 TOF 最广泛应用波长。 技术成熟、性价比高、探测距离较远、功耗相对较低、 可提供标准的现成组件 由于靠近可见光对人眼有影响， 所以无法通过增加功率以增加探测距离。 1550nm 目前同时应用在 TOF 和 FMCW。 人眼安全、探测距离远、穿透力强、适合作为实现无人驾驶的主激光雷达 目前探测器成本相对较贵。雨、雾和雪天有明显信号衰减， 潮湿条件下的性能不佳。功耗相对较高。 数据来源：Ouster、Velodyne、Luminar，国泰君安证券研究 激光雷达接收端从 PD/APD 向 SPAD/SiPM 发展。光电探测器通过光电效应将光信号

38、转化为电信号，实现信号探测的器件。从探测器原理来看，高增益探测器的主要优势是抗干扰和不确定性能力很强，所以未来逐渐从具有 100 倍增益的 APD 向具有 100 万倍增益的 SPAD 和 SiPM发展，能获得更稳定、灵敏的探测精度和更远的探测距离，并进一步实现芯片化一体化。 表 8: 激光接收端主要为 PD、APD、SPAD 和 SiPM 类型 描述 特点 Pin Photo Diode 针式光电二极管 将光转换为电流的非常成熟的技术。 低电压、一致性较好、无增益、线性模式 Avalanche Photo Diode (APD) 雪崩光电二极管 新一代的光电二极管技术，需要高反向偏压运行。

39、由于光子/光产生的空穴和电子的雪崩倍增，APD 可以提供非常高的增益。 高电压、一致性较差、100 倍增益、线性模式 Single Photon Avalanche Diode (SPAD) 单光子雪崩二极管 与 APD 类似，但 SPAD 设计为在高于结击穿电压的反向偏置电压下工作，从而提供更高的增益。 低电压、一致性好、100 万倍增益、单光子 Silicon Photomultiplier (SiPM) 硅光电倍增管 SiPM 提供极高灵敏和动态范围。 由普通硅衬底上的 SPAD 组成 低电压、一致性好、100 万倍增益、多光子 数据来源：德州仪器、Embedded，国泰君安证券研究 F

40、PGA 芯片通常被用作激光雷达的主控芯片。激光雷达的信息处理端需要对收到的信息进行处理计算最终建立立体模型。目前赛灵思提供了市面上绝大多数主控芯片。由于在算法方面还需要迭代，目前计算端将部分功能集成到 ASIC，再集成 FPGA 配套。未来随着技术不断迭代，激光雷达有望通过芯片集成逐步替代 FPGA， 接收端芯片化也是行业共识。 表 9: 激光雷达根据结构升级逐步从分立器件迈向芯片化 扫描式架构 面阵式架构 EEL+分立多通道驱动APD+分立多通道 TIA EEL+多通道驱动 IC APD+多通道模拟前端IC 高精度 ADC 芯片 VCSEL+多通道驱动 IC SiPM+多通道模拟前端 IC

41、高精度 TDC 芯片 VCSEL+多通道驱动 IC SPAD 阵列+线阵 SoC VCSEL 面阵+面阵驱动IC SPAD 阵列+面阵 SoC 分立器件 芯片化 1.0 芯片化 1.5 芯片化 2.0 芯片化 3.0 发射端采用EEL配合多通道驱动器、接收端采用 APD 配合多通道跨阻放大器的架构。分立器件封装过程中引入寄生参数，影响电路的带宽和噪声性能，进而影响激光雷达的测远能力和测距精度。 VCSEL 平面化的设计能在面上灵活排布多通道，装调效率和集成度相应提升， VCSEL 的波长温漂小，更窄的滤光片成倍降低环境光噪声。探测器演进为SiPM 单光子探测器，光电增益的提升能够降低电路噪声对

42、系统信噪比的影响，实现更高的能量利用率，探测距离更远。 CMOS 工艺下的探测器和电路功能模块集成，线阵式 SoC 单片集成光电探测器、前端电路、波形数字化、波形算法处理、激光脉冲控制等功能模块，可取代 FPGA，提升系统的性能和集成度。随着光电器件的升级，VCSEL能量密度及发光效率逐年提升，接收端 SPAD的 PDE 探测效率逐年增加，激光雷达的探测性能将随之大幅提高。 从扫描式到纯固态面阵式激光雷达的演进。 SPAD阵列与VCSEL阵列作为收发单元，接收端采用面阵式 SoC 芯片，能够实现对单光子信号进行片内处理得到点云数据，可以取代 FPGA。纯固态面阵方案中没有扫描结构，集成度更高，

43、可靠性更好，成本控制及可量产性更优。 数据来源：禾赛科技，国泰君安证券研究 1.3. 激光雷达是是实现自动驾驶的关键 1.3.1. 激光雷达属于自动驾驶感知端 自动驾驶由感知、预测、规划、控制四大关键部分组成。首先通过各类传感器获得相机图像、激光雷达点云等周围原始数据，得到车道、可驾驶区域、运动物体和交通信号等信息，之后预测移动障碍物的意图和轨迹， 并根据获得的信息优化车辆的路线和行动， 最后控制车辆完成加速、减速、转向等动作来跟随规划路径。激光雷达在自动驾驶中属于感知部分的重要信息输入来源。 图 15：激光雷达是自动驾驶感知端核心硬件之一 数据来源：BCG，国泰君安证券研究 1.3.2. 激

44、光雷达让辅助驾驶迈向自动驾驶 自动驾驶按照车辆自动化程度分为 6 个等级，L3 级之后在使用自动驾驶功能时驾驶员无需驾驶汽车。具体来说，在 L3 以后的驾驶决策由汽车来制定和执行动作。SAE 和中国汽车驾驶自动化分级均把 L3 级别作为辅助驾驶和自动驾驶分水岭。自动驾驶是通过车载感知系统感知道路及交通参与者的信息，由系统自动规划行车路线并控制车辆到达预定目的地的驾驶技术，在车辆行驶过程中不需要驾驶员的参与。目前较为普及的为 L2 级别辅助驾驶，主要具备 ACC 自适应巡航、自动泊车等辅助功能。3 级自动驾驶在系统接管后实现以系统为导向到自动驾驶无需驾驶员控制，可以实现高速及部分市区路段自动驾驶

45、场景。驾驶主动 “人控”和主动“车控”的是主要区别。 图 16：SAE 定义 L2 和 L3 是自动驾驶分水岭 数据来源：SAE 图 17：中国汽车驾驶自动化分级也将 3 级作为自动驾驶分水岭 数据来源：国家市场监督管理总局、国家标准化管理委员会 自动驾驶感知方案分为轻硬件重算法的视觉方案和以激光雷达为主的多传感器融合方案。当前汽车制造商正在为车配备各种先进的控制和传感功能，例如碰撞警告、避让系统、盲点监视器、车道保持辅助、车道偏离警告、自适应巡航控制等等是一些成熟的驾驶辅助案例，使驾驶体验更安全、更轻松。对于自动驾驶通常有纯视觉和多传感器融合两种路径：特斯拉坚持纯视觉方案，采用来自多个摄像头

46、的图像通过神经网络进行分析，利用海量数据来做出关于加速、制动和转向的决定，特点为轻传感器重算法。其他厂商均采用激光雷达、相机、毫米波雷达多传感 器融合方案提升安全性能，特点是重硬件轻软件。激光雷达、毫米波雷达、超声波传感器和摄像头各有优缺点。高度自动驾驶和完全自动驾驶的车辆需要多传感器融合，能在各种天气和照明条件下创建精确的车辆周围环境感知以及长短距离地图。 大众汽车集团首席执行官赫伯特迪斯也提到“激光雷达是系统提供冗余感知的唯一方法。安全对于自动驾驶来说非常很重要，L3 驾驶需要感知冗余。” 图 18：摄像头视觉主导和激光雷达多传感器融合是主流路线 数据来源：国泰君安证券研究 图 19：特斯

47、拉主要靠摄像头视觉主导 图 20：Waymo 采用激光雷达为主导的多传感器融合 数据来源：特斯拉，国泰君安证券研究 数据来源：Waymo，国泰君安证券研究 不同传感器各有优缺点。超声波在几米以外的空气中会出现强烈的衰减，因此主要用于短距离物体检测。毫末波雷达有不同距离范围选择，环境干扰能力强，可以满足车辆对全天气候的适应性的要求，但由于分辨率较差无法识别物体。相机性价比高且易于使用，尽管能够通过算法感知 深度，但是强烈取决于周围光照条件和需要大量数据处理以提取有用信息。 相机是唯一能看到颜色的技术， 并且可以应用在车道保持辅助功能。激光雷达通过发射激光来测量物体与传感器之间精确距离并在没有大量

48、后端处理的情况下获取周围物体的精确距离及 3D 信息，以实现避障功能。结合预先采集的高精地图，机器人在环境中通过激光雷达的定位精度可达厘米量级，以实现自主导航。 表 10: 不同传感器各有优劣，多传感器互补是关键 成本 探测距离 雨雪雾恶劣天气 感知和图像识别 能耗 激光雷达 高 优秀 一般 好 高 毫米波雷达 低 好 优秀 糟糕 低 相机 低 一般 糟糕 优秀 低 数据来源：国泰君安证券研究 特斯拉纯视觉方案需要海量行驶数据支持，以激光雷达为主的多传感器方案更适合大部分车企。特斯拉在 2014 发布自动驾驶辅助系统时激光雷达技术不成熟并且价格过于昂贵，于是选择纯视觉方案。在数据收集上有先发优

49、势，当前市场特斯拉存量已经超过 200 万台，并有累计超过2 亿英里的自动驾驶数据。从纯视觉方案角度来看，其他单一车企难以在短期超越特斯拉的累计数据量。随着激光雷达技术的发展和商业化，以激光雷达为主的传感器融合方案是当下大部分车企选择的主流路径。目前越来越多的车企均配置 1-2 颗激光雷达，从算法层面来看，由于激光雷达探测距离精度高，算法公司评测感知能力的真值甚至深度学习真值来自激光雷达。采用前置激光雷达在感知融合时可以直接采用激光雷达的信息，抛弃视觉信息，直接判断前车大小和距离。在不同光照条件下对障碍物的有效检测，能够降低急刹和晚刹概率，提升驾驶安全性和舒适性。在现实生活中动静物体分布和种类

50、都比较复杂，单一传感器很 难达到高的识别效果，以激光雷达为主的多传感器融合将为驾驶带来全新安全保障。 激光雷达通过三维建模提高精度，可补足其他传感器弊端并加速实现自动驾驶。激光雷达具有高清晰度、远探测距离、提供实时 3D 地图的优势，在多传感器融合方案受到奔驰、宝马、大众、日产、丰田、蔚来、理想、小鹏等新旧造车势力的青睐。同时，由于所有传感器类型都有局限性，为了使不同传感器在变幻莫测的驾驶条件下都需要作出正确的决策，多传感器互补在不同维度保证了驾驶安全冗余。 图 21：多传感器融合让汽车成为全方位提供安全保障的“九边形战士” 数据来源：Innoviz，国泰君安证券研究 L2 自动辅助驾驶通常采

51、用摄像头与毫米波雷达融合。L1、L2 级车辆通常具有一个前置远程雷达和一个用于自适应巡航控制、紧急制动辅助和车道偏离警告/辅助的摄像头，两个后向中距雷达实现盲点检测，以及 4个额外摄像头和 12 个超声波传感器可实现 360 度视野实现泊车辅助功能。 L2+是从辅助驾驶走向更高级别自动驾驶的必经之路。具体来说，激光雷达也需要时间收集数据并更新软件调整优化，并不是自动驾驶的灵丹妙药，但由于其在不同光照条件下精准的探测能力可以降低算法难度而受到欢迎。过去，由于需要采用机器学习来训练模型识别物体，摄像头即使有大量数据也难以避免边角案例。毫米波雷达分辨率较差，通常在算法上会过滤相对于路面不移动的雷达回

52、波，以保证车辆在遇到隧道洞、路牌等情况下能正常行驶，但遇到白色卡车横在道路中央的极端案例会导致相机和毫米波雷达双双失效化身马路杀手造成不幸。不同于摄像头需要训练模型，激光雷达在面对未知物品时至少能够给予安全范围指导，所以 L2+级别的辅助驾驶配备激光雷达不仅极大提升驾驶安全性，全面保障驾驶员和乘客的安全，更能收集实时数据为 L3 打下基础。硬件预埋和后续 OTA 远程升级是当下整车厂的常用方式。 例如最早上线激光雷达的小鹏也采用了硬件预埋及后续 OTA 升级开启使用功能的路径。 图 22：激光雷达预埋收集数据后，采用软件升级至 L3 数据来源：Innoviz 自动驾驶采用激光雷达可以获得高安全

53、冗余。车辆通常会配备前置远距激光雷达在其他传感器受限时可获得安全冗余，例如摄像头在夜晚或强光下无法识别时。同时由于激光雷达具有高分辨率、广角大和精度高的特点，是检测、分类物体、跟踪地标以进行定位的必备功能。在高速公路应用通常还需后向长距激光雷达检测高速公路上的接近车辆，提供更全面的感知。对于 L4/L5 级车辆通常需要使用不同传感器获得 360 度视 图， 以提供冗余并消除每个传感器的缺点， 可能会采用 5-10 个摄像头、8-12 个毫米波雷达和 5-12 激光雷达。当然，技术创新和突破可能会改变无人驾驶传感器配置。 图 23：高阶自动驾驶通常采用多传感器融合以获得全方位感知 数据来源：麦肯

