2021年汽車行業(yè)市場發(fā)展分析報告

2021年汽車行業(yè)市場發(fā)展分析報告2021年5月7/53汽車行業(yè)價值重心后移，自動駕駛發(fā)展感知先行“新制造+新服務(wù)”推進汽車行業(yè)價值重心后移。當前汽車行業(yè)已于百年變革節(jié)點起步，制造技術(shù)變革疊加5G逐步應(yīng)用，助力行業(yè)由電動化開始邁入智能化、網(wǎng)聯(lián)化新時代。谷歌、華為、百度等新型科技公司深度入局參與造車，推動汽車由傳統(tǒng)交通工具向移動智能終端演變。未來汽車產(chǎn)業(yè)鏈價值有望受益于科技進步與碳中和背景帶來的轉(zhuǎn)型紅利，將朝“新制造+新服務(wù)”方向轉(zhuǎn)變。其中“新制造”將包含低碳化、智能化、信息化等相關(guān)智能制造技術(shù)，“新服務(wù)”在貫穿于設(shè)計研發(fā)、生產(chǎn)制造、銷售及售后服務(wù)的各個環(huán)節(jié)的同時也將引導(dǎo)產(chǎn)品價值重心逐步后移，向服務(wù)端尤其是出行領(lǐng)域深度拓展，產(chǎn)生廣闊發(fā)展空間。圖1：未來汽車行業(yè)價值重心將后移資料來源：《節(jié)能與新能源汽車技術(shù)路線圖2.0》，市場研究部自動駕駛技術(shù)是定義汽車智能網(wǎng)聯(lián)進程核心維度。工信部發(fā)布的《2020年智能網(wǎng)聯(lián)汽車標準化工作要點》表示自動駕駛技術(shù)是智能網(wǎng)聯(lián)汽車標準制定及評估機制關(guān)鍵要素之一，并需做好汽車駕駛自動化分級標準宣貫。美國汽車工程師學(xué)會發(fā)布的“自動駕駛水平可視化圖表”定義了汽車六個級別的自動駕駛等級，整體等級提升標志著汽車自動駕駛水平逐步跨越，也是汽車智能網(wǎng)聯(lián)進程推進的關(guān)鍵指標。圖2：自動駕駛水平可視化圖表資料來源：美國汽車工程師學(xué)會，市場研究部8/53伴隨自動駕駛技術(shù)發(fā)展，前端感知需求將不斷提升。自動駕駛技術(shù)原理是通過感知層的傳感器獲取路況信息，進而由決策層對感知層構(gòu)建的信息進行分析處理，最終通過執(zhí)行層進行車輛后續(xù)行為控制。如何有效通過感知端精準獲取信息是后續(xù)環(huán)節(jié)能否做出正確判斷和操作的前提，因而伴隨自動駕駛技術(shù)的進步，對于前端感知要求將不斷提升。圖3：自動駕駛技術(shù)原理與流程資料來源：市場研究部當前市場感知層解決方案以視覺系和雷達系為主。目前自動駕駛感知層解決方案主要分為以特斯拉為代表的視覺系和以Waymo為代表的激光雷達系兩種流派。視覺系解決方案主要以攝像頭為主導(dǎo)，配合毫米波雷達、超聲波雷達等元件完成感知任務(wù)；激光雷達系解決方案以激光雷達為核心，配合攝像頭、毫米波雷達、超聲波傳感器等元件達到感知目的。圖4：以特斯拉代表的視覺系和以Waymo代表的雷達系資料來源：特斯拉，Waymo，電動邦，市場研究部視覺系：輕感知重算法，軟硬件性能構(gòu)建視覺系護城河2.1.視覺系：以低成本攝像頭為主，依賴軟硬件感知識別視覺系以攝像頭為主要傳感器并依賴軟硬件進行感知識別。視覺系解決方案的工作原理，是以攝像頭作為主要傳感器，收集外界反射的光線從而呈現(xiàn)出外界環(huán)境畫面，通過將視覺傳感器收到的視覺信息進行3D渲染、用AI軟件將車道線、交通、行人等信息進行匹配，進而由決策層分析后做出決策，最終使車輛執(zhí)行9/53操作。圖5：特斯拉攝像頭輔以毫米波雷達和超聲波傳感器 圖6：視覺系解決方案顯像資料來源：特斯拉官網(wǎng)，市場研究部 資料來源：汽車之家，市場研究部2.2.發(fā)展現(xiàn)狀：硬件配置更新迭代，神經(jīng)網(wǎng)絡(luò)助力研判圖像模式識別為核心流程，較為依賴芯片+算法。自動駕駛領(lǐng)域基于視覺的感知方式主要包括五個流程，即圖像采集、圖像預(yù)處理、圖像特征提取、圖像模式識別與結(jié)果傳輸。其中圖像采集主要通過攝像頭采集圖像；圖像預(yù)處理包含圖像壓縮、圖像增強與復(fù)原、圖像分割等；圖像特征提取主要提取圖像幅度特征、直觀性特征、統(tǒng)計特征、幾何特征和變換系數(shù)特征等因素；圖像模式識別主要基于圖像形狀、色彩、紋理等特征，通過統(tǒng)計模式、句法模式、模糊模式、神經(jīng)網(wǎng)絡(luò)模式等方法進行識別，系統(tǒng)能否準確對輸入信號進行判斷將深度影響后續(xù)決策，因而圖像模式識別為核心流程，也因較為依賴計算層的芯片和算法成為目前計算機視覺技術(shù)發(fā)展的難點；結(jié)果傳輸則是將輸出信息傳輸至車輛其他控制系統(tǒng)或其他車輛，完成相應(yīng)控制功能。圖7：基于視覺的感知流程資料來源：《智能網(wǎng)聯(lián)汽車新技術(shù)》，市場研究部目前統(tǒng)計模式識別和神經(jīng)網(wǎng)絡(luò)模式識別為主流圖像模式識別方式。統(tǒng)計模式識別是以數(shù)學(xué)上的決策理論為基礎(chǔ)建立模型，對被研究圖像進行大量統(tǒng)計分析，找出規(guī)律性認識，并進行分類識別，是目前較成熟也應(yīng)用較為廣泛的識別方法。神經(jīng)網(wǎng)絡(luò)識別通過硬件或軟件方法建立大量處理單元為節(jié)點，各單元通過一定模式實現(xiàn)互聯(lián)的拓撲網(wǎng)絡(luò)，進而對人的神經(jīng)系統(tǒng)結(jié)構(gòu)及功能進行模仿，且具備自組織，自學(xué)習(xí)的能力。10/53神經(jīng)網(wǎng)絡(luò)識別方式因具備自學(xué)習(xí)能力更具優(yōu)勢。統(tǒng)計模式識別在辨別過程中更加依賴與已有數(shù)據(jù)的匹配程度，而在自動駕駛過程中經(jīng)常會面對多樣、復(fù)雜路況，因而具備自組織、自學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)識別方式在自動駕駛領(lǐng)域更具優(yōu)勢。目前特斯拉神經(jīng)網(wǎng)絡(luò)算法領(lǐng)跑自動駕駛計算機視覺領(lǐng)域。特斯拉整體神經(jīng)網(wǎng)絡(luò)系統(tǒng)由48個神經(jīng)網(wǎng)絡(luò)組成，包含1000個獨立的神經(jīng)網(wǎng)絡(luò)預(yù)測單元，工作流程為先進行數(shù)據(jù)采集，打標簽之后送入網(wǎng)絡(luò)進行訓(xùn)練生成服務(wù)器端的模型，再將訓(xùn)練好的模型部署到車端；車端在模型下運行過程中會遇到難以識別的物體或場景，此時借助影子模式將一些不識別的數(shù)據(jù)挑出單獨做單元測試，測試未通過的數(shù)據(jù)會送入到第一步的數(shù)據(jù)容器中，對這些數(shù)據(jù)進行加強，再重復(fù)打標簽，訓(xùn)練，生成新模型后再部署到車端進行循環(huán)，直到覆蓋所有的場景。圖8：特斯拉神經(jīng)網(wǎng)絡(luò)視覺閉環(huán)系統(tǒng)資料來源：特斯拉，市場研究部硬件配置不斷跨越助力視覺方案效果提升。由于神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式需要處理海量信息和數(shù)據(jù)，因而需要高算力硬件支撐。近年來硬件配置不斷更新迭代，以特斯拉為例，自2014年起特斯拉自動駕駛系統(tǒng)始終堅持視覺系解決方案，并不斷通過硬件設(shè)備升級提高性能。最初特斯拉HW1.0采用Mobileye視覺識別芯片，信息和數(shù)據(jù)搜集主要來自Mobileye前置攝像頭輔以160m雷達和超聲波傳感器。EyeQ3平臺可識別行人、車道標記、交通標識等。隨后的HW2.0版本采用NVIDIADrivePX2芯片，感知端使用了三目攝像頭，搭配170m雷達和更大參數(shù)超聲波傳感器，處理能力較1.0提升了40倍。升級后的HW2.5在之前主板構(gòu)造的基礎(chǔ)上增加了1塊PARKERSoC，芯片整體集成度空前提高并賦予系統(tǒng)冗余，帶來整體算力的提升。目前特斯拉搭載HW3.0，使用自主研發(fā)芯片F(xiàn)SD，采用雙芯片設(shè)計，單片芯片算力達72TOPS，總算力可達144TOPS，是NVIDIA在量產(chǎn)車型上搭載的最強芯片DriveXavier理論性能值的7倍。同時在系統(tǒng)層面有大量的冗余設(shè)計，同一塊板卡上配備兩顆芯片，同時對相同數(shù)據(jù)進行分析，對比分析后得出最終結(jié)論。當前市場主要廠商芯片理論算力均可支撐L3級自動駕駛需求，未來將不斷向更高級別自動駕駛突破。