激光雷达：汽车智能化中的黄金赛道

分析师：刘泽晶 SAC NO：S1120520020002 邮箱：liuzj1@hx168.com.cn 核心逻辑 爆发前夕，车载激光雷达千亿市场弹射起跳。 2022年，多款激光雷达量产车型重磅发布，新势力开启“军备竞赛”，激光雷达进入普及元年。 在多传感器融合方案中，激光雷达精度远高于其他传感器，能够进一步确保长尾场景安全性。 根据我们的测算，我国乘用车领域激光雷达市场规模未来3年复合增速能达到200%+，2025年至2030年复合增速达到30%+。 激光雷达模块解构与技术路径拆解：激光雷达的核心部件包括激光器、探测器、光学系统、扫描系统、主控芯片等。（1）发射器方面，由EEL向VCSEL发展；（2）探测器方面，未来SPAD/SiPM替代APD是大势所趋；（3）扫描类型方面，由机械式向纯固态式发展；MEMS激光雷达或为中期主流方案，OPA距离商用还有一定距离，FLASH激光雷达有望率先实现商用；（4）测距方式方面，FMCW激光雷达有望突围。 产业链梳理：整机厂如何构建护城河？ 激光雷达的成本主要包含研发成本、BOM成本及生产成本，研发成本与生产成本可随量产规模的扩大显著分摊； 芯片集成设计能力将成为整机厂核心竞争壁垒。芯片化将整个系统简化为几颗芯片，装配工艺完全可以自动化；同时大幅降低物料及调试成本。 芯片化是重要的降本途径，也是实现激光雷达高性能、高可靠性的关键效技术。主控芯片将从FPGA向高集成度的ASIC/SoC方案发展。 “软”实力重要性凸显：部分激光雷达企业希望通过提供软硬件结合的服务方式提升竞争力，从硬件供应商向感知解决方案供应商发展。 投资建议：激光雷达爆发前夕，整机厂及上下游均有望受益。受益标的包括：经纬恒润、万集科技、奥比中光、光库科技、长光华芯、炬光科技、永新光学、福晶科技、腾景科技、蓝特光学、水晶光电、联创电子、天孚通信、湘油泵等。 车载激光雷达起跳前夕 模块解构与技术路径拆解 产业链梳理：整机厂如何构建护城河？ 投资建议与风险提示 车载激光雷达起跳前夕 1.1激光雷达进入普及元年 2021年10月，小鹏P5作为全球首款量产激光雷达智能汽车正式下线交付，激光雷达产业进入商业化落地阶段。 2022年，多款激光雷达量产车型重磅发布，新势力开启“军备竞赛”，激光雷达进入普及元年。 截止目前，国内宣布搭载激光雷达的车型已超过20款，包括蔚来ET7、理想L9、极狐αS HI、阿维塔11、智己L7等。 2022年中国乘用车激光雷达安装量将超8万颗。据佐思汽研统计，2022年H1国内乘用车新车激光雷达安装量达到2.47万颗；2022年下半年，国内拟交付的激光雷达新车达10余款，包括小鹏G9、威马M7等，将大幅提升激光雷达上车量，预计全年总安装量有望突破8万颗。 1.1激光雷达进入普及元年 ADAS加速渗透，L3初步导入，智能驾驶不断向更高级别渗透。 根据IDC的数据，2022Q1中国L2级自动驾驶乘用车新车渗透率达23.2%，较2021年一季度的7.5%大幅提升。根据工信部《智能网联汽车技术路线图（2.0版）》指引，国内2025年L2级和L3级新车要达到50%，到2030年要超过70%，且L4占比20%。 高级别自动驾驶对传感器搭载数量提出更高要求。根据麦肯锡，从L2到L4/L5级，车载传感器的数量将从约8个上升到月24个，其中激光雷达搭载数量将从0上升至约4颗。 1.2激光雷达必要性：从智能驾驶路径说起 目前全球范围内智能驾驶拥有两种技术路径，“弱感知+超强智能”与“强感知+强智能”，其明显差距之一在于是否使用激光雷达。 一、弱感知+超强智能 不使用激光雷达：该路径下智能驾驶传感器不使用激光雷达，仅用摄像头进行车周围环境的感知，搭配AI模拟人眼。 代表企业：特斯拉。 二、强感知+强智能 大部分车企使用激光雷达：增强感知能力，以补充AI软件智能的不足。 