54、锡，国泰君安证券研究 1.3.3. 激光雷达上车核心是量产能力、车规级可靠性和成本 激光雷达从快速上车角度来看，需要平衡性能、可靠性、可量产、低成本四大方向。激光雷达作为车规级产品关乎生命安全，对可靠性要求极高，十分考验厂商的研发和制造能力。车规级产品需要满足-40-105C使用环境和 15 年使用寿命，同时要保证 0 失效率，难度较高。在制造过程中也需要设计安全冗余保证量产良率，同时也能降低成本。在满足使用性能的前提下，车规级可靠性是保障安全的技术，可量产和成本也是上车关键。 表 11: 激光雷达作为车规级产品可靠性要求极高 类别 消费级 工规 车规 管理 质量体系 ISO9001 ISO9

55、001 ISO9001+IATF16949 质量审核 / / VDA6 产品 使用环境 -20-60C -40-85C -40-105C 寿命 3-5 年 10 年 15 年 可靠性标准 JESD47 JESD47 AEC-Q100 失效率 -500PPM -200PPM 0PPM 数据来源：赛瞳科技，国泰君安证券研究 表 12: 车规级产品验证难点较多 机械性能 环境 可靠性测试 硬件验证 EMC 验证 震动测试 高低温运行 高温耐久 绝缘阻抗 辐射发射 机械冲击 热冲击 温度循环 过压保护 传导发射 高低温存储 稳态湿热 反接保护 大电流注入 盐雾测试 短路保护 抗干扰(磁场/耦合/瞬态传

56、导) 湿热循环 化学腐蚀 自由跌落 数据来源：赛瞳科技，国泰君安证券研究 激光雷达可通过结构优化、量产、自主研发降低成本。从技术路径发展来看，从机械式到混合固态再到纯固态，通过减少动态部分，压缩产品体积、提高集成度都是降本的主要方式。例如 Velodyne 机械激光雷达在 2007 年首次推出的产品单价为 75000 美元约合 50 万人民币，如今已上车的混合固态激光雷达价格在 800-4000 美元，从结构上已经能大幅降低产品价格和成本。另外一方面，随着供应链成熟度提高以及企业量产能力提升，随着采购量提升天然会有成本降幅。同时通过 ASIC 自主开发解决 FPGA 贵和进口依赖的痛点，未来实

57、现更高自主可控性和更有价格竞争力的产品。 下游车厂普遍认为当激光雷达价格到达 500 美元以内时，有望获得更大批量装车。 2. 激光雷达行业发展的现在与未来 2.1. 千亿蓝海赛道，高速成长确定性明确 激光雷达广泛应用于多领域，车载激光雷达市场成长最快。激光雷达市场规模较大且处于快速发展期。由于其精准的测量优势，广泛应用于自动驾驶汽车、工业、无人机、机器人和 3D 测绘等终端市场中。在自动化、智能化的大背景下，根据 Yole 测算，激光雷达整体市场将从 2020年 1.8 亿美元增长到 2026 年的 57 亿美元，复合年化增速高达 23%。 目前激光雷达市占率最高的企业 Trimble、 H

58、exagon、 Topcon、 Sick AG来自测绘和工业自动化行业。在激光雷达下游应用中车载激光雷达增速最快，从 2020 年 2600 万美元增长至 2026 年 23 亿美元，复合增速达94%，呈现爆发趋势。和车载激光雷达相关应用机器人车和智慧城市建设增速也不容小觑，机器人车从 2020 年 1.03 亿美元增长至 5.75 亿美元， 复合年化增速 32%， 智慧城市将从 2020 年 6600 万美元增长至 3.95亿美元，复合年化增速 38%。 图 24：激光雷达被广泛应用于 ADAS、拓扑学、机器人车等领域 数据来源：Yole 图 25：全球激光雷达市占率最高 4 大厂商来自测绘

59、和工业自动化领域 数据来源：Yole 在无人驾驶快速发展的背景下，2030 全球用于 ADAS/AD 系统的传感器市场规模将超千亿人民币。根据麦肯锡预测，2020-2030 年用于 ADAS/AD 系统传感器总规模将从 2020 年 130 亿美元增长至 2030 年430 亿美元，年化复合增速为 13%；其中增长主力为激光雷达，将在2030 年增长至 120 亿美元，年化复合增速为 80%。 图 26： 2020-20301用于ADAS/AD系统的激光雷达CAGR高达80% 数据来源：麦肯锡，国泰君安证券研究 2022 年是激光雷达上车元年，自动驾驶加速渗透带动激光雷达放量。目前激光雷达厂商

60、均以初创公司为主， 截止 2021 年第三季度一共有 29个产品获得汽车行业采纳， 其中法雷奥、 速腾聚创、 Luminar 为前三名。中国企业速腾聚创市占率为 10%， 大疆、 赛瞳科技分别占 7%， 图达通、华为、 禾赛科技分别占 3%。 在波段选择方面有 69%采用 905nm 激光。在扫描方式方面有 66%采用机械扫描，包括纯机械旋转、转镜、振镜等细分方式。根据调研结果来看，中国激光雷达在全球抢跑，车载激光雷达行业确定性极高， 2022 年预计出货量 20-30 万台， 2023 年预计出货100 万台，从 0 到 1 的突破走向 1 到 N 的大规模量产上车。 图 27： 目前赢得客

61、户订单最多厂家为法雷奥； 905nm 和机械式占主流 数据来源：Yole 激光雷达厂商纷纷加入战局，玩家遍布全球。2020 年-2022 年是激光雷达厂家集中上市大年。 头部玩家 Velodyne、 Luminar、 Aeva、 Innoviz、Ouster、Aeye、Quanergy、Cepton 纷纷通过 SPAC 上市。 图 28：全球多家激光雷达企业加入战局 数据来源：Yole 2.2. 激光雷达是车企新一代“军备竞赛” 激光雷达从定点到量产、从选配到标配，彰显车企信心。2017 年法雷奥上车奥迪 A8 打响激光雷达上车第一枪； 2021 年激光雷达选配导入市场，上车小鹏 P5、宝马

62、ix、摩卡和银狐阿尔法 S；2022 年蔚来 ET7 全系标配并量产出货，目前交付超过 4000 台，也让图达通成为全球范围内第一款量产上车的高性能激光雷达的产品。海外方面，沃尔沃将在2022 版电动 XC90 SUV 上标配 Luminar 激光雷达。 激光雷达标配展现 了车企对自动驾驶的信心与对激光雷达的高度认可。海外大众用车巨头Nissan 也宣布将在 2030 年之前达成新车全系标配激光雷达。 目前大部分车企宣布合作几乎都是选配，说明部分车厂将激光雷达作为销售亮点，可能对于激光雷达有所保留或者处于观望的状态，未来量产后有望实现全系标配。 中国激光雷达企业上车速度领先于海外。在国外大部分

63、激光雷达厂家仍处于定点阶段到情况下，中国激光雷达已有选配和标配激光雷达汽车出货。从公开的 2021-2022 量产车型中可以看见大部分可选配激光雷达的车型为中国新能源车，并且大部分在 20 万元以上，配备 1-5 个激光雷达，大部分车企采用了 MEMS 和转镜扫描方式的激光雷达。从激光雷达企业角度看，速腾聚创在定点和量产上目前位列第一。2021-2022量产上车的激光雷达厂家中大疆 Livox 有 1 个合作，速腾有 6 家厂商合作，图达通和蔚来合作，华为和 3 家厂商合作，lbeo 和摩卡合作，禾赛有 3 家厂商合作，Luminar 有 3 家合作，法雷奥有 2 家。 表 13: 公开可配备

64、激光雷达车型大部分在 20 万元以上，大部分采用 MEMS/转镜的混合固态激光雷达 车型 指导价 供应商 扫描方式 数量 预计量产时间 小鹏 P5 17.79-24.99 万元 大疆 Livox 棱镜 2 2021.12 小鹏 G9 速腾聚创 MEMS 2 2022Q3 威马 M7 速腾聚创 MEMS 3 2022H2 广汽埃安 Lion LX Plus 28.66-45.96 万元 速腾聚创 MEMS 4 2022.04 智己 L7 36.88-40.88 万元 速腾聚创 MEMS 1 2022 智己 LS7 速腾聚创 MEMS 2 2022 年底 哪吒 S 预售价 33.88 万元 速腾聚

65、创 MEMS 3 2022Q1 蔚来 ET7 44.80-52.60 万元 图达通 二维转镜 1 2022Q3 蔚来 ET5 32.8-38.6 万元 图达通 二维转镜 1 2022.07 极狐阿尔法 S HI 版 预售价 42.99 万元 华为 一维转镜 3 2021.11 阿维塔 11 20-40 万元 华为 一维转镜 3 2022Q2 沙龙机甲龙 48.80 万元 华为 一维转镜 4 2022 WEY 摩卡 17.58-21.88 万元 lbeo Flash 3 2023 理想 X01 39.98 万元 禾赛科技 一维转镜 1 2022 年底 高合 HiPhi Z 57.00-80.00

66、 万 禾赛科技 一维转镜 1 2022 集度汽车 20 万级别 禾赛科技 一维转镜 1 2023 飞凡 R7 预计 35 万元 Luminar 二维转镜 1 2022 年底 极星 3 35-50 万元 Luminar 二维转镜 2 2022 沃尔沃 XC90 34 万元起 Luminar 二维转镜 1 2022 本田 LEGEND 42.00 万 法雷奥 转镜 5 2021.03 发布租赁形式上市 奔驰新 S 级 Drive Pilot 在 S 级选选配价为 3.4 万元，在 EQS 上的售价为5.1 万元 法雷奥、 Luminar 转镜 1 2021 年部分国家 数据来源：车云网、汽车之家、

67、各公司官网，国泰君安证券研究 从车厂规划来看有望 2025 达成 L4/L5 级别自动驾驶，下游装机量、率齐升。从区域上看，欧美日韩主机厂在 L4 级发展最为领先，奔驰、通用等已进入 L4 级试点运营阶段，宝马、大众、奥迪等主力厂商有较详细落地计划。中国车企目前在 L2 和 L3 级别较多，L4、L5 仍在远期规划中。 2020 和 2021 年中国自动驾驶功能装配量和装配率都有大幅提升，具体来看 L2+自动驾驶功能装配量从 2020 年 303 万辆增加至 2021 年479 万辆，渗透率从 2020 年 16%增加至 2021 年 24%。2022Q1 中国乘用车 L2 及以上自动驾驶功能

68、装配率达 30.1%，同比增加 12.7%，可以明显看出 L2+自动驾驶渗透量和渗透率均有显著提升。 图 29：全球主机厂大力发展 ADAS/AD，欧美日韩在 L4/L5 较为领先 数据来源：佐思汽研，国泰君安证券研究 图 30：中国 L2+自动驾驶功能装配量明显上升 图 31：中国 L2+自动驾驶功能装配率接近翻倍 数据来源：佐思汽研，国泰君安证券研究 数据来源：佐思汽研，国泰君安证券研究 中国汽车产量整体较为稳定，25 万以上车型销量占比有所提升。从汽车销售结果来看， 25 万以上车辆占比从 2019 年 21%上升至截止 2022年 5 月的 29%，占比上升明显。15-25 万占比从

69、2019 年 25%提升至27%，略有增长。10-15 万占比从 2019 年 32%下降到 26%，10 万以内占比从 2019 年 23%下降到 18%，说明 15 万以内车辆销售占比有明显下降。从销售价格比例来看，有一定车辆消费升级趋势。从销售映射到激光雷达上车角度来看，我们在调研中发现通常 20 万以上的车型会配备激光雷达，35 万以上较为高端车型会配备 2-3 个激光雷达，部分高端车型或选择具有更强探测精度和体验的 1550nm 波长激光雷达。 总体来看， 目前 25 万以上车辆占比超过 29%， 15 万以上车辆占比已超过55%。 图 32：中国汽车产量整体较为稳定 图 33：25

70、 万以上车型销售辆数比例有所提升 数据来源：中国汽车工业协会，国泰君安证券研究 数据来源：车主之家，国泰君安证券研究 我们预计 2023-2024 年激光雷达将迎来重要拐点。从激光雷达企业出货调研以及下游主机厂对激光雷达需求推断，我们认为到 2025 年中国车载激光雷达市场规模将突破 200 亿元。 调研结果： 从激光雷达厂商调研结果来看，2022 预计出货 20-30 万个，2023预计出货 100 万个以上。 搭载激光雷达的车型通常在 20 万元及以上。 根据国内外车企反馈结果普遍希望激光雷达价格在 500 美元以内。 图达通从量产、供应链优化以及设计优化的降本分析得出，激光雷达价格每年可