11/53表1：特斯拉硬件迭代歷程名稱HW1.0HW2.0HW2.5HW3.0初始推出時間2014年9月2016年10月2017年8月2019年4月未知范圍的黑白攝像Narrow(35°):250m(820ft)*1前置攝像頭Wide(120°):60m(195ft)*1頭*1Main(50°):150m(490ft)*1前視側(cè)置攝像頭無Left(90°):80m(260ft)*1Right(90°):80m(260ft)*1后視側(cè)置攝像頭無Left:100m(330ft)*1Right:100m(330ft)*1毫米波雷達Radar*1（160m）Radar*1（160m）Radar*1（170m）Radar*1（170m）超聲波雷達12個（5m）12個（8m）12個（8m）12個（8m）NVIDIAPARKERSoC*1NVIDIAPARKERSoC*2核心處理器MobileyeEyeQ3*1NvidiaPascolGPU*1NvidiaPascolGPU*1特斯拉FSD芯片*2英飛凌TriCoreMCU*1英飛凌TriCoreMCU*1ROM256M6GB8GB8GB*2處理能力1倍40倍40倍/帶冗余420倍/帶冗余每秒處理幀數(shù)361101102300估計功率25W250W(閑置40W）300W72W電源單電源單電源冗余電源冗余電源資料來源：特斯拉，市場研究部2.3.發(fā)展方向:算法優(yōu)化，硬件加碼軟件端持續(xù)發(fā)力，優(yōu)化數(shù)據(jù)處理上層布局。特斯拉正在開發(fā)Dojo自監(jiān)督學(xué)習(xí)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以優(yōu)化大量數(shù)據(jù)輸入下視頻的無監(jiān)督大規(guī)模訓(xùn)練。目前特斯拉有超過82萬輛搭載HW2/3硬件的的汽車在全球各地行駛。以用戶平均每天駕駛約一個小時計算（每輛車8個攝像頭），每月約會產(chǎn)生1.97億個小時的視頻，若全部采用人工標注，難度及成本均會提升。而Dojo可通過自動化工具主動選取最有指導(dǎo)意義的訓(xùn)練樣本，篩選、清洗、標注這些視頻片段來完成高效算法提升，且可改善Autopilot基于2D圖像+內(nèi)容標注的方式，使其可以在4D（3D加上時間維度）環(huán)境下運行，這將大幅提升視覺系感知與決策精度。此外，Mobileye也在高精度地圖領(lǐng)域加碼，通過6個汽車制造商下近百萬輛量產(chǎn)汽車每天收集近800萬公里的道路數(shù)據(jù)，迄今為止已經(jīng)完成了近10億公里的高精地圖繪制，并真正實現(xiàn)了從獲取數(shù)據(jù)、發(fā)送到云端到構(gòu)建高清地圖的純自動化操作，預(yù)計到2024年Mobileye每天可采集數(shù)十億公里數(shù)據(jù)。軟件端的持續(xù)發(fā)展與不斷突破，也將為自動駕駛進程提供更加優(yōu)質(zhì)的算法支撐。圖9：Mobileye高精度地圖構(gòu)建過程中語義識別資料來源：Mobileye官網(wǎng)，市場研究部12/537nm技術(shù)助力硬件性能提升。硬件性能的不斷提升是后續(xù)視覺系自動駕駛技術(shù)發(fā)展的基礎(chǔ)，更加強大的算力將為軟件算法提供強勁支撐。目前各主流自動駕駛及芯片供應(yīng)商在硬件升級方面均有布局。特斯拉聯(lián)手博通開發(fā)新一代HW4.0車載芯片，由臺積電采用7nm工藝試制，采用SoW技術(shù)進行封裝，可以將HPC芯片在不需要基板和PCB的情況下直接與散熱模組整合在單一封裝中。預(yù)計該芯片2021年第四季度開始量產(chǎn)，總性能預(yù)期為HW3.0的3倍。首批搭載該芯片的車輛最早2022年第一季度開始交付。目前特斯拉HW3.0硬件采用14nm工藝，總算力144Tops，功耗峰值為72W。而7nm工藝的主要優(yōu)點是能夠在更低的電源電壓（低于500mV）下工作，速度提升同時功耗更低（速度提高35%，功耗降低65%），發(fā)熱量更小。Mobileye已發(fā)布EyeQ5平臺，芯片采用7nm工藝，單片算力可達12TOPS，平臺算力可達24TOPS，相較上一代EyeQ4平臺2.5TOPS算力提升近10倍，單位功耗可提供算力增加至三倍。英偉達DriveAGXorin平臺芯片同樣采用7nm工藝，可實現(xiàn)每秒200TOPS運算性能，相比上一代Xavier系統(tǒng)級芯片運算性能提升了7倍，且在運算性能提升顯著的情況下功耗仍保持為45W。7nm技術(shù)帶來的硬件整體性能提升也將為整個自動駕駛環(huán)節(jié)提供可靠保障。圖10：MobileyeEyeQ5結(jié)構(gòu) 圖11：NVIDIADRIVEAGXorin資料來源：Mobileye官網(wǎng)，市場研究部 資料來源：NVIDIA官網(wǎng)，市場研究部雷達系：規(guī)模量產(chǎn)+技術(shù)迭代助力激光雷達降本增量3.1.雷達系：以高精度激光雷達為核心部件實現(xiàn)感知及避障雷達系以激光雷達為核心部件獲取路況信息。激光雷達可分為激光發(fā)射、激光接收、光束操縱和信息處理四大系統(tǒng)。激光雷達系解決方案的工作原理，是感知層通過激光雷達不斷向外發(fā)射激光束，并接收物體反射回的光脈沖，根據(jù)已知光速計算出兩者信號之間的時間差、相位差等來確定車與物體之間的相對距離，再通過水平旋轉(zhuǎn)掃描或相控掃描測量物體的角度，通過獲取不同俯仰角度的信號獲得高度信息。感知到與物體之間的距離、角度等信息后，進而通過軟件算法去做3D建模，通過分析激光信號描繪三維點云圖，實現(xiàn)環(huán)境實時感知及避障功能。13/53圖12：激光雷達工作原理 圖13：激光雷達顯像資料來源：汽車人參考，市場研究部 資料來源：innovusion官網(wǎng)，市場研究部激光雷達產(chǎn)品主要從顯性參數(shù)、實測性能表現(xiàn)及隱性指標等方面進行評估比較。目前由于激光雷達屬于市場新興產(chǎn)品，實測性能和隱形指標目前缺乏量化和可靠公開數(shù)據(jù)指引。顯性參數(shù)主要包含測遠能力、點頻、角分辨率、視場角范圍、測距精準度、功耗、集成度（體積及重量）等，可以較為直觀的反應(yīng)激光雷達不同方面的性能。表2：評價激光雷達的顯性參數(shù)介紹參數(shù)描述說明一般指激光雷達對于10%低反射率目標物（標準朗伯體激光雷達測遠能力越強，距離覆蓋范圍越廣，目標物探測能力越強，留給測遠能力系統(tǒng)進行感知和決策的時間越長。目標物反射率影響探測距離，相同距離反射能量的比例）的最遠探測距離。下，反射率越低越難進行探測。點頻激光雷達每秒完成探測獲得的探測點的數(shù)目。點頻越高說明相同時間內(nèi)的探測點數(shù)越多，對目標物探測和識別越有利。角分辨率激光雷達相鄰兩個探測點之間的角度間隔，分為水平角度相鄰探測點之間角度間隔越小，對目標物的細節(jié)分辨能力越強，越有利于分辨率與垂直角度分辨率。進行目標識別。視場角范圍激光雷達探測覆蓋的角度范圍，分為水平視場角范圍與垂視場角越大說明激光雷達對空間的角度覆蓋范圍越廣。直視場角范圍。測距精度激光雷達對同一距離下的物體多次測量所得數(shù)據(jù)之間的一精度越高表示測量的隨機誤差越小，對物體形狀和位置的描述越準確，對致程度。目標物探測越有利。測距準度測距值和真實值之間的一致程度。準度越高表示測量的系統(tǒng)誤差越小，對物體形狀和位置的描述越準確，對目標物探測越有利。功耗激光雷達系統(tǒng)工作狀態(tài)下所消耗的電功率。在探測性能類似的情況下，功耗越低說明系統(tǒng)的能量利用率越高，同時散熱負擔也更小。集成度直觀體現(xiàn)為產(chǎn)品的體積和重量。在探測性能類似的情況下，集成度越高搭載于車輛或服務(wù)機器人時靈活性更高。資料來源：禾賽科技招股說明書，市場研究部3.2.當前格局：短期看好技術(shù)成熟度較高的ToF/半固態(tài)放量主流分類方式多元，技術(shù)路徑差異較大。由于激光雷達實現(xiàn)功能過程中所需元器件可選種類較多且原理均有不同程度差異，故分類方式較多。目前市場主流的分類方式為通過測距原理、激光發(fā)射、激光接收、光束操縱和數(shù)據(jù)處理五個維度進行分類。每種分類方式均有不同細分技術(shù)路線，因而在最終產(chǎn)品的工作原理、效果呈現(xiàn)和生產(chǎn)成本等方面均有所不同。14/53圖14：激光雷達五種主要分類方式資料來源：OFweek激光網(wǎng)，市場研究部3.2.1.測距原理：短期看好ToF放量，長期關(guān)注FMCW優(yōu)質(zhì)性能落地按照測距原理可將激光雷達細分為三角測距、飛行時間測距ToF和調(diào)頻連續(xù)波FMCW。受制于較遠距離分辨率下降，三角測距激光雷達難以配套汽車。三角測距法原理為發(fā)射激光到被測物體之后，部分散射光經(jīng)接收透鏡匯聚到線陣圖像傳感器（CCD/CMOS）上成像，之后根據(jù)三角形幾何相似關(guān)系原理計算目標物距離。三角測距激光雷達技術(shù)較為成熟且成本較低，近距離精度較高，但由于距離分辨率會隨著距離逐漸增加而急速下降，限制了三角測距的最大實用測量距離（16m以上會明顯受限），且轉(zhuǎn)速較低（三角雷達的最高轉(zhuǎn)速通常在20Hz以下，TOF雷達則可以做到30Hz-50Hz左右）導(dǎo)致點云成像效果較差，故目前多用于近距離室內(nèi)導(dǎo)航解決方案。