代表企业：谷歌Waymo、国内新势力等大部分车企路线。 无激光雷达的可行性： 激光雷达探测频率略高于摄像头，而摄像头是完全模拟人眼来工作。 搭配超强的智能，完全模拟人力驾驶，理论可行。 1.2弱感知+超强智能：特斯拉具有数据优势+算法优势 特斯拉保有量远超竞争对手，数据优势+算法优势下构建“超强智能”，该特殊性是其选择弱感知路线的保障。 数据优势：累计总行程里程超100亿英里，远超竞争对手。2021年11月，根据特斯拉官方宣布，特斯拉车主使用Autopilot辅助驾驶功能行驶的里程超过10亿英里，相当于特斯拉汽车总行驶里程的10%。 算法优势：影子模式帮助覆盖长尾场景。所谓的“影子模式”是指无需车辆启动Autopilot自动驾驶系统，该系统也可以在后台运行，系统不采取实际动作，但是会记录自己应该采取什么动作。这样在人类驾驶员的操作导致交通事故后就可以对比分析自动驾驶是否可以避免事故。特斯拉汽车在“影子模式”下，即使Autopilot自动驾驶系统被关闭也可以收集数据流，来训练Autopilot自动驾驶系统的神经网络。 1.2弱感知+超强智能：目前纯视觉方案存在固有缺陷 摄像头本身存在对环境因素敏感、算法复杂、识别稳定性较差等缺点。 摄像头的缺点包括：（1）在黑暗、炫光等场景下处理能力不足；（2）恶劣天气下易失效；（3）三维立体空间感不强；（4）相机镜头自身存在畸变，需要大量的规则约束去实现测距，为后续算法开发带来诸多弊端。 人工智能与深度学习还未完善。深度学习算法看到的东西比我们自己的眼睛看到的更多，但与人类不同的是，他们并不能真正理解这个世界，需要长时间积累训练。另外，受现实生活中长尾场景的影响，现实环境中视觉AI识别错误率将远高于实验室环境。 1.2强感知+强智能：多传感器融合方案成为主流 多传感器融合弥补数据和算法不足，成为大部分车企的选择。目前主流车企数据和算法能力不足，仅摄像头信息很难支撑其自动驾驶功能的实现。多传感器方案能够获取更深度的3D空间信息，对于位置、距离、大小的感知也更直接准确，点云转化算法、算力要求较低，能够帮助大部分车企实现自动驾驶的快速落地。 多传感器结合降低感知误差，将自动驾驶车辆打造成“九变形战士”。 感知模型是基于概率的弱推理产出最小化误差的强决策模型，误差无法避免。在实际应用中，SOTIF车规要求感知模型除输出识别判断外，还需输出判断的自信程度，当某一传感器感知模型自信程度较低时，最直接的做法便是采用其他自信程度更高的模型输出。 1.2强感知+强智能：激光雷达精度远高于其他传感器 激光雷达精度高、探测范围广、稳定性强，并能够对周围环境进行实时3D建模。 激光雷达目前探测范围在200-300米。探测精度小于 3cm ，远高于毫米波雷达和摄像头。 激光雷达vs毫米波雷达：毫米波雷达的探测距离受到频段损耗的直接制约（远距离探测探测必须使用高频段雷达），也无法感知行人，且对周边所有障碍物无法进行精准的建模，特别对高处物体及小物体检测效果不佳，但穿透性、抗干扰能力更强；目前主要应用于防撞场景。 超声波雷达vs毫米波雷达：超声波雷达测距短，方向性差，受制于声波传输速度在高速场景中应用受限，主要应用在低速泊车及短距场景。 1.2强感知+强智能：激光雷达确保长尾场景安全性 激光雷达进一步确保长尾场景安全性，在L3及以上自动驾驶路线中重要性愈发凸显。跟据ElecFans，搭载激光雷达自动驾驶系统安全性可达99.99%，而摄像头、毫米波雷达等传感器仅能保证99.0%。 1.3爆发前夕，车载激光雷达千亿市场弹射起跳 目前车载激光雷达市场处于爆发前夕，千亿市场正在开启。 根据我们的测算，预计我国乘用车领域激光雷达市场空间在2025年将达到261亿元，到2030年将达到980亿元。 我们预计车载激光雷达市场将受益于高级别自动驾驶渗透，维持高速增长。根据我们的测算，我国乘用车领域激光雷达市场规模未来3年复合增速能达到200%+，2025年至2030年复合增速达到30%以上。 