71、以降低 20%-30%。 关键假设： 车企在激光雷达价格低于 500 美元的时候会采纳激光雷达，对应20 万级汽车售价 1.5%以内。 L3 级别汽车平均配备 1.5 个激光雷达，L4/5 级别汽车平均配备 6个激光雷达。 根据智能网联汽车技术路线图 2.0指引，2025 年我国 PA（部 分自动驾驶） 、CA（有条件自动驾驶）级智能网联汽车销量占当年汽车总销量比例超过 50%，对应 L2+自动驾驶装车渗透率 50%。 表 14: 激光雷达量产降本将带来渗透率提升，2025 中国车载激光雷达市场规模有望突破 200 亿元。 2020 2021 2022E 2023E 2024E 2025E 汽

72、车产量(万辆) 2531.1 2608.2 2686.4 2767.0 2863.9 2949.8 汽车产量增速% -1.6% 3.0% 3.0% 3.5% 3.0% L2 渗透率%(含 L3/4/5) 16.0% 24.0% 30.0% 36.0% 42.0% 50% L3 渗透率% 0.8% 3.0% 11.0% 20.0% L4/5 渗透率% 0.5% 1.0% 2.0% 激光雷达数量(万个) 32.2 124.5 472.6 885.1 平均单价(美元) 1000.0 800.0 640.0 448.0 358.4 降幅% -20% -20% -30% -20% 平均单价(元) 670

73、0.0 5360.0 4288.0 3001.6 2401.3 市场规模(亿元) 3.4 6.3 17.3 53.4 141.9 212.5 注：2020、2021 数据来自中国汽车工业协会、智研咨询、佐思汽研 数据来源：国泰君安证券研究 图 34：预计 2023 和 2024 迎来重大拐点 数据来源：国泰君安证券研究 2.3. 政策加持助力自动驾驶加快落地，深圳率先迎来重大利好 新规出台让自动驾驶明确责权，有利于产业发展。智能汽车已成为全球汽车产业发展的战略方向，有利于提升产业基础能力，加速汽车产业转型升级，加快制造强国、科技强国、网络强国、交通强国、数字中国、智慧社会建设，增强新时代国家综

74、合实力并保障生命安全，提高交通效 率，促进节能减排，增进人民福祉。 深圳经济特区智能网联汽车管理条例 在2022年6月深圳市七届人大常委会第十次会议上获表决通过，宣告我国开始进入高阶自动驾驶合法上路新阶段，从法律的角度为自动驾驶产业发展提供了极大支持，明确责权分配，为加速自动驾驶在现实场景落地起到良好带头作用。相信未来会有更多地区相继出台有关政策，全面支持和推动产业发展。 表 15: 中国强化政策法规积极推动完善自动驾驶产业发展，并加强制度设计和保障体系建设。 时间 发布机构 政策文件 内容和意义 2022 深圳市人大常委会 深圳经济特区智能网联汽车管理条例 上路要求和范围：规定 L3 有条件

75、自动驾驶和 L4 高度自动驾驶的智能网联汽车，应当具有人工驾驶模式和相应装置，并配备驾驶人。L5 完全自动驾驶的智能网联汽车可以不具有人工驾驶模式和相应装置，可以不配备驾驶人，目前仅限在市公安机关交通管理部门划定的区域、路段行驶。上路许可：智能网联汽车列入国家汽车产品目录或者深圳市智能网联汽车产品目录，并取得相关准入后，可以销售；经公安机关交通管理部门登记，允许上路行驶。 明确责权：有驾驶人的智能网联汽车发生交通事故造成损害，属于该智能网联汽车一方责任的，由驾驶人承担赔偿责任；完全自动驾驶的智能网联汽车在无驾驶人期间发生事故造成损害，属于该智能网联汽车一方责任的，由车辆所有人、管理人承担赔偿责

76、任。 2021 公安部 道路交通安全法 （修订建议稿 首次从法律上对具有自动驾驶功能的汽车进行道路测试、通行以及违法和事故责任分担规定等方面做出大胆尝试。 工信部、 公安部和交通运输部 智能网联汽车道路测试与 示范应用管理规范（试行） 明确提出允许国内智能网联汽车开展高速公路测试与示范应用；拓展测试车辆覆盖范围，多场景应用。推动实现测试项目和标准规范的统一。 工信部 智能网联汽车生产企业及产品准入管理的意见 规定了自动驾驶汽车及其生产企业的准入管理要求，为 L3 及 L4 级自动驾驶汽车规模化量产提供准入依据，和重要的技术指引，确保正在研发的自动驾驶汽车能够满足相应的准入要求。 中共中央、国务

77、院 国家标准化发展纲要 加强关键技术领域标准研究，研究制定智能网联汽车和机器人等领域关键技术标准，推动产业变革。 北京市政府 北京市智能网联汽车政策先行区总体实施方案 北京正式开放高速公路场景、开展自动驾驶测试试点；支持开展自动驾驶规模化和商业运营无福；重点探索无人配送车辆上路的通行规则和管理模式，建立运行安全管理体系；完善事故责任及运营监管等配套制度体系，信息安全体系、数据流动机制、保险产品创新等配套措施，实现政策创新为自动驾驶产业长远发展提供支持。 北京市政府 北京市智能网联汽车政策先行区自动驾驶出行服务商业化试点管理实施细则(试行） 10 月首批向百度、小马智行两家企业颁发无人化道路测试

78、通知书，将在经开区 20 平方公里范围内 100 多公里城市道路上展开无人化测试。11 月出台政策启动首个自动驾驶出行服务商业化试点，标志着国内从自动驾驶测试迈入商业化探索阶段。 沧州市政府 沧州市智能网联汽车道增加了“无人驾驶道路测试”和“示范运营”内容，允许测试主体 路测试和示范运营管理办法(试行)修订版 申请开展无人驾驶道路测试。 3 月给百度 Apollo 和云图科技办法首批无人驾驶道路测试通知书和自动驾驶示范运营通知书，标志着中国首个横跨主城区的城市开放路网从测试向商用迈进。同时沧州率先展开自动驾驶示范运营收费模式探索，加快解决自动驾驶商业化运营难题。通过折扣优惠、发放体验券、乘客自

79、愿付费等多种方式探索 Robotaxi 的收费机制，展开商业化运营探索。 数据来源：中国通信院，国泰君安证券研究 图 35：各省市大力支持激光雷达发展 数据来源：前瞻产业研究 2.4. 激光雷达厂商成长路径预测：从硬件到软件全栈服务 全球激光雷达领先企业均拥有从硬件到感知软件的服务能力和解决方案，实现感知回流融合的闭环，一站式解决车辆从“看到”到“看懂”的难题。多数车厂选择激光雷达硬件预埋，激光有效数据收集为后续多传感器融合及模型训练提供海量数据。我们认为顶级激光雷达企业应当具有良好的技术能力、量产上车能力和软件应用迭代能力，使公司在短期中期和长期都具有良好的竞争优势。 从短期量产角度来看，

80、未来5-8年转镜和MEMS都是出色的解决方案。转镜和 MEMS 的混合固态解决方案是目前最适合量产上车的技术路径，能够满足车规级要求，并具有较长的寿命和可靠的稳定性，非常适合上车采集数据为多传感器融合提供海量数据训练基础。在此阶段，能够量 产上车的激光雷达企业能获得阶段性胜利，并由上路收集到的数据回流模型筑起护城河。我们认为由于长期技术路径暂未收敛，竞争格局尚不明晰。 长期来看数据为王。具体来看，上车更多更早的公司更能够发现激光雷达在实际应用场景中的缺陷和弊端，自动驾驶乘用车需要综合能力持续稳定量产交付，先卖车出去才能实现数据回传闭环体系。在此基础上有望在下一步模型训练中获得更多优势并拥有更强

81、竞争力。 图 36：激光雷达应用发展三步曲 数据来源：国泰君安证券研究 3. 代表性企业：自下而上感知行业发展 3.1. Velodyne：全球激光雷达开创者 Velodyne 是激光雷达的全球领先企业。 Velodyne 成立于 1983 年， 总部位于美国加利福尼亚州圣何塞，前身是一家声学低音炮设计和生产制造商，通过 2005 年实时环绕视图激光雷达传感器的发明，开创了自动驾驶技术的新纪元，2016 年 Velodyne Lidar 从公司独立专注激光雷达产品，2020 年实现美股上市。Velodyne 革命性的传感器和软件解决方案提供灵活性、质量和性能，产品包括性价比高的 Puck，全能

82、的 Ultra Puck，自动化强的 Alpha Prime，ADAS 及机器人优化的 Velarray，以 及突破性的激光雷达软件 Vella，可满足各行各业的需求；包括自动驾驶汽车、 高级驾驶辅助系统(ADAS)、 机器人、 无人机(UAV)、 基础设施、智慧城市和安防。通过不断的创新，Velodyne 致力于通过促进所有人的安全出行来改变生活和社区。作为市场先锋，在全球已有超过 450 位客户，其中包括卡特彼勒、福特、通用汽车、现代、大众、谷歌等大型客户。 3.1.1. 创始团队有丰富行业经验 创始人 David Hall 在他的整个职业生涯中， 一直在不同行业发明和制造产品，包括精密加

83、工、扬声器设计、声学工程、电子、微处理器、实时系统、视觉恢复技术和机器人技术。他的发明包括伺服驱动的低音炮，它使 Velodyne Acoustics 成为 1980 年代和 1990 年代家庭影院运动的领先公司。作为 DARPA 大挑战赛的原始参赛者之一，Hall 先生于 2005 年发明了 3D 激光雷达， 为自动驾驶汽车提供实时 360 度视野。 Hall 先生拥有丰富的行业经验， 是激光雷达相关事务及其在自主革命中的关键作用的思想领袖。2018 年被知识产权所有者教育基金会评为年度发明家，以表彰他对激光雷达技术的重大贡献。 2015 年自Velodyne Lidar 独立成立后致力于产

84、品和技术发展战略，2021 年 3 月从董事会辞职。 前 CEO Gopalan 博士有近 15 年的电气工程、光电和半导体经验。在加入 Velodyne 前， Gopalan 博士曾担任多个技术执行职务。 Gopalan 博士于 2021 年 7 月辞任，并在同年 10 月创办 Vayu Robotics，致力于创造低成本、环境可持续和可量产的自主解决方案。 表 16: 2021 年核心创始团队离开公司，迎来高层换血 重要人员 职位 主要经历 David S. Hall 前创始人、前执行董事长 （2021 年 3 月从董事会辞职） 1983 年-2015 年：自 1983 年创立公司时担任

85、Velodyne 的前身 Velodyne。 Acoustics, Inc. 的首席执行官和董事会成员， 直至 2015 年 12 月 Velodyne 作为独立实体成立。 2015 年-2020 年：2015 年 12 月起担任 Velodyne 的首席执行官和董事会成员，并于 2020 年 1 月从首席执行官转为执行董事长。 在担任执行董事长期间将继续积极参与产品和技术发展战略。 Hall 先生拥有凯斯西储大学学士学位。 Anand Gopalan 前总裁、前首席执行官兼董事（2021 年 7月 30 日辞职） 2005 年-2013 年：微芯片公司 Kawasaki Microelect

86、ronics, Inc. 的研发和混合信号 IP 开发总监。 2013 年-2016 年：微芯片接口和架构公司 Rambus Incorporated 工程副总裁。 2016 年：6 月起担任 Velodyne 的首席技术官. 负责 Velodyne 的新技术和先进产品开发。 与 Hall 先生在技术和业务战略方面合作， 是公司及主要客户的技术代表。 2019 年：7 月起担任 Velodyne 的董事会成员。 2020 年：1 月起担任 Velodyne 的首席执行官。 Gopalan 先生拥有孟买大学电子学士、罗彻斯特理工学院电子工程硕士、微系统博士学位。 Andrew Hamer 现首席

87、财务官、现财务主管 （2019 年 7 月任职） 2000 年之前：曾担任多个财务职位在 ExciteHome 和 Sybase, Inc. 工作。 2010 年-2016 年：曾任 ON24 Inc., Keynote Systems,Inc.的首席财务官。曾任 KnowNow,Inc.、 IQ Labs 和 Intraspect Software,Inc.担任首席财务官兼财务和行政副总裁。 2016 年-2017 年：担任 Sungevity 首席财务官。 2017 年-2018 年：担任 Anomali, Inc 首席财务官。 2019 年：4 月至 7 月担任临时首席财务官兼财务主管，

88、7 月正式成为首席财务官兼财务主管。 Hamer 先生拥有佛罗里达国际大学的会计硕士学位，纽约州立大学宾厄姆顿分校会计学士学位。 Marta Thoma Hall 前首席营销官、前总监，前理事、创始人妻子 （2022 年 4 月离职） 2009 年以前：经营着自己的企业与全国的公民实体合作。 2009 年-2010 年：担任 Velodyne 的前身 Velodyne Acoustics, Inc.营销副总裁，在 2010 年担任总裁，直至 Velodyne 于 2015 年 12 月作为独立实体成立。 2015 年-2020 年：担任业务发展官。 2020 年：担任 Velodyne 的首席

89、营销官和董事会成员。 曾获旧金山商业时报2019 年最具影响力的商业女性奖。 Hall 女士拥有旧金山州立大学硕士学位和加州大学伯克利分校学士学位。 自 2009 年以来，Hall 女士通过专注于营销、业务发展帮助发展 Velodyne ，和领导。在此期间，与 Velodyne 的执行主席 David Hall 一起，Hall 女士带领公司完成了从主要销售声学设备到开发和销售激光雷达的转变。在 2009 年加入 Velodyne 的前任之前，Hall 女士。 Hall 女士 Hall 女士拥有旧金山州立大学的硕士学位和加州大学伯克利分校的学士学位。 Theodore L. Tewksbury