ToF激光雷達技術(shù)成熟度高，短期仍將是配套汽車主流方式。飛行時間法ToF（TimeofFlight）測距原理為記錄發(fā)射器發(fā)射激光與探測器接收到回波信號的時間差除以2，直接計算目標物與傳感器之間距離。由于ToF測距發(fā)射激光脈沖持續(xù)時間極短、瞬時功率較高且耗時極短，因而在能夠探測到更遠距離的目標的同時也能保持較高測量頻率；計時的精度不會因距離變遠而發(fā)生改變從而距離分辨率更為穩(wěn)定。目前市場上ToF激光雷達的主流產(chǎn)品可實現(xiàn)室外陽光下100-250m測量，環(huán)境適應(yīng)性更好，適合活動空間大、移動速度高、需要在較強環(huán)境光工作的移動平臺使用。雖然ToF激光雷達也存在易受太陽光子及附近其他雷達干擾的缺點，但目前技術(shù)成熟度較高，且各主要廠商目前產(chǎn)品多是采用ToF法，短期內(nèi)仍將是配套汽車主流方案。15/53圖15：三角測距法通過三角形相似原理測距 圖16：ToF通過計算發(fā)射與接收信號時間差測距資料來源：OFweek，市場研究部 資料來源：電子發(fā)燒友，市場研究部FMCW激光雷達理論性能優(yōu)異，長期有望成為裝車破局新方向。調(diào)頻連續(xù)波FMCW（FrequencyModulatedContinuousWave）原理為發(fā)射調(diào)頻連續(xù)激光，通過回波信號的延時獲得差拍信號頻率進而獲得飛行時間，通過距離公式反推目標距離并通過多普勒頻率公式測算目標物速度。FMCW激光雷達相較ToF激光雷達而言抗干擾能力更強，且FMCW方案的激光峰值功率水平在100mW范圍內(nèi)，較ToF激光雷達數(shù)百或數(shù)千瓦存在優(yōu)勢，同時FMCW激光雷達可返回每個像素的徑向速度，所提供包含速度信息的4D圖像能夠為自動駕駛系統(tǒng)提供更清晰的環(huán)境感知能力。此外，目前只有利用FMCW技術(shù)在短波紅外（SWIR）波段才能將所有元件集成在單個光子芯片上，以達到使該技術(shù)真正大眾化所需要的成本目標。未來隨著FMCW激光雷達整機和上游產(chǎn)業(yè)鏈的成熟，或?qū)⒊蔀檠b車新方向。圖17：FMCW雷達結(jié)構(gòu)框架 圖18：FMCW雷達測距原理資料來源：CSDN技術(shù)社區(qū)，市場研究部 資料來源：麥姆斯咨詢，市場研究部短期看好ToF激光雷達放量，長期關(guān)注FMCW優(yōu)質(zhì)性能落地。從后期配套汽車量產(chǎn)角度分析，三角測距受制于較遠距離分辨率下降及點云成像效果較差，不適合作為車用激光雷達。而FMCW激光雷達相較ToF激光雷達抗干擾能力更強，發(fā)射功率低、信噪比高，適合芯片集成降低成本，長遠看更適合搭載汽車配套量產(chǎn)。但目前FMCW產(chǎn)業(yè)鏈上游尚處于早期測試開發(fā)階段，理論猜想尚未得到可靠佐證，而ToF激光雷達已有較為完整成熟的產(chǎn)業(yè)鏈，供應(yīng)商可提供包括發(fā)射器、探測器、專用集成電路等在內(nèi)的標準組件，我們認為短期內(nèi)ToF激光雷達受益產(chǎn)業(yè)鏈優(yōu)勢配套汽車可行性更高，長期將關(guān)注FMCW性能優(yōu)勢落地。16/53表3：測距原理分類對比分類三角測距激光雷達測距原理三角形幾何相似原理主要優(yōu)點短距離準確性高主要缺點長距離精度下降資料來源：公開資料整理，市場研究部

ToF激光雷達 FMCW激光雷達根據(jù)發(fā)射與接收時間差直 發(fā)射調(diào)頻連續(xù)激光，得到差拍信號頻接計算率獲取目標距離與速度探測距離長，響應(yīng)速度快、探測精度高，技術(shù)較 抗干擾能力強為成熟新興技術(shù)，產(chǎn)業(yè)鏈尚處初級階段，后抗干擾能力弱續(xù)表現(xiàn)有待觀瞻3.2.2.激光發(fā)射：1550nm降本可期，技術(shù)迭代下看好VCSEL根據(jù)激光發(fā)射裝置的不同又可將激光雷達通過光源波長和發(fā)射器種類兩種方式分類。光源波長主要分為905nm和1550nm兩類，發(fā)射器又包含邊發(fā)射激光器EEL、垂直腔面發(fā)射激光器VCSEL與光子晶體結(jié)構(gòu)表面發(fā)射激光器PCSEL三種主流方向。1550nm光源性能優(yōu)異，未來降本增量可期。光源激光按波長可主要分為905nm和1550nm兩種。905nm光源是最常用的激光光源波長，但處于人眼可吸收光譜中因而存在安全問題，需要限制發(fā)射器功率，尤其當工作距離達150m以上時，905nm激光器的光功率超過了人眼安全閾值，須采用人眼安全波段的激光器。905nm激光器優(yōu)點是：成本低、體積小，缺點是峰值功率低，重復(fù)頻率低，光束質(zhì)量一般；而1550nm遠離人眼可吸收可見光光譜波長，在同樣光斑大小和脈寬條件下1550nm激光的最大允許曝光量和最大允許峰值光功率值均比905nm激光高出數(shù)個等級。1550nm激光器優(yōu)點是峰值功率高，光束質(zhì)量好，重復(fù)頻率高，人眼安全等，適用于較長距離掃描激光雷達，但功耗高、散熱能力、以及體積是其主要短板，同時由于需要使用高價的銦鎵砷作為探測器的襯底材料、光纖激光器作為發(fā)射器導(dǎo)致成本較高。我們認為1550nm波長位于人眼安全范圍且性能較為優(yōu)異，且伴隨工藝流程技術(shù)進步有望帶來量產(chǎn)降本裝車；此外建議關(guān)注工藝提升與技術(shù)發(fā)展為905nm波長光源拓展應(yīng)用場景。圖19：905nm與1550nm激光安全及性能對比資料來源：搜狐汽車，市場研究部看好VCSEL技術(shù)迭代優(yōu)化方案，關(guān)注PSCEL發(fā)展進程。從發(fā)射器種類來看，邊緣激光發(fā)射器EEL技術(shù)較為成熟，市場高度分散且多樣，同時功率較高，但復(fù)雜工藝步驟帶來生產(chǎn)成本高、易碎、過程難以封裝等問題。垂直腔面激光發(fā)射器VCSEL生產(chǎn)中雖體積較小易于封裝且較為堅固耐用，但功率較低，探測距17/53離不足50m；但隨著近年來隨著對VCSEL技術(shù)開拓，新開發(fā)的多層結(jié)VCSEL功率密度提升了5-10倍，在封裝方式和光束整形等方面具有獨特優(yōu)勢，信噪比、生產(chǎn)成本與產(chǎn)品可靠性問題大大改善。PCSEL為當前最新激光器技術(shù)，是EEL與VCSEL的集成，也是目前唯一使用面內(nèi)反饋和面外表面發(fā)射的激光器，據(jù)PSCEL開發(fā)者VectorPhotonics首席執(zhí)行官NeilMartin表示，PCSEL成本低、易于封裝集成、堅固耐用、波長范圍廣、功率高，比現(xiàn)有的技術(shù)更有優(yōu)勢。我們認為PSCEL技術(shù)理論性能較強，看好后期實裝表現(xiàn)，短期內(nèi)相較EEL更看好技術(shù)迭代下VCSEL成本端和使用性方面優(yōu)勢。圖20：PCSEL是EEL與VCSEL的集成資料來源：VectorPhotonics官網(wǎng)，市場研究部3.2.3.激光接收：APD使用范圍較廣，SiPM未來或?qū)⑻娲鶤PD長期SiPM性能及成本優(yōu)勢凸顯或?qū)⑷〈鶤PD。激光接收層面根據(jù)光電探測器性能可主要分為SiPM、SPAD、APD和PINPD四類。PINPD具備工作電壓低、溫度特性好、靈敏度變化小等優(yōu)勢，但無增益，目前僅適用于FMCW測距激光雷達；APD的技術(shù)較為成熟，信號完整度強并有溫度補償冗余，是目前使用最為廣泛的光電探測器件。但目前APD的典型增益不及100倍，在遠距離測試的時候，需大幅提高光源光強才能確保APD有信號，這也對系統(tǒng)產(chǎn)生了一定的要求和限制。SPAD的理論增益能力是APD的一百萬倍以上，可實現(xiàn)低激光功率下的遠距離探測能力，功耗、體積較小，但因電路結(jié)構(gòu)復(fù)雜，系統(tǒng)成本與電路成本均較高。SiPM是多個SPAD的陣列形式，可通過大尺寸陣列的實現(xiàn)獲得更高的可探測范圍以及配合陣列光源使用，更容易集成CMOS技術(shù)，且電路結(jié)構(gòu)簡單，工作電壓較低，目前主要需求為PDE（光子探測效率）的提升。目前禾賽科技、Innovusion、Ouster、等主流廠商均已布局SiPM相關(guān)技術(shù)，未來有望代替APD。