激光雷达放量元年，产业布局正当时

激光雷达：主动控制之眼。激光雷达通过激光器和探测器组成的收发阵列，结合光束扫描，可以对所处环境进行实时感知，获取周围物体的精确距离及轮廓信息，以实现识别和避障功能；同时，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。从功能及结构上可以把激光雷达分为激光器、扫描部分、感光芯片三部分。具有绝对优势，并且难以被替代。在类似于隧道，车库等弱光的环境，激光雷达较摄像头方案具有绝对优势，不可替代。 海外大厂行业展望乐观，新品迭代紧密推进。1）景气超预期，大厂展望乐观，行业超高速成长。LAZR上调了全年营收指引至 40M - 45M 美元（原指引 40M 美元），并将订单数量增速指引从40%上调至60%。 2）技术端，降本需求迫切，新品迭代及量产紧密推进。LAZR新品Iris当前目标成本500美元，而长期目标下，仍有80%的降本空间。Velodyne客户OEM、Tier 1反馈的理想成本必须小于500美元，最好在300~400美元。3）市场应用方面，各厂商市场突破不断，反应下游对激光雷达积极的导入态度。Innoviz获大众40亿美元订单，ouster传感器Q2新增客户90家，战略合作客户新增8家。 百亿美金黄金赛道，汽车、工业智能化，机器人打开长期空间。据沙利文数据，全球激光雷达市场2021年达20亿美元，yoy+100%；2025年将达135亿美元，2019-2025CAGR64.6%。汽车领域扩容迅速，5年后将超过工业&机器人领域。据Yole，激光雷达市场规模（工业&机器人、智能基建、汽车三领域合计）2022~2026年CAGR高达25%，2026年三应用市场规模合计将高达57亿美元，汽车（29亿美元）将取代工业&机器人（24亿美元）成为最大应用领域。我们预计未来3年激光雷达将伴随未来自动驾驶等级的提高以及世界范围在“高等级自动驾驶离不开激光雷达”这一观点认知的逐步统一中实现产业的飞速发展。 国内厂商加速崛起，国产替代正当时。从市场竞争格局来看，Velodyne、禾赛科技、速腾聚创等激光雷达厂商，选择从机械式方案起步，逐渐向固态过渡；Luminar、Innoviz、华为、大疆等厂商则是直接进行半固态和固态方案的研发。据Yole统计，2021年全球车载激光雷达市场法雷奥市占率第一，达28%；国内厂商速腾聚创、大疆、图达通、华为、禾赛科技合计市场份额约26%，在全球范围内拥有较大市场份额。 涉及到的产业链有哪些？上游包括激光器、探测器FPGA芯片、模拟芯片、光学部件。其中，激光器和探测器为外企主导，国产光学器件经过多年不断发展，性能与外企不相上下且成本更具优势。国内厂商积极参与中游环节。 风险提示：自动驾驶渗透不及预期，产品降本不及预期，全球经济环境不确定性 一、激光雷达：主动控制之眼 1.1激光雷达应用广泛，深度适配人工智能 无人驾驶汽车、无人物流和机器人技术是人工智能深度应用的产物，其发展将带来席卷全球的技术革命。激光雷达被广泛用于无人驾驶和机器人领域，被誉为机器人的“眼睛”，是一种通过发射激光来测量物体与传感器之间精确距离的主动测量装置。 《科技日报》在2018年4月推出了“亟待攻克的核心技术”系列专栏，列举了35项对于中国而言“卡脖子”的核心技术，包含光刻机、芯片、重型燃气轮机等。其中激光雷达位列第十项，美国Velodyne在无人驾驶激光雷达领域深耕10余年，占据了近80%的市场份额。 图表1：激光雷达发展历程 1.2ToF是当前主流，FMCW应用有望逐渐增多 激光雷达通过激光器和探测器组成的收发阵列，结合光束扫描，可以对所处环境进行实时感知，获取周围物体的精确距离及轮廓信息，以实现识别和避障功能；同时，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。 