90、现首席执行官（2021年 11 月任职） 2000 年-2006 年：曾担任 Maxim Integrated Products, Inc.董事总经理。 2006 年-2008 年： 担任混合信号半导体公司 AMI Semiconductor 总裁兼首席运营官 2008 年-2013 年：担任已上市公司混合信号半导体解决方案 Integrated Device Technology, Inc.的总裁兼首席执行官和董事会成员。 2011 年-2013 年：全球半导体联盟的董事会成员。 2013 年-2014 年：科技公司的独立顾问。 2014 年-2015 年： MaxLinear 收购 Ent

91、ropic 期间担任 Entropic 的临时总裁兼首席执行官。 2015 年：担任 Maxlinear, Inc 董事会成员。 2017 年-2019 年：担任高性能 LED 照明技术企业 Energy Focus,Inc.的董事长、总裁兼首席执行官。 2019 年：曾担任超低功耗人工智能视觉系统提供商 Eta Compute 的首席执行官。 Tewksbury 博士拥有麻省理工建筑学士学位，电子工程硕士及计算机博士学位。 数据来源：Velodyne 招股书、Wind，国泰君安证券研究 3.1.2. 产品从机械式激光雷达向混合固态发展 Velodyne 发展可以主要分为三个阶段： 1983-

92、2007： 从产品发明到商业化。 公司初期专注低音炮设计和生产制造，创始人在参加 DARPA 挑战赛后发明了实时 3D 激光雷达并成功实现商业化量产。 2007-2020：推出多款商业化量产产品并成功通过 SPAC 上市。公司凭借开创性的产品获得谷歌、福特、尼康、奔驰、现代等领先企业的合同。截止 2020 年已交付超过 4 万个激光雷达，并成为第一家上市的激光雷达企业。2020 年开启固态雷达新纪元，推出 Velabit、Velarray H800、 Velarray M1600 固态产品， 并与百度签订为期三年的销售协议。 2021-至今：公司从车载激光雷达逐渐转向致力于开放超低成本应用与工

93、业、机器人和智慧城市的激光雷达。推出新一代固态传感器以及智能基础设施解决方案 Vella 开发套件。继续为早期无人驾驶公司提供公司现有产品，并研发制造超低价传感器平台，提升软件能力满足 AI 视觉解决方案。 图 37：公司不断推出新产品并在 2020 年累计售出超过 4 万个激光雷达 数据来源：Velodyne Investor Presentation 表 17: Velodyne 在 2016 年率先推出具有 200m 感知范围的环视激光雷达，受到多个厂商青睐 时间 重要事件 1983 David Hall 成立 Velodyne Acoustics 作为一家低音炮设计和生产制造商 200

94、4 Velodyne 自动驾驶汽车传感器方面的经验始于创始人 David Hall 参加由国防高级研究计划 局赞助的无人驾驶汽车比赛 DARPA 挑战赛。 2005 David Hall 发明了实时 3D 雷达，开创无人驾驶革命 2007 HDL-64E 产品成为首款商用量产实时 3D 雷达 2010 谷歌第一辆无人驾驶样车采用 HDL-64E 激光雷达 2011 Velodyne 向史密森美国国家历史博物馆捐赠早期激光雷达样机 2012 Velodyne 与卡特彼勒签署了用于越野车的激光雷达传感器独家合同。使卡特彼勒在采石场、农场和工地施工期间有效地导航 2014 Velodyne 推出 P

95、uck 系列产品 2016 Velodyne 推出 Puck Lite, Puck Hi-Res, Ultra Puck 三款产品 其中 Ultra Puck 是第一个具有 200m 感知范围的环视激光雷达 Velodyne Lidar 成为独立公司 福特宣布采用 Ultra Puck 扩大无人驾驶研发； 公司获得福特和百度 1.5 亿美元的投资 2017 Velodyne 推出 Alpha Puck 凭借 Puck Lite 获得 CES 创新奖、无人机和无人系统奖； 被 Fast Company 评为交通领域最具创新力的 10 家公司之一 Velodyne 获得梅赛德斯-奔驰的感知系统合同

96、。 2018 与 Mothers Against Drunk Driving 合作推进自动驾驶汽车的发展，提升道路安全，防止驾驶死亡 Velodyne 举办首届年度全球自动驾驶安全峰会 Velodyne 在 TU-Automotive 大会上被行业专家评审团评选为年度行业选择公司 尼康投资 2500 万美元成为 Velodyne 战略合作伙伴 Velodyne 宣布与现代合作打造专为消费类车辆设计的激光雷达驾驶辅助系统 2019 推出 VelaDome、Vella、Alpha Prime 产品 Velodyne 获得包括用于自动驾驶、ADAS、机器人视觉和其他应用环视 558 专利 Velod

97、yne 激光雷达荣获 2019 年汽车新闻 PACE 奖。 收购 Mapper.ai 以加强 ADAS 的软件能力 与 Veoneer 签订汽车生产合同 Velodyne Lidar 累计出货量突破 30000，累计销售额突破 5 亿美元 2020 Velodyne 推出 Velabit、Velarray H800、Velarray M1600 产品 Velodyne 推出“与 Velodyne 自动化”的 计划，支持集成商生态系统商业化自动驾驶解决方案 Velodyne 通过和 Graf Industrial Corp.SPAC 上市，成为第一家上市的纯激光雷达技术公司，代码为 VLDR V

98、elodyne Lidar 被评为 TU 年度汽车硬件供应商 Velodyne Lidar 宣布与百度签订为期三年的销售协议 Velabit 产品赢得科技新时代杂志 Best of Whats New Award 2021 Velodyne 推出下一代 Velabit 传感器、智能基础设施解决方案、用于构建自主解决方案的 Vella 开发套件 智能基础设施解决方案结合激光雷达传感器和强大的人工智能软件来监控交通网络和公共空间 Velodyne Lidar 智能基础设施解决方案荣获 Smart 50 Award 在班加罗尔启动印度设计中心 数据来源：Velodyne官网，国泰君安证券研究 Vel

99、odyne 从激光雷达开创者到多应用产品解决方案提供商，从硬件到软件为客户提供多场景解决方案。公司提供不同架构的激光雷达，包括环视混合固态 Puck 系列及定向固态激光雷达 Velarray 系列，以及软件解决方案。从硬件到软件，满足用户在 ADAS、无人驾驶、配送、无人机、工业、测绘、机器人、安防、基础设施和货运行业的应用需求。 图 38：产品涵盖多种技术，覆盖硬件和软件解决方案 数据来源：公司 Investor Presentation，国泰君安证券研究 表 18: 混合固态 360 度环视产品有 6 种 产品名称 明星客户 产品介绍 距离范围 FoV 线数 主要应用 Alpha Prim

100、e Ford Otosan、Motional、Daimler、May Mobility、Ford、百度、Renovo 自动驾驶最佳的远程传感器。具有全球一流的距离、图像清晰度和视野可精确地检测道路物体。在各种光照条件下生成高质量点云，有先进传感器间干扰缓解、电源效率和热性能。 10%目标300m 5%目标180m 地面90m 横向 360 纵向 40 128 自动驾驶汽车、测绘、货运、基础设施 Ultra Puck Ford、NAVYA、Optimus Ride 生成高密度、远距离图像使其成为机器人、地图、安全、驾驶员200 m 横向 360 纵向 40 32 自动驾驶汽车、测 辅助和自主导航

101、行业的宝贝。以紧凑的外形提供动态性能，每天都在发现新应用。 绘、货运、基础设施、测绘 Puck ANYbotics、 CNH Industrial Innovation、Idriverplus、Kaarta、Knightscope 是市场上价值最高的传感器。其可靠性、能效和环视视野使其成为经济实惠的低速自动驾驶和驾驶员辅助应用的理想解决方案。 100 m 16 测绘、 无人机、工业、基础设施、机器人、 安防 Puck LITE YellowScan、Emesent、Kaarta、LiDARUSA 专为需要更轻重量的应用而设计，保留了 Puck 传感器的环绕视图和一流的性能。 非常适合与无人机/

102、无人机、 背包和其他需要可靠性和重量更轻的应用一起使用。 100 m 16 无人机、 测绘 Puck Hi-Res CNH Industrial Innovation、NAVYA、Local Motors、Autonomous Stuff 专为需要更高图像分辨率的应用而设计。 在保留 Puck 的环绕视图和同类最佳范围的同时，Puck Hi-Res 传感器可提供 20垂直视场，以实现更紧密的通道分布。 100 m 16 ADAS、机器人、 无人机 HDL-32E NVIDIA、 Phoenix LiDAR Systems、Bing、DeepMap 外形小巧，结构坚固，具有无与伦比视野，旨在超越

103、最具挑战性的现实世界工业应用的需求，包括自动驾驶车辆控制和操作、移动地面测绘、 航空 3D 测绘、 和安全监控。 80 m-100 m 横向 360 纵向 10-30 32 无人机、 测绘、工业、基础设施、机器人 数据来源：Velodyne 官网、AutonomouStuff，国泰君安证券研究 表 19: 固态产品有 3 种 产品名称 明星客户 产品介绍 距离范围 FoV 主要应用 Velarray M1600 Stanley Robotics 专为人行道、商业和工业环境中的自主应用而设计，可提供出色的近场感知，从而在各种环境条件下实现安全导航。 0.1 m-30 m 纵向 32 机器人、 工

104、业、无人机、安防、基础设施 Velarray H800 Ford Otosan Velodyne 为ADAS和自动驾驶应用提供了最佳的固态激光雷达传感器。产品远距离与宽水平视野(FOV)相结合，可及早检测物体，在城市驾驶场景中实现安全停车距离，在弯道和转弯处避免碰撞。 0.1 m-200 m ADAS、货运、工业、基础设施、安防、 机器人 Velabit 新一代 Velabit 为 3D 激光雷达感知带来了新的多功能性和性价比。针对不同环境可以特殊配置，以嵌入车辆、机器人、无人机、基础设施等的任何位置。 100 m 横向 90 纵向 70 ADAS、配送 、 机 器人、工业、基础设施 数据来源

105、：Velodyne 官网，国泰君安证券研究 智能基础设施解决方案 (IIS) 是一项突破性的硬件+软件技术，旨在解决最具挑战性和普遍存在的基础设施问题。 借助 Velodyne 屡获殊荣的激光雷达传感器与 Bluecity 强大的人工智能软件，用户可以监控多维度交通网络和公共空间，以生成实时数据分析和预测。提高交通和人群流动效率，促进可持续发展并在所有天气和照明条件下保护弱势道路使用者。 图 39：智慧基础设施解决方案包括 AI 交互系统、传感器和软件 数据来源：Velodyne 官网 Vella 开发套件 (VDK) 是一款搭配传感器获得激光雷达的感知软件。可感知 3D 物品，检测、分类和跟

106、踪动态和静态对象，区分速度和检测场景。 客户在开发套件中可使用现成的函数库插入 Velodyne 激光雷达，为不断发展的应用程序推进提供解决方案开发。开发套件支持 Velarray M1600 和 Velarray H800。 3.1.3. 商业模式：激光雷达产品销售、服务和许可 公司的营业收入分为激光雷达产品销售和服务及许可销售两部分。激光雷达销售包括混合固态和固态雷达；服务及许可销售包括授权开发服务。2017-2021 年公司营业收入不断下滑，从 2017 年 1.8 亿美元下降至2021 年 6192.4 万美元。 图 40：Velodyne 收入遇到挑战 图 41：Velodyne20

107、21 年不同地区营收均出现下滑 数据来源：Velodyne 年报，国泰君安证券研究 数据来源：Velodyne 年报，国泰君安证券研究 从收入类型来看， 服务及许可销售占比在提升。 2018-2021 年服务及许可销售占总收入比例从 2018 年的 7%增至 22%，服务及许可销售收入从 216 万美元，增至 1392 万美元，年复合增速达 86.1%。服务及许可销售毛利较高，并从 90%增加至 96%，稳定提升。激光雷达产品营收下滑较大， 从 2017 年 1.8 亿美元下降至 2021 年 4800 万美元。 公司大幅降低部分产品价格以巩固市场领导者的地位以及加速市场采购， 2018年产品

108、毛利从 16%下降至 2021 年-40%， 跌幅较大。 综合毛利率从 2017年 44%下降至 2021 年-10%。 从地区营收情况来看，2021 年在各个区域均有明显下滑。北美区域从2018 年 8454 万美元营收降至 2021 年 2331 万美元； 亚太区域从 2018年3977万元营收降至 2021 年2598万元； 欧洲中东及非洲区域从2018年 1864 万元营收降至 1263 万元，其中北美区域在过去 4 年中营收跌幅下滑比例及下滑金额最大，亚洲和欧洲，中东及非洲均出现不同程度下滑。 图 42： 传统雷达产品毛利下滑较快， 拖累综合毛利率 图 43：公司产品平均单价将持续下

