（报告出品方/作者：长江证券，高登、高伊楠、袁子杰、陈斯竹）报告综述后来者居上的核心传感器，激光雷达进入量产元年汽车变革之际，智能驾驶将成为车企的主战场。“视觉系”使用摄像头凭借AI算法实现高阶自动驾驶，特斯拉NOA快速推向市场让“视觉系”成为当下主流。以激光雷达为代表的“雷达系”因为成本较高前期主要在Robotaxi领域应用。“视觉系”对数据积累、算法的要求较高，先发者优势显著。但激光雷达的高可靠性、定位能力和较低算法依赖有望成为后来者居上的核心传感器。年，各大车企均规划或推出带有激光雷达的车型，激光雷达正式进入量产元年。我们预计激光雷达到和年成本有望下降到单只美金和美金，仅汽车应用全球或形成53亿和亿美元的市场。激光雷达为何昂贵？如何降本？核心供应链为何？机械激光雷达需要多组激光器和IC实现高线束，结构极其复杂导致成本较高。根据技术原理，激光雷达具有5大核心技术，包括测距、扫描系统、发射、接收以及运算单元，每个核心技术均有多条分支可以实现激光雷达的技术优化和成本降低。其中，扫描系统在激光雷达的成本占比超过一半以上，扫描方式从机械到固态是较为有效的降本方式。目前固态激光雷达主要有MEMS、Flash和OPA三种技术路线。MEMS供应链较完善有望成为目前主流，Flash和OPA均有供应链痛点需要解决，但均具备较强潜力。从供应链来看，上游核心部件尚未成熟也制约了激光雷达发展。MEMS激光雷达的核心元件MEMS微振镜成本高昂，且掌握在少数海外企业中，头部激光雷达企业均加大对MEMS的投入。发射和接收单元中，优化波长从nm到nm，APD转向SPAD能显著优化激光雷达性能，发射和接收单元的技术提升将助力激光雷达发展。激光雷达为何必不可少?视觉仍有劣势，激光雷达不可或缺视觉方案仍具有瓶颈，且需要大量数据积累和处理。采用视觉方案的整车厂以特斯拉为代表，另外Mobileye作为视觉巨头Tier0.5或Tier1，也与多家整车厂建立了合作关系。视觉方案通过摄像头，致力于解决“拍到的是什么”问题。从工作原理来看，视觉方案以摄像头作为主要传感器，通过收集外界反射的光线从而进一步呈现出外界环境画面，即我们所熟悉的摄像头功能，再进行后续图像分割、物体分类、目标跟踪、世界模型、多传感器融合、在线标定、视觉SLAM、ISP等一系列步骤进行匹配与深度学习，其核心环节在于物体识别与匹配，或者运用AI自监督学习来达到感知分析物体的目的，需要解决的是“我拍到的东西是什么”的问题。视觉方案核心优势在于低成本、颜色/纹路识别能力强。其一在于成本低，单目摄像头成本仅在-元之间，较为复杂的三目摄像头成本也通常在元以内；其二在于雷达方案主要根据点云的方式来识别目标，重在轮廓识别，但在颜色/纹路等方面摄像头的能力更强，例如在识别标志牌方面有优势。另外，以摄像头类比人类眼睛，相比雷达而言更符合第一性原理（雷达或可类比为拐杖）。视觉方案主要存在3个劣势：1）视觉方案重在分类，但样本有限度限制了视觉识别正确性，而优化样本对于AI学习能力、样本数据量要求极高。由于L3级及以上自动驾驶需要机器应对较为复杂的路况，要求车辆对于道路状况有精准识别能力，而视觉技术需要解决的是“摄像头拍到的是什么物体”的问题，因而对于神经网络训练集要求很高。对于训练的方法，一种为通过机器视觉，人为设定好识别样本，通过收集到的数据直接与样本匹配来识别的方式，但是能否成功辨别物体高度依赖样本的训练，样本未覆盖的物体将难以辨别；另一种为AI学习，能够通过自学习的方式摆脱样本限制，但是对于算法与算力要求很高，并且其学习过程是个“黑盒子”，输出结果的过程未知，因而难以人为调试与纠错。2）视觉方案距离检测难度大。自动驾驶的路径规划需要3D的道路信息和3D的障碍物，而基于摄像头收集到的仅是2D数据，因而要求分析2D图像的每个像素，将其还原成真实的3D场景，其背后需要先进的图像处理算法以及高算力硬件，并且可能误差较大。