禾赛科技首次覆盖报告：激光雷达增强融合感知，规模降本助推高阶智驾

盈利预测及投资建议：我们预计禾赛FY2023E-FY2025E的营业收入分别为18.04/34.64/57.15亿元人民币，同增50%/ 92%/ 65%，净利润分别为-2.97/ 0.09/ 4.50亿元人民币。由于全球激光雷达企业未实现持续盈利，我们使用PS估值法，给予公司2024EPS4.0X，对应目标价15.14美元，首次覆盖，给予“增持”评级。 超预期：在以特斯拉为代表的纯视觉算法尚未成熟时，以激光雷达或4D毫米波雷达为首的融合感知成为主流。市场认为，4D毫米波雷达成本更低，且主要性能指标接近低线数激光雷达，有望凭借性价比成为多融合感知趋势下的首位选择；我们认为，激光雷达性能显著高于毫米波雷达，且毫米波雷达的低成本优势随着以禾赛实现量产交付将逐步缩小。作为融合感知的主流选择，禾赛的激光雷达将提供安全冗余以解决目前高阶智驾存在的驾乘人员安全隐忧，或将迎来业绩高增。 核心信息与逻辑：1）行业层面：多传感器融合是主流趋势，激光雷达凭借着高探测精度、远探测距离、全天候等更高性能将是自动驾驶多传感器融合的主流选择，将提供更多的安全冗余，与ABS和安全气囊的发展路径类似，随着其逐步降本是成为高阶智驾标配的必然趋势； 2）公司层面：禾赛科技产品矩阵完备，覆盖ADAS、自动驾驶和机器人等领域；目前市场份额全球第一，公司凭借理想L9等车型落地量产能力获证，2Q23营收和交付量均超6家国际友商总和。 催化剂：1）禾赛持续加注研发投入，芯片化、模块化、平台化助推激光雷达规模化降本，同时自建自动化工厂加速大规模量产进程；2）禾赛目前已获理想在内的11家主流OEM数百万台激光雷达量产定点； 3）自动驾驶和机器人发展提速，凭借多应用场景规模持续拓展。 风险提示：智能驾驶发展速度不及预期；4D毫米波雷达落地加速影响激光雷达市场份额；公司产品降本速度不及预期；公司产品落地进度与量产能力不及预期。 1.投资建议 激光雷达重塑感知 ， 降本助推高阶智驾。我们预计禾赛FY2023E-FY2025E的营业收入分别为18.04/34.64/57.15亿元人民币，同比+50.0%/+92.0%/+65.0%，净利润分别为-2.97/0.09/4.50亿元人民币。 图1禾赛财务预测 估值方面，我们选取全球头部激光雷达企业作为禾赛的可比公司。由于目前激光雷达企业均未实现持续盈利，我们使用PS估值法进行可比公司估值。结合彭博的一致预测，可比公司FY2024E平均PS3.85X。考虑到禾赛的市场份额稳居激光雷达市场首位，并且量产定点持续交付，公司营收持续增长能力获证，因此我们给予其超出行业平均的PS4X，给予目标价至15.14美元，给予“增持”评级。 表1禾赛可比公司估值 2.激光雷达发展逻辑构成超预期，供需双轮驱动 量产落地 2.1重塑智能驾驶环境感知，激光雷达提供安全冗余 激光雷达通过测距模块实现环境感知，ToF构成点云还原三维世界。一套激光雷达测距模块由激光器、接收器和处理器组成。当激光器发射光并照射在空间中的物体表面时，会瞬间产生反射，其中必然会有一束回波会被接收器接收。因此，处理器只需计算光束往返的时间，就能得到模块与这个点的精确距离。这类激光雷达测距方法被称作ToF（Time of Flight，飞行时间测距法），亦为目前最主流测距原理。当激光器发射无数道光线，即可得到无数个点，由这些点可勾勒出三维空间中的一切物体细节，这些点的集合被称之为点云。 图2激光雷达测距模块由激光器、接收器和处理器组成 图3禾赛激光雷达AT128实测点云 多传感器融合已成为主流技术趋势，激光雷达提供更多安全冗余。目前，汽车感知系统包括摄像头、超声波雷达、毫米波雷达和激光雷达等种类，但随着自动驾驶对于安全性能的要求逐步提升，单一的车载传感器囿于使用场景，难以同时满足探测高探测精度、远探测距离，且全天候等要求。