表4：激光雷達探測器對比18/53類型SiPMSPADAPDPINPhotodiodeHybridDevice(APD/Photodiode+TIA)增益能力106106<100無<100探測范圍中長距離中長距離中長距離短短到長距離電路結(jié)構(gòu)簡單復(fù)雜復(fù)雜復(fù)雜簡單成本低系統(tǒng)成本，探測成高系統(tǒng)成本，高探測高系統(tǒng)成本，高探測成本高系統(tǒng)成本，低探測成本低系統(tǒng)成本，高探測成本本中等成本設(shè)計冗余溫度補償信號完整性+焠熄電路信號完整性+溫度補償信號完整性信號完整性或溫度補償光譜范圍905nm以下硅基最高1150nm；硅基最高1150nm；銦鎵砷最高硅基最高1200nm；銦鎵砷最硅基最高1050nm；銦鎵砷銦鎵砷最高1700nm1700nm高2.6um最高1600nm探測速度中等快快快慢，受限于TIA工作電壓80V以下150V以上200V以下10V以下120-200V噪聲高探測噪聲，低系統(tǒng)高探測噪聲低探測噪聲，高系統(tǒng)噪聲（受限于低探測噪聲，高系統(tǒng)噪聲（受低探測噪聲，低系統(tǒng)噪聲噪聲放大器）限于放大器）資料來源：濱松公司官方資料，市場研究部多配合1550nm激光使用，InGaAs前景廣闊。根據(jù)襯底材料種類不同可分為硅基（Silicon）與銦鎵砷（(InGaAs），主要的差異是適用光譜不同，但從應(yīng)用角度而言，原理上差別不大。而探測器是配合光源使用的，硅基探測器多配合的是850nm、870nm、905nm、940nm等波段光源，同時作為初代半導(dǎo)體，硅材料晶圓更加成熟，從成本和可獲得性來講更適合大范圍應(yīng)用。InGaAs材料由于工藝難度、晶圓尺寸和使用場景的限制，整體成熟度較硅基較低，但由于受太陽光的影響較小，防霧性能較好，且多配合1550nm激光使用，對人眼較為安全，未來有望伴隨1550nm技術(shù)滲透率提高成為主要基底。3.2.4.光束操縱：短期看好半固態(tài)方案放量，長期或?qū)⒅鸩较蚬虘B(tài)演化根據(jù)光束操縱方式不同又可將激光雷達分為機械式、半固態(tài)和固態(tài)，其中半固態(tài)方案主流方向為MEMS與轉(zhuǎn)鏡式，固態(tài)方案目前以O(shè)PA和Flash方案為主。機械式因成本及外觀因素多用于測試項目。機械式激光雷達主要通過電機帶動光機結(jié)構(gòu)整體旋轉(zhuǎn)，可實現(xiàn)360°掃描（半固態(tài)式和固態(tài)式激光雷達往往最高只能做到120°的水平視場掃描）。由于機械式激光雷達發(fā)展較早、技術(shù)較為成熟，且具備最佳性能和分辨率，可測距離最遠等優(yōu)勢，但同時缺點在于核心組件價格昂貴，光路調(diào)試、裝配復(fù)雜、生產(chǎn)周期漫長等因素導(dǎo)致難以配套量產(chǎn)，且突出型的產(chǎn)品結(jié)構(gòu)對車輛外觀有一定影響，故目前多應(yīng)用于無人駕駛測試項目。圖21：機械式激光雷達結(jié)構(gòu)資料來源：濱松公司官方資料，市場研究部19/53MEMS方案綜合優(yōu)勢明顯，有望搭載汽車商用。微振鏡式主要采用MEMS（微機電系統(tǒng),Micro-Electro-MechanicalSystem）微振鏡替代傳統(tǒng)機械式旋轉(zhuǎn)裝置，由微振鏡通過一定諧波頻率振蕩反射激光形成較廣的掃射角度和較大掃射范圍，高速掃描形成點云圖效果。MEMS雖然相較機械式激光雷達探測角度范圍較小，但因具有良好的性能、探測距離及高分辨率，同時小巧輕便、堅固可靠且成本較低，目前較為適合作為車載激光雷達配套汽車量產(chǎn)。圖22：MEMS激光雷達工作原理圖 圖23：InnoluceMEMS激光雷達結(jié)構(gòu)資料來源：濱松公司官方資料，市場研究部 資料來源：電子工程世界，市場研究部轉(zhuǎn)鏡方案最早通過車規(guī)，短期或?qū)⑴cMEMS并存。轉(zhuǎn)鏡式保持收發(fā)模塊不動，讓電機在帶動轉(zhuǎn)鏡運動的過程中反射激光從而達到掃描探測效果。轉(zhuǎn)鏡方案的激光雷達最早是法雷奧Scala于2017年在奧迪A8上量產(chǎn)，也是首個車規(guī)級激光雷達，大疆Livox產(chǎn)品預(yù)計于21年量產(chǎn)上市。雷達缺點在于電機驅(qū)動也帶來了功耗高、穩(wěn)定性不足和光源能量分散等問題，但也具備高掃瞄精度，同時可以通過控制掃描區(qū)域從而提高關(guān)鍵區(qū)域的掃描密度，且具有探測距離遠、探測角度大的優(yōu)勢，未來或?qū)⒊蔀樽詣玉{駛汽車配套搭載的主要選擇之一。圖24：首個通過車規(guī)量產(chǎn)的法雷奧Scala轉(zhuǎn)鏡式激光雷達 圖25：大疆LivoxTele-15激光雷達資料來源：麥姆斯咨詢，市場研究部 資料來源：大疆Livox官網(wǎng)，市場研究部OPA產(chǎn)業(yè)鏈尚處起步階段，短期暫無配套量產(chǎn)可能。OPA即光學(xué)相控陣(Optical-Phased-Array)技術(shù)，通過對陣列移相器中每個移相器相位的調(diào)節(jié)，利用干涉原理實現(xiàn)激光按照特定方向發(fā)射的技術(shù)從而完成系統(tǒng)對空間一定范圍的掃描測量。OPA具備精度高、掃描快、體積小等優(yōu)勢，集成度高且量產(chǎn)標準化程度高，技術(shù)突破后大規(guī)模量產(chǎn)將使OPA方案成本進一步下探，但由于目前OPA產(chǎn)業(yè)鏈尚處于起步階段，上游零部件多數(shù)需要激光雷達廠商自研，且制造工藝要求較高存在一定壁壘，對激光雷達制造商難度較大，故目前OPA方案采用率較低。20/53圖26：OPA激光雷達工作原理圖 圖27：QuanergyS系列激光雷達資料來源：麥姆斯咨詢，市場研究部 資料來源：Quanergy官網(wǎng)，市場研究部探測距離短板導(dǎo)致Flash激光雷達應(yīng)用受限。Flash型激光雷達是目前唯一不存在掃描系統(tǒng)的方案，但由于不存在機械運動部件被歸類為固態(tài)激光雷達。Flash可以通過短時間內(nèi)向各個方向發(fā)射大覆蓋面陣激光，利用微型傳感器陣列采集不同方向反射回來的激光束快速記錄整個場景并以高度靈敏探測器完成周圍圖像繪制，避免了掃描過程中目標或激光雷達移動帶來的各種問題。但由于探測范圍較窄目前配套汽車有所受限。圖28：Flash激光雷達工作原理圖 圖29：LeddartechFlash激光雷達產(chǎn)品LeddarPixell資料來源：geekcar，市場研究部 資料來源：Leddartech官網(wǎng)，市場研究部短期看好半固態(tài)成為裝車主流方案，長期關(guān)注固態(tài)方案技術(shù)突破。我們認為機械式激光雷達雖然技術(shù)較為成熟且性能優(yōu)秀，但受限于體積、外觀及量產(chǎn)成本等原因難以配套汽車量產(chǎn)。半固態(tài)解決方案MEMS和轉(zhuǎn)鏡式目前技術(shù)均較為成熟且能覆蓋中長測距范圍，同時成本有望得到進一步控制，看好短期內(nèi)成為配套汽車量產(chǎn)的核心解決方案。長期時間維度內(nèi)看好OPA方案在產(chǎn)業(yè)鏈逐步完備情況下裝車，以及Flash方案技術(shù)迭代下拓展測距范圍進程。表5：半固態(tài)方案短期或?qū)⒊蔀橹髁黝愋蜋C械式MEMS轉(zhuǎn)鏡式OPAFlash測距范圍中長距離中長距離中長距離中長距離近距離體積大較小較小最小較小技術(shù)成熟度成熟較為成熟較為成熟尚不足夠成熟較為成熟成本較高中等中等較低中等資料來源：公開資料整理，市場研究部3.2.5.信息處理：企業(yè)自研SoC未來將成為主流方向21/53企業(yè)自研SoC未來將成為主流趨勢。激光雷達信息處理中主控芯片用于激光發(fā)射器、探測器等部件控制及計算，目前最常用的主控芯片是FPGA芯片，但隨著主流廠商對于性能及整體系統(tǒng)需求的提升，信息處理系統(tǒng)發(fā)展逐步向企業(yè)自研專用單光子接收端片上集成芯片（SoC）遷移，通過片內(nèi)集成探測器、前端電路、算法處理電路、激光脈沖控制等模塊，能夠直接輸出距離、反射率信息，或?qū)⒅鸩酱嬷骺匦酒現(xiàn)PGA。未來隨著線列、面陣規(guī)模的不斷增大，逐步升級CMOS工藝節(jié)點，單光子接收端SoC將實現(xiàn)更強的運算能力、更低的功耗和更高的集成度。目前SoC企業(yè)自研雖在前端投入、設(shè)計制造等方面還存在較高壁壘，但主要廠商如禾賽科技、速騰聚創(chuàng)、Ouster等均已布局且有所突破，我們認為未來企業(yè)自研SoC將成為主流趨勢。圖30：PandarXT采用禾賽科技自主研發(fā)的激光雷達專用芯片組 圖31：激光雷達專用芯片及功能模塊示意圖資料來源：禾賽科技官網(wǎng)，市場研究部 資料來源：禾賽科技招股說明書，市場研究部3.3.未來發(fā)展：固態(tài)化+集成化降低成本裝車增量，提升算法助力感知硬件技術(shù)方向：光束操縱固態(tài)化+信息處理集成化。我們認為未來激光雷達的技術(shù)進程將主要圍繞兩個維度展開：提升性能與降低成本，而固態(tài)化+集成化將是提高測量精度的同時降低整體成本的主要技術(shù)路徑。固態(tài)化可以使激光雷達不再依賴旋轉(zhuǎn)的機械部件，從而可以減少由于電機、軸承等部件帶來的成本；集成化則可以將核心部件全部集成于芯片之上，提升性能的同時簡化電路結(jié)構(gòu)，控制費用。