以上弊端主要来自单目摄像头，其他解决方案包括双目或多目摄像头，核心原理是通过2个或以上摄像头运用视角差的方式还原3D场景，但其弊端有2个，其一在于由于摄像头之间的相对位置对距离检测精确度影响很大，而随着路况颠簸、气温等因素其相对位置往往发生变化，因此需要实时标定，难度很大；其二在于单个摄像头的测量误差在多个摄像头上会进一步放大，或使得距离判断结果与实际情况偏离程度过高。因此目前市场主流方案仍然是应用单目摄像头。3）摄像头在极端环境下效果欠佳。由于视觉技术依托于摄像头所采集的图像数据，对于光线依赖度较高，在弱光或光影复杂的地方难以使用，这也是目前特斯拉Autopilot在夜晚以及雨雪天气工作准确度有所降低的原因。特斯拉的视觉方案具有很高的算法与算力复杂度。特斯拉曾公布过自己数据流自动化计划的终极目标“OPERATIONVACATION”，从数据收集、训练、评估、算力平台到“影子模式”形成数据采集与学习循环。数据收集：通过8个摄像头对车体周围进行无死角图像采集；数据训练：使用PyTorch进行网络训练，特斯拉的网络训练包含48个不同的神经网络，能输出个不同的预测张量。其背后训练量巨大，特斯拉已耗费GPU小时进行深度学习模型训练；背后算力支持：特斯拉自研打造了FSD芯片，具有单片TOPS的高算力值。另外，特斯拉规划创造Dojo超级计算机，可在云端对大量视频进行无监督学习训练，目前离开发出来的进度仍然很远；影子模式：特斯拉通过独创“影子模式”来降低样本训练成本、提高识别准确度，即特斯拉持续收集外部环境与驾驶者的行为，并与自身策略对比，如果驾驶者实际操作与自身判断有出入，当下数据就会上传至特斯拉云端，并对算法进行修正训练。激光雷达重感知、高精度，补足视觉与其他雷达弊端激光雷达，英文全称为LightDetectionAndRanging，简称LiDAR，是一种集激光（频率在10万GHz）、全球定位系统（GPS）和IMU（InerTIalMeasurementUnit，惯性测量装置）三种技术于一身的系统，用于获得数据并生成精确的DEM（数字高程模型）。民用领域中，激光雷达可以分为一维激光雷达、二维激光雷达、三维激光扫描仪、三维激光雷达等。激光雷达的主要应用仍然在测绘之中，其中二维激光雷达和三维激光雷达可以实现空间建模，可以使用在机器人及自动驾驶之中，尤其在L3及以上等级自动驾驶当中作用巨大。激光雷达通过主动探测技术，可直接构建路况模型，降低分析难度。与视觉方案重在分析不同，激光雷达可以通过主动探测的方式直接实现物体、路况建模，极大降低了视觉方案当中的分析难度。激光雷达的核心原理在于运用蝙蝠测距用的回波时间（TimeofFlight，简称ToF）测量法，由激光二极管发出红外脉冲光，脉冲光照射到物体表面后发射回一部分光束，光束被激光雷达上搭载的光子探测器接收并记录，通过计算发射和探测的时间差就可以计算出目标物表面与激光雷达探测器之间的距离。由于激光雷达可在一秒内发射大量的脉冲光（目前最高可达百万数量级），因此可以形成庞大的位置点信息（称为点云），绘制出物体的精确轮廓，从而构建出周围环境的三维模型。除了测量距离以外，激光雷达还可以初步识别物体的材料成分等其他特征，其中运用的特性包括诱导多普勒频移等（inducedDopplershift）。3D激光雷达另一大特性是同步建图（SLAM），强化定位精准度，相比视觉VSLAM也有诸多优势。SLAM基本思想就是利用已经创建的地图修正基于运动模型的位置姿态误差，创建出一个更高精度的地图。激光SLAM与VSLAM相比，其一在于不会受到环境光照的影响，夜晚也能正常使用；其二在于定位和地图构建的精度更高；其三在于数据量小，激光雷达单秒数据输出量仅几兆，而视觉方面一秒数十帧图片，单张图片已经有几兆体量，其数据负荷远高于激光雷达。