2021
2月
28
激光雷达行业研究报告:放量在即,开启前装元年
激光雷达 激光测距 无人驾驶

预计 2023 年搭载车型产量突破 30 万, 2030 年全球前装量产市场规模将超 230 亿美元。激光雷达乃高阶自动驾驶标配,存在显性参数、隐性指标及实测表现多个性能评价维度。整车厂从多方面提出上车要求,通过投资或合作方式积极参与,倾向于定制化或自研软件算法。经测算,我们认为已确认搭载的前装量产车型产量将于 2023 年突破 30 万台,价位集中在 40 万 – 80 万 元, 2024 年全球激光雷达前装量产市场出货量将超百万个; 2028 年全球前装量产市场规模将超百亿美元, 2021-2030 年复合增速近 90%,总体前装渗透率达 45%。

众多技术路线驱动降本增效,迈过成本及车规大山,发展呈现固态化、芯片化、智能化。激光雷达在测距原理、激光发射、激光接收、光束操纵及信息处理等五个方面均存在不同路线,创新技术可组合改善性能及成本等问题。测距原理:FMCW 方案创新,长期将与飞行时间法共存。激光发射:VCSEL 发射器推动量产降本,905nm、1550nm 光源或将共存。激光接收:主流使用APD,SPAD或SiPM替代成共识。光束操纵:机械式成熟度最高,近年来 ASP 显著降低;混合固态最快上车成共识,MEMS、转镜方案放量在即;固态成熟度低,长期有望成主流。信息处理:主控芯片标配为 FPGA, 长期或与 SoC 共存。

产业链上游由海外光电子巨头垄断,激光雷达厂商自研铸壁垒,2030年上游市场规模可达 112 亿美元。激光雷达三大核心元器件为激光发射器、光电探测器及光束操纵元件,主要由海外光电子巨头如 Lumentum、滨松、AMS 等垄断,国产替代正起步。创新技术路线的核心控制点不一,激光雷达厂商多通过内研外扩布局以铸壁垒;长期来看,创新技术有待产业整合,厂商可通过多种方式授权上游供应商代工核心器件以标准化产品、扩大规模、降低成本。

近期领先玩家纷纷上市,2021 年规模生产即将铺开。2020 年开启激光雷达上市潮,厂商多通过 SPAC 方式上市;融资投向多在于自建工厂,以规模化生产降本增效。关注焦点从自动驾驶市场转向前装市场,不同厂商定位与策略各异。在对激光雷达厂商估值过程中,净利润率、增长率、投资效率、风险为我们关注的四大要素;性能、成本、体积、产能、车规认证、车企订单等指标助于我们跟踪厂商发展情况,对要素取值作出判断。

一、激光雷达为高阶自动驾驶必备,前装量产元年正开启

“智能化”是我们投资智能汽车大时代的核心关键词和主线,而智能驾驶系统是智能汽车区别于传统汽车最核心的增量部分,按功能可划分为感知-决策-执行三层。

目前,感知层主要分为两派:1)以摄像头+毫米波雷达为主、注重人工智能视觉算法的视觉主导派,以特斯拉为代表(视觉先驱 Mobileye 已投入激光雷达研发);2)以激光雷达为主、毫米波雷达、摄像头等为辅的激光雷达派,以 Waymo、百度为代表。

L3 为自动驾驶的分水岭,代表着主动权从人到车的转变,目前还存在监管和消费者教育等问题;在整车厂推出具有 L3 级功能的车型时,仍倾向于在宣传中定位为 L2.5 - L3 级别。作为“所见即所得”的传感器,激光雷达可增强感知系统的冗余性,补充毫米波雷达、摄像头缺失的场景,与高精地图配合发挥定位作用。在 L3 及以上级别的自动驾驶系统中,激光雷达的作用从辅助走向主导,配备个数也将增加。