图表2：激光雷达工作过程 图表3：激光雷达参数 技术原理 激光雷达按照测距方法可以分为飞行时间（Time of Flight，ToF）测距法、基于相干探测的FMCW测距法、以及三角测距法等，其中ToF与FMCW能够实现室外阳光下较远的测程（100~250 m），是车载激光雷达的优选方案。ToF是目前市场车载中长距激光雷达的主流方案，预计未来随着FMCW激光雷达整机和上游产业链的不断发展，ToF和FMCW激光雷达将在市场上并存。 ToF法：飞行时间（ToF）探测方法是通过通过直接测量发射激光与回波信号的时间差，基于光在空气中的传播速度得到目标物的距离信息，具有响应速度快、探测精度高的优势。 图表4：ToF雷达结构 图表5：ToF激光雷达核心模块示意图 FMCW法：相干探测方法通过将发射激光的光频进行线性调制，通过回波信号与参考光进行相干得到频率差，从而获得飞行时间反推目标物体距离。FMCW激光雷达具有可直接测量速度信息以及抗环境光和其他激光雷达干扰等优势。 图表6：FMCW雷达框架 激光雷达FOV：不同的技术路线基本都是为了能够实现对FOV区域内的探测，FOV指激光雷达能够探测到的视场范围，可以从垂直和水平两个维度以角度来衡量范围大小。 下图比较形象的展示了激光雷达FOV范围： 水平FOV：常见的机械式激光雷达可以达到360°范围，通常布置于车顶；常见的车载半固态激光雷达通常可以达到120°范围，形状呈扇形，可布置于车身或车顶； 垂直FOV：常见的车载激光雷达通常在25°，形状呈扇形。 图表7：FOV示意图 1.3核心三部件：激光器+扫描部件+感光芯片 从功能及结构上可以把激光雷达分为激光器、扫描部件、感光芯片三部分，具体细分如下图： 图表8：激光雷达结构拆解 激光器：VCSEL有望取代EEL 由于激光器发射的光线需要投射至整个FOV平面区域内，除了面光源可以直接发射整面光线外，点光源则需要做二维扫描覆盖整个FOV区域，线光源需要做一维扫描覆盖整个FOV区域。其中点光源根据光源发射的形式又可以分为EEL（Edge-Emitting Laser边发射激光器）和VCSEL（Vertical-Cavity Surface-Emitting Laser垂直腔面发射激光器）两种，二者区别在于EEL激光平行于衬底表面发出，VCSEL激光垂直于衬底表面发出。 图表9：EEL（a），VCSEL（b） 图表10：VCSEL应用趋势 VCSEL优势：相比于EEL结构，VCSEL具有易实现光纤耦合、电流阀值低、调制频率高等优点。近几年VCSEL激光器逐渐发展成为多层结构，其功率密度相比提升了5-10倍，考虑到其成本低、易于集成等多项优势，我们认为VCSEL未来或将逐渐取代EEL。 图表11：VCSEL优缺点对比 扫描结构：MEMS体积小、成本低 激光雷达扫描结构通常分为运动式和非运动式扫描两种，各种扫描方法具体细分如下： 图表12：扫描结构分类 图表13：各种扫描方法及原理 接收器：SPAD是当前主流 激光雷达接收器主要可以分为PIN、APD（雪崩光电二极管）、SPAD（单光子雪崩二极管）、SiPM（硅光电倍增管）几种，其本质都是各类型PN结。典型的光电探测芯片材料如下图所示： 图表14：光电探测芯片材料 图表15：各种感光芯片材料 1.4机械式难符车规要求，固态、半固态更适乘用车。 按结构：激光雷达根据结构，可以分为机械式激光雷达、混合固态激光雷达（MEMS）和固态激光雷达（OPA & FLASH）： 机械式激光雷达技术目前相对成熟。其发射系统和接受系统通过旋转发射头，实现激光由线到面的转变，并且形成多个竖直方向的多面激光排布，达到动态扫描并动态接受的目的。但由于其成本较高、装配复杂同时存在光路调试等过程，同时由于不停旋转，在行车环境下可靠性不足，导致发展初期难以符合车规要求。 图表16：机械式激光雷达结构 图表17：Velodyne第一代机械式Lidar（HDL-64E） 混合固态激光雷达更加小巧从可以隐藏在外壳中，外观上看不到机械旋转，同时使用MEMS等半导体器件来代替机械扫描的选准装置，兼具固态和机械的特性。