与毫米波雷达、超声波雷达相比，激光雷达精度优势很突出。毫米波雷达、超声波雷达基础原理与激光雷达类似，主要采用ToF的方式，核心区间在于雷达信号不同，毫米波雷达为发射毫米波（频率为30-GHz）、超声波雷达为发射超声波（频率通常为20kHz-58kHz），激光雷达为红外光（大于10万GHz）。由于测量精度通常与波段频率正相关，激光雷达具有明显的精度优势。另外，毫米波雷达探测距离受到频段损耗的直接制约，无法感知行人，超声波雷达受到传播速度问题（仅仅音速传播，与光速传播差距过大）使得仅适用于极短距离的探测。虽然毫米波雷达、超声波雷达各有优势，目前仍为车型标配，但激光雷达的作用不可忽略。激光雷达的主要缺陷在于成本过高。目前激光雷达最为诟病的地方就在于其过高的成本，当前高线束机械激光雷达价格平均在0美金以上，已量产的低线束车载机械激光雷达价格仍然高达美元以上，与摄像头相比成本差距过大。另外，雾雨天气仍然会对激光的穿透性以及回波信号造成影响。后来者的核心传感器，年成量产元年如我们之前所说，成本是制约激光雷达大规模量产的核心问题，当前市场上已搭载于量产车上的激光雷达仅有年推出的奥迪A8上的法雷奥SCALA1（仅为4线激光雷达）。自动驾驶临近L3级量产时点，多家主流车企将激光雷达应用提上日程。随着技术的逐渐成熟，以及自动驾驶等级提升下对于激光雷达需求激增，激光雷达的成本正进入快速下降时期。年，Velodyne旗下64线、32线、16线机械式激光雷达官方定价分别为8万美元、4万美元和8千美元。到了年初，Velodyne已将旗下16线激光雷达价格下调一半至4千美元。激光雷达从年开始发展，至今已出现千元级的产品，例如大疆Livox发布的Horizon售价为美金，华为宣布未来要将96线激光雷达成本降至美元以内。当前时点，多家整车厂也宣布未来几年车型上将搭载激光雷达产品，其中以自主品牌（造车新势力以及传统整车厂当中的一线品牌）与豪华品牌最为积极。Robotaxi对于自动驾驶等级要求高，且对成本不敏感，激光雷达应用度更高。Robotaxi服务商通常资本实力较强，对于成本不敏感，另外由于Robotaxi通常面向L4级别以上自动驾驶，对于硬件要求更高，目前多家Robotaxi服务商均搭载激光雷达，以Waymo为例，其规划到年有8万辆无人车投入使用，每辆车上均要配备激光雷达。L3自动驾驶+Robotaxi放量，年全球市场空间预计亿美元从全球角度来看，我们认为未来激光雷达将进入加速量产时点，预计到年、年，全球激光雷达市场规模分别约50亿美元和亿美元，其中中国市场规模分别接近20亿美元和50亿美元。从两个方面来看：1）ADAS领域，未来全球L3级及以上自动驾驶渗透率的提升有望使得激光雷达需求激增。以中国为例，根据国家智能网联汽车创新中心年11月新发布的《智能网联技术路线图2.0》，到年，中国L2+L3级自动驾驶占比要达到50%，L4级别开始进入市场，到年，中国L2+L3级自动驾驶占比要达到70%，L4级别占比达到20%。我们谨慎估计到年、年，中国L3级别渗透率分别达到10%、40%，L4级别渗透率分别为1%、15%。从全球角度来看，美国与中国对于自动驾驶积极程度接近（特斯拉、通用汽车等），未来高等级自动驾驶渗透率有望与中国相同，其他西欧、日韩以及发展中地区高等级自动驾驶渗透率或相对略低。我们测算年、年，全球L3级别自动驾驶乘用车销量分别达到万辆和万辆左右、L4级别自动驾驶乘用车销量分别为39万辆和万辆左右，其中中国L3级别自动驾驶车辆分别达到万辆和万辆左右，L4级别自动驾驶车辆分别为22万辆和万辆左右。年受制于成本尚未下降到较低，预计年L3级别搭载1颗激光雷达，L4级别平均搭载2颗激光雷达。