我们认为,随着自动驾驶级别的提高和激光雷达技术的进步,激光雷达将成为不可或缺的部件;未来两派将走向融合,自动驾驶感知层将深化体积缩小、控制集成、成本降低、感知多元等趋势。

1.1 分析激光信号描绘环境点云图,激光雷达乃高阶自动驾驶标配

激光雷达可分为激光发射、激光接收、光束操纵和信息处理四大系统,通过分析激光信号描绘三维点云图,实现环境实时感知及避障功能。激光雷达(LiDAR,Light Detection And Ranging),采用激光发射器及光束扫描技术发射介于红外线与可见光之间的激光,通过测量激光信号的时间差及相位差描绘周围物体的三维点云图,从而获取精确距离、轮廓信息。

激光雷达最早发明于 1960s,早期主要用于太空探测、气象监测、地形勘测、军事测距、武器制导等,自 2005 年美国 DARPA 挑战赛起首次搭载于自动驾驶车辆,目前广泛应用于自动驾驶、物流运输、高精地图、智慧交通、机器人、工业自动化、无人机、测绘等领域。

作为“所见即所得”的传感器,激光雷达可增强感知系统的冗余性,补充毫米波雷达、摄像头缺失的场景,是高阶自动驾驶标配。较短波长及主动激光技术赋能激光雷达测量分辨率高、探测距离远、探测角度大、夜间工作能力强、抗干扰能力强等优势,可直接获取距离、角度、反射强度、速度等信息。在高阶自动驾驶方案中,激光雷达的点位还可通过和高精地图数据匹配来实时定位车辆信息。但是,同时存在成本较高、受恶劣天气影响较大、工作寿命较短等问题,有望通过技术进步、规模量产解决。

而毫米波雷达存在无法探测行人、静止物体等弱点,车载摄像头存在过度依赖光线环境、训练样本等弱点,安全性、可靠性、精度、稳定性均不能得到高度保障。

目前,激光雷达已成为主流高阶自动驾驶玩家必备传感器。96%获加州DMV路测牌照的自动驾驶公司认为激光雷达是必需的零部件,Waymo、Cruise、百度、小马智行等在美国加州 DMV 公布的获得无人驾驶公开道路测试牌照的 65 家公司多搭载自研或外采的激光雷达,主要供应商为 Velodyne、禾赛科技等。

以 L3 为分界点,较低等级的自动驾驶主要配备的传感器为车载摄像头、毫米波雷达等,L3 及以上自动驾驶需要配备的激光雷达数量随级别提升增加,L3 级为 1 个,L4 级为 2-3 个,L5 级高达 4-6 个。

1.2 激光雷达存在显性参数、隐性指标及实测表现多个性能评价维度

激光雷达最常见的显性参数包括线数、探测距离、测量精度、测量准度、扫描频率、垂直视场角、角分辨率、点云密度、功耗、集成度等。隐性指标主要指激光雷达产品的可靠性、安全性、可量产性及使用寿命等,缺乏公开信息及可量化系统,只能通过产品是否得到车规级行业认证、应用于整车厂或自动驾驶出租方案提供商的测试车队或量产项目来侧面了解。

实测表现主要指激光雷达实际使用过程中影响自动驾驶体验的关键性能,如点云数量、实际探测距离、信噪比、测距精度等,可参考的公开测试数据有限。2020 年 7 月,日本科学技术振兴机构 JST 下属战略创造研究推进事业小组 CREST 联合日本 Open Innovation Platform with Enterprises, Research Institute and Academia(简称 OPERA)从公开渠道直接采购了 10 款 4 个品牌的激光雷达, 包括 Velodyne 的 VLS-128、HDL-64S2、HDL-32E、VLP-32c、VLP-16,禾赛科 技的Pandar64、Pandar40P,Ouster的OS1-64、OS1-16及速腾聚创的RS-LiDAR- 32。