1.3爆发前夕，车载激光雷达千亿市场弹射起跳 未来五年全球激光雷达市场规模复合增速达到60%以上。 随着智能化技术的持续突破和升级，受无人驾驶车队规模扩张、高级辅助驾驶中激光雷达应用渗透率提升、以及服务型机器人及智能交通建设等领域需求的推动，预计激光雷达市场规模将实现快速扩容。 据沙利文数据，2021年全球激光雷达市场规模达到20亿美元，同比增长100%，预计2025年全球激光雷达市场规模将达到135.4亿美元，2019-2025年的CAGR为64.6%。 模块解构与技术路径拆解 2.1激光雷达拆解：激光发射+激光接收+扫描系统+信息处理 激光雷达=激光发射+激光接收+扫描系统+信息处理。 激光发射系统：激光需要由人为制造生成，由激光发射器发出，通过光束控制器控制发射激光的方向和线数，最后通过发射光学系统发射； 激光接收系统：经接收光学系统，光电探测器接受目标物体反射回来的激光，产生接收信号； 信息处理系统：接收信号经过放大处理和数模转换，经由信息处理模块计算，获取目标表面形态、物理属性等特性，最终建立物体模型。 扫描系统：令发射源以一定轨迹运动，实现对所在平面的扫描，以扩大光源的探测范围，并产生实时的平面图信息。 2.1.1激光雷达拆解：激光发射/激光接收/扫描系统/信息处理 发射模块：核心部件为激光发射器和发射光学系统。 光源的发生：激光发射器。激光的全称是“由受激辐射的光放大而产生的光”，激光的产生来自于激光发射器，可以归类为半导体激光器、固体激光器、光纤激光器和二氧化碳气体激光器四种类型，如人类最早制造激光利用的红宝石为固体激光器的一种。 激光光源的选择需综合激光雷达技术方案、性能需求及成本需求进行考虑。 目前无人驾驶主流采用半导体激光器，有EEL（边发射激光器，激光由边缘发出）和VCSEL（垂直腔面发射激光器，激光垂直于顶面发出）两种。趋势上由EEL向VCSEL发展：EEL具有高发光功率密度的优势，然而其生产极大依赖产线工人的手工装调技术，生产成本高且一致性较难保证；VCSEL发射功率低，但可通过半导体加工设备保障精度，同时多层结VCSEL激光器的结构可将其发光功率密度提升5~10倍。 综合激光雷达技术方案，适用于 1550nm 波长的一般选用光纤发射器，适用于Flash雷达技术方案的选用固体激光器。 2.1.1激光雷达拆解：激光发射/激光接收/扫描系统/信息处理 光源的校正：发射光学系统。由于各种激光器发射的激光束并不是绝对平行的，因此还需要一套透镜系统，即发射光学系统，对激光器的输出光束进行准直整形，通过改变发射光束的发散度、波束宽度和截面积，改善输出光束质量，同时使总功率保持不变。 发射光学系统主要由透镜、反射器件、衍射器件等光学元器件组成，主要包含了准直镜、分束器、扩散片等。 准直镜：解决激光器准直输出问题，利用光折射原理，将发散的光源通过透镜聚焦成平行光射出； 分束器：将一束光分成两束光或多束光； 扩散片：利用光的衍射原理，将点光源转换为散斑图案。 2.1.1激光雷达拆解：激光发射（波长）/激光接收/扫描系统/信息处理 激光波长的选择： 905nm 或 1550nm 。波长是激光最关键的指标，目前车载激光雷达主流采用 905nm 和 1550nm 两种波长。 选择波长时一般会考量四个因素：人眼安全、与大气相互作用、可选用的激光器以及可选用的光电探测器。 905nm 波长在成本及雨雪天气情况下占优， 1550nm 波长在人眼安全和光束质量方面占优，因此探测距离和物体识别性能上更强。 905nm 和 1550nm 的各自优缺点都非常明显，长期看二者会互补共存，但随着 1550nm 工艺成本的下降，其应用比例将会增加。 2.1.1激光雷达拆解：激光发射（测距）/激光接收/扫描系统/信息处理 测距方式上，主要是TOF（飞行时间法，使用时间测量距离）及FMCW（调频连续波法，使用频率测