年，随着激光雷达成本进一步下降，激光雷达将成为主传感器，单车配置数量有望上升，预计L3级别将平均搭载2颗激光雷达、L4级将平均搭载3颗激光雷达。可测算得到年、年全球ADAS激光雷达出货量分别约万颗和万颗，其中中国出货量分别约万颗和万颗。2）Robotaxi领域，根据Yole预测，到年、年，全球Robotaxi销量分别有望达到20万辆和80万辆，考虑到中国Robotaxi进程走在全球前列，我们预计其中中国有望占到约1/3的水平，即中国、年Robotaxi销量有望达到7、25万辆左右。以Robotaxi单台车平均配4颗激光雷达来算（Waymo5颗、百度4颗、滴滴3颗），年、年全球Robotaxi激光雷达出货量分别有望达到80万颗和万颗，其中中国分别约有30万颗和万颗。综合来看，年、年全球激光雷达出货量分别有望达到约、万颗，其中中国分别出货、万颗左右。当前激光雷达价格仍然偏高，根据调研数据，Robotaxi、ADAS领域单价分别约0美元、美元，我们预计到年单价分别有望降至0美元、美元，到年单价分别有望降至美元和美元。据此测算，年、年全球激光雷达市场规模分别有望达到约53亿美元和亿美元左右，其中中国市场规模分别有望达到21亿美元和亿美元左右。特定商用场景的无人驾驶应用将更早到来，进一步拓展激光雷达市场。除了乘用车市场以及Robotaxi，实际上在商用领域例如干线物流无人驾驶、客车无人驾驶、工业物流无人驾驶等其他特殊领域对激光雷达的需求同样较大。而这些领域对于激光雷达的尺寸以及价格敏感度较乘用车较低，更接近于Robotaxi，所以采用机械激光雷达较多。根据罗兰贝格的研究，封闭场景无人驾驶运输将最早到来，其他场景如高速无人干线物流、无人公交巴士、无人物流终端配送等都有望在年左右达到20-30%的渗透。预计到年，工业以及智慧基建等领域的激光雷达市场需求将超过49亿美金。根据麦肯锡的研究，激光雷达在工业领域和智慧基建上的市场规模到年分别将达到21亿美元和28美元。以5年时间来看，激光雷达在其他商业领域的应用不亚于汽车市场。我们认为激光雷达市场的多元性将助力激光雷达企业短期形成一定收入规模，随着汽车市场需求的进一步成熟，激光雷达企业的远期收入空间进一步被打开。为何激光雷达如此昂贵？机械式系统结构复杂激光雷达主要包括激光发射部分、扫描系统、激光接受部分和信息处理部分，结构较为复杂。从激光雷达的工作来看，主要分成四大部分：1）激光发射部分：激励源周期性地驱动激光器，发射激光脉冲，激光调制器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，将激光发射至目标物体；2）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；3）扫描系统，以稳定的转速旋转起来，实现对所在平面的扫描，并产生实时的平面图信息；4）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。激光雷达本身结构的复杂性和核心部件的高价格决定激光雷达短期价格，尤其是机械式激光雷达价格短期较高。激光雷达部件较多，每个部件技术选择的不同就会造成效果和成本的不同，这也带来激光雷达技术路线的多元。激光雷达从测距方式、发射方式、光束操作方式、探测方式以及数据处理方式可以分为5个核心技术，每个核心技术均有不同的技术分支，效果、成本、当前量产难度等均有不同，在5个核心技术上不同的分支技术选取也导致了各家激光雷达技术路线的不同。扫描部件成本占比极高机械激光雷达单组激光雷达就有极高的成本。Scala目前量产的激光雷达是一款四线机械激光雷达，主要产品包括激光模块、光学模块和主板，其中激光单元成本占比23%、光学单元占比13%、激光硬件占比10%、主板占比45%。