軟件算法提升或?qū)⒁I(lǐng)激光雷達邁入新紀元。目前激光雷達核心優(yōu)勢在于成像能力，但短板在于識別與判斷。算法則可以幫助激光雷達向智能信息捕獲的技術(shù)方向發(fā)展，功能從“被動搜索”或目標探測擴展到“主動搜索”，同時實時獲取目標分類屬性，做出更優(yōu)判斷。目前中國著名激光雷達企業(yè)速騰聚創(chuàng)已推出“普羅米修斯”計劃，核心是基于激光雷達點云的物體識別、分類、跟蹤等算法為自動駕駛提供支持，旨在一站式提高激光雷達的感知技術(shù)；美國激光雷達企業(yè)AEye也已布局智能數(shù)據(jù)采集的新方式iDAR平臺，提高自動駕駛汽車檢測和分類的可靠性，同時擴大了對象檢測、分類和追蹤的范圍；阿里巴巴達摩院已宣布其自研感知算法實現(xiàn)了對低線束激光雷達的高線束模擬。有了算法的加持，激光雷達才具備了思考能力，實現(xiàn)對場景的理解，真正完全解讀場景，讓激光雷達幫助汽車做出正確的決策。22/53圖32：iDAR的2D/3D感知系統(tǒng) 圖33：經(jīng)達摩院算法深度補全后的低線束點云資料來源：蓋世汽車，市場研究部 資料來源：搜狐汽車，市場研究部下游應(yīng)用需求：降低成本是裝車量產(chǎn)當務(wù)之急。目前激光雷達裝車量產(chǎn)的主要阻礙在于價格過高，商業(yè)化進程阻力較大。激光雷達成本主要可分為：研發(fā)成本、生產(chǎn)成本與BOM成本（物料成本）。我們認為降低成本主要方向有：1.大規(guī)模量產(chǎn)。研發(fā)成本與生產(chǎn)成本可隨量產(chǎn)規(guī)模的擴大顯著分攤，如據(jù)銳馳智光披露，LakiBeam128目前萬臺級供貨價定在743美元；在十萬臺級別，其單價為498美元；在百萬臺級別，其單價是289美元，量產(chǎn)帶來的價格下探幅度顯著。2控制上游元件成本。企業(yè)可通過自研光學(xué)元件、芯片等上游產(chǎn)品進而控制激光雷達產(chǎn)品BOM成本。如2019年時法雷奧激光雷達產(chǎn)品Scala的主板成本占比達到45%、激光單元占比23%、機械鏡單元占比13%、機械式激光硬件占比10%，若激光雷達廠商可自研并量產(chǎn)芯片及光學(xué)元件，BOM成本將顯著降低。3.技術(shù)路徑迭代。由成本較高的機械式向純固態(tài)遷移、由人工成本較高的EEL向可機器量產(chǎn)的VCSEL發(fā)展等，此外發(fā)展理論成本較低的FMCW技術(shù)及進一步開發(fā)1550nm方案技術(shù)探索成本空間或?qū)⑻峁┙当拘侣窂健１?：銳馳智光產(chǎn)品量產(chǎn)價格對比數(shù)量/產(chǎn)品LakiBeam128LLakiBeam128萬臺2900人民幣/450美元4800人民幣/743美元十萬臺1925人民幣/298美元3215人民幣/498美元百萬臺1258人民幣/195美金1868人民幣/289美金資料來源：第一電動，市場研究部圖34：法雷奧Scala結(jié)構(gòu)拆分圖35：2019年法雷奧Scala成本拆分資料來源：蓋世汽車，市場研究部 資料來源：蓋世汽車，市場研究部視覺系軟硬件壁壘高筑，激光雷達裝車放量可期核心結(jié)論：純視覺方案軟硬件壁壘較高，多數(shù)車企短期難以采用。激光雷達23/53具備高成像精度、低軟硬件需求等性能優(yōu)勢的同時，伴隨當前及預(yù)期后續(xù)價格的持續(xù)下探，疊加下游汽車領(lǐng)域?qū)τ谔嵘詣玉{駛等級的迫切需求，三因素共振推動激光雷達方案成為未來配套汽車量產(chǎn)的主流方向。4.1.視覺方案軟硬件壁壘較高，多數(shù)車企短期難以采用主流硬件性能可支撐L3級，較L5級理論需求仍有差距。強大芯片算力是提升圖像處理準確性與安全性的基礎(chǔ)。目前特斯拉完全自主研發(fā)的FSD全自動駕駛芯片，單片單芯片算力72TOPS，（板卡144TOPS）、雙芯片設(shè)計形成冗余及功耗比較低等整體性能優(yōu)勢在市場上內(nèi)較為領(lǐng)先。但據(jù)GPU巨頭Imagination預(yù)測數(shù)據(jù)，目前主流芯片產(chǎn)品算力雖尚可滿足L3級自動駕駛需求，若要實現(xiàn)L5級完全自動駕駛，系統(tǒng)整體算力應(yīng)至少達到500TOPS，且若需配備冗余則對算力要求更高，目前市場產(chǎn)品均無法達到目前預(yù)計算力要求且相差幅度較大，故我們認為短期內(nèi)通過硬件層面彌補攝像頭和激光雷達在高級別自動駕駛的差距可行性較低。圖36：特斯拉FSD雙處理器設(shè)計 圖37：L5級自動駕駛至少需要500TOPS算力資料來源：特斯拉，市場研究部 資料來源：電子技術(shù)設(shè)計，市場研究部表7：市場自動駕駛主流計算平臺及芯片性能對比計算平臺芯片廠商名稱平臺算力/TOPS功耗/W名稱算力/TOPS功耗/W單位功耗可提供算力晶體管數(shù)制備工藝特斯拉FSD14472FSD芯片7236260億14nmEyeQ42.53EyeQ42.530.83-28nmMobileyeEyeQ52410EyeQ51252.4-7nmFinFETDriveAGX320500DriveAGX3030190億12nmPegasusXaiveNVIDIADriveAGX7nmDriveOrin預(yù)計2022年量產(chǎn)200--170億OrinFinFET華為MDC600352300昇騰3101682-12nm地平線Martix4020Journey422-28nm芯片資料來源：各公司官網(wǎng)，公司官網(wǎng)公眾平臺，市場研究部神經(jīng)網(wǎng)絡(luò)算法壁壘較高短期難達自動駕駛需求。視覺系自動駕駛解決方案的核心問題是對于所感知的路況信息進行定義與識別，而由于視覺系主要依賴攝像頭的感知方式精度較低，所以更加需要先進圖像處理算法進行支撐，同時對于神經(jīng)網(wǎng)絡(luò)訓(xùn)練要求極高，需海量樣本數(shù)據(jù)進行學(xué)習(xí)，而數(shù)據(jù)獲取及算法演繹壁壘極高。特斯拉通過影子模式將所有配備Autopilot功能的車主引入神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，截至2020年4月Autopilot啟用狀態(tài)下特斯拉汽車行駛總里程破30億英里（約48.28億公里），這些數(shù)據(jù)將用于完善特斯拉自動駕駛所需的路況及操作信息，但目前基于海量信息滋養(yǎng)的優(yōu)質(zhì)條件下，神經(jīng)網(wǎng)絡(luò)算法領(lǐng)先的特斯拉目前僅能達到L2.5級自動駕駛，而其他主要自動駕駛公司實測里程數(shù)據(jù)與特斯拉相比仍存在較24/53大差距且短期內(nèi)無法彌補，故我們認為在算法層面而言除特斯拉以外的其他車企短期內(nèi)尚不具備L3級自動駕駛水平。圖38：Autopilot啟用狀態(tài)下行駛里程破30億英里（48.28億公里）資料來源：特斯拉，市場研究部表8：特斯拉通過影子模式獲取海量數(shù)據(jù)企業(yè)特斯拉Waymo百度Apollo車輛所有配備特斯拉自動駕駛功能車輛自動駕駛汽車Robotaxi數(shù)據(jù)獲取方式通過影子模式，從真實行駛的汽車模擬駕駛測試+真實測試數(shù)據(jù)真實測試數(shù)據(jù)中獲取海量真實路況行駛數(shù)據(jù)真實道路實測30億英里，約48.28億公里超2000萬英里700萬公里里程（截至2020年4月）（截至2020年1月）（截至2020年12月）資料來源：特斯拉，蓋世汽車，ApolloGo運營報告、市場研究部4.2.性能優(yōu)勢+價格下探+上車需求加速推進激光雷達裝車量產(chǎn)雷達方案路況模型精度高，性能優(yōu)勢明顯。激光雷達可以通過主動探測的方式直接構(gòu)建高精度路況模型，在探測距離及精度方面較攝像頭優(yōu)勢顯著，且可大幅降低軟硬件端分析難度。同時激光雷達探測距離較遠且具備同步建圖（SLAM）功能，可通過直接獲取環(huán)境中的點云數(shù)據(jù)測算障礙物以及距離。此外由于測量精度通常與波段頻率正相關(guān)，激光雷達所用紅外光（超10萬GHz）相比毫米波（30-300GHz）及超聲波（20kHz-58kHz）具有明顯精度優(yōu)勢，且受夜間因素影響較小，性能優(yōu)秀。圖39：激光雷達SLAM地圖構(gòu)建 圖40：激光雷達構(gòu)建路況模型精度高資料來源：思嵐科技，市場研究部 資料來源：汽車之家，市場研究部25/53表9：主要傳感器性能對比設(shè)備攝像頭激光雷達放置位置車輛四周車頂+周圍探測范圍3-50m0-200m圖像效果2D圖像3D圖像圖像顏色可判斷顏色不可判斷顏色障礙物識別障礙物識別準確率高，成像可視化程度低障礙物識別準確率低，成像可視化程度高外界環(huán)境影夜間效果較差，易受極端天氣影響夜間效果影響較小，易受極端天氣影響響對軟件依賴高低程度成本低高核心優(yōu)點可識別圖像，成本低精度高主要缺點對軟硬件依賴程度高，易受黑暗、光線等因素影響成本高資料來源：公開資料整理，市場研究部激光雷達價格降幅明顯，未來有望下探至裝車量產(chǎn)水平。