109、降 数据来源：Velodyne 年报，国泰君安证券研究 数据来源：Investor Presentation，国泰君安证券研究 Velodyne 过去在 203800 平方英尺的位于加利福尼亚州圣何塞工厂量产公司产品，在 2020 年出售了位于摩根山出售了 46630 平方英尺的制造工厂。大规模生产力和广泛商业化需要基于第三方制造，2020 年主要制造合作伙伴是 Nikon 和 Fabrinet。2022 年希望将 VLS-128 和Velarray 产品制造也转移到 Nikon 和 Fabrinet，并且通过海外制造降低成本，致力于开发超低成本传感器平台以推动价格敏感市场的大规模采用。 图

110、44：Velodyne 三费支出上升 图 45：Velodyne 三费费率上升 数据来源：Velodyne 年报，国泰君安证券研究 数据来源：Velodyne 年报，国泰君安证券研究 公司研发费用、营销费用、管理费总体处于上升态势，并且占总营收比例逐年增高。其中 2021 年研发费用相较 2020 年有所回落，2021 年营销费用增速超过 100%主要由于股票补偿费用导致，2021 年管理费用 相对较为稳定。 图 46：公司短期偿债能力优秀 图 47：公司仍处于烧钱阶段 数据来源：Velodyne 年报，国泰君安证券研究 数据来源：Velodyne 年报，国泰君安证券研究 由于市场机会处于早期

111、阶段发展，只有当终端市场大规模量产才会对产品有更多需求。车厂对激光雷达新技术开发和市场接受度的变化，客户对其包括公司的智能视觉解决方案在内的系统未能成功商业化等因素均会影响客户对 Velodyne 产品的需求。由于客户对产品需求、商业化时间、自主传感和相关技术的发展、同行竞争等因素都存在不确定性，Velodyne 可能短期暂时较难盈利。 3.2. Luminar：混合固态激光雷达的巨星 Luminar 是混合固态激光雷达的顶级企业，以其超高性能 250m 以上探测距离受到 OEM广泛认可。 Luminar由 Austin Russell 创立于 2012年，是领先的乘用车和卡车自动驾驶激光雷达

112、技术公司，致力于打造超高安全自动驾驶体验， 2020 年实现美股上市。 公司拥有约 350 名员工，从开发了芯片级激光雷达，在所有核心部件技术上上都取得了突破，率先满足了全球汽车 OEM 对生产的性能、安全和经济要求。公司主要产品为可量产车规级激光雷达 Iris 和全栈式量产自动驾驶解决方案Sentinel ，目前正在与全球十大汽车制造商中的七家合作，并有望成为 第一家在量产车辆上引入其高速公路自动驾驶和下一代主动安全系统的自动驾驶汽车公司。 在过去两年中， Luminar 的合作伙伴总数已超过 50 个，其中包括沃尔沃汽车于 2020 年 5 月授予的第一份量产车项目合同，以及 10 月与戴

113、姆勒卡车和英特尔的 Mobileye 签订的项目合同，产品主要用于乘用车、卡车运输和机器人出租车，预计 2023 年进行量产。 3.2.1. 创始团队技术背景硬核 Luminar 创始人 Austin Russell 是“别人家的孩子”和“光学神童”，在 11 岁就开始了他的职业生涯，在思考日常应用中构建了超级计算机和光电系统的原型样品。在 12 岁时有了第一个专利申请，并在接下来的四年里研究光学和相关成像技术，之后成为 Beckman 激光研究所的独立研究员。 被斯坦福大学录取后， 17 岁的 Austin 获得了泰尔奖学金，选择辍学创业 Luminar，并希望开发广泛应用于自动驾驶的传感器

114、。2020 年上市后，年仅 25 岁的 Austin 成为全球最年轻的白手起家的亿万富翁。 联合创始人 Jason Eichenholz 博士目前担任公司首席技术官。Eichenholz 博士是激光和光学创新、产品开发和商业化领域的企业家、执行官和公认的先驱。 在过去的二十年里创立多家公司， 筹集了超过 10亿美元的投资者资金，并通过纳斯达克 SPAC 上市。Eichenhol 博士领导了数亿美元的革命性产品和公司的开发，这些产品和公司实现了从自动驾驶汽车、战场爆炸物检测、早期癌症检测、新药物输送系统和从海洋深处到海洋深处的环境研究的各种应用，达到珠穆朗玛峰的顶部，甚至在月球和火星。 Eich

115、enholz 博士拥有 60 多项美国专利，是国际光学 和光子学学会 SPIE 的会员，以及美国光学学会 OSA 的会员。曾担任空军和 DARPA 资助的研发项目的首席研究员。 表 20: 创始团队是多领域的佼佼者 重要成员 职位 主要经历 Austin Russell 总裁、首席执行官、董事会主席 2012 年获得泰尔奖学金，辍学创立 Luminar Thomas J. Fennimore 首席财务官 1997.7-2014.9:高盛多个岗位，最著名的担任职位为汽车业务全球主管和亚洲工业板块联席主管。 2014.9-2020.5:Jefferies Group 担任全球主管和工业板块联席主管

116、。 2020.7:加入 Luminar Thomas 先生拥有 Swarthmore 学院数学和工程学士学位 M. Scott Faris 首席商务官 1997.8-2001.9:担任全球大容量精密光学仪器制造商 Ocean Optics, Inc.的首席运营官和董事会成员 2001.9-2005.8:担任平面光学光波电路和微系统产品开发商 Waveguide Solutions, Inc.董事长兼首席执行官。 2002:创立了 Astralis Group，是一家为初创公司提供咨询服务的战略顾问,2004 年以来一直担任首席执行官。 2007.8-2013.6:创立 Planar Energ

117、y Devices, Inc.，是一家开发转化型陶瓷固态电池技术和产品的公司，担任该公司的首席执行官。 2008.10-2015.9:担任奥兰多经济发展委员会主任， 是一家专注于商业发展的非营利组织，并于 2013.10-2014.9 担任主席。 2011.12:LightPath Technologies, Inc.董事会任职，该公司是光学和光子学解决方案的领先供应商。 2013.6-2019.12：创立了 Aerosonix, Inc.，是一家先进医疗设备的开发商和制造商，担任其首席执行官至 2016.8，并担任董事会主席至 2019.12。 2016.4 加入 Luminar 担任 CB

118、O。 Faris 先生拥有宾夕法尼亚州立大学管理信息系统专业学士学位。 Jason Eichenholz 首席技术官、联合创始人 2012.3：担任中佛罗里达大学光学与光子学院 CREOL 的礼遇教员。 2013.1-2016.12：担任 Open Photonics Inc. 的首席执行官，是一家公司专注于光学和光子学技术商业化，于 2016 年被 Luminar 收购。 2012:担任 Legacy Luminar 顾问。 2016 加入 Luminar 担任 CTO 2018.8 Eichenholz 博士共同创立了 AireHealth， 是一家专注于检测和治疗呼吸系统疾病的数字健康公

119、司。 Eichenholz 博士拥有理学学士学位。 伦斯勒理工学院物理学博士学位和理学硕士学位。 以及中佛罗里达大学光学与光子学学院 CREOL 的光学科学与工程博士学位。 数据来源：Luminar 招股书，国泰君安证券研究 3.2.2. Luminar 主攻高精混合固态激光雷达，收购核心技术企业 Luminar 发展可以主要分为三个阶段： 2012-2016：2012 年创立后公司处于萌芽阶段。2016 年公司收购专注于光学和光子学技术商业化企业 Open Photonics Inc.，关键人物首席技术官兼联合创始人 Jason Eichenholz 加入公司。 2017-2020：获得多轮

120、融资并成功通过 SPAC 上市纳斯达克。公司在奥兰多设立工厂，和多家企业建立合作伙伴关系，首席法务官和首席财务官加入公司。技术方面收购高性能砷化铟镓(InGaAs)接收器的公司 Black Forest Engineering。下游应用方面获得奥迪、沃尔沃、戴姆勒、Mobileye 等多家公司的采用和投资。 2021-至今：公司高速发展，获得全球多个顶级车厂定点。收购芯片制造商 OptoGration 并和沃尔沃的自动驾 驶软件子公司 Zenseact 联合开发自动驾驶解决方案。获得上汽、英伟达、奔驰和日产的定点。 表 21: Luminar 收购多家企业掌握上游核心技术，产品受到下游客户的认

121、可 时间 重大事件 2012 Austin Russell 辍学创立公司 2013 重新评估激光雷达系统的标准工作波长，采取 1550nm 技术，移出可见光范围，在更高的功率水平下对人眼安全。在 200 米以上的距离也能提高其分辨率。 2016 收购专注于光学和光子学技术商业化企业 Open Photonics Inc.，关键人物首席技术官兼联合创始人 Jason Eichenholz 加入公司。 2017 4 月获得 3600 万美元 A 轮融资用于建设 10000 台汽车激光雷达设备的奥兰多工厂 9 月与丰田研究院建立合作伙伴关系，在雷克萨斯无人技术测试车上采用 Luminar 设备 20

122、18 开始设计第七代专用集成电路 ASIC，拥有完全集成的技术堆栈。 4 月收购了专门生产高性能砷化铟镓(InGaAs)接收器的公司 Black Forest Engineering。并在科罗拉多斯普林斯增加了一个地点。 6 月沃尔沃和 Luminar 宣布建立合作伙伴关系，为计划在 2022 年推出的沃尔沃自动驾驶汽车提供激光雷达技术，并获得沃尔沃投资。 9 月 Uber 前高管 Brent Schwarz 加入 Luminar，担任业务发展主管 12 月奥迪 AID（自主智能驾驶）宣布与 Luminar 建立合作伙伴关系，因为它具有 250 米探测范围和高分辨率。 2019 7 月筹集了

123、1 亿美元资金，资金总额超过 2.5 亿美元。开发新型激光雷达模型，成本为上一代的 1/3。 8 月 Luminar 在奥兰多研究园拥有 250 名员工，在加利福尼亚有 100 名员工。产品组合包括近 50 项专利，和 150项正在申请的专利。 2020 5 月沃尔沃宣布了自动驾驶高速公路功能“Highway Pilot”，采用 Luminar 的第三代 Iris 激光雷达。从 XC90 开始 可以选配。投资银行家 Tom Fennimore 加入 Luminar 担任首席财务官。 8 月宣布 SPAC 通道在纳斯达克上市。与 Gores Metropoulos，Luminar 的市值将提高到

124、约 34 亿美元。总计 1.7亿美元的额外投资来自 Peter Thiel、沃尔沃汽车技术基金和 Alec Gores 等。 10 月戴姆勒公司的卡车部门收购了 Luminar 少数股权，投资该公司作为其开发自动驾驶卡车的一部分。 11 月英特尔子公司 Mobileye 采用 Luminar 自动驾驶汽车激光雷达。 12 月 Luminar 上市，代码 LAZR。创始人 Austin Russell 保留了公司 83%投票权并担任董事长。 2021 3 月宣布与沃尔沃的自动驾驶软件子公司 Zenseact 合作， 将 Luminar 的硬件和 Zenseact 的 OnePilot 软件组合成

125、Sentinel 自动驾驶系统， 出售给汽车制造商。 上汽集团宣布采用 Luminar 传感器和 Sentinel 软件在“R 品牌”汽车系列中提供自动驾驶功能，同时 Luminar 宣布将在上海开设办事处。 4 月 Luminar 将业务扩展到航空领域，与空客子公司 UpNext 合作，测试采用激光雷达促进无人飞行，并改善直升机和其他固定翼飞机的安全。 特斯拉前代理总法律顾问 Alan Prescott 成为 Luminar 的首席法务官。 5 月自动驾驶汽车公司 Pony.ai 宣布 Luminar 的 Iris 激光雷达系统将用于下一代 Robotaxi。 7 月收购了位于马萨诸塞州威尔

126、明顿的芯片制造商 OptoGration。 11 月宣布与 Nvidia 建立合作伙伴关系，以支持 2024 年自动驾驶汽车功能的商业可用性。 2022 1 月梅赛德斯奔驰宣布采用 Luminar 激光雷达系统，包括自动辅助和全自动驾驶系统。 3 月宣布收购激光源制造商 Freedom Photonics 4 月日产宣布采用 Luminar 技术，目标 2030 将自动驾驶功能集成到所有汽车中。 数据来源：Luminar，国泰君安证券研究 Luminar 核心产品为 Iris 激光雷达和全栈自动驾驶解决方案 Sentinel。Luminar 的亮点在于专注超高性能激光雷达，在上游拥有光源制造商

127、Freedom Photonics、芯片制造商 OptoGration、砷化铟镓接收器的公司 Black Forest Engineering，使得产品能在 10%反射情况下具有250m 的探测距离、0.05*0.05的分辨率以及精确到 1cm 的距离探测精度，在下游应用中兼顾了沃尔沃、奥迪、上汽集团等高端车型客户，同时也受到日产的青睐，将把激光雷达推行至大众市场。全栈自动驾驶解决方案和沃尔沃的自动驾驶软件子公司 Zenseact 合作推出 Sentinel，将 Luminar 的硬件和 Zenseact 的 OnePilot 软件组合成 Sentinel 自动驾驶系统，探测 80m 可行驶空