作为四线激光雷达可以理解为一组激光发射器，从成本来看激光单元以及对应后续运算、光探测模块的成本占比基本相当随着线束提升，即便是激光雷达对应的光学模块（包括扫描系统）成本占比依然是最大的。LivoxHorizon是大疆旗下最新一代激光雷达，采用非往复式扫描技术，基本可以等价线束激光雷达，目前售价为美金。根据SystemplusConsulting的测算分拆，光学模组在其中成本占比达到54%，而发射模块、接收模块成本占比分别在7%和4%，其他成本占比较大是MCU模块。激光雷达如何降本？5大核心技术优化激光雷达激光雷达降本的方式可以从5大核心技术去实现降本，其中扫描方式的改变以及算法优化是较为重要的降本手段。扫描系统成本占比较高，扫描系统的降本是最主流的方式。探测和发射阶段也具有效果和成本的矛盾，尤其关键技术InGaSa基底以及SPAD等能有突破将极大推动部分技术的发展。测距也提出了FMCW的方式实现测距，但目前技术尚不成熟且最终成本下降潜力没有TOF大。算法软件层面具备较大的优化空间，通过算法的提升可以降低对硬件的依赖，比如减少激光雷达线束的要求从而降低整个系统成本。从机械到固态，降本效果最为显著扫描部件是最大成本单元也直接影响到性能，扫描部件从机械到固态是降本最为有效的手段。从前两个激光雷达拆解可以看到激光雷达目前成本最大部分来自于扫描部分，所以固态激光雷达替代机械式激光雷达成为降低成本的必然选择。根据扫描方式的不同，目前激光雷达技术路线主要为机械、MEMS、Flash和OPA四种。每个技术路线各有自己的优劣势，同时也有自身亟待解决提升完善产品的核心痛点。从目前产品的成熟度来看，MEMS激光雷达将是当下主流方案，OPA潜力最大，FLASH光探测痛点解决潜力也较为显著。机械激光雷达实现高线束需要多个激光发射器，同时扫描系统依赖电机，部件、制造、系统成本都极高。机械式激光雷达价格较高的原因：1）高线束需要多个激光发射器，带来成本较高；2）扫描系统需要旋转电机，一方面加大了结构的复杂程度，另一方面高可靠性的电机本身成本较高；3）系统的综合制造成本较高。以Velodyne的64线激光雷达为例，采用了16组激光发射器以及2组激光接收器，产品结构极为复杂。MEMS半固态激光雷达供应链最为成熟，目前是量产产品的首选，当前阶段产品价格已经可以达到美金-美金。MEMS微振镜本质上是一种硅基半导体元器件，其特点是内部集成了“可动”的微型镜面，采用静电或电磁驱动方式。采用MEMS微振镜简单讲就是以电机为主的扫描系统换成MEMS驱动的镜片，实现激光雷达的扫描。MEMS作为较为成熟的半导体元件具备大规模生产后成本下降的特性。MEMS激光雷达的优点在于：1）MEMS微振镜的引入可以减少激光器和探测器数量，极大地降低成本；2）MEMS激光雷达结构精巧，大幅下降尺寸；3）MEMS微振镜并不是为激光雷达而诞生的器件，它已经在投影显示领域商用化应用多年，供应链较为成熟。Flash激光雷达产品在消费电子领域产品成熟度较高，但在车载领域需要解决高能量发射的痛点，目前价格相对MEMS较高，远期仍有潜力下探到美金以下。Flash顾名思义，就是「闪光」，这种固态激光雷达像一个手电筒一样，发射一个面阵光，再通过高灵敏度的传感器绘制环境图像。FLASH激光类3DFlash技术的天然优势在于:首先是全固态，没有任何移动部件，更像是一个半导体产品。如此一来，在大批量生产从而降低成本、通过车规级方面，3DFlash技术有天然的优势。Flash激光雷达需要较高功率的脉冲才能实现较远距离的探测，主要解决方法是采用高功率的固态激光发射器，或采用InGasa材质的SPAD作为探测器，简单讲就是提升发射端功率或提高接收端的能力，目前这两种途径成本均较为昂贵。目前Flash产品价格依然较高，Ouster预计到年将量产ES2产品，价格为美金，而且随着技术的优化，将有望下探到美金以下。