该测评包括感知性能、测量距离精度、点云数量三个方面。激光雷达感知性能可分为二次反射、强度偏差、光晕、丢失点和交通标识视觉化等选项。其中,二次反射容易形成虚像,最好不要出现;强度偏差可能导致噪音,功率密度较大时容易出现;光晕指阳光强烈时的色变;丢失点指弱反射目标或小反射面积被忽略;交通标识视觉化识别主要是识别车道线、路沿和标识。而测量距离精度主要指观测有效范围内的误差水平。点云数量为实际使用中最重要的指标之一,一般来说,线数越高点云数量越密集。

1.3 整车厂多方面提出上车要求,通过投资或合作提高参与度

整车厂提出的前装量产要求主要体现在探测距离(反射率)、探测角度、使用年限、成本、交付产品时间点等方面。根据产业调研,车企要求 2022 年前后前 装量产的主雷达在 10%反射率下达到 150 米 - 200 米探测距离,水平 FOV 达 120°、垂直 FOV 达 20°,精度要求精度±3 厘米 - ±5 厘米,分辨率要求 0.2*0.2;保修 3-5 年,20 万公里。L4-L5 级别高阶自动驾驶要求达到 250 米探测 距离,分辨率要求 0.1*0.1。

2025 年,定位于较高端车型的 ADAS 前装量产产品价格将降至约 500 美元,自 动驾驶产品价格将降至约 1000 美元。长期来看,未来高阶自动驾驶的激光雷达 将逐步将整车成本控制在 1000 美元以内。除此之外,车企还会关注产线的标准 化程度,是否得到行业车规认证、配备清洗/加热/诊断等功能,交付产品的时间 点是否合适等。

避免排他性,整车厂多通过投资或合作的方式参与激光雷达领域中,倾向于定制化或自研软件算法。随着自动驾驶级别的提高,激光雷达已成为业界默认的主传感器,又因为技术路线众多、不确定性较大,若为并购或自行成立事业部会存在内部排他性约束,福特、沃尔沃、戴姆勒、奔驰等传统整车厂多通过投资或合作的方式积极参与到激光雷达领域中;Velodyne、Luminar、Ouster、速腾聚创等均获 OEM 投资。

激光雷达厂商通常自研软硬件全栈套件,但整车厂多要求参与软件定制化研发或自行研发决策算法,如小鹏、蔚来等将自研核心感知算法,寻找厂商的配套硬件支持。

1.4 2023 年搭载量产车型将突破 30 万台,2030 年全球市场超 230 亿美元

2021 年起有望迎来前装放量,2023 年确定搭载激光雷达的量产车型将突破 30 万台。近日 ,Velodyne、Luminar、Aeva、Ibeo、 华为 、 大疆 Livox、 Innovusion 等激光雷达厂商纷纷宣布已与福特、沃尔沃、奥迪、北汽新能源、 小鹏、宝马等整车厂达成合作,推出多款车规级产品,最早于 2021年推出前装量产车型。

我们通过对比类似定位的品牌、功能车型得到预测价格。对于传统整车厂,我们参考类似车型得到预测产销量;对于造车新势力,我们根据其现有产能及产能扩张计划得到预测产销量。

由表可知,预计 2023 年左右搭载激光雷达的前装车型将首次突破 30 万台,目前确定搭载激光雷达的车型主要售价区间为 40 万 - 80 万。

激光雷达有望通过规模量产+技术进步快速降价,2030年超230亿美元,2021- 2030 年复合增速近 90%,总体前装渗透率达 45%。根据车型价位分类测算激光雷达渗透率、配备数量及量产价格,结合全球不同价位车型销量变化趋势进行测算,我们认为,2024 年全球激光雷达前装量产市场出货量将超百万个, 2030 年将超 1.2 亿个,2021-2030 年复合增速将超 120%;2030 年全球激光雷达前装量产市场规模将达 233 亿美元,2021-2030 年复合增速近 90%,总体前装渗透率超 45%。同时,2030 年国内激光雷达前装量产市场出货量将超 4200 万个,2021-2030 年复合增速达 124%;2030 年国内激光雷达前装量产市场规模将达 80 亿美元,2021-2030 年复合增速达 90%,总体前装渗透率近 45%。除前装市场外,主要应用领域包括自动驾驶项目、前装量产、测绘、机器人、最后一公里配送等。