128、间、150m 车道、和 250m 以上物体探测，控制高速转向、制动和加速的决策，未来将出售给汽车制造商。 图 48：Luminar 激光雷达性能参数属于行业顶级 数据来源：Luminar 官网 表 22: Luminar 核心产品是 Iris 高性能激光雷达和 Sentinel 自动驾驶解决方案 产品 产品图片 产品描述 Iris 激光雷达 Iris 是用于批量生产最先进的激光雷达感知解决方案，提供现实自动驾驶车辆系统可靠、远程感知。可以实现从高速公路到城市地区的完全自动驾驶，可配置一个或多个传感器满足消费者和商业应用的需求。产品具有车规级、高效、低成本封装的特点，预计 2022 年实施量产。

129、产品凭借每平方度超过300 点的分辨率和超高数据保真度，即使是在很远的距离也能够可靠地看到物体并感知位置。结合持续的 OTA 软件更新，产品会随着时间的推移变得更加强大，不仅解锁了自动驾驶路线图，还通过主动安全技术提升了驾驶员辅助。 Sentinel 全栈自动驾驶解决方案 Sentinel 有以 Luminar 为主导的一系列传感器，能探测 600m 以上的距离，具有 120 度 FOV 和像相机一样清晰的 300 点/平方角。软件可以感知 80m可行驶空间、150m 车道、和 250m 以上物体探测。Sentinel 在高速行驶时能自信地做出转向、制动和加速的决策和控制。Sentinel 集

130、成在 Zenseact的 OnePilot 软件提供的中心决策和车辆驱动。 OnePilot 持续评估周围环境以实现安全的高速公路自动驾驶 数据来源：Luminar 官网，国泰君安证券研究 3.2.3. 商业模式：自动驾驶解决方案、组件销售 公司的营业收入分为无人驾驶解决产品销售和组件销售两部分。其中无人驾驶解决方案包括激光雷达设计、制造和销售以及相关的感知和自动驾驶软件解决方案，主要服务于汽车、商用车、机器人出租车和类似行业的原始设备制造商，还包括向客户提供与激光雷达和软件产品定制相关的非经常性工程服务费用。其中软件产品主要和沃尔沃子公司Zenseact 合作，具体商业模式未来由沃尔沃决定，

131、公司软件收入来自沃尔沃无人驾驶解决方案分成。组件部分包括用于自动驾驶相关的非标 准集成电路和组件的设计、测试、咨询服务和制造。2018-2021 年公司营业收入不断提升， 从 2018 年 1169 万美元提升至 2021 年 3194 万美元，尤其是 2021 年营收相较 2020 年有 129%增幅，喜迎突破口。 图 49：2021 产品收入增速快速上升 图 50：Luminar 在大部分区域的营收有所增加 数据来源：Luminar 年报、招股书，国泰君安证券研究 数据来源：Luminar 年报、招股书，国泰君安证券研究 从收入类型来看， 无人驾驶解决方案占比大幅提升。 2018-2021

132、 年无人驾驶解决方案占总收入比例从 2018 年的 62%增至 2021 年的 89%， 收入从 724 万美元，增至 2850 万美元，年复合增速达 57.9%。组件部分占比从 2018 年 38%下降至 2021 年 11%；组件收入从 2018 年 446万美元上升至 2021 年 745 万美元，年复合增速达 18.65%。由于公司目前还在早期拓展阶段，整体营收增速快但支出也较大。 从地区营收情况来看，2021 年在北美和亚太均有明显提升。北美区域从2018年941万美元营收提升2021年2304万美元； 亚太区域从2018年 14 万美元营收提升 2021 年 250 万美元；欧洲中

133、东区域从 2018 年214 万美元营增至 640 万元。尤其是在 2021 年北美区域营收增加量非常明显，取得重大进展。整体来看所有区域的营收总量呈上升态势。 图 51：2021 年公司在营销和研发费用大步发力 图 52：2020 年后营销费用占比陡增 数据来源：Luminar 年报、招股书，国泰君安证券研究 数据来源：Luminar 年报、招股书，国泰君安证券研究 公司研发费用、营销费用总体处于上升态势，管理费用相对稳定。研发和管理费用占总收入比在2018-2020年持续下降， 在2021年有所抬升。营销占总营收比例逐年增高。整体来看公司研发费用、营销费用花销较大。 图 53：公司总营收在

134、 2021 年有大幅提升 图 54：公司仍处于烧钱阶段 数据来源：Luminar 年报、招股书，国泰君安证券研究 数据来源：Luminar 年报、招股书，国泰君安证券研究 目前公司和市场均处于早期阶段发展，当下游市场放量上车会有显著增长。目前公司致力于推动量产、推出 Sentinel 产品、获得更多商业合作成功以及前瞻订单， 2022 年营收有望突破 4000 万美元。 未来下游车厂放量让激光雷达实现百万级出货量产会显著降低产品成本，进一步推动激光雷达到更多车型和市场，公司有望在实现量产后获得更多收入，以及在软件服务中持续获得现金流。 3.3. Aeva：下一代固态激光雷达的探索者 Aeva

135、是下一代固态激光雷达的探索者， 另辟蹊径以其专有的FMCW 技术来测量速度以及深度、反射率和惯性运动而备受瞩目。Aeva 由前苹果工程师 Soroush Salehian 和 Mina Rez 创立于 2017 年， 由多位在传感和感知领域有丰富经验的工程师团队领导，为了将下一代波感知技术带入自动驾驶到消费电子、工业机器人和安全等应用空间。技术亮点在于 Aeva 的解决方案利用专有的 FMCW 技术来测量速度以及深度、反射率和惯性运动，和传统 ToF 解决方案相比，Aeva 解决方案能够测量每个像素的瞬时速度，输出更维度信息，并且不受其他激光雷达、光束和阳光的干扰，能实现 500m 探测距离，

136、且功耗更低，有利于用于自动驾驶解决方案提供商。 Aeva 在 4D 激光雷达结合了在电信行业已获得验证的硅光技术，精确的获得即时速度测量和远距离探测距离，并具有可实现商业化的成本优势，预计 2024-2026 实现量产。 3.3.1. 创始团队有多年产业经验 两位创始人均来自苹果感知系统团队。 Soroush Salehian Dardashti 在领先的初创公司和跨职能团队中拥有丰富的机器人、消费电子和航空航天领域的产品计和交付经验。曾领导苹果感知系统产品团队特别项目组、 主导 iPhone 及 iWatch产品管理以及担任 BlueLibris Inc 创始人，设计、开发和推出一款具有健康

137、和活动监控功能的产品 Libris， 被 Numera Health 收购。同时也是斯坦福空间系统公司 CardinalSat 卫星从集成到发射的项目总监。具有技术和运营专业知识以及在高科技制造业深厚的产业 背景和实际项目管理经验。 联合创始人 Mina Rezk 是多学科和以产品为导向的技术领导者。在汽车和航空航天行业开发传感器融合系统方面拥有超过 17 的经验，覆盖汽车、航空航天、视觉、计量、政府安全和医疗等多个应用。 表 23: 创始团队是多领域的佼佼者 重要成员 职位 主要经历 Soroush Salehian Dardashti 创始人、 首席执行官、董事会成员 2012.2-201

138、6.11:在 Apple 担任产品开发经理，领导团队开发消费产品和感知系统。 2016.12:和 Rezk 先生共同创立了 Aeva 并担任首席执行官。 Salehian 先生拥有斯坦福大学机械工程学士学位。 Mina Rezk 总裁、首席技术官、董事会主席、董事 2004.2-2015.2:在 Nikon Metrology 担任各种职务，包括硬件开发经理。 2015.1-2016.11:在 Apple 担任特别项目组感知工程经理 。 2016.12:与 Salehian 先生共同创立了 Aeva，并担任首席技术官。 Rezk 先生拥有乔治梅森大学电气工程专业的学士和硕士学位。 Saurab

139、h Sinha 首席财务官 2014.3-2018.6:在运动传感器公司 InvenSense Inc. 担任多个财务领导职务。 2018.7-2020.8:担任 JUUL Labs 的首席会计官,2020.1-2020.5 担任临时首席财务官 2020.9:担任 Aeva 首席财务官 Sinha 先生拥有印度德里大学获得商业学士学位，和宾夕法尼亚大学沃顿商学院工商管理硕士学位。 Shahin Farshchi 董事 2006:加入的风险投资公司 Lux Capital 合伙人 2016.12：公司成立以来一直担任 Aeva 董事会成员 Farshchi 先生拥有加州大学伯克利分校学士学位。加

140、州大学洛杉矶分校硕士和博士学位。 Hrach Simonian 董事 2007:担任早期风投公司 Canaan Partners 普通合伙人 2017.11:担任 Aeva 董事会成员 Simonian 先生是加州大学洛杉矶分校电气工程学士，密歇根大学安娜堡分校电气工程硕士以及斯坦福大学商学院工商管理硕士。 Ahmed M. Fattouh 董事 2001： 成为资产管理公司 Landmark Value Investments 的创始成员和首席执行官，兼任 Landmark Value Strategies、Landmark Activist Strategies、Landmark Cred

141、it Strategies、Landmark Real Assets Fund、Landmark Protection Fund、Globalist Value Strategies 和 Globalist MENA Fund 管理成员。 也是 Investcorp International 私募股权集团和纽约摩根士丹利公司并购部的前任成员。曾任 Columbia Medical Products、Del Grande Dealer Group、Massmedium 和 Collective Sense 董事。 2017：是 InterPrivate LLC 的创始人成员和首席执行官 201

142、9.12-2021.3:担任 InterPrivate 的首席执行官和董事会成员，该公司是一家私人投资公司，代表家族办公室财团与来自领先私募股权公司的独立赞助商合作进行投资，这些公司与前投资组合公司有着密切的关系。 Fattouh 先生拥有乔治城大学外交学院学士学位。 数据来源：Aeva 招股书，国泰君安证券研究 3.3.2. Aeva 主攻固态激光雷达，尚在合作探索阶段 Aeva 发展目前可以分为两个阶段： 2016-2020： 公司处在萌芽阶段。 创立后获得风投机构的多轮融资，在 2019 年和 2020 年相继获得奥迪、ZF 集团等多个企业合作，以发展自动驾驶解决方案。 2021-至今：

143、公司和多家企业联合探索激光雷达在自动驾驶领域的应用。通过 SPAC 光速上市后公司与尼康、电装、Fabrinet 达成合作，致力于联合研发、量产激光雷达上车。公司 CEO 指引有望在2024 年实现生产。同时，Aeva 也和 NASA 合作，布局太空测绘和导航。 表 24: 2021 年是 Aeva 的重要拐点 时间 重大事件 2016 年底 Mina Rezk 和 Soroush Salehian 合伙成立 Aeva 2017 获得 350 万美元种子轮融资 2018 获得 Sylebra Capital Management 的 2 亿美元投资 获得 Canaan Partners 和其他

144、两家投资公司的 4500 万美元投资 2019 获得一笔未公开融资 4 月：与奥迪的自动智能驾驶部门达成了协议，计划在“e-tron”开发车队车辆上使用 Aeva 激光雷达。 整年宣布了包括奥迪在内的 12 家企业的项目 2020 宣布和 ZF 集团合作，将首款车规级 4D 激光雷达推向市场，用于自动驾驶应用。采埃孚 ZF 作为领先汽车供应商、自动系统供应商和智能摄像头市场领导者，具有专业知识以及相应的生产技术，目标是为卡车和 OEM 制造商以及移动即服务的客户提供自动驾驶应用的关键解决方案。 2021 获得 Sylebra Capital2 亿美元投资 宣布和电装公司合作希望带来 FMCW4

145、D 激光雷达量产上车 公司 CEO 宣布将于 2024 年实施制造 前 Waymo、苹果制造和供应链运营负责人加入 Aeva 3 月：通过 SPAC 在纳斯达克上市交易，代码“AEVA” 4 月：宣布与尼康公司达成战略合作 11 月：宣布先进供应商 Fabrinet (NYSE: FN)光学和电子制造服务，生产 Aeva 的 4D 激光雷达芯片模块。Fabrinet在硅光子集成器件和先进精密光学系统方面拥有深厚的专业知识。Aeva 将在 Fabrinet 线一条先进的生产线，并在泰国建立一个本地团队以支持制造活动。这条生产线将生产第三代 4D 激光雷达芯片模块以支持批量生产。该设施通过 了 I

146、ATF 16949 认证的汽车认证。此外，Plus 将从 2022 年底开始使用 Aeva 激光雷达增强商用驾驶产品中的远程感知，并实现完全自动驾驶系统。PlusDrive 是自动驾驶卡车解决方案提供商，与世界上最大的卡车制造商和货运公司合作。 2022 4 月：宣布和 NASA 合作，希望 Aeva 技术在月球上测绘地图，并且为太空员和太空车和 GPS 卫星提供导航 数据来源：国泰君安证券研究 Aeva 核心产品是 Aeries 系列激光雷达。Aeva 采用独特的调频连续波FMCW 4D 技术和并集成片上激光雷达的硅光子设计，使产品性能超过传统 ToF 激光雷达。Aeries 能提供高维度探

