2022年激光雷达行业市场现状及未来趋势分析.docx

《2022年激光雷达行业市场现状及未来趋势分析.docx》由会员分享，可在线阅读，更多相关《2022年激光雷达行业市场现状及未来趋势分析.docx（26页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2022年激光雷达行业市场现状及未来趋势分析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-LightDetectionandRanging）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”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

2、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。Velodyne创始人DavidHall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DavidHall发明了3D实时激光雷达，开创了激光雷达在无人

3、驾驶领域的新纪元。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。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。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

4、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。1.2.1.按测距方式分：TOF和FMCWTOF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。

5、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。FMCW（FrequencyModulatedContinuousWave）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。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

6、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。目前TOF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。1.2.2.

7、按扫描方式分：机械式、混合固态、固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DavidHall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。混合固态是当前激光雷达最主

8、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。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

9、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。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

10、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。棱镜扫描的代表企业是大疆LIVOX，适合低速高精场景。棱镜扫描采用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

11、。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。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

12、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，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

13、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，硅光芯片仍处于上升阶段，硅光技术有待突破。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

14、射激光器EEL、固体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的光学损伤。从

15、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。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

16、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。1550nm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。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

17、探测精度和更远的探测距离，并进一步实现芯片化一体化。FPGA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。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

18、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。1.3.2.激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

19、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场景。驾驶主动“人控”和主动“车控”的是主要区别。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的图像通过神经网络进行分析，利

20、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。”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，

21、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。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

22、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

23、全性和舒适性。在现实生活中动静物体分布和种类都比较复杂，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。L2自动辅助驾驶通常采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

24、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

25、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。自动驾驶采用激光雷达可以获得高安全冗余。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

26、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。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

27、，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。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A

28、SIC自主开发解决FPGA贵和进口依赖的痛点，未来实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Trimbl

29、e、Hexagon、Topcon、SickAG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%。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、Lumin

30、ar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。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、

31、Cepton纷纷通过SPAC上市。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XC90SUV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

32、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

33、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。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

34、及以上自动驾驶功能装配率达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。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

35、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%。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。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

36、慧社会建设，增强新时代国家综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。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

37、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，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竞争力。