二、众多技术路线驱动降本增效,未来呈现固态化、芯片化、智能化

激光雷达在测距原理、激光发射、激光接收、光束操纵及信息处理等五个方面均存在不同技术路线,创新技术可组合改善性能及成本等问题。新趋势从多层次降本增效,推动自动驾驶出租、ADAS 前装量产等商业化落地进程。

2.1 测距原理:FMCW 方案创新,长期将与飞行时间法共存

测距原理部分:目前中长距主流方案为飞行时间法,而 FMCW 法因可直接测量速度信息、抗干扰能力强成为新方案,长期来看两种方法将并存。激光雷达 的测距方法主要有飞行时间法、三角测距法及基于相干探测的 FMCW 法,其中飞行时间法和 FMCW 法可实现室外阳光下较远的测距。飞行时间法通过直接测量发射激光与回波信号的时间差来获取距离信息,具有响应速度快、探测精度高的特点;常见的光束操纵分类如机械式、混合固态、固态式均采用了飞行时间的原理进行测距。

FMCW 法通过线性调制激光光频得到频率差,间接获得飞行时间来反推距离,可根据多普勒频移信息直接测量速度信息,抗环境光和其他激光雷达干扰能力强,可大大改善信噪比,未来往利用硅基光电子技术实现激光雷达芯片化方向发展。Aeva 已与采埃孚合作布局 FMCW 技术,Aurora 也推出首个 FMCW 激光雷达 Firstlight,国内的禾赛科技、速腾聚创均有一定技术储备。

对比来说,飞行时间系统已有较为完整成熟的产业链,供应商可提供包括发射器、探测器、专用集成电路等在内的标准组件,而 FMCW 的产业链上游处于早期培育阶段,尚停留在测试阶段、未推出规模面世产品,许多优势仍未得到证实;飞行时间法多采用 APD 或 SPAD 作为光电探测器,而 FMCW 可采用成本更低的 PIN 光电二极管。我们认为,综合成本、性能、点云质量等因素,飞行时间法仍是目前最有效的落地方法;随着 FMCW 激光雷达及上游产业链的成熟,两种方法将长期共存。

2.2 激光发射:VCSEL 发射器推动量产降本,905nm、1550nm 光源或将共存激光发射部分:半导体激光器从 EEL 向 VCSEL 发展,长期 PCSEL 或成为新方向。作为探测光源,EEL 具有高发光功率密度,但复杂工艺步骤带来成本高企、易 碎、标准化程度不足等问题。传统的 VCSEL发光功率密度不足,探测距离不足 50m;创新的多层结 VCSEL 功率密度提升了 5-10倍,可达百瓦级,在封装方式 和光束整形等方面具有独特优势,信噪比、生产成本与产品可靠性问题大大改 善,Ibeo、Ouster、禾赛科技均已布局相关技术。而 PCSEL 为格拉斯哥大学分拆出的最新激光器技术,具有宽波长范围、高发光功率密度、坚固耐用等优势, 或成为业界新的技术方向。

随着自动驾驶级别的提高,整车厂要求探测距离提高,905nm、1550nm两种激光雷达光源波长或将共存。主流发射器的激光波长分为905nm和1550nm两种。 其中,905nm 可在人眼液体中传输,需要严格限制发射器功率,对探测距离有 所限制,通常采用较为平价的硅基光电探测器。1550nm 远离人眼可吸收可见光 光谱波长,可以极大程度上提高功率及测距,具有点云成像效果好、聚光能力 强、集成程度高等特点;但是,需要使用高价的铟镓砷作为探测器的衬底材料、光纤激光器作为发射器,后者成本高达几千美金;功耗增至 50W - 60W,高温下也会出现不可逆的性能衰减问题,车规检测可能存在障碍。我们认为,未来 905nm 光源产品可通过工艺改良等方法增进性能,1550nm 也可通过扩大使用场景以增进量产、快速降本,或将长期共存。