同时由于减低了机械的旋转幅度，有效降低了行车过程中出现问题的几率，又大大降低了成本。目前混合固态激光雷达技术发展基本成熟，后续或将更多被选用。 图表18：MEMS激光雷达工作原理 图表19：Velodyne混合激光雷达产品 固态激光雷达包括光学相控阵（OPA）和FLASH两种。相比于混合固态激光雷达，全固态激光雷达在结构中去除了旋转部件，实现了较小的体积的同时保证了高速的数据采集以及高清的分辨率。其中： 光学相控阵（OPA）运用了相干的原理，通过多个光源形成矩阵，不同的光束在相互叠加后有的方向会相互抵消而有的则会增强，从而实现在特定方向上的主光束，并且控制主光束往不同方向进行扫描。由于其彻底去除了机械机构，自身不用旋转，OPA具有扫描速度快，精度高，可控性好，体积小巧等特优点。 Flash固态激光雷达，与MEMS和OPA不同，其可以在短时间内快速发出大面积的激光区域，并通过高灵敏度的接收器进行接受，完成对于周围环境的绘制。其优点是快速、高效，缺点在于探测距离较短。 图表20：光学相控阵（OPA）原理示意图 图表21：Flash激光雷达工作原理 机械式更受无人驾驶青睐，固态、半固态更适乘用车。机械旋转式激光雷达的优势在于可以对周围环境进行360°的水平视场扫描，半固态式和固态式激光雷达通常最高只能做到120°的水平视场扫描，且在视场范围内测距能力的均匀性弱于机械旋转式激光雷达。无人驾驶汽车运行环境十分复杂，需要同等感知周围360°的环境，机械旋转式激光雷达兼具360°水平视场角和测距能力远的优势，是目前主流无人驾驶项目大多采用的激光雷达方案。但固态和半固态体积小重量轻更易集成到汽车上，未来或在乘用车领域有较好应用。 图表22：三种结构的激光雷达技术架构特点 1.5多应用场景促生庞大需求，高阶自动驾驶不可或缺 不同应用场景下需求不同。除无人驾驶外，乘用车的高级辅助驾驶（ADAS）、机器人、车联网等领域也是激光雷达的重要发展方向。不同场景下其需求特性具有显著差异，对激光雷达的性能、价格、体积等亦提出了不同的要求。 图表23：不同应用场景下需求特性对比 无人驾驶：L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求最高，在要求360°水平扫描范围的同时，对于低反射率物体的最远测距能力需要达到200 m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。 高级辅助驾驶应用：L2/L3级高级辅助驾驶对激光雷达的需求与L4/L5级无人驾驶应用的需求有所不同，覆盖前向视场的激光雷达通常为优选方案，实现自动跟车或者高速自适应巡航等功能，但在测远和角度分辨率等性能上的要求和无人驾驶是一致的；此外，整车厂及Tier 1公司更看重激光雷达的形态与尺寸是否容易嵌入车身，保险杠、前挡风玻璃后视镜等易于隐藏的地方是放置激光雷达的优先选择，这些位置往往空间狭小因而限制了激光雷达的体积；该领域客户也要求激光雷达通过电磁兼容、可靠性（包括振动及冲击、防水防尘）等一系列严格的车规测试；因为面向消费者的乘用车采购数量大，该领域客户对激光雷达的价格敏感度相较于无人驾驶领域也更高。 机器人：机器人应用范围有无人送货小车、自动清扫车辆、园区内的接驳车、港口或矿区的无人作业车、执行监控或巡线任务的无人机等，这些场景的主要特点是路线相对固定、环境相对简单、行驶速度相对较低（通常不超过30 km/h）。因而相比无人驾驶应用，机器人应用对激光雷达测远及分辨率等探测性能的要求相对较低，但对价格更敏感。 车联网：车路协同采用先进的无线通信和新一代互联网技术，全方位实施车车、车路动态实时信息交互，并在动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，其主要应用场景包括：盲区预警、多