147、测数据，能够输出即时速度测量、探测距离超过 500m，同时由于 FMCW 技术优势能够免疫其他激光雷达和阳光的干扰，具有独特优势，使产品脱颖而出。 表 25: Aeva 核心产品是 4D 激光雷达 产品 产品图片 产品描述 Aeries 1 用于测试和开发。Aeries I 是第一个满足自动驾驶汽车和工业项目开发和测试感知要求的 4D 激光雷达。 一体化系统利用独特的调频连续波 FMCW 设计，结合激光雷达、摄像头和处理电子设备，可输出满足感知需求的独特丰富数据。核心优势有：即时速度测量、超远距离探测、多个 FOV 探测、以及抗其他传感器或阳光干扰。 Aeries 2 世界上第一个具有相机级分

148、辨率的 4D 激光雷达，将用于量产。采用 Aeva 独特的调频连续波 FMCW 4D 技术和世界上第一个激光雷达集成到芯片的硅光子设计，功能超越当今传统的 ToF 传感器。核心优势在于：即时速度检测、车规级、超远距离探测超过 500m、片上激光雷达、设计紧凑、覆盖多个视场，具有相机级别级超分辨率、4D 定位、危险检测、物体检测和追踪和车道跟踪。 数据来源：Aeva，国泰君安证券研究 图 55：芯片大小激光雷达设计 图 56：产品为车规级打造，性能好、体积小 数据来源：Aeva 数据来源：Aeva 3.3.3. 商业模式：激光雷达销售+服务销售 Aeva 的营业收入分为激光雷达产品销售和非经常性

149、工程服务销售两部分。其中激光雷达产品是按条款以固定价格提供指定数量给客户用于客户研究、开发、评估、试验或测试的原型样品。非经常性工程服务销售是客户定制 Aeva 感知解决方案产生的营业收入。值得注意的是 Aeva在 2021 年 4 月宣布与尼康的合作方向将用于工业领域，尤其是量产检测、车辆制造、航空制造等，尼康在这些方面都是领袖。Aeva 的产品可以用于精准测量，便宜，高可靠性的场景，和尼康合作研究下一代能大幅降本的工业解决方案。公司总营收从 2019 年 138.4 万美元增长至2021 年 926.5 万美元，增速迅猛。 图 57：Aeva 定制化服务销售占比较高 图 58：Aeva 营

150、收主要来自北美区域 数据来源：Aeva 年报，国泰君安证券研究 数据来源：Aeva 年报，国泰君安证券研究 从收入类型来看， 服务营收量和占比都大幅提升。 2019-2021 年专业服务销售占总收入比例从 2019 年的 41%增至 2021 年的 81%，收入从57 万美元，增至 749 万美元，年复合增速达 264%。产品部分占比从2019 年 59%下降至 2021 年 19%；产品收入从 2019 年 82 万美元上升至 2021 年 178 万美元，年复合增速达 47%。 从地区营收情况来看，公司主要战场在于北美区域。北美区域从 2019年 54 万美元营收提升 2021 年 882

151、 万美元； 欧洲区域从 2019 年 84 万美元营减少至 23 万美元； 亚洲区域从 2020 年 12 万美元营收提升 2021年 21 万美元。整体来看 2021 年北美区域营收增加量非常明显，欧洲区域有所下滑，亚洲市场还在导入阶段。 图 59：Aeva 处于研发阶段，研发和管理费用较高 图 60：Aeva 研发费用占比较高 数据来源：Aeva 年报，国泰君安证券研究 数据来源：Aeva 年报，国泰君安证券研究 公司研发费用、营销费用总体处于上升态势，管理费用相对稳定。研发和管理费用占总收入比均在 2021 年有所抬升。销售费用占总营收比例有所回落。整体来看公司研发费用、营销费用花销巨大

152、，也证明了公司仍处于技术研发阶段。 图 61：公司毛利率较为稳定 图 62：公司净现金流为负 数据来源：Aeva 年报，国泰君安证券研究 数据来源：Aeva 年报，国泰君安证券研究 FMCW 技术仍在早期发展阶段，公司巨大开支主要在研发费用，主要挑战在于商业化突破。目前公司致力于技术发展，并希望推动 2024 年后量产、获得更多无人驾驶和工业领域的产品采购和定制服务订单。Aeva的robotruck合作伙伴将于2022年底开始部署， 预计2024-2025会大规模量产。同时公司也在致力于工业和太空领域的合作发展，寻求更广阔的技术应用空间。 3.4. 速腾聚创：当前车载量产出货冠军 速腾聚创是全

153、球领先的智能激光雷达系统生产商， 主攻机械式和 MEMS混合固态激光雷达和感知软件。速腾聚创由哈尔滨工业大学控制科学方向博士邱纯鑫于 2014 年创办，拥有来自全球顶尖企业和科研机构的人才团队，截止 2021 年，全球布局激光雷达相关专利超过 700 项。合作伙伴覆盖全球各大自动驾驶科技公司、车企、一级供应商等，产品广泛应用于自动/辅助驾驶乘用车、 商用车， 无人物流车， 机器人， RoboTaxi，RoboTruck，RoboBus, 智慧交通新基建等细分领域。公司已于 2021年实现车规量产 SOP 交付客户，2022 年成为是中国激光雷达出货主力军。 3.4.1. 创始人团队具有优秀的研

154、究经历 公司创始人为邱纯鑫博士，现任速腾聚创 CEO，是哈尔滨工业大学控制科学方向博士，也是移动机器人环境感知技术专家，曾在 Journal of Field Robotics 等国际顶级机器人刊物上发表多篇论文，完成过包括国家自然科学基金在内的多个机器人相关项目的研发工作。速腾聚创联合创始人邱纯潮是邱纯鑫博士弟弟，现任公司执行总裁。 速腾聚创发展可以分为三个阶段： 2014-2017：公司处在探索和技术突破阶段。于 2015 年发布 3D扫描仪 Seeker，并在接下来两年中推出机械式激光雷达和 MEMS固态激光雷达。成功选择适合车规的 MEMS 激光雷达量产上车。 2017-2021：公司

155、将产品商业化并实现 SOP。在获得阿里菜鸟、上汽和北汽的 3 亿战略投资后继续高歌猛进，2019 年获得 IATF 16949 汽车生产认证并在 2020 年实现量产开始交付。 2022-至今： 公司目前在出货方面暂列第一。 上车广汽 Aion LX Plus并获得比亚迪、宇通、香港立讯、湖北小米长江产业基金等机构战略投资。 表 26: 速腾聚创率先量产出货混合固态激光雷达成为行业领先 时间 重大事件 2014 8 月公司正式成立 2015 发布静态 3D 扫描仪 Seeker 2016 完成多线激光雷达 RS-LiDAR-16 Demo 和 RS-LiDAR-32 设计 2017 9 月量产

156、机械式多线激光雷达 RS-LiDAR-32 10 月发布 MEMS 固态激光雷达 RS-LiDAR-M1Pre Demo 12 月获奥迪创新实验室总冠军 2018 5 月联合阿里菜鸟发布第一个搭载 M1Pre 的无人物流车 10 月获得阿里菜鸟、上汽和北汽的 3 亿战略投资 11 月获得 CES2019 Innovation Awards 2019 11 月获得 CES2020 Innovation Awards 11 月推出 Robotaxi 感知方案 RS-Fusion-P5 获得 IATF 16949 汽车生产认证 2020 4 月获得 2020 年爱迪生奖 8 月发布六周年 80 线激

157、光雷达 RS-Ruby Lite 12 月全球首批车规级固态激光雷达 RS-LiDAR-M1 批量发货北美 2021 6 月上线 M1 智能“凝视”变焦功能 6 月全球首款车规量产 SOP，交付北美车 10 月获得 2021 年 PACE 大奖 2022 1 月广汽 Aion LX Plus 正式上市，搭载 3 颗二代速腾激光雷达 2 月获得比亚迪、宇通、香港立讯、湖北小米长江产业基金等机构战略投资 3 月二代速腾激光雷达 M1 上车路特斯 ELETRE 赛道智驾 数据来源：速腾聚创官网，国泰君安证券研究 公司核心产品用于无人驾驶到激光雷达。产品具体包括车规级 MEMS固态激光雷达和传统机械式

158、激光类。其中 905nm 波长和二维 MEMS智能芯片扫描架构，探测距离为 200m，或 150m10% NIST 的车规级固态激光雷达 M1 是公司的招牌产品，可以配备不同数量的激光雷达以覆盖不同级别的无人驾驶级别，可满足从 L2+-L4 的无人驾驶需求。在感知软件方面公司开发了 RS-LiDAR-Perception，可基于激光雷达3D 点云为自动驾驶环境提供感知开发的 AI 感知软件，并获得全球众多合作伙伴在各类驾驶场景共同验证。 表 27: 公司核心产品覆盖无人驾驶硬件和软件 产品分类 核心产品 产品特点和用途 车规级固态激光雷达 采用 905nm 波长和二维 MEMS 智能芯片扫描架

159、构，探测距离为 200m，或 150m10% NIST 产品元器件少、体积小、稳定性高、性能好。具有独特“凝视”功能，可以基于高速、城市等不同驾驶场景，动态调节分辨率和刷新率，大幅提升驾驶系统感知能力。 对于 L2+/L3 乘用车可以采用一个前置激光雷达、L3/L4 乘用车建议采用 3 个激光雷达 机械式激光雷达 明星产品 RS-Ruby 是一款面向 L4+自动驾驶的 128 线激光雷达，有 10%反射的 200m 探测距离，0.1 度垂直分辨率，满足-30C 抗低温， 突破性地实现了全天候屏蔽激光雷达对波干扰和光干扰，是高级自动驾驶对极佳选择，RS-Ruby 和RS-Bpearl 组合成为

160、Robotaxi 环境感知方案。 静态激光雷达 Seeker 配置 3200 万像素的高清摄像机，以便在任何光环境中都能拍摄出低噪点、高品质的图像凭借先进的后期处理算法，可生成高品质全景图像和彩色点云，逼真再现三维实景。可应用于家装、测绘、矿山、工程测量等静态领域。 感知系统解决方案 RS-Fusion-P5 是一款性能极致的 L4+激光雷达感知融合方案 RS-P1 是一款成熟可靠的低速自动驾驶激光雷达感知方案 结合 AI 感知软件 RS-LiDAR-Perception 和激光雷达硬件提供RS-V2X车路协同激光雷达解决方案， 赋予鸟瞰路口的“上帝视角”，突破车端感知极限，助力智能交通新基建

161、快速发展，守护驾驶安全。 真值&测评系统 结合传感器系统和感知软件，提供一套准确、高效、完整、可定制化的传感器感知能力评测工具链。系统智能输出海量精准的真值数据，并针对各传感器进行自动化分析评测，完全解决人工标定成本昂贵、效率极低、容易出错、缺乏评测工具等问题。大幅提升智能驾驶项目开发效率，帮助自动驾 驶与 ADAS 应用的快速量产落地 激光雷达感知软件 RS-LiDAR-Perception 是一套基于激光雷达 3D 点云，专门为自动驾驶环境感知开发的 AI 感知软件，凝聚 RoboSense团队超 10 年点云感知软件技术积累， 获得全球众多合作伙伴在各类驾驶场景共同验证。 数据来源：速腾

162、聚创，国泰君安证券研究 3.4.2. 投融资进展迅速 速腾聚创目前已经完成 E 轮融资， 获得多个产业机构和下游车厂的投资，广受行业认可。未来有望进一步获得资本市场支持，大力推动公司科技创新与提升量产能力。 表 28: 速腾聚创获得多个投资机构青睐 日期 融资轮次 融资金额 投资机构 2015-06-02 天使轮 未披露 东方富海 2016-01-03 A 轮 未披露 东方富海 ,普禾资本 2016-06-28 A+轮 数千万元人民币 昆仲资本 ,复星锐正资本 2017-11-14 B 轮 未披露 海通新能源 ,海通开元 2018-05-17 C 轮 未披露 粤民投 ,普禾资本 ,北汽产业投资

163、 2018-10-09 战略融资 3 亿人民币 尚颀资本 ,北汽集团 ,菜鸟网络 2021-01-31 战略融资 未披露 TCL 资本 2021-12-25 战略融资 未披露 比亚迪 2022-02-24 D 轮 未披露 德赛西威 ,宇通客车 ,康成亨投资 ,晨岭资本 ,中新融创 ,长江产业基金 ,比亚迪 ,香港立讯科技有限公司 ,星韶创投 2022-06-13 E 轮 未披露 领投机构: 华兴新经济基金 跟投机构: 云锋基金 ,景林投资 ,昆仲资本 数据来源：企查查，国泰君安证券研究 图 63：速腾聚创受到多个合作伙伴认可 数据来源：速腾聚创官网 速腾聚创的成功离不开公司对车规级 MEMS

164、固态激光雷达的技术准确判断。具体来看，速腾早期也曾发展过机械式激光雷达，并能提供可用于 Robotaxi 的机械式激光雷达无人驾驶解决方案。 2017 年选择 MEMS固态激光雷达后为量产作出不断努力， 最后 2021 年实现 SOP 并批量交付给客户，取得阶段性胜利。未来有望看到公司进一步提升产能并研发制造性能更好，探测距离更远，可靠性更强的车载激光雷达。 3.5. 禾赛科技：先进的激光雷达制造商 禾赛科技是自动驾驶及高级辅助驾驶(ADAS)激光雷达的领军企业。禾赛科技在上海成立于 2014 年，在光学、机械、电子、软件等激光雷达核心领域拥有数百项专利，具有车规级量产能力，年产能百万台的智造