2007年Velodyne首次發(fā)布的64線機械式激光雷達產(chǎn)品HDL-64E價格近8萬美元，2010年發(fā)布的32線機械式產(chǎn)品HDL-32E價格大幅下降50%至4萬美元，隨后2018年正式宣布由于大規(guī)模量產(chǎn)VLP-16產(chǎn)品價格由最初的8000美元降至3999美元，價格下降幅度顯著。同時各主要激光雷達廠商也在MEMS、轉(zhuǎn)鏡、及純固態(tài)等技術(shù)領(lǐng)域布局，激光雷達產(chǎn)品整體價格持續(xù)下行，大疆2020年發(fā)布的車規(guī)級半固態(tài)激光雷達價格已突破10000元人民幣，最低可達6499元人民幣（近1000美元）。據(jù)大疆Livox預(yù)計未來激光雷達價格有望下探至100美元水平。我們認為伴隨技術(shù)更新迭代及市場需求提升帶來的大規(guī)模量產(chǎn)，激光雷達價格在未來5-10年內(nèi)較目前仍有較大下調(diào)空間，且短期有望達到商業(yè)化裝車量產(chǎn)水平。表10：各主要廠商產(chǎn)品價格概覽廠商產(chǎn)品類型年份價格HDL-64E機械式200780000美元VelodyneHDL-32E機械式201040000美元VLP-16機械式20183999美元速騰聚創(chuàng)RS-RubyLite機械式202088000-108000人民幣LuminarIrisMEMS20221000美元華為MEMS未來有望200美元大疆Horizon轉(zhuǎn)鏡20206499人民幣Tele-15轉(zhuǎn)鏡20208999人民幣Quanergy-OPA未來有望250美元OusterES2Flash2024600美元資料來源：各公司官網(wǎng)，市場研究部圖41：預(yù)計激光雷達產(chǎn)品價格未來將持續(xù)大幅下探26/53資料來源：大疆Livox，市場研究部汽車領(lǐng)域提升自動駕駛等級需求迫切。各主要經(jīng)濟體均對自動駕駛提出明確規(guī)劃：中國《節(jié)能與新能源汽車技術(shù)路線圖2.0》已對自動駕駛提出明確規(guī)劃，到2025年實現(xiàn)L2+L3占比達50%，到2030年L2+L3占比70%，L4級占比超20%，而目前L2+L3占比僅為15%，提升需求迫切；歐盟委員會發(fā)布了《通往自動化出行之路：歐盟未來出行戰(zhàn)略》，提出2030年步入完全自動駕駛社會的遠景目標；日本計劃在2030年實現(xiàn)20%自動駕駛汽車上路；韓國自動駕駛商用化時間表提前至2027年。且由于短期內(nèi)視覺系方案暫無法完全適應(yīng)市場需求，看好具備性能優(yōu)勢的激光雷達在價格下探趨勢下裝車量產(chǎn)。2025年配套汽車領(lǐng)域全球市場空間有望達百億美元5.1.激光雷達產(chǎn)業(yè)鏈下游應(yīng)用領(lǐng)域廣泛激光雷達產(chǎn)業(yè)鏈下游需求主要為無人駕駛、乘用車ADAS+ADS、服務(wù)機器人、無人機及測繪等領(lǐng)域。激光雷達產(chǎn)業(yè)鏈中，上游主要為激光發(fā)射、激光接收、掃描系統(tǒng)和信息處理四部分，上游產(chǎn)品主要為光學(xué)和電子元件，供應(yīng)商主要為濱松、英特爾等國際巨頭。近年來，國內(nèi)廠商在上游元器件領(lǐng)域有所起步但較主流廠商仍有差距。激光雷達廠商位于產(chǎn)業(yè)鏈中游，通過將上游產(chǎn)品進行整合與生產(chǎn)，為下游應(yīng)用領(lǐng)域提供激光雷達產(chǎn)品或解決方案。產(chǎn)業(yè)鏈下游為應(yīng)用層面，主要領(lǐng)域可分為無人駕駛、乘用車輔助/自動駕駛、服務(wù)機器人、無人機及測繪等領(lǐng)域。圖42：激光雷達產(chǎn)業(yè)鏈上下游概覽資料來源：汽車人參考，市場研究部27/535.2.2025年全球/中國配套汽車空間將有望分別達108.0/47.6億美元核心結(jié)論：全球/中國下游汽車領(lǐng)域激光雷達空間廣闊，需求旺盛。2025年全球/中國市場激光雷達在下游配套汽車量產(chǎn)領(lǐng)域空間將有望分別達108.0/47.6億美元，2019-2025年CAGR分別為39.9%/45.3%；其中2025年全球/中國市場無人駕駛領(lǐng)域激光雷達空間將有望分別達42.8/17.1億美元，2019-2025年CAGR分別為38.7%/38.7%；2025年全球/中國市場乘用車ADAS+ADS領(lǐng)域激光雷達空間將有望分別達65.2/30.5億美元，2019-2025年CAGR分別為40.7%/50.1%。2025年全球/中國配套汽車量產(chǎn)帶來的激光雷達需求將有望分別達2387.4/1102.1萬個。5.2.1.2025年全球/中國無人駕駛領(lǐng)域激光雷達空間將達42.8/17.1億美元說明：無人駕駛車輛包含可提供運送乘客及貨物的Robotaxi、Robotruck、Robobus等無人駕駛交通工具。核心假設(shè)1：全球無人駕駛車輛2019-2025年分別為0.5萬輛/1萬輛/3萬輛/6萬輛/12萬輛/26萬輛/53.5萬輛，中國市場占全球市場的40%。假設(shè)依據(jù)：據(jù)ReportLinker數(shù)據(jù)，2025年運送乘客及貨物的無人駕駛車輛總量將達53.5萬輛，并據(jù)主流無人駕駛領(lǐng)域廠商披露的無人駕駛車輛數(shù)量我們預(yù)計2020年總數(shù)為1萬輛，故對2021-2024年無人駕駛車輛數(shù)量做出合理推測。核心假設(shè)2：每輛無人駕駛車輛所搭載激光雷達個數(shù)為4個。假設(shè)依據(jù)：據(jù)麥姆斯咨詢報告數(shù)據(jù)顯示，L4級自動駕駛所需激光雷達個數(shù)為2-3個，L5級所需激光雷達個數(shù)為4-6個，參考目前主流無人駕駛公司產(chǎn)品單車配備激光雷達數(shù)量并考慮到由于駕駛責任歸屬于汽車系統(tǒng)，因而對系統(tǒng)探測性能要求較高，故合理推測平均每輛車所需激光雷達數(shù)量為4顆。核心假設(shè)3：激光雷達成本將下降，2021-2025年無人駕駛用激光雷達平均單價為3000/2000/1200/800/500美元/顆。假設(shè)依據(jù)：因為車輛的所有者往往為無人駕駛運營公司，故對激光雷達價格敏感度較低而對性能更為看重，且對車輛外觀要求相對較C端客戶低，故推測會配備性能更優(yōu)質(zhì)激光雷達區(qū)別于私人乘用車，因此根據(jù)目前激光雷達市場單價及各主要公司披露未來產(chǎn)品定價范圍對2021-2025年無人駕駛車輛配套激光雷達產(chǎn)品平均單價進行合理推測。核心假設(shè)4：假設(shè)中國市場無人駕駛車輛總量占全球市場的40%。假設(shè)依據(jù)：中國是世界汽車產(chǎn)銷第一大國，且產(chǎn)銷占比達全球30%水平。同時我們認為目前中國在無人駕駛車輛領(lǐng)域布局較早，故至2025年占比合理推測為40%。表11：全球/中國市場無人駕駛領(lǐng)域激光雷達市場空間測算201920202021E2022E2023E2024E2025E全球市場無人駕駛車輛總量（萬輛）0.5136122653.5平均每輛車所需激光雷達數(shù)量（顆）4444444無人駕駛車輛激光雷達總需求量（萬顆）24122448104214激光雷達平均單價（美元）75006500300020001200800500激光雷達單車價值量合計（美元）3000026000120008000480032002000全球無人駕駛車輛激光雷達市場空間（億美元）610.414.419.223.0433.2842.8同比（%）73%38%33%20%44%29%28/532019-2025CAGR（%）38.7%中國市場預(yù)期無人駕駛車輛總量（萬輛）0.20.41.22.44.810.421.4平均每輛車所需激光雷達數(shù)量（顆）4444444無人駕駛車輛激光雷達總需求量（萬顆）0.81.64.89.619.241.685.6激光雷達平均單價（美元）75006500300020001200800500激光雷達單車價值量合計（美元）3000026000120008000480032002000中國無人駕駛車輛激光雷達市場空間（億美元）2.44.25.87.79.213.317.1同比（%）73%38%33%20%44%29%2019-2025CAGR（%）38.7%資料來源：麥姆斯咨詢，ReprotLinker，市場研究部無人駕駛領(lǐng)域激光雷達全球/中國市場空間2025年將分別達42.8/17.1億美元。市場空間整體呈上升趨勢，2019年-2025年預(yù)期CAGR將均為38.7%，同比增幅略所波動主要系無人駕駛車輛的數(shù)量增長與激光雷達平均單價下探共同影響。