谷歌无人驾驶项目顾问Brad Templeton曾提出：摄像头和毫米波雷达能保证99%的自动驾驶系统安全性，但99%的准确度对于车辆驾驶而言并不足够，这缺失的1%背后可能就意味着上万起事故。自动驾驶需要的是99.9999%的准确，而激光雷达是小数点后几位的最强保障。尤其在强反差光、弱光、小尺寸障碍物识别场景中，激光雷达具有不可比拟的优势。 我们认为，激光雷达是实现更安全、更智能的行驶体验的必要之举。 图4各类传感器性能对比 表2各类传感器原理及特点 2.2纯视觉路线可复制性不佳，4D毫米波雷达与激光雷达预期分化 特斯拉原本使用以摄像头为感知系统的纯视觉路线 ，BEVFormer成为自动驾驶感知范式，但由于其他厂商视觉深度学习算法偏弱，不具备可复制性。BEV（Bird's-eye-view鸟瞰图视角），是自动驾驶跨摄像头和多模态融合背景下的感知方式，在输入2D图像的基础上输出3D框架，谷歌在2017年提出Transformer神经网络模型后，首先运用在自然语言处理(NLP)领域，后被移植到计算机视觉(CV)领域，达成了NLP和CV在建模结构上的统一，降低视觉和语言的联合建模的难度。2021年7月，特斯拉展示了基于BEV+Transformer的技术，适用于特斯拉特立独行选择的“摄像头+算法”的纯视觉方案。但是，纯视觉解决方案过度依赖算法，对汽车摄像头的数量、运算的缓存和带宽空间以及汽车数据“采集—训练—标注”流程的要求较高，感知和分析的算法一旦存在错误，自动驾驶则无法得到充分的安全保障，因此对于全球车企的可复制性较低。 图5BEV实现鸟瞰图视角下的3D感知 图6出隧道时逆光严重影响摄像头成像效果 因此，目前主流的自动驾驶纯视觉方案逐步向4D毫米波雷达或激光雷达为首的融合感知转型。从4D毫米波雷达的性能看，4D毫米波雷达可以提供3D毫米波雷达原有的三维数据：距离、速度和方位，并还可以提供目标物体的高度信息，进化出类似于激光雷达的点云，并通过算法识别物体。相较3D毫米波雷达而言，4D毫米波雷达将感知距离由150- 200m 的区间迅速拓展至 300m 附近，并且基于高度信息的检测提升了垂直精度，对于静态障碍物和行人的识别能力得到了飞跃。4D毫米波雷达能够有效弥补纯视觉方案中算法偏弱导致无法覆盖全场景的问题，并且更适合国内复杂的交通环境。即便是原本坚持纯视觉路线的特斯拉也回归了毫米波雷达，据特斯拉向欧洲监管机构提交的车辆变更申请，其最新自动驾驶硬件系统HW4.0即将量产，其中配备了一枚4D毫米波雷达。 图74D毫米波雷达具备更强的成像能力 注：图上方为传统3D毫米波雷达，下方为4D毫米波雷达 激光雷达精度高、分辨率高，获取的数据量远超于4D毫米波雷达，但也导致了相对更高的成本。从点云数量角度，禾赛AT128可以实现每秒153.6万的点云数量，而4D毫米的点云数量大多仍停留在千位数量级，因此清晰度较激光雷达有上百倍的差距。市场存在部分观点认为4D毫米波雷达能与较低线数（即激光雷达中激光器的数量）的激光雷达对标，现在主流的激光雷达产品已经不是低线数激光雷达，而针对高线数激光雷达而言，4D毫米波雷达的主要参数并无显著优势。激光雷达需要更高性能的处理器来处理数据，成本相对更高是不争的事实。但在同一等级的自动驾驶中，受制于性能差异，需要安装更多的毫米波雷达才能到达与激光雷达近似的性能，也将进一步冲淡4D毫米波雷达的价格优势。 图8激光雷达线数越高意味着越高的综合性能 2.3技术路线多元创新，固态雷达指引车规级量产方向 根据扫描方式的不同，激光雷达可分为机械式、半固态（混合固态）和固态三种。机械式激光雷达主打360°扫描，实现全方位感知。并且机械式激光雷达发展历史最久，主要原理为其通过电机带动光机结构360°旋转，通过对环境全方位扫描后形成点云，常应用于Robotaxi测试和迭代。但利用传统分立式设计的机械式激光雷达体积较大，并且降本空间有限，不适用于车规级量产市场。 半固态是现阶段量产车的主流方案。