目前,激光雷达厂商中全球市值第一的 Luminar已率先布局 1550nm 技术,通过 收购铟镓砷探测器公司及工程优化等使成本由几万美元/个降至 3 美元/个;国内 的华为、镭神智能、禾赛科技、速腾聚创也纷纷入场。

2.3 激光接收:主流使用 APD,SPAD 或 SiPM 替代成共识

激光接收部分:飞行时间类激光雷达主流探测器为 APD,部分厂商已采用使用增益能力更强的 SPAD 或 SiPM;FMCW 类激光雷达可使用毫无增益的 PIN PD。依据可增益能力,光电探测器主要可分为 PIN PD、APD、SPAD、SiPM 四类。 其中,PIN PD 无增益,仅适用于 FMCW 测距激光雷达,成本最低;飞行时间类激光雷达目前主要使用的是技术较为成熟的 APD,工作在线性增益范围。

SPAD 工作在盖革模式,具有单光子探测能力,比传统 APD 增益能力提高约 10 万倍,可实现低激光功率下的远距离探测能力,功耗、体积较小,已成为一大创新方向;同时,过于灵敏的接收也会导致通道串扰大、寄生脉冲等问题,电 路设计等工艺难题带来较高的制造成本。

SiPM 增益能力与 SPAD 相似,由多个独立且带有淬灭电阻的 SPAD 组成,可克 服单个 SPAD 不能同时测量多个光子的不足。SPAD 及 SiPM 可探测 200m、5% 反射率目标,不受明亮阳光影响,分辨率极佳;Innovusion、Ouster、禾赛科技等多数厂商均已布局相关技术。

2.4 光束操纵:混合固态迎来前装量产前夜,长期 FMCW 或固态为主导

光束操纵部分:机械式较为成熟,为现阶段高阶自动驾驶主要选择;短期内往混合固态发展,未来 2-3 年将出现前装量产爆发;长期来看,FMCW、OPA、 Flash 均有可能成为主导路线。根据光束操纵的方式,可分为扫描系统和 Flash 两种,其中扫描系统包括机械式、混合固态、固态;也可根据是否发生机械运 动将 Flash 归为固态方案。

2.4.1 机械式:成熟度最高,近年来 ASP 显著降低

机械式方案成熟度最高,目前产量最高;人工成本、使用寿命乃两大上车难关, 近年来 ASP 显著降低。机械式指在垂直方向上排布多束激光器、通过电机带动 光电结构 360°旋转,从而化点为线形成三维点云的方案,其线数与分辨率成 正比,具有高分辨率、高测距的特点,是目前最成熟的方案。同时,为实现高 频准确转动,其机械结构复杂,平均失效时间仅 1000-3000 小时,与车规要求 的最低 13000 小时差距明显,难以实现前装量产;激光器堆叠需要人工操作, 早期高线数机械式激光雷达成本高企成为最大痛点。

后期随着系统通道数目、集成度提高及规模化生产,行业 ASP 显著降低,但均 价仍为万元美金,高线数代表公司为 Velodyne、禾赛科技等。高阶自动驾驶出 行商对分辨率及测距距离要求高,但对成本、体积、失效时间敏感度相对较低, 为机械式的主要客户,如 Cruise、小马智行等。