圖43：2025年全球無人駕駛領(lǐng)域激光雷達空間將達42.8億美元圖44：2025年中國無人駕駛領(lǐng)域激光雷達空間將達17.1億美元全球無人駕駛車輛激光雷達市場空間（億美元）同比（%）中國無人駕駛車輛激光雷達市場空間（億美元）同比（%）5080%2080%4060%1560%3040%1040%201020%520%00%00%201920202021E2022E2023E2024E2025E201920202021E2022E2023E2024E2025E資料來源：麥姆斯咨詢，ReportLinker，市場研究部資料來源：麥姆斯咨詢，ReportLinker，市場研究部5.2.2.2025年全球/中國乘用車ADAS+ADS激光雷達空間將達65.2/30.5億美元核心假設(shè)1：預(yù)期2021-2025年全球乘用車產(chǎn)量將以12%/5%/4%3%3%的速度增長，中國乘用車產(chǎn)量將以5%/5%/5%4%3%的速度增長。假設(shè)依據(jù)：由于2020年受疫情影響基數(shù)較低，故2021年全球疫情得到控制背景下生產(chǎn)恢復(fù)故漲幅較大，后續(xù)伴隨汽車行業(yè)轉(zhuǎn)型，各車企全球新產(chǎn)品加速布局產(chǎn)量會有小幅增長。中國受疫情影響較小，增長速度為預(yù)期各車企適應(yīng)汽車行業(yè)發(fā)展及國內(nèi)政策需求帶來的小幅產(chǎn)量提升。核心假設(shè)2：預(yù)期2021-2025年全球L3級滲透率將分別為3%/6%/9%12%15%；L4+L5級滲透率將分別為0%/1%/2%/3%5%。假設(shè)依據(jù)：考慮到汽車行業(yè)智能化網(wǎng)聯(lián)化逐步演繹，各車企對于提升自動駕駛等級需求將支撐L3級加速滲透;L4級自動駕駛車型預(yù)期將于2022年量產(chǎn)，之后滲透率將逐步提升，故對未來滲透率做出合理推測。核心假設(shè)3：預(yù)期2021-2025年中國L3級滲透率將分別為3%/6%/11%15%20%；L4+L5級滲透率將分別為0%/1%/2%/3%5%。假設(shè)依據(jù)：由工信部指導(dǎo)、中國汽車工程學(xué)會編制的《節(jié)能與新能源汽車技術(shù)路線圖2.0》已對自動駕駛提出明確規(guī)劃，2025年實現(xiàn)L2+L3占比達50%，2030年L2+L3占比達70%，L4級占比超20%，故對2021-2025年滲透率做出合理推測。29/53核心假設(shè)4：預(yù)期L3級輔助駕駛傳感器需激光雷達個數(shù)為1個；L4+L5級自動駕駛傳感器激光雷達需求個數(shù)為3個。假設(shè)依據(jù)：根據(jù)麥姆斯咨詢數(shù)據(jù)顯示，L3級車輛配備傳感器對于激光雷達需求為1個，L4級自動駕駛所需激光雷達個數(shù)為2~3個，L5級自動駕駛所需激光雷達個數(shù)為4~6個，考慮到L5級自動駕駛滲透率較低，故合理推測L4+L5級激光雷達平均需求個數(shù)為3個。核心假設(shè)5：激光雷達成本將下降，2021-2025年乘用車輔助/自動駕駛用激光雷達平均單價為1200/800/550/400/300美元/顆。假設(shè)依據(jù)：因為車輛的所有者為私人用戶，對激光雷達價格敏感度較高且對車輛外觀較為看重，故推測會配備性能達標前提下更具價格和尺寸優(yōu)勢的激光雷達，因此根據(jù)目前此類激光雷達市場單價及各主要公司披露未來產(chǎn)品定價范圍對2021-2025年乘用車輔助/自動駕駛領(lǐng)域配套激光雷達產(chǎn)品平均單價進行合理推測。表12：全球/中國市場乘用車ADAS+ADS領(lǐng)域激光雷達市場空間測算201920202021E2022E2023E2024E2025E全球市場全球乘用車產(chǎn)量（萬輛）6714.95583.46253.56566.16828.87033.67244.6乘用車同比增長速度（%）-16.9%12.0%5.0%4.0%3.0%3.0%L3級滲透率（%）0.5%1.0%3.0%6.0%9.0%12.0%15.0%L3級乘用車銷量（萬輛）33.655.8187.6394.0614.6844.01086.7L3級乘用車所需激光雷達數(shù)（顆）1111111L3級乘用車所需激光雷達總數(shù)（萬顆）33.655.8187.6394.0614.6844.01086.7L4級+L5級自動駕駛滲透率（%）0.0%0.0%0.0%1.0%2.0%3.0%5.0%L4+L5級乘用車銷量（萬輛）00065.7136.6211.0362.2L4+L5級乘用車所需激光雷達數(shù)（顆）3333333L4+L5級乘用車所需激光雷達總數(shù)（萬顆）0.00.00.0197.0409.7633.01086.7乘用車ADAS+ADS領(lǐng)域所需激光雷達總數(shù)（萬顆）33.655.8187.6591.01024.31477.12173.4激光雷達平均價格（美元）250018001200800550400300乘用車ADAS+ADS領(lǐng)域激光雷達市場空間（億美元）8.410.122.547.356.359.165.2同比增速（%）19.7%124.0%110.0%19.2%4.9%10.4%2019-2025CAGR（%）40.7%中國市場中國乘用車產(chǎn)量（萬輛）2136.01999.42099.42204.32314.62407.12479.4乘用車同比增長速度（%）-6.4%5%5%5%4%3%L3級滲透率（%）1%1%3%6%11%15%20%L3級乘用車銷量（萬輛）10.720.063.0132.3254.6361.1495.9L3級乘用車所需激光雷達數(shù)（顆）1111111L3級乘用車所需激光雷達總數(shù)（萬顆）10.720.063.0132.3254.6361.1495.9L4級+L5級自動駕駛滲透率（%）0%0%0%1%2%4%7%L4+L5級乘用車銷量（萬輛）00017.646.396.3173.6L4+L5級乘用車所需激光雷達數(shù)（顆）3333333L4+L5級乘用車所需激光雷達總數(shù)（萬顆）0.00.00.052.9138.9288.9520.7乘用車ADAS+ADS領(lǐng)域所需激光雷達總數(shù)（萬顆）10.720.063.0185.2393.5649.91016.5激光雷達平均價格（美元）250018001200800550400300中國乘用車ADAS+ADS領(lǐng)域激光雷達市場空間（億美元）2.73.67.614.821.626.030.5同比增速（%）35%110%96%46%20%17%2019-2025CAGR（%）50.1%資料來源：Wind，麥姆斯咨詢，市場研究部乘用車ADAS+ADS領(lǐng)域激光雷達全球/中國市場空間2025年將分別達30/5365.2/30.5億美元。市場空間整體呈上升趨勢，2019年-2025年預(yù)期CAGR將分別為40.7%/50.1%。2021年同比增幅較為顯著主要系2020年L3級乘用車滲透率基數(shù)較低，2021年L3級乘用車滲透率增長帶來較大同比增幅。2022年同比增幅較大主要系當年預(yù)期L4級車開始量產(chǎn)帶來的增量所致。后期同比增幅較低主要系乘用車數(shù)量的增長幅度較小且激光雷達平均單價逐步降低的共同影響所致。圖45：全球乘用車ADAS+ADS領(lǐng)域空間將達65.2億美元圖46：中國乘用車ADAS+ADS領(lǐng)域空間將達30.5億美元全球乘用車ADAS+ADS領(lǐng)域激光雷達市場空間（億美元）中國乘用車ADAS+ADS領(lǐng)域激光雷達市場空間（億美元）同比增速（%）同比增速（%）70140%35120%60120%30100%50100%2580%4080%2060%3060%152040%1040%1020%520%00%00%201920202021E2022E2023E2024E2025E201920202021E2022E2023E2024E2025E資料來源：Wind，麥姆斯咨詢，市場研究部資料來源：Wind，麥姆斯咨詢，市場研究部5.2.3.2025年全球/中國激光雷達配套汽車量產(chǎn)空間將達108.0/47.6億美元全球/中國下游汽車領(lǐng)域激光雷達空間廣闊，需求旺盛。激光雷達在下游配套汽車量產(chǎn)領(lǐng)域2025年全球/中國市場空間將分別達108.0/47.6億美元，CAGR分別為39.9%/45.3%；2025年全球/中國市場汽車領(lǐng)域激光雷達需求量將分別達2387.4/1102.1萬顆。2021年同比增幅較為顯著主要系2020年L3級乘用車滲透率基數(shù)較低，2021年L3級乘用車滲透率增長帶來較大同比增幅。2022年同比增幅較大主要系當年預(yù)期L4級車開始量產(chǎn)帶來的增量需求所致。