半固态激光雷达分为一维扫描和二维扫描两类，二者共性在于用内部运动的反射镜改变激光发射的方向。从稳定性维度出发，一维扫描采用仅在水平方向上低速转动的反射镜来改变光线方向，获得视场角覆盖，具备相较二维扫描更高的稳定性与可靠性，凭借目前的芯片化技术，一维扫描的半固态激光雷达能够实现更高线数与更高分辨率。 图9二维转镜扫描的半固态激光雷达方案 图10一维转镜扫描的半固态激光雷达方案 固态激光雷达是激光雷达未来车规级量产的重要方向，主要作为补盲雷达配置。固态激光雷达在内部没有任何运动部件，结构上集成度最高，不再使用高频转动的机械结构，在降低量产成本的基础上提升产品可靠性、生产效率和一致性，从价格上更适合车规级量产。但由于固态激光雷达探测距离短，不适宜作为主激光雷达，但其近距补盲性能可与半固态激光雷达的远距感知组合，提供车规级激光雷达解决方案。 图11禾赛FT120即为纯固态激光雷达 与ABS和安全气囊等汽车零部件的发展历史一致，激光雷达降本是成为高阶智驾标配的必然趋势。ABS、安全气囊，在如今成为“标配”之前，也因为其生产成本较高而未能实现量产，仅在高端车型中配备。但二者量产过程中价格不断降低，同时考虑其提供安全冗余对于保障驾乘人员生命安全的重要作用，如今已几乎成为每款车型的必备组件。目前，激光雷达市场也处在降本的浪潮中，上述各种技术路线上的多元创新持续推进，以机械式激光雷达为例，目前禾赛研发的经芯片化集成的收发模块，叠加360°旋转的扫描模块，成为了高性能、高可靠性、成本更优的新一代机械式激光雷达。 2.4市场需求催化渗透率高增，多应用场景规模持续拓展 对ADAS功能的偏好以及整车厂车型的快速迭代为激光雷达渗透率提升带来巨大机遇。近年来随着智能电动汽车的兴起，特别是在中国ADAS提供的驾驶辅助能力和质量大幅提高，并正在成为激光雷达主机厂的关键差异化因素。包括理想和蔚来在内的越来越多的中国整车厂已经推出了具有先进ADAS功能的车型。据Frost& Sullivan，2021-2030年中国ADAS激光雷达市场CAGR为103.0%，高于美国93.8%的CAGR。 图12用于ADAS激光雷达市场规模（单位：十亿美元） 针对ADAS市场具体来看，我们以中国为例，根据上述禾赛招股书和Frost & Sullivan的估计，完整测算了中国ADAS激光雷达的销量，具体如下表所示。据中国汽车工业协会，2022年中国乘用车销量已达2356.3万辆，我们预计中国乘用车销量将保持低个位数增长趋势，但ADAS自动驾驶渗透率的提升更为可期，据Frost &Sullivan，2026E中国ADAS渗透率将达36.8%，也即2026E中国将会有1048.7万辆ADAS乘用车。考虑到部分乘用车除主雷达外，还会在车侧配备补盲雷达，因此激光雷达的数量销售量约1490万颗，销售额约达67亿美元。 表3中国激光雷达销售测算 自动驾驶激光雷达市场显著高增，Robotaxis变现机会亮眼。 自动驾驶市场主要包括自动化水平大于L3级别的车辆，据Frost & Sullivan报告，预计2026年约9,000万辆汽车中的1.4%，即130万辆汽车将配备激光雷达，由于自动驾驶的激光雷达单价显著高于ADAS激光雷达，因此市场规模将达118亿美元。Robotaxis（自动驾驶出租车）是自动驾驶最大的变现机会之一，在美国Cruis e和Waymo等领先的Robotaxis公司已推出自动叫车服务，Robotrucks作为新兴产物亦具备一定的商业化潜力，TuSimple和上汽等知名机器人Robotrucks公司在美、中两国的试点测试中均取得了重大进展。 图13用于自动驾驶激光雷达市场规模（单位：十亿美元） 激光雷达辅助机器人智能化决策，潜在TAM约为167亿美元。 激光雷达在机器人领域的主要应用场景包括物流配送机器人、清扫机器人等服务机器人，此类客户对成本敏感度较高、性能要求相对较低。但准确感知三维环境是机器人进行智能化决策的前提，而激光雷达帮助机器人