OPA固态激光雷达，潜力最大，但没有成熟产业链支持，难度较高，Quanergy预期未来有望价格下降到美金。光学相控阵OPA固态激光雷达原理是多处振动产生的波相互叠加，有的方向互相增强，有的方向抵消，采用多个光源组成阵列，通过控制各光源发射的时间差，可以合成角度灵活、精密可控的主光束。OPA光学相控阵的核心是相控阵单元目前世面上并没有成熟的技术，突破时间较为漫长。Quanergy是采用OPA激光雷达的典型代表，公司预计随着技术成熟价格有望达到美金左右。高线束机械激光雷达基本仍在0美金以上，随着固态激光雷达的推广，价格可以下沉到美金以下。从目前市面上的主要激光雷达来看，机械激光雷达价格浮动较大，但高线束的机械激光雷达基本在0美金以上。固态激光雷达多数仍处于推广中，集中出货预计在年以后，MEMS激光雷达基本可以将价格稳定在-美金。我们认为机械激光雷达受制于复杂的结构与生产工艺，稳态价格依然会在美金以上，而固态激光雷达有望在年平均价格实现美金，随着OPA等技术成熟未来价格有望下沉到-美金。制约激光雷达的核心供应链是什么？目前激光雷达除了本身系统层面的技术优化，上游核心部件的进一步完善和降本也对激光雷达，尤其固态激光雷达的性能和成本有明显的影响。从激光雷达的上游来看，主要核心部件是扫描器、光电探测器及接收IC以及激光器，相关产品也分特有件和通用件，目前整体上游以半导体为主，国外企业处于相对垄断状态。1）扫描器：从部件本身不管是旋转电机以及镜头还是MEMS产品在其他领域也有较多应用，但需要针对激光雷达特定开发；2）激光器：激光雷达的专有部件，基本上以半导体激光器为主；3）光电探测器级接收器IC：光电探测器为专有部件，其他通用部件包括放大器、数模转换器、FPGA等。MEMS微振镜，影响MEMS激光雷达成本的关键点MEMS微振镜技术门槛较高，目前主要集中在国外企业手中。MEMS作为一个半导体核心技术主要掌握在海外企业手中，目前全球前30家MEMS企业均为海外半导体知名企业。MEMS微振镜的技术难度更大，具备技术成熟且量产的MEMS微振镜企业基本集中国外，如欧洲Innoluce、美国Mirrorcle、日本滨松、瑞士意法半导体、美国MicroVision等。中国MEMS微振镜企业近些年发展迅速，如西安知微传感、中国台湾Opus、苏州希景科技等均有产品推出。MEMS微振镜在MEMS激光雷达中不管从技术制约还是从价值量而言，都是最为核心部件，激光雷达企业为提升自身核心竞争力努力向上游延伸。MEMS微振镜在激光雷达中尺寸要求较大，根据Innoluce目前报价来看，7.5mm微振镜的价格在美元，价格较为昂贵。MEMS微振镜本身从消费级向车规级的升级中也需要更多技术要点需要克服，因此部分激光雷达企业也积极布局MEMS微振镜上游。目前Innoviz、Aeva、Luminar、禾赛科技等均开选择自研MEMS微振镜，速腾聚创也投资了希景科技。发射接收端，优化后将提升激光雷达性能发射器与接收器本身相辅相成，一方面提高接收器效能可以降低发射器功率，另一方面，比如nm发射器需要特定的传感器介质。激光器本身行业较为成熟，主要分为固体激光器、气体激光器、半导体激光器、光纤激光器等。目前激光雷达主要采用半导体激光器，主要的提供商为滨松、Lumentum、ams、Manlight、Finsar等。接收器中的核心部件主要是光电二极管，主流采用的APD（雪崩光电二极管）。SPAD（单电子雪崩二极管）较APD相比，灵敏度极高，是APD的上百倍，可以大幅降低激光回传要求的质量。目前SPAD价格远高于APD，但随着供应链的改善以及突破，SPAD潜力巨大。目前光电二极管的主要提供商为滨松、SensL、Osram、STM、Sens-Tech等公司。行业迎来大发展，

转载请注明:http://www.aideyishus.com/lkyy/6624.html