165、中心将于 2022 年全面投产。公司产品主要有 Pandar 系列机械旋转激光雷达可作为无人驾驶主雷达、AT 系列车规级半固态激光雷达、QT 系列车规级近距离补盲雷达、XT 系列中距离激光雷达和甲烷遥测仪。产品可用于无人驾驶、高级辅助驾驶、机器人、车联网等多个场景。客户包括全球主流自动驾驶公司、顶级汽车厂商、一级供应商、机器人公司等，累计获得包括小米、美团、博世、百度、光速、高瓴等机构超过 5 亿美元的融资。 3.5.1. 创始团队有丰富行业经验 创始人团队均来自于全球顶级名校，并具有科研和顶级企业丰富的行业经历。首席科学家孙恺博士本科毕业于上海交通大学机械与动力工程学院，博士与博士后毕业于美

166、国斯坦福大学。曾任斯坦福大学研究助理，曾获最佳论文奖。首席执行官李一帆是机器人和运动控制领域的专家和全球自动驾驶行业领军人物。本科毕业于清华大学，博士毕业于伊利诺伊大学厄巴纳-香槟分校， 曾任美国西部数据集团首席工程师。 李一帆在机器人、运动控制、传感器及先进制造领域拥有 100 余项专利。首席技术官向少卿本科毕业于清华大学机械系，研究生获得斯坦福大学电子工程和机械工程双硕士学位曾在苹果公司美国总部从事电路设计，三星全球总部研究中心从事消费品研发。 表 29: 创始团队有丰富的科研和行业经验 姓名 职位 个人经历 孙恺 首席科学家 孙恺博士本科毕业于上海交通大学机械与动力工程学院， 2013

167、年博士毕业于斯坦福大学机械系 （主修）和电子系（辅修） ，在斯坦福大学期间，孙恺博士的研究工作主要利用激光器和新型探测技术搭建超快、高灵敏度、适用于极端恶劣条件的分子测量系统，应用于化学反应动力学的研究，期间多篇论文入选英国物理协会精选集、美国光学学会精选集、阿贡国家实验室百年精选集，并获得Measurement Science and Technology期刊 2013 年度的最佳论文奖。在回国创办禾赛科技前，孙恺博士在斯坦福大学任 University Academic Staff Research Associate 职位 李一帆 首席执行官 李一帆，禾赛科技 CEO，机器人和运动控制领

168、域的专家，全球自动驾驶行业领军人物。李一帆曾入选世界经济论坛“2021 届全球青年领袖”、 财富杂志“中国 40 位 40 岁以下商界精英”、麻省理工科技评论“35 位 35 岁以下最具有创新性与影响力榜单”、荣获德国“红点设计奖”等。 李一帆拥有清华大学本科与美国 UIUC 博士学位，曾任美国西部数据集团首席工程师。李一帆在机器人、运动控制、传感器及先进制造领域拥有 100 余项专利，业余爱好包括马拉松、篮球和摄影等。 向少卿 首席技术官 向少卿本科以综合成绩全系第一毕业于清华大学精密仪器与机械学系，并获得全校级优秀毕业生荣誉。2007 年获得全额奖学金 fellowship 赴美国斯坦福大

169、学留学，获得电子工程和机械工程双硕士学位，并独立完成了多个智能机电一体化系统的设计开发。毕业后任职于苹果公司美国总部(美国加州 Cupertino)负责电路系统设计，参与了多代 iPhone 的原型设计，技术开发以及海外生产线的架设。曾任职于三星全球总部(韩国水原)研究中心，负责下一代消费产品概念研发。爱好模型的制作和收藏。 数据来源：禾赛科技官网，国泰君安证券研究 3.5.2. 禾赛科技主攻覆盖机械式和混合固态激光雷达 禾赛科技发展可以主要分为两个阶段： 2014-2020：2014 年创立后公司探索激光传感器的应用。2014年公司创立后开始研发、制造和销售高性能激光传感器。2016 年专向

170、机械式激光雷达，并迭代了多款短中长距离的机械式激光雷达。在此期间获得来自百度、博世集团等全球知名企业的投资。 2021-至今：公司高速发展，获得全球多个顶级车厂定点。2021年公司发布用于 ADAS 系统的混合固态雷达后收到多个企业的开发和定点合作，并在 2022 年实现量产出货。 表 30: 禾赛科技在 2021 年推出适用于 ADAS 系统的激光雷达后迎来拐点 时间 重大事件 2014 公司成立于中国上海，自设立以来，专注于研发、制造和销售高性能激光传感器 2015 公司主要的产品为激光气体传感器，包括手持式激光甲烷遥测仪及无人机载式激光甲烷遥测仪，产品灵敏度高、误报率低，受到燃气行业的关

171、注，产品入围了 2017 年的 Prism Award 最终名单。除天然气行业外，公司不断寻找更大的对激光遥感有需求的应用领域 2016 拓展了新的发展方向：无人驾驶激光雷达。面向无人驾驶的激光雷达产品技术壁垒高，市场总量大 10 月公司在国内首次发布了 32 线激光雷达的路测扫描点云视频，产品入选了 2016 年国内十大亮点光学产业技术 2017 4 月发布 40 线激光雷达 Pandar40，此后深耕于高端激光雷达产品的开发 年底部署芯片技术发展方向，成立芯片部门，根据产品上积累的系统需求定义芯片参数，自主设计芯片。 2018 12 月发布首款抗干扰产品 Pandar40P，在测距、抗干扰

172、、时间同步等方面有突破性升级 6 月禾赛宣布完成 2.5 亿元 B 轮融资，光速中国和百度领投禾赛科技 2019 1 月禾赛发布产品 Pandar64 4 月和地平线达成战略合作 5 月获得博世集团领投的 C 轮融资 2020 推出 Pandar 系列多款产品 2021 3 月 Kodiak ROBOTICS 与禾赛科技宣布达成合作，将激光雷达集成进 Kodiak 自动驾驶货车 7 月禾赛科技与理想汽车达成基于车规级混合固态激光雷达的合作 8 月正式公布面向 ADAS 前装量产的长距混合固态激光雷达AT128。 满足远距 （200m10%） 和超高点频 （153万每秒， 单回波） 的车规级前装

173、量产激光雷达。 AT128 已获得多家顶级汽车厂商总计超过 150 万台的定点， 将在 2022年大规模量产交付 10 月 HiPhi Pilot 智能驾驶辅助系统及下一代量产车型进行合作， 禾赛将为高合汽车第二款旗舰 Digital GT-HiPhi Z提供最新的激光雷达产品 11 月宣布获得来自小米产投 7 千万美金的追加融资，加上之前官宣的超 3 亿美金融资，目前禾赛 D 轮融资总额已超过 3.7 亿美元，本轮领投方包括小米集团、高瓴创投、美团和 CPE 等。此轮融资将用于支持面向前装量产的混合固态激光雷达的大规模量产交付、禾赛麦克斯韦智能制造中心的建设，以及车规级高性能激光雷达芯片的研

174、发。 12 月宣布与英伟达 NVIDIA 达成合作，在 NVIDIA DRIVE 平台使用禾赛的 Pandar128 激光雷达作为其自动驾驶开发系统的真值(Ground Truth)传感器。 2022 4 月和全球领先的 L4 级自动驾驶科技公司文远知行 WeRide，合作升级，推动车规级半固态激光雷达在自动驾驶汽车的率先应用，助力文远知行自动驾驶技术的规模化部署和商业化应用。 6 月中国牵头成立 ISO 车载激光雷达工作组，禾赛专家担任组长 7 月集度 ROBO-01 概念车标配双 AT128 激光雷达 数据来源：禾赛科技招股书、禾赛科技官网，国泰君安证券研究 禾赛科技核心产品为用于 ADA

175、S 的混合固态激光雷达和用于自动驾驶的 360 度机械式激光雷达。 公司亮点在于同时提供适用于无人驾驶的高精度旋转机械雷达，也提供适用于 ADAS 系统的混合固态激光雷达AT128。在 2021 年推出该产品后受到来自文远知行、理想汽车、集度汽车、爱驰汽车、地平线、黑芝麻智能、新石器无人车、主线科技、轻舟智航等多家主机厂、 自动驾驶解决方案提供商的合作。 2021 年 AT128已获得多家顶级汽车厂商总计超过 150 万台的定点，将在 2022 年大规模量产交付，迎来新的发展机遇。 图 64：禾赛科技与多个无人驾驶产业企业合作 图 65：禾赛科技产品重点覆盖 ADAS 和自动驾驶 数据来源：禾

176、赛科技官网 数据来源：禾赛科技官网 表 31: 产品主要用于驾驶辅助和无人驾驶 产品 产品图片 产品描述 车规级半固态激光雷达 AT128 是面向高级辅助驾驶前装量产车的车规级半固态激光雷达，具有200m10%的探测距离， 0.1 度*0.2 度角分辨率。 核心零部件均采用车规器件 满足 AEC-Q 等相关标准，特有的抗干扰技术，为每一束激光脉冲进行单独编码。满足 ASIL-B 安全等级，完备的故障诊断功能，故障覆盖率高达 90%以上，故障响应时间小于等于 100ms，严格遵循 ISO21434 体系，数据签名、加密、客户端认证等多种底层安全技术。 机械旋转式激光雷达 核心产品无人驾驶主雷达

177、Pandar128，具有 200m10%的探测距离，0.1 度*0.125 度角分辨率，具有更好的目标物细节分辨能力。系统紧凑，重量与体积不足市场上同类产品的一半。采用可靠性设计，通过多项严苛的可靠性测试，使用环境温度范围可达-40C 到 85C，采用功能安全设计，开发了一系列主动故障检测技术。采用网络安全设计，系统数据受到保护，具备抵抗黑客攻击的功能。 128 线超广角近距激光雷达 QT128 具有车规级和 105垂直视场角， 探测距离 20 m 10%反射率 甲烷遥测仪 手持甲烷遥测仪具有 160m75%反射率探测距离，可用于居民楼、场站管道、加气站、LNG 运输车等场景。 无人机载激光甲

178、烷遥测仪具有 80m75%反射率探测距离， 可用于居民楼、 长输管道、场站等场景。 数据来源：禾赛科技官网，国泰君安证券研究 3.5.3. 商业模式：激光雷达+气体检测产品销售 2021 年之前禾赛科技主营机械式激光雷达，2021 年推出用于 ADAS混合固态激光雷达开启新的成长空间。机械式激光雷达在 2017-2020年 9 月间主要客户有 DRIVE.AI、博世集团、Lyft、Aurora、景骐集团、百度集团等无人驾驶探索企业。2021 年推出混合固态雷达后获得更多中国自动驾驶企业的青睐。在气体检测方面已知客户有上海燃气浦东销售有限公司。 图 66：2019 产品收入增速激增 图 67：禾

179、赛科技在大陆和北美收入占比较高 数据来源：禾赛科技招股书，国泰君安证券研究 数据来源：禾赛科技招股书、 ，国泰君安证券研究 从收入类型来看， 激光雷达和气体检测销售均有上升。 2017-2019 年激光雷达销售占总收入比例从 2017 年的 73%增至 2021 年的 94%， 收入从 1434 万元，增至 3.2 亿元，年复合增速达 378%。气体检测部分占比从 2017 年 24%下降至 2019 年 6%，收入从 2017 年 481 万元增至2019 年 1955 万元，截止 2020 年 9 月为 6225 万元。公司收入高度依赖激光雷达产品销售。 从地区营收情况来看，公司营收在各地

180、区均有明显提升。北美区域从2017 年 717 万元营收提升 2019 年 1.5 亿元； 中国区域从 2017 年 339万元营收提升 2019 年 1.3 亿元；欧洲区域从 2017 年 858 万元营增至6447 万元。公司主力收入来自北美和中国大陆区域，整体来看所有区域的营收总量均呈上升态势。 图 68：2019 年后禾赛科技研发费用大幅增加 图 69：2018 年后费用较为稳定，占比略有抬升 数据来源：禾赛科技招股书，国泰君安证券研究 数据来源：禾赛科技招股书，国泰君安证券研究 公司研发费用、营销费用和管理费用在 2018 年后总体有所抬升。整体来看研发费用占比最大， 从 2018

181、年研发费用占总营收的 47%提升 2020年截止 9 月的 64%， 反映了企业在持续扩大研发力度。 管理费用从 2018年 10%比例提升至 2020 年的 20%，销售费用从 2018 年 18%提升至 26%。 图 70：禾赛科技毛利率维持高位 数据来源：禾赛科技招股书，国泰君安证券研究 禾赛科技推出用于 ADAS 系统的车规级半固态激光雷达后不难看出企业将量产上车作为当下核心目标。公司有望通过量产、芯片化提升产品性能以及降低成本。同时公司所有激光雷达产品均为自主生产，年产能百万台的“麦克斯韦”超级智造中心于 2022 年全面投产，积累了大量生产经验，并且比代工模式具有更强的成本把控能力。公司未来有望持续技术提升并量产降本获得更多下游应用。