表13：2025年全球/中國激光雷達配套汽車量產(chǎn)空間將達108.0/47.6億美元201920202021E2022E2023E2024E2025E全球配套汽車量產(chǎn)市場空間（億美元）14.420.536.966.579.492.4108.0同比（%）42%80%80%19%16%17%CAGR（%）39.9%汽車領(lǐng)域激光雷達需求量（萬顆）35.659.8199.6615.01072.31581.12387.4同比（%）68%234%208%74%47%51%中國配套汽車量產(chǎn)市場空間（億美元）5.17.813.322.530.939.347.6同比（%）53.0%71.6%68.9%37.2%27.4%21.1%CAGR（%）45.3%汽車領(lǐng)域激光雷達需求量（萬顆）11.521.667.8194.8412.7691.51102.1同比（%）88%214%187%112%68%59%資料來源：市場研究部圖47：2025年全球配套汽車量產(chǎn)市場空間將達108.0億美元 圖48：2025年中國配套汽車量產(chǎn)市場空間將達47.6億美元31/53全球配套汽車量產(chǎn)市場空間（億美元）同比（%）中國配套汽車量產(chǎn)市場空間（億美元）同比（%）120100%5080%10080%4070%60%8060%3050%6040%4040%2030%20%20%102010%00%00%201920202021E2022E2023E2024E2025E201920202021E2022E2023E2024E2025E資料來源：市場研究部資料來源：市場研究部圖49：2025年全球汽車領(lǐng)域激光雷達需求量將達2387.4萬顆圖50：2025年中國汽車領(lǐng)域激光雷達需求量將達1102.1萬顆全球汽車領(lǐng)域激光雷達需求量（萬顆）同比（%）中國汽車領(lǐng)域激光雷達需求量（萬顆）同比（%）3,000300%1,200250%2,500250%1,000200%2,000200%800150%1,500150%600400100%1,000100%50050%20050%00%00%201920202021E2022E2023E2024E2025E201920202021E2022E2023E2024E2025E資料來源：市場研究部資料來源：市場研究部行業(yè)尚處早期階段，群雄逐鹿格局初現(xiàn)行業(yè)尚處早期發(fā)展階段，中外廠商均具備較強競爭實力。外國廠商如Velodyne、Luminar、Aeva等分別在機械式、半固態(tài)及FMCW等技術(shù)路徑率先發(fā)力，而中國廠商禾賽科技、速騰聚創(chuàng)、華為、大疆Livox等也憑借各自產(chǎn)品具備較強競爭實力，行業(yè)早期階段群雄逐鹿格局顯現(xiàn)，市場競爭較為激烈。表14：主要激光雷達服務(wù)商對比公司成立時間主要技術(shù)布局主要產(chǎn)品主要客戶公司特點Velodyne1983機械式、半固態(tài)轉(zhuǎn)鏡HDL系列、百度、谷歌、福特、Uber機械式激光雷達先驅(qū)VLP系列Luminar2012MEMSIris、Hydra沃爾沃、戴姆勒1550nm主要廠商Aeva2019FMCWAeries奧迪FMCW主要廠商Innoviz2016MEMSInnovizOne麥格納、寶馬MEMS主要廠商InnovizTwoOuster2015FlashOS系列、ES2-Flash主要廠商Valeo1923轉(zhuǎn)鏡Scala系列全球主要整車廠車規(guī)級產(chǎn)品Quanergy2012機械式、OPAM8奔馳、吉利主打OPAInnovusion2016半固態(tài)轉(zhuǎn)鏡、MEMSJaguar系列蔚來提供超高分辨率、超遠探測范圍的解決方案禾賽科技2014機械式、MEMSPandar系列上汽中國激光雷達領(lǐng)先企業(yè)速騰聚創(chuàng)2014機械式、MEMSRS-LiDAR-M1一汽激光雷達+感知方案華為1988半固態(tài)96線中長距北汽藍谷多線程MEMS大疆Livox2016機械式、半固態(tài)轉(zhuǎn)鏡Horizion、Tele-15小鵬、宇通成本方面不斷突破鐳神智能2015轉(zhuǎn)鏡CH系列東風(fēng)模擬信號處理芯片資料來源：各公司官網(wǎng)，上市路演材料，官方公眾號，市場研究部6.1.Velodyne：推進機械式雷達降本，半固態(tài)+Vella布局ADAS32/53機械式激光雷達先驅(qū)，多領(lǐng)域布局挖掘優(yōu)質(zhì)客戶。Velodyne成立于1983年，2004年起開始進軍傳感器領(lǐng)域，2005年起專注激光雷達，2016年VelodyneLidar從母公司分離并于2020年10月納斯達克上市，是第一家上市的純激光雷達公司，目前市值為27億美元。公司為自動駕駛汽車、駕駛員輔助、交付解決方案、機器人技術(shù)、導(dǎo)航及地圖繪制等領(lǐng)域提供激光雷達解決方案，目前已為谷歌、百度、Uber、福特、通用、奔馳、微軟、Here、高德等300多家客戶提供服務(wù)。圖51：Velodyne發(fā)展歷程資料來源：公司官網(wǎng)，市場研究部早期自動駕駛領(lǐng)域為業(yè)務(wù)重心，近年來呈多元化格局發(fā)展。公司成立初期自動駕駛相關(guān)為主要營收來源，占比超二分之一，其余業(yè)務(wù)為機器人與測繪。近年來伴隨激光雷達價格降低疊加產(chǎn)量提升，公司產(chǎn)品逐步切入至ADAS、無人快遞、智慧城市、擺渡車等多樣化業(yè)務(wù)領(lǐng)域，自動駕駛業(yè)務(wù)占比下降至四分之一左右。圖52：Velodyne多領(lǐng)域布局資料來源：Velodyne，市場研究部調(diào)整配置+規(guī)模量產(chǎn)推動機械式激光雷達降本。公司機械式激光雷達產(chǎn)品主要分為HDL系列（HDL-64E和HDL-32E）、VLP-16(Puck、PuckHi-Res與PuckLite)、VLP-32（UltraPuck）與VLP-128（AlphaPrimer）。自2007年以近8萬美元價格發(fā)布HDL-64E后，公司不斷通過減小體積與控制線數(shù)等方式逐步推進機械式激光雷達降低成本。2010年發(fā)布的HDL-32E，線數(shù)減少至32，價格降低約50%；2014年開始陸續(xù)發(fā)布VSL-16系列產(chǎn)品，將線數(shù)縮減至16線數(shù)的同時縮減體積與質(zhì)量，目前VSL-16系列產(chǎn)品售價較2016年發(fā)售時8000美元降低至3999美元，降價原因主要系大規(guī)模量產(chǎn)帶來得成本下降。未來憑借大規(guī)模自動化33/53生產(chǎn)、增加產(chǎn)能與產(chǎn)品結(jié)構(gòu)配置的優(yōu)化，我們認為公司產(chǎn)品價格或?qū)⒗^續(xù)下探。表15：Velodyne主要機械式產(chǎn)品對比名稱 HDL-64E HDL-32E Puck PuckHi-Res UltraPuck AlphaPrimer PuckLite外觀發(fā)布時間2007201020142016201620192020測距原理ToFToFToFToFToFToFToF掃描方式機械式機械式機械式機械式機械式機械式機械式線數(shù)643216163212816測距范圍120m100m100m100m200m245m100m精度±2cm±2cm±3cm±3cm±3cm±3cm±3cm波長905nm905nm905nm905nm905nm905nm905nm功耗60W12W8W8W10W22W8W單回波：單回波：單回波：單回波：單回波：單回波：單回波：1300000pts/s3000000pts/s300000pts/s600000pts/s2400000pts/s300000pts/s點頻695000pts/s雙回波：雙回波：雙回波：、雙回波：雙回波：雙回波：雙回波：1390000pts/s2200000pts/s600000pts/s600000pts/s1200000pts/s4800000pts/s600000pts/s測繪、工業(yè)、無人機、機器人、繪制、智慧城市、汽應(yīng)用領(lǐng)域測繪、工業(yè)、汽車人機、機器人、機器人、汽車繪制、汽車無人機智慧城市車智慧城市、汽車資料來源：Velodyne官網(wǎng)，市場研究部半固態(tài)激光雷達+Vella軟件布局ADAS。公司半固態(tài)激光雷達主要產(chǎn)品為采用共振鏡技術(shù)的Vela系列（VelarrayH800、VelarrayM1600和價格低至100美金的Velabit），同時配套研發(fā)輔助駕駛軟件Vella并收購高精度地圖公司Mapper.ai切入ADAS領(lǐng)域，布局LKA、AEB與ACC。圖53：半固態(tài)激光雷達+Vella軟件布局ADAS資料來源：Velodyne官網(wǎng)，市場研究部手握多個項目未來持續(xù)落地，預(yù)計2024年項目營收將達6.8億。根據(jù)公司上市路演報告，Velodyne手握ADAS、自動駕駛機器、無人快遞等多個領(lǐng)域共計165個項目，預(yù)計2025年出貨量將達800萬臺，整體營收將