2.4.2 混合固态:最快上车成共识,MEMS、转镜方案放量在即

混合固态指收发组件静止、仅扫描器发生机械运动的激光雷达类型,可细分为 MEMS、转镜等形式,技术相对成熟,主要面向前装量产 OEM。

MEMS 有望第一批上车,多厂商布局 MEMS 微振镜。MEMS 即微机电系统, 指采用 MEMS 技术将微型反射镜、MEMS 驱动器及传感器集成为微振镜,后者 通过一定谐波频率振荡反射激光、达到高速扫描形成点云图的效果。MEMS 大 大减少了激光器及探测器数量,具有高集成、高分辨、采集快、小尺寸、低成 本的优势;但是由于收光孔径、摆动幅度较小导致探测距离、视场角度有限, 技术成熟度有待进一步提高。

Luminar、禾赛科技、速腾聚创、镭神智能、一径科技、Innoviz 均有布局 MEMS,多配合 1550nm 光源提升探测距离。该类型核心控制点在于 MEMS 微 振镜,禾赛科技、速腾聚创、镭神智能及 Innoviz 均有自研。根据产业调研,905nmMEMS 发光-振镜-接收这一整套成本占比约为 40%,而 1550nm 产品中激 光发射器成本占大半。

转镜最早通过车规,或为目前最佳上车方案。转镜方案指通过电流扫描振镜带 动多边形棱镜运动反射激光达到扫描效果的技术,无需多次校准。该方案可通 过提高转速来提高扫瞄精度,控制扫描区域从而提高关键区域的扫描密度;成 熟的多边形激光扫描技术成本较低,为十美元量级,还可灵活调整垂直分辨率, 具有探测距离远、探测角度大的优势。同时,电机驱动也带来了功耗高、稳定 性不足和光源能量分散等问题。

2010 年 Ibeo 与法雷奥合作进行 4 线 Scala 的研发,成为最早通过车规的产品, 已于 2017年实现量产;2020 年底,华为也推出了基于转镜方案的车规级激光雷 达,但并未透露具体技术细节;Innovusion 等厂商采用结合 1550nm 光源及 SPAD 的方式进行改进,大疆 Livox 则推出双楔形棱镜方案。

2.4.3 固态:成熟度低,长期有望成主流

固态指指无任何机械运动部件的激光雷达类型,可细分为 OPA、Flash、电子 扫描等形式,目前技术成熟度较低。

零部件需大量自研,OPA 上车仍需时间。OPA 即光学相控阵技术,利用电压 调节制造发射阵列间的相位差实现光束偏转,兼具扫描快、精度高、体积小及 强可控、强抗振等优势,技术突破后成本较低、量产标准化程度高,被部分业 界专家认为是激光雷达最终的主流形态。

同时,OPA 产业链培育不足,零部件大部分需要自研、制造工艺要求高,对激 光雷达厂商而言难度较大,也存在易形成旁瓣效应、光信号覆盖有限、测距不 足等问题。代表厂商为 Quanergy,但近年来舆论不利、影响力逐渐降低;国 内力策科技等厂商已成功自研 OPA 芯片,但目前未有车企合作消息。

Flash 探测范围受限,可结合 VCSEL、SPAD 等其它系统创新改善。Flash 是 目前唯一不存在扫描系统的方案,但由于不存在机械运动部件常被归类为固态。 它主要指采用短时间发射大覆盖面阵激光、再以高度灵敏探测器完成图像绘制 的技术,可达最高等级的车规要求,但功率密度及回波光子数量太低导致的测 距及分辨率不足是最大的问题。代表厂商 Ouster 结合 VCSEL、SPAD 技术改 善性能,也有业界专家认为这种路线会是激光雷达最终的主流形态。

电子扫描指依据时间顺序驱动不同视场激光器实现扫描的全固态方案,是禾赛 科技已应用于 Pandar FT 的创新方案,结合 VCSEL 与 SPAD 技术,目前处于小 批量试制阶段。

2.5 信息处理:主控芯片标配为 FPGA,长期或与 SoC 共存

FPGA 为主流选择,赛灵思产品在激光雷达主控芯片市场占有率高达 90%。激 光雷达信息处理部分主要分为主控芯片及模拟芯片。主控芯片用于激光发射器、 探测器等激光雷达其他功能模块的控制,最常用的是 FPGA 芯片。最为先进的 CMOS 工艺制备的 FPGA 芯片容量巨大,赛灵思产品高算力、高集成、低成本 的特点使市占率高达 90%;且提供可编程硬件,对多种技术路线的适应性极强。 此外,MCU、DSP 也可作为主控芯片的选择。

激光雷达厂商多自研 SoC 贴合上车要求,长期二者将共存。最新趋势是可片内 集成探测器、前端电路、波形数字化、算法处理、脉冲控制等模块的 SoC,可 光子输入、点云输出,可显著降低系统复杂度及成本,适合规模量产;同时也 需要承担较高的开发风险、费用及周期。

今后,先列、面阵规模的增大及 CMOS 工艺节点的升级可实现更强算力、更低 功耗及更高集成,有望逐步替代主控芯片 FPGA 的功能;较高的技术壁垒及程 序安全性推动厂商自研 SoC,禾赛科技、Mobileye、英特尔等已率先布局 SoC 技术,长期来看二者将共存。

2.6 总体而言:迈过成本及车规大山,发展呈现固态化、芯片化、智能化

激光雷达上车存在成本及车规两大阻碍,可通过技术进步、建设流水线解决。前装量产需要成本大幅下降达到可商用水平、车规认证产品稳定性。不同技术 路线激光雷达的核心控制点不一,如1550nm光源激光雷达的光纤激光器成本占 比高达 80%,约为 2000美元;905nmMEMS产品的核心控制点在于 MEMS微振 镜,发光-振镜-接收系统成本占比约为 40%。而 ADAS 前装量产产品价格要求 降至约 500 美元,自动驾驶产品价格降至约 1000 美元,仍存在一定差距。通过 采购供应链管理、规模化流水线生产、提升良品率、提高标准化及模块化水平 等方式,产品成本可得到较大幅度降低。

短期内,激光雷达将往混合固态发展;长期来看,FMCW、OPA、Flash 均有可能成为主导路线。由于机械式需要人工堆叠激光器及探测器等收发元件,虽 探测性能优秀,却带来了高成本、低寿命、大体积等问题,无法达到成本及车 规要求,目前多应用于价格不敏感的自动驾驶领域;而 MEMS、转镜等混合固 态方案结合多层次技术进步突破原有的探测距离等问题,较符合车企上车要求, 未来 2-3 年将出现前装量产爆发;长期来看,随着技术成熟及产业链供应商的 发展,FMCW、OPA、Flash 都有可能成为主导的技术路线,整体呈现明显的固 态化趋势。

集成度、价格、体积等方面均有明显优势,许多厂商均有布局芯片化技术。芯 片化主要是指将激光雷达各模块集成到芯片上,可以较大程度提升集中度,从 而降本降价。芯片化架构将分立器件集成于一颗芯片,实现收发单元阵列化、 核心模块芯片化,即 SoC;芯片化技术有助于构建系列产品的核心架构和技术中台、建设自动化产线,在降低物料成本的同时,系统失效率和人力生产成本 也显著降低,产品可靠性、能量利用率、生产效率显著提高。目前,Luminar、 Innoviz、Ouster、Aeva、Quanergy、禾赛科技等厂商均有布局芯片化技术。

激光雷达有望在收集数据基础上完成感知算法的实时计算分析,向智能化发展。前期感知属于信息搜集层面,而算法则直接连接决策层。速腾聚创在 2017 年推 出普罗米修斯计划,其后在 MEMS 激光雷达中嵌入 AI 感知算法与专用计算芯 片组,同步输出障碍物检测、障碍物分类、动态物体跟踪、可行驶区域检测等 感知结果。

三、产业链上游由海外光电子巨头垄断,激光雷达厂商自研铸壁垒

激光雷达三大核心元器件为激光发射器、光电探测器及光束操纵元件,主要由海外光电子巨头垄断,国产替代正起步。激光雷达可分为激光发射、激光接收、 光束操纵和信息处理四大系统,光电部分多由日韩德光电子厂商垄断,如激光 器主要供应商有 OSRAM、AMS、Lumentum 等,探测器主要供应商有 First Sensor、滨松、安森美、索尼等,光束操纵元件主要供应商有英飞凌、滨松、 Mirrocle 等。

近年来,国内光电器件厂商也逐渐进入激光雷达供应链中,如深圳瑞波、常州纵慧芯光等的激光器,成都量芯、深圳灵明光子、南京芯视界、飞芯电子等的探测器。其中,已有部分公司产品获得车规认证(AEC-Q102),在面向国内激光雷达厂商需求上也有一定定制化、成本优势,长期来看有望实现国产替代。

信息处理系统中主控芯片、模拟芯片市场均由美国半导体公司垄断,国内产业链培育中。90%主控芯片市场被赛灵思的 FPGA 产品占据,还可选择 MCU、 DSP 类产品,主要供应商包括瑞萨、英飞凌和德州仪器、亚德诺半导体等。 FPGA 国内主要供应商有紫光国芯、安路半导体等,其逻辑资源规模和高速接 口性能均能满足激光雷达需求。

模拟芯片市场 CR5 占有率近 50%,2019 年前五大供应商分别为德州仪器 (19%)、 亚 德 诺 半导体 (10%)、 英 飞 凌(6%)、意 法 半 导体 (5%)、 Skyworks(5%)。模拟芯片国内主要供应商有圣邦微电子、思瑞浦等,相比起 步较晚,车规级产品类型、技术水平尚有较大差距。

创新技术路线的核心控制点不一,激光雷达厂商多通过内研外扩布局以铸壁垒。1550nm 光源激光雷达为光纤激光器、铟镓砷探测器,国内厂商如禾赛科技、 镭神智能等自研光纤激光器,Luminar 并购上游铟镓砷厂商使探测器单品成本 由几万美元降至 3 美元;MEMS 产品在于 MEMS 微振镜,禾赛科技、镭神智 能、Innoviz 等厂商均选择自研,速腾聚创通过投资希景微机电布局。

长期来看,创新技术有待产业链价值调整,2030 年激光雷达前装量产的上游市场规模将达 112 亿美元。若未来 1550nm 光源能占有一席之地,光纤激光器、 铟镓砷探测器等核心器件或将通过激光雷达厂商交叉授权、License + Loyalty 等方式授权于上游供应商,标准化产品批量生产以降低成本。其中,光纤激光 器成本占比高达 80%,约为 2000 美元, Lumentum、Oclaro 等已率先布局的 上游供应商将形成一定壁垒。而 905nm路线中,MEMS产品的核心控制点在于 MEMS 微振镜,发光-振镜-接收系统成本占比约为 40%,目前已有部分上游初 创企业布局;VCSEL、SPAD 技术已有部分上游光电巨头掌握。基于对产业规律的理解推测激光雷达毛利率及软硬件价值占比变化趋势,我们认为,前装量 产的上游市场规模将达 112 亿美元。


深圳微智天下科技有限公司

地址:深圳市宝安区新安街道兴东社区71区七星公社7楼

电话:李先生 15814777168 0755-23208589

QQ:402493596

网址:http://www.wzrobots.com/

邮箱:lbx@wzrobots.com

微信扫码
关注我们
免费预约

申请预约×

立即预约

A PHP Error was encountered

Severity: Warning

Message: Unknown: write failed: No space left on device (28)

Filename: Unknown

Line Number: 0

Backtrace:

A PHP Error was encountered

Severity: Warning

Message: Unknown: Failed to write session data (files). Please verify that the current setting of session.save_path is correct (/var/lib/php5)

Filename: Unknown

Line Number: 0

Backtrace: