1、激光雷达(LiDAR)行业概况

1.1、什么是激光？什么是激光雷达？应用的历史？

激光的发明要追溯到爱因斯坦在1917年创立的受激辐射基础理论。处在高能级的粒子受到某种光子的激发会从高能级跃迁到低能级，同时释放一个激励光子有着完全相同的频率、相位、传播方向以及偏振状态的光子，受激发射出的光被称为LASER，最早被翻译为镭射，如今我们翻译为激光。

激光雷达被称为探测“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。激光雷达的应用可以分成四个阶段：

1960-2000诞生与科研应用阶段：全球第一台激光器诞生于1960年，早期激光雷达主要用于科研及测绘项目，进行气象探测以及针对海洋、森林、地表地形测绘。二十世纪八九十年代，扫描结构的引入扩大了激光雷达的范围并拓展了其应用领域，激光雷达商用产品如激光开始起步。

2000-2015商业化与车载应用初期：激光雷达从单线扫描的架构逐渐发展到多线扫描，它对环境3D高精度重建的应用优势被逐渐认可，2004年开始的DARPA大赛推动了无人驾驶技术的快速发展并将激光雷达引入了无人驾驶。2005年Velodyne推出的机械旋转式激光雷达在第二届DARPA挑战赛中到关注，第三届DARPA完赛的6支队伍中的5支都搭载了Velodyne生产的激光雷达。随后陆续有巨头科技公司及新兴无人驾驶公司投入无人驾驶技术究，激光雷达被广泛应用于无人驾驶测试项目。

2016-2019无人驾驶应用蓬勃发展：国内激光雷达厂商纷纷入局，技术赶超国外厂商。激光雷达技术方案呈现多样化发展趋势，开始有无人驾驶车队行小范围商业化试点，此外激光雷达在高级辅助驾驶（ADAS）和服务机器人领域的应用也不断发展。

2019年至今技术优化引领上市热潮：技术上，激光雷达朝向芯片化、阵列化发展。2020年，境外激光雷达公司迎来通过SPAC的上市热潮，有华为、大疆等巨头公司跨界加入激光雷达市场竞争。

1.2、智驾传感硬件之首，多器件融合大势所趋

智能驾驶分为感知、决策、控制三大核心环节。要想实现智能驾驶，第一步就是让车看清楚周围的环境，也就是“感知”。进一步拆解可以分成两部分，一个是硬件部分，负责“看到”，即“感”；另一部分是软件部分，也就是算法，负责“理解”，即“知”。

激光雷达位于感知层，不同传感方式的原理和功能各不相同，在车载领域各有优劣。目前主要的感知方式包括但不限于：超声波雷达、C-V2X、高精度地图、摄像头、毫米波雷达、激光雷达等。

激光雷达综合性能最优，智能驾驶感知层面硬件之首。根据前瞻研究院，从可靠度、行人判别、夜间模式、恶劣天气环境、细节分辨、探测距离等方面来对比，激光雷达是三种环境传感器中综合性能最好的一种，而且，其产品优势将随着消费与智能驾驶需求提升而愈发凸显。

1）还原三维特征：高频激光可在一秒内获取（约150万个）的位置点信息（称为点云），利用这些有距离信息的点云，可以精确地还原周围环境的三维特征。

2）探测精度高：激光雷达的探测精度在厘米级以内，这就使得激光雷达能够准确识别出障碍物具体轮廓、距离，且不会漏判、误判前方出现的物。

3）探测距离远：相比于毫米波，激光雷达使用的激光波长在千纳米级别，有更好的指向性，不会拐弯，也不会随着距离的增大而扩散。相比于摄像头，激光雷达不会受到像素和光线的制约。

4）抗干扰能力强：自然界中存在诸多干扰电磁波的信号和物质，但是很少有能对激光产生干扰的信号，因此激光雷达具有较强的抗干扰能力。

在安全性的要求下，多传感器融合、实现技术冗余是大势所趋，激光雷达的市场红利确定性强。在积极拥抱自动驾驶技术发展的同时，安全冗余是人们考虑的首要因素。通过上述的分析我们可以看到，单一的车载传感器难以兼顾探测精度、距离、复杂恶劣环境的灵活稳定；而应用多种类的传感器可以达到“即使某一种传感器全部出现故障，仍能额外提供一定冗余度”的效果。国际汽车工程师协会（SAEInternational）发布的工程建议将自动驾驶分为了6级，随着L0级-L5级，级别越高，车辆的自动化程度越高，动态行驶过程中对驾驶员的参与度需求越低，对车载传感器组成的环境感知系统的依赖性也越强。在L4/L5级别自动驾驶的复杂情况与安全冗余的要求下，激光雷达与毫米波雷达、摄像头等进行多传感器融合，可以得出更全面的周遭环境信息，对自动（辅助）驾驶的路径规划和安全性有着极大的帮助。

1.3、以何驱动：供需两侧共，车载赛道前景明朗

通过前文的历史回顾，我们可以发现，激光雷达之于自动驾驶的概念提出已经历很长一段时间，但是早期多数是针对军事，或者是概念性的畅想，和日常商用车还有一定距离。但2021年4月上海车展之后，一大批搭载激光雷达的量产车的涌现吸引了市场眼球，包括小鹏P5、蔚来ET7、极狐阿尔法S、奥迪S级、宝马iX、智己L7、哪吒S等等。同时，无人驾驶测试项目及车规规模也在快速扩张。我们不禁要问：为什么激光雷达突然如此抢手？接下来我们将从需求和供给两个角度，分析近年来激光雷达加速发展的驱动因素。

1.3.1、需求端：下游拉动+政策支持，自动驾驶等级提升关键

激光雷达下游应用领域广泛，主要涉及无人驾驶（ADS）、高阶辅助驾驶（ADAS）、服务机器人和智慧城市及测绘行业。近年来，无人驾驶车队规模扩张、高级辅助驾驶中激光雷达的渗透率增加、全球交通政策逐渐放开，车载激光雷达子赛道预计呈现高速发展态势。据Frost&Sullivan统计及预测，2019年智慧城市及测绘是激光雷达的主要应用市场，占比约60%，至2025年高级辅助驾驶、无人驾驶将成为下游应用主力，分别占激光雷达市场总规模的34.64%和26.30%，乘用车前装激光雷达领域对整体市场的增长贡献达到61%。因此，我们也聚焦于车载领域的激光雷达的分析。

汽车保有量的提升，带动驾驶安全的需求。根据联合国最新的统计数据，全球每年约有125万人因道路交通事故丧生，造成的经济损失约为1.85万亿美元。在我国，经济发展、国民收入的增加使得机动乘用车市场不断扩张，但也带来了交通安全隐患。根据公安部统计，在2010-2019年的十年间，我国平均每年发生车祸20余万起，死亡的人数约为6万人，其中94%的交通事故是由人为因素引发，人工驾驶员因注意力分散、未按道路规则行驶、错误路况判断、酒驾等因素导致交通事故，成为传统出行方式一大痛点。运用高级辅助驾驶系统的车辆，可以通过车路协同技术在人类视觉盲区接收道路信息，或通过激光雷达在光线不佳的情况下看到人眼分辨不清的障碍物，提前规划行为决策，避免交通事故。

老龄化的趋势，加速人工劳动与出行效率的追求。第七次全国人口普查数据显示，我国60岁及以上人口占比达到18.70%，已经超过0-14岁幼儿及青少年17.95%的水平。根据国际标准，中国已经处于中度老龄化的边缘，可以预见未来30年，中国社会老龄化问题将越来越严重。为了持续的经济发展，需要在减少人力支出的情况下，增加生产效率。在乘用车领域，传统出行服务中人工成本占运营总成本60%以上，无人驾驶服务能够缩减这一成本，因而相比传统的出行服务具有广泛的商业价值和盈利空间；在某些特定领域，例如环境艰苦的矿山运输、繁忙的港口快递物流、枯燥的园区环卫等场景，自动驾驶有着更大的发挥空间，同时也有着更急迫的市场需求。

交通政策的支持，助推自动驾驶商业化落地。随着互联网、大数据、人工智能等技术在汽车领域的广泛应用，汽车正加速由机械化向智能化转变。当前，全球主要国家和地区纷纷加快产业布局，制定发展战略，各项技术标准及法规等逐渐完善。中国政府高度重视智能网联汽车的发展并频频出台支持政策，自动驾驶产业得到迅猛发展。

1.3.2、供给端：融资支持+试驾顺利，车企纷纷布局激光雷达

资本市场看好商业前景，2021年全球激光雷达领域融资超120亿元。早在2018年8月，Waymo就被摩根士丹利赋予高达1,750亿美元的估值，被看好其在无人驾驶出租车、无人物流和无人驾驶技术授权三个业务领域的发展前景。据统计，2013－2018年，激光雷达领域投资规模呈现出平稳增长的态势，投资数量与投资金额保持正比例增长，投资金额在2018年达到23.87亿元，2019－2020年稍有回落后，在2021年上半年迎来快速增长，15起投资事件投资规模高达120.36亿元，尤其以5月份MagnetiMarelli成功融资12亿美元为最高。一级资本的支持不仅体现出市场对于激光雷达前景的看好，更为激光雷达行业的发展注入资金。

自动驾驶测试项目快速扩张，无人驾驶不再遥远。早期无人驾驶出于绝对安全的考虑和法律政策限制，运营过程中往往会设置安全员作为系统的备份，并未实现L4/L5的真正跨越。近年来，随着研发技术的完善成熟与商业模式的不断探索，实现真正无人驾驶已经不再遥远。

自动驾驶车型密集发布，激光雷达成为吸睛之王。2021年开始，国内外主机厂纷纷加速布局高级辅助自动驾驶，装载搭配激光雷达的量产车型密集发布，这将为激光雷达车载应用市场的普及率的提升提供强劲的助推力量。

1.4、空间：渗透率+单车搭载量双升，乘用车LiDAR近60亿美元规模

我们认为，智能驾驶领域呈现“造车新势力与传统汽车共同做大市场，消费者认知逐步提升并加速普及”的趋势。激光雷达作为智能汽车L3级别以上自动驾驶传感器的关键，或将迎来行业向上拐点，预计2025年中国乘用车LiDAR市场空间突破20亿美元，对应21-25年CAGR为109.2%；全球乘用车LiDAR市场空间有望达到60亿美元左右，对应21-25年CAGR为113.4%。

（1）规模：造车新势力积极装配，传统车企不甘示弱。在规模上，一方面特斯拉、蔚来、小鹏等新能源造车势力异军突起，打造自动驾驶先进感、科技感的核心卖点，在感知硬件的装配上高歌猛进，领衔激光雷达竞赛。另一方面，面对造车新势力的竞争冲击与全球“碳中和”趋势的双重压力，传统车厂不甘示弱，不仅积极创建自研团队进行自动驾驶布局，而且充分利用多年制造技术的积累，与上游tier1/科技巨头协同合作，加速进行自动驾驶规划。根据佐思汽研的统计，预计2025年头部主机厂都将进阶到L4/L5级别。

（2）渗透率：单车搭载量逐级提升。渗透率方面，国际汽车工程师学会（SAE）将自动驾驶分为6个等级，L0到L2为辅助驾驶，L3到L5属于自动驾驶。目前L2级别的高级辅助驾驶技术上基本实现，渗透率正在逐步提升，自动驾驶技术已经开始向L3级别迈进，实现从辅助驾驶（ADAS）到自动驾驶（ADS）的飞跃。我国《智能网联汽车技术路线图2.0》已明确表示，到2025年，L2-L3级的智能网联汽车销量占当年汽车总销量比例超过50%，而到2030年，这一占比超过70%。这意味着L2从当下的15%渗透率到50%甚至更高还有很大的成长空间。单车搭载量方面，L3级成为ADS与ADAS的分水岭，激光雷达将发挥至关重要的角色，根据Yole预估测算，其单车搭载量将随着自动驾驶等级的提升而成倍增加，L5级别将搭载4-6颗激光雷达。

（3）ASP：规模量产+技术升级，带来ASP下降。价格方面，我们预计量产将会带来规模经济，而随着技术路线的不断升级，未来3-5年半固态激光雷达将成为上车主流，而预计ASP也会实现迅速下降。

1.4.1、按车型推算：全球乘用车激光雷达市场规模为58.16亿美元

关键假设：

（1）各级别ADAS在新能源乘用车、燃油乘用车中渗透率不同：

2020年我国智能网联汽车市场（L2+级别）渗透率约为15%，2021年第一季度L2智能网联汽车的市场渗透率达到17.8%，新能源汽车中L2智能网联汽车市场渗透率达30.9%。我们认为：①新能源车追求科技属性加成，ADAS渗透率高于燃油乘用车；②随着ADAS持续加码，2021年全年新能源+燃油车全车型综合L2级别渗透率将略高于一季度水平，达到19.2%水平；③随着搭载智能驾驶系统的车型密集发布，L2、L3级别ADAS渗透率将持续提升；④由于造车新势力的崛起以及消费者认知与接受度的提升，L3级别渗透率的增速将快于L2增速。

预计到2025年，我国L2、L3级别智能网联汽车销量将占全部汽车销量的50%，L4智能网联汽车开始进入市场。我们认为：受到成本和研发的制约，3-5年内量产L4&L5级别的乘用车自动驾驶整车系统还存在一定难度，但是考虑硬件作为软件的载体，一般硬件会先行于软件系统的搭载进度，我们预计2023年将陆续实现L4&L5部分功能，但2023-25年渗透率将处于1-2%的较低水平，长期L4&L5将有广阔增长空间。

（2）中国智能驾驶销量占全球比例稳中向好，新能源乘用车领军世界：

①中国燃油乘用车销量占比自2016年开始基本稳定，假设全球乘用车格局无显著变化，中性情境下，我们预测趋于稳定；②自2015年开始，中国新能源乘用车在全球市场的占比强劲，虽然2020年受到政策环境和疫情等影响，全球碳排放压力，叠加海外疫情下欧美新能源车政策支持力度较强，导致中国新能源车销量占比有所下降，但是2020年7-12月中国新能源车市场已开始逐步恢复，2021年前二季度增速提速明显；③乘联会根据一、二季度实际销量数据预测得出，2021年中国新能源车销量占比达到46.5%，考虑到中国造车新势力国内销量节节攀升，中国新能源车发展全球领先，中性情境下，我们以每年增长0.5%的渗透率外推，至2024年稳定。

（3）ASP下降趋势，但自动化升级带动单车搭载量上升：

①目前激光雷达ASP逐年下探趋势明确，目前价格最低的激光雷达低至百美元。②搭载激光雷达颗数估算：L0-L2级0颗；L3级1.5颗；L4/L5级3.5颗（考虑到2025年高等级自动驾驶技术尚不成熟，未来单车搭载率仍有望增加）

1.4.2、按地区推算：全球乘用车激光雷达市场规模为61.37亿美元

根据Marklines对于全球主要地区乘用车销量的统计与预测，以及罗兰贝格于2021年3月发布的最新咨询报告（依据新冠疫情调整后）中2025年及以后ADAS供需情况的预测，我们按照全球地区划分的方式，预测激光雷达全球乘用车市场规模61.37亿美元，与按车型推算逻辑实现了相互验证。

关键假设：

①L2级别：由于世界范围内ADASL2级功能已有一段时间积累，目前已处于快速普及阶段，产业应用角度越来越多车型已配备L2+功能，因此我们使用各地区CAGR线性外推得到2021-2025年L2级别渗透率；②L3级别：我们认为随着汽车智能化将迅速普及，2022年开始L3级渗透率将进入快速增长阶段，至2025年渗透率增加逐年提升。③L4+级别：L4-L5受到成本和研发的制约，3-5年内量产L4&L5级别的乘用车自动驾驶整车系统还存在一定难度，但是考虑硬件作为软件的载体，一般硬件会先行于软件系统的搭载进度，预计2023年各国家陆续实现部分功能，但2023-25年渗透率将处于1-2%的较低水平。

2、技术路径：详拆结构，把握趋势

2.1、原理：ToF发展成熟，FMCW备受期待

按照测距原理的不同，激光雷达可以划分为飞行时间测距法、基于相干探测的FMCW测距法、以及三角测距法等。其中ToF与FMCW可实现室外阳光下较远的测距，是目前市场车载中长距激光雷达的主流方案。

（1）ToF飞行时间法，全称TimeofFlight，能够根据发射和接收的时间差直接算出距离，具有响应速度快、探测精度高的特点，在激光雷达传感器领域应用多年。

（2）FMCW，全称为FrequencyModulatedContinuousWave，使用三角波进行调制，利用相干光学检测技术，通过在时间上调制激光频率并检测发射与回波间的拍频信号，完成对目标的距离及速度（多普勒频移）的同时探测。

ToF发展成熟，FMCW备受期待。对于ToF和FMCW这两种技术路线来说，目前以TOF为技术路线的激光雷达公司数量众多、当属主流，常见的光束操纵分类如机械式、混合固态、固态式均采用了ToF的原理进行测距。但FMCW高灵敏度（高出ToF10倍以上）、长距离探测、低功耗、抗干扰、直接获取即时速度的优势日益明显，越来越受到行业的重视。我们认为，未来随着FMCW激光雷达整机和上游产业链的成熟，FMCW有望逐渐改善体积大、成本高、速度慢等劣势，ToF和FMCW激光雷达将在市场上并存。

2.2、技术：四大系统相辅相成

激光雷达主要由激光发射、激光操纵（扫描系统）、激光接收、信息处理四大系统要素构成。四大系统相辅相成，进而短时间内获取大量的位置点信息，并根据这些信息实现三维建模。

2.2.1、激光发射：EEL向VCSEL、905nm向1550nm发展

激光的产生来自于激光发射器。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。发射端从EEL向VCSEL发展。目前车载激光雷达大多采用半导体激光器，具体分为激光由边缘发出的边发射激光器（EEL）和激光垂直于顶面的垂直腔面发射激光器（Vertical-CavitySurface-EmittingLaser，简称VCSEL）。

EEL激光器的发光面位于半导体晶圆的侧面，具备高光输出功率、散热性好等优势，但往往生产成本高且一致性难以保障；VCSEL激光器的发光面与半导体晶圆平行，更容易与平面化的电路芯片键合，同时能够提高光调制的效率。与EEL相比，VCSEL具备成本低、效率高、寿命长的优势，传统的VCSEL激光器存在发光密度功率低、测距距离不足50m的缺陷，近年来国内外多家VCSEL激光器公司纷纷开发了多层结VCSEL激光器，将其发光功率密度提升了5~10倍，这为应用VCSEL开发长距激光雷达提供了可能。

目前主流的激光雷达发射光主要有905nm和1550nm两种波长。其中，905nm激光接收器可以直接选用价格较低的硅材质，成本更加可控，最终产品的尺寸也相对较小，因此成为当下最主流的激光雷达所选用的波长；但是为了避免对人眼造成伤害，其发射功率和探测距离会受到限制（400-1400nm波段内激光都可以穿过人眼玻璃体，聚焦在视网膜上，而人眼视网膜温度上升10℃就会造成感光细胞损伤）。1550nm的激光不会对视网膜产生伤害，因此可以发射更大功率，探测距离也更远；同时1550nm的光线远离可见光谱，不容易受到日光干扰。但是，需要使用高价的铟镓砷(InGaAs)作为探测器的衬底材料，生产成本相对较高。目前已经有部分厂商例如Luminar、华为、Innovusion、北醒（Benewake）、图达通等选择1550nm激光，未来有望随着量产的增进进一步降低成本。

发射光学系统由扩散片、准直镜、分束器组成，作用不可小觑。由激光器发射的原始激光本身为不均匀的点状光，其存在的“热点”会烧毁被照射的器件和物体，同时存在光斑形状不规则（例如一般是椭圆形或长条形）、发散角不同等缺点，并不能直接发射，而发射光学系统通过扩散片、准直镜、分束器的相互配合，可以将原始激光转化为均匀的光束，作用不可小觑。

2.2.2、光束操纵：转镜最快上车，Flash、OPA长期方向

扫描技术的不同决定关键技术参数，可分为机械式、半固态、固态。激光雷达的扫描系统通过对光束的操纵，实现对所探测目标的扫描，并产生实时的平面图信息。扫描技术直接决定了激光雷达的扫描频率、扫描范围、采集数据量等关键技术参数。根据光束操纵的方式，可分为扫描系统和Flash两种，其中扫描系统又包括机械式、混合固态、固态，也可以根据是否发生机械运动将Flash归为固态方式。

（1）机械式：发展最早、技术成熟度最高，但是体积大、成本高、使用寿命短成为上车难题。自动驾驶领域激光雷达的鼻祖Velodyne最早设计出的类型即为旋转机械式激光雷达，其特点是激光发射器竖直排列，通过360°旋转对四周环境进行全面的扫描。优点是扫描速度快（5-20圈/秒）、高分辨率、抗光干扰能力强。但是高频转动和复杂机械结构致使其平均的失效时间1000-3000小时，难以达到车规级设备最低13000小时的要求；同时面临造型不美观、易受损、制造成本高昂的难题，目前尚没有达到车规并搭载在（准）量产车型的激光雷达问世。据统计，Velodyne生产的16线/32线/64线激光雷达售价分别为4千美元/4万美元/8万美元（对应约为2.6万/26万/52万人民币）；速腾聚创生产的16线/32线雷达售价分别在3万/13万人民币；镭神智能的16线/32线雷达售价分别为1.2万/3万人民币。

（2）混合固态：分为转镜、MEMES微振镜、棱镜三种，成本大幅降低，最快上车成共识。①转镜是通过一个转动轴带动镜子转动，其在功耗、散热等方面有着更大优势，全球第一个通过车规的法雷奥SCALA就是做转镜出身，目前转镜方案代表品牌包括华为、法雷奥、禾赛、Luminar、Innovusion等。②MEMS微振镜激光雷达通过控制微小的镜面平动和扭转往复运动，将激光管反射到不同的角度完成扫描，激光发生器本身固定不动。优点是运动部件减少，可靠性提升很多；同时微振镜的引入可以减少激光器和探测器数量，成本大幅降低。③棱镜扫描技术通过两个楔形棱镜使得激光发生两次偏转，控制两面棱镜的相对转速便可以控制激光束的扫描形态。棱镜方式扫描图案形状状若花朵，而并非一行一列的点云状态，优点在于中心点云密度更高，但是机械结构也相对更加复杂，体积较前两者更难以控制，存在轴承或衬套的磨损等风险，目前发力棱镜激光雷达的主要是大疆旗下的Livox览沃，其将量产激光雷达价格下探至9000元。

（3）全固态：所有部件都是固定的，包括OPA光学相控阵激光雷达、FLASH闪光激光雷达。①OPA利用光源干涉技术实现光线角度偏转，通过控制阵列中相邻发射光线的相位差实现3D空间的扫描，达到与旋转机械式雷达一样的效果，优点是扫描速度快、精度高，但是该技术对材料和工艺的要求都极为苛刻，目前尚处于实验室前期产品，短期内难以实现商业化。②FLASH类似于一个照相机，在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度灵敏的接收器实现对环境周围图像的绘制。由于结构简单、尺寸可以做的很小、信息量较大，Flash闪光激光雷达是目前纯固态激光雷达最主流的技术方案。然而由于需要短时间内发射大面积的激光，Flash在探测精度和探测距离上会受到较大的影响，目前主要用于较低速的无人驾驶车辆，例如无人外卖车、无人物流车等，代表品牌包括Ibeo、大陆、Ouster、法雷奥等。

机械式-半固态-纯固态演变，行业技术发展的主流趋势。根据SystemplusConsulting对成本测算分拆，可以看到机械式激光雷达中收发模组成本约占整机成本60%，固态激光雷达去掉了大部分/全部的机械部件，是产品迈向小型化、高性能、低成本的重要一环，更是车载激光雷达能否实现商业化量产的关键因素之一。

2.2.3、激光接收：设计工艺逐步进化，SPAD优势越显

激光接收系统由接收光学系统和光电探测器两部分组成。激光器发射的激光照射到障碍物以后，通过障碍物的反射，反射光线会经由镜头组汇聚到接收器上，这里的镜头组即激光雷达接收光学系统，涉及到的结构包括透镜、窄带滤光片、分束器等。①透镜：接收光学系统利用凸透镜改变入射光的光路，使之汇聚到探测器以降低光的损耗。②窄带滤光片：可以控制接收光束的波长，从而剔除和过滤掉散杂光，确保传感器接收到的光信号准确无误。③分束镜：分光器利用光的衍射原理，实现光波能量的分路与合路，将接收的探测光分为多束光纤射入光电探测器阵列。

激光探测的核心器件是光电探测器，未来CMOS工艺的单光子探测器的优势将进一步展现。光电探测器是一种利用光电效应将光信号转化为电信号，实现对光信号进行探测的装置，最常用的探测器有PIN光电二极管、雪崩光电二极管(APD)、单光子雪崩二极管(SPAD)和硅光电倍增管(SiPM)。由于线性雪崩二极管探测器APD具有高的内部增益、体积小、可靠性好等优点，往往是工程应用中的首选探测器件，但是随着国内外多家探测器公司不断优化单光子器件SPAD在近红外波段的量子效率，SPAD在实际探测灵敏度方面已经逐渐超越了APD。未来几年内，随着设计和工艺的进一步优化，SPAD对APD性能的优势将越发明显。

2.2.4、信息处理：主控芯片FPGA，自研SoC多家布局

现阶段主控芯片FPGA为行业主流，远期企业自研SoC有望逐步替代。激光雷达终端信息处理系统的任务是既要完成对各传动器件、激光器、扫描旗舰及各信号处理电路的同步协调与控制，又要对接收端送出的信号进行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。现阶段最常用的主控芯片是FPGA芯片，但随着主流厂商对于性能及整体系统需求的提升，信息处理系统发展逐步向企业自研专用单光子接收端片上集成芯片（SoC）迁移，通过片内集成探测器、前端电路、算法处理电路、激光脉冲控制等模块，能够直接输出距离、反射率信息。目前禾赛科技、Mobileye、英特尔等已率先布局SoC技术，未来随着线列、面阵规模的不断增大，逐步升级CMOS工艺节点，单光子接收端SoC将实现更强的运算能力、更低的功耗、更高的集成度，同时具备器件自主可控的优势，因此更加适合大规模量产，或将逐步代替主控芯片FPGA。

2.3、发展：硬件固态+集成化，软件算法优化

通过前文对激光雷达四大技术构成要素的拆解和分析，我们认为，技术革新，即追求性能优化+成本降低是行业发展的主旋律，硬件+软件的发展路径已经清晰，各环节阶段皆可发力，在可靠性提升的基础上逐步实现量产。

硬件方面四大系统皆可发力。具体体现为：①光束发射和探测环节核心器件的升级（例如EELVCSEL；APDSPAD/SiPD）；②扫描环节固态化（旋转机械部件的取消，将减少电机、轴承的损耗，提升寿命）；③信息处理环节片上集成化（自研SoC芯片）。总体来说，硬件呈现芯片集成化的趋势，不仅提升系统可靠性、降低装调生产成本，而且更有利于实现关键元器件的自主可控，为大规模量产提供可能。

3、行业壁垒：短期性能符合车规，中长期量产降本

3.1、性能通过车规为核心，美观+安全指明方向

多个核心参数评价维度，助力行业标准体系的搭建。目前行业主要通过测远距离、点频、角分辨率、视场角范围、测距精度、功耗、集成度七个显性参数来评价一款激光雷达的硬件性能。

行业初期，车规标准尚不明晰，隐形指标提出更高要求。相比于消费级电子，“前装量产上车”对车载零部件的安全性、美观性、稳定可靠性、使用寿命、可量产性、抗干扰性等都提出了更高的要求。这些指标更加难以量化，也缺乏公开信息，只能通过产品是否应用于行业领先企业的测试车队或量产项目中得以体现。以2021Q2速腾聚创已车规量产的RS-LiDAR-M1为例，为了应对如冰雪、泥土、沙尘、大风、阳光暴晒、以及车载电子器件(包含激光雷达，毫米波雷达，远程遥控模块等)干扰等给传感器带来的影响，M1搭载了完善的配套功能，包括OTA升级、污迹检测、智能清洗、智能加热、性能检测、电源管理、网路管理等。据公司官网的产品介绍，开启M1的凝视功能，能实现将扫描帧率由10Hz提升到20Hz，对加塞车辆、横向穿行的电动车、行人等障碍物的探测更频繁，帮助驾驶系统更迅速地响应路况变化。

3.2、激光雷达技术壁垒高，产品迭代速度快

激光雷达行业具有较高的技术水准与技术壁垒。作为一种新兴的传感器技术，激光雷达系统结构精密且复杂，精细的光机设计和收发对准、微弱信号的灵敏探测和快速响应是实现探测目标的前提。为了实现最优的探测效果，激光雷达不仅在开发过程中需要光、机、电等子模块的高度配合和协同优化，而且还需要在生产过程中具有相匹配的高精度生产制造能力。

激光雷达行业技术创新能力强，产品迭代速度快。从最初的单点激光雷达发展到如今机械式、半固态式、固态式、FMCW等多种技术架构，激光雷达技术架构的创新与应用范围的拓展彼此促进。在激光雷达公司持续的大量研发投入之下，激光雷达产品不仅测量范围更远，探测精准度更高，空间分辨能力更强，而且在可靠性、安全性、成本控制等方面也逐渐成熟，产品更新换代速度快。

3.3、规模化量产举足轻重，降本增效长期要义

制作工艺尚未成熟，量产需要时间积累，生产把控能力成为关键。激光雷达作为新兴的精密传感器，尚无确定的行业标准和成熟稳定的工艺，生产环节多步，包括针对产品结构、硬件特性、软件算法的精准装调和测试工序；而且量产需要时间，对于车载激光雷达而言，任何新的平台设计均需要几年的时间才能从概念走向真正稳定量产阶段。因此，激光雷达厂商不仅需要对生产环节具有较强的把控能力，而且需要前瞻性布局，抢占先发优势。

4、竞争格局：视觉方案一枝独秀，雷达方案百花齐放

4.1、特斯拉引领时代，积极布局摄像视觉方案

视觉主导方案“轻感知、重算法”，依靠硬件设备升级提高性能。技术层面，视觉方案简单来说就是“所见即所得”，核心环节是与卷积神经网络配合实现人、动物、车辆、道路标志和各种其它障碍物的识别与匹配，运用AI学习来达到感知分析物体的目的。因此，视觉方案十分依赖强大的芯片算力，从而弥补2D图像信息的短板，回顾特斯拉近年来的硬件配置，我们可以清晰感受到更新迭代的趋势。

入局最早、技术成熟，数据+算法实现正反馈机制。（1）数据积累：特斯拉作为最早入局ADAS系统的新能源车品牌，拥有全球最多的一手数据资料，这正是神经网络算法不断优化的基础，截至2020年4月，特斯拉Autopilot累计里程已超33亿英里。（2）算法加持：特斯拉创新推出“影子模式”，这使得车机系统在ADAS功能未开启时也可以根据人类驾驶者的行为进行图像识别与路径规划，进而实现算法改进。具体来讲，系统的算法在“影子模式”下做持续模拟决策，并且把决策与驾驶员的行为进行对比，一旦两者不一致，该场景便被判定为“极端工况”，进而触发数据回传。数据+算法的双重优势相互促进，达到了正反馈的效果，为特斯拉高高筑起了在自动辅助驾驶视觉方案的壁垒。

视觉方案仍有局限性，暂时无法满足L3+要求。一方面，摄像头图像受光线影响较大，在逆光、恶劣天气时候存在失真的可能性，而且只能提供2D信息较难还原自动驾驶所需要的3D规划场景，容易对墙面、桥梁、交通路牌等静止物体产生误报。另一方面，深度学习原理类似黑箱，随着道路交通情况的变化越来越复杂，对芯片算力的需求也越来越高。特斯拉完全自主研发的FSD全自动驾驶芯片，单片单芯片算力230TOPS，已经远超市面上已经量产的其他车载芯片，但若要实现L5级完全自动驾驶，系统整体算力应至少达到500TOPS，芯片研发迭代未来仍面临较大提升空间。

4.2、雷达系尚于成长期，与OEM/Tier1公司合作紧密

激光雷达的产业链较为清晰。上游主要为光学和电子元器件供应商，中游是以Velodyne、Luminar为代表的激光雷达企业，下游客户主要是整车厂（ADAS场景）、出行服务商（Robotaxi/Robobus）和Tier1企业等。

4.2.1、上游：核心元器件海外优势明显，国产自研加速追赶

激光雷达的上游组件主要包括激光器和探测器、主控芯片、模拟芯片以及光学部件，海外优势明显。由于起步较早，具备一定先发优势，当前上游核心元器件主要由海外厂商主导，产品可靠性高，技术成熟，客户群体广泛。

国内厂商奋起追赶，性能差距逐渐缩小，有望改善上游格局。伴随技术资金和资源的不断投入，近几年国内上游厂商正在崛起，与海外龙头企业的性能差距逐渐缩小，同时兼具成本优势。我们认为，在中美贸易摩擦大背景下，供应链风险将推动高科技零部件本土化，加上激光雷达厂商也在布局自主研发设计，未来有望打破海外绝对垄断的格局，实现国产替代。

4.2.2、中游：两种推进风格，国产势力崛起可期

激光雷达系目前仍处于成长期，尚未实现统一的标准和技术路径，未来将呈现百花齐放的竞争格局。面临特斯拉视觉系的先发优势壁垒以及激光雷达成本下降速度加快，越来越多车企、包括华为、大疆等科技巨头选择以激光雷达作为核心传感器的自动驾驶感知技术路线。

目前，激光雷达系参与风格主要分成两类。一种是从机械式起步、逐渐向固态过渡风格，主要面向Robotaxi/Robotruck或者智能驾驶实验场景，产品技术要求高、单价贵，客户对于价格不敏感，以Velodyne、禾赛科技、速腾聚创为代表；另一种是瞄准半固态和固态风格，直接定位乘用车ADAS应用场景，力求降本、量产、上车，以Luminar、Innoviz，以及科技巨头华为、大疆为代表。

国产厂商加码布局崛起可期，全球范围充分竞争。根据2021年9月Yole的最新统计数据，目前在激光雷达市场中游，中国厂商例如速腾聚创、禾赛科技的竞争力正在加速提升，逐渐挤压头部厂商Velodyne的市场份额，其中速腾聚创的已获客户订单数已经位居全球第二，占据所有厂商订单总数的10%。

性能提升+价格下降，量产上车指日可待。性能方面，随着激光雷达厂商研发投入与研究的升级，核心产品的性能不断提升，华为、大疆等科技巨头的进入更是推动了整个产业的发展，凭借其在光学电子等领域的优势与研发能力，持续为激光雷达加码。另一方面，制造工艺的升级、规模经济逐渐显现，未来激光雷达的价格有望下探至商业化量产上车的水平。其中，国产厂商在追求性价比方面表现亮眼。

4.2.3、下游：与OEM和Tier1高度捆绑

下游通过投资方式高度捆绑，合作稳定、预锁订单。激光雷达的下游涉及无人驾驶（Robotaxi/Robotruck）、乘用车智能驾驶、智慧城市与测绘、服务机器人等多个方面。针对车载子赛道来说，由于激光雷达厂商产能和技术不确定性较高，为保障激光雷达稳定供应，下游车企和Tier1供应商多与激光雷达厂商采用投资的方式，实现高度捆绑。同时，激光雷达的测试周期较长，车企和Tier1供应商转换成本高，长期稳定的合作关系有利于激光雷达厂商提前锁定订单。

5、重点公司分析：技术侧重各有不同，各有优势

5.1、Velodyne（VLDR）：行业开创者

全球第一家激光雷达公司，开创自动驾驶的新时代。Velodyne成立于1983年，前身为一家专门从事低音炮设计和生产的音频公司，公司创始人DavidHall于2005年发明了360°旋转式激光雷达，为参加DARPA挑战赛的自动驾驶汽车提供了精确的视觉系统，从而开创了自动驾驶的新时代。这项技术彻底颠覆了汽车、新移动、地图、机器人和安防领域的感知方式和自主性，Velodyne从此作为激光雷达专业生产商而名声大噪。2020年9月，Velodyne与GrafIndustrialCorp.宣布业务合并，成功在纳斯达克上市，股票代码为VLDR。目前，Velodyne已经为全球300多家客户提供服务，其中包括几乎所有全球领先的汽车OEM。

5.1.1、产品与应用：多场景覆盖+全系列产品，满足市场多元需求

Velodyne产品包括传感器硬件和软件。自成立以来，公司相继推出HDL系列、Puck系列、VelaDome、AlphaPrime、Velarray、Velabit等多系列硬件产品，并不断进行技术更新。软件方面包括应用于ADAS领域的Vella和应用于智慧交通领域的VDK、IIS。全系列产品组合能够适用于多样化的终端市场的产品范围和性能要求，应用领域不仅包括车载ADAS与无人驾驶，而且涵盖非接触式交付、B2B运输、无人机探测、铁路和机器人交付、智慧城市、工业安全、地图测绘、安防等多种领域。

5.1.2、核心优势：布局最早的行业开拓者

公司的核心竞争优势：布局最早带来规模效应，多元化布局打开成长空间。我们认为，Velodyne作为行业开拓者，是绝对的机械式激光雷达龙头，具备以下几点核心竞争力。

1）具有高转换成本的根深蒂固的客户关系：由于客户花费数年和数百万美元围绕Velodyne的技术开发和验证解决方案，包括系统设计和软件开发，因此转换成本高，一旦建立合作关系客户粘性很强。

2）多领域布局提升公司盈利天花板：Velodyne已与众多汽车、运输和安防客户建立了多项生产协议，在高质量制造合作伙伴处部署的自动化制造技术降低成本，通过多元领域布局提升盈利天花板。

3）广泛的专利组合，具有可辩护性：Velodyne具备全面的受全球专利组合保护的技术、产品和制造方法。例如全自动晶圆级激光雷达制造工艺和Vella片上系统（SoC）。

4）经过验证的大规模低成本制造：在十年的制造经验中形成的设计制造工艺和技术诀窍，形成的规模效应为Velodyne带来了生产规模效应，例如公司特有的微型激光雷达阵列（MLA技术）和定制ASIC能够以更低的单位成本实现大规模生产。

5）资金较为充足：在发展历程上，Velodyne在2016年获得福特和百度1.5亿美元投资；2018年获得尼康2500万美元投资；2019年获得现代5000万美元投资；并在2020年作为全球首家上市的激光雷达生产厂商，通过SPAC方式在纳斯达克成功上市，相对充足的融资来源为Velodyne的研发和业务发展提供了有力支持。

5.1.3、订单与量产：在手商用项目合计达到213个

订单与量产：截止到2021年6月30日，Velodyne激光雷达产品的累计销售额已经达到7亿美元，全部出货量大约5.8万件，其中2021年Q1出货量超过2600个，其中包括600个固态激光雷达，35%的产品出售给签订了多年协议的客户；2021年Q2出货量超过3800个，其中包括260个固态激光雷达，28%的产品出售给签订了多年合作客户。根据公司最近公告显示，截至21年8月，多年期已签订协议已达到34个，预计将带来10亿美元收入；在手进展合作项目（包括客户初始验证、进阶软硬件验证、已签订协议）总数达到179个，预计将带来45亿美元收入。在手商用项目合计达到213个，覆盖ADAS、自动驾驶、物流交付、地图测绘、机器人及工业应用、智慧城市多个领域。其中机器人及工业用途、ADAS、自动驾驶三大方向项目数量最大。

5.2、Luminar（LAZR）：深耕1550nm

深耕1550nm，市值遥遥领先。Luminar由天才少年AustinRussell于2012年创立，2017年公司收购铟镓砷接收器生产商BlackForestEngineering（BFE），布局1550nm激光雷达并将接收器成本大幅降低至3美元/个，2019-2020年相继发布两款核心产品Iris和Hydra，并于2020年12月在纳斯达克以SPAC方式上市，成为继Velodyne全球第二家上市的激光雷达厂商。目前，Luminar已经拥有超过50家商业合作伙伴，包括知名车企丰田、戴姆勒、沃尔沃、上汽集团等。截止2021年9月30日，公司市值达到53.4亿美元，处于行业第一位置。

5.2.1、公司产品：提供硬件+软件+全栈安全解决方案

Luminar的产品包括硬件传感器、软件系统、以及向OEM厂商提供完整的解决方案。

（1）硬件方面，公司目前主要产品为Iris和Hydra，都是采用ToF测距原理，1550nm光源的120°×30°产品。其中Hydra主要用于测试和开发，适用乘用车、商用卡车和Robo-Taxi等多种情况；车规级产品Iris于2019年投产，计划于2022年量产，L3/4/5级别的产品单价约1000美元，而实现L1/2级别的售价能够下探至500美元。

（2）软件方面，公司提供的配套软件可以覆盖高速公路上夜间或恶劣环境下的感知和识别，为自动驾驶的路径规划和决策提供额外的信息。

（3）解决方案方面，Luminar认为简单提供激光雷达硬件并不足够，能够提供一站式解决方案的厂商才能在竞争中立于不败之林。2021年3月，公司推出了新的软件产品套件Sentinel，是首款用于量产的全栈自动驾驶解决方案，它以Zenseact的OnePilot自动驾驶软件解决方案与Luminar的Iris、激光雷达、感知软件和其他组件为基础深度集成，能够为每个OEM提供高速公路自动驾驶和主动安全功能。

5.2.2、核心优势：1550nm激光雷达先发优势明显

（1）深耕1550nm激光雷达市场，建立绝对先发优势。Luminar依靠大功率光纤激光器和高敏感InGaAs探测器，在1550nm激光雷达市场建立了绝对的先发优势。1550nm激光雷达恶劣环境中的性能更优，并且对人眼损害小很多，有望成为下一代技术发展方向。

（2）战略收购+自研芯片，铟镓砷接收器成本降至3美元。对于传统硅基材料不能接收1550nm波长、而铟镓砷接收器成本高昂的痛点，公司相继于2017年和2021年成功收购铟镓砷接收器设计生产商BlackForestEngineering和OptoGration，并通过工程优化、适配公司自研的ASIC芯片，将铟镓砷接收器成本由万美元降至3美元，确保供应链的关键部分并大幅降低生产成本，加深公司竞争护城河。

（3）瞄准自动驾驶，建立良好的合作生态。Luminar定位车载领域，产品应用在乘用车、卡车和自动出租车等多个垂直行业，约占目标客户生态系统中主要参与者75%。具体来说，乘用车市场中，全球前10家OEM厂商的7家是公司的客户；商用卡车市场中，已与Ike、戴姆勒、尼古拉、沃尔沃卡车等建立合作关系；Robo-Taxi市场，已与Cruise、Mobileye、英伟达等建立良好生态。

5.2.3、订单与量产：稳步推进，订单远超年初指引预期

公司的产品工业化生产主要分成研发阶段（工程开发、A样本阶段、B样本阶段）和生产阶段（CD样本供应链/生产线验证、规模化量产），其中Luminar主要负责研发部分。截至2020年11月，公司有24家客户在验证阶段，另有9家企业进入高级研发阶段，3家企业达成生产合作协议，沃尔沃的乘用车型将确定在2022年实现量产。根据公司2021年Q2最新业绩公告显示，公司订单量远远超过预期，目前已经赢得了4个商业项目（年初目标为全年3个），促使全年项目预计指引更新为6个，年底订单量更新为21亿美元（比年初目标增长3亿美元），同比增长60%。量产运营方面，管理层表示，公司正按计划在今年年底前完成Iris产品的C-样品生产，目前已经取得了该产品超过85%的量产供应链/工具认证。

5.3、Innoviz（INVZ）：MEMS技术龙头

国防精锐技术部队组建，最早获得量产订单。Innoviz总部位于以色列，于2016年1月由以色列国防军精锐技术部队（81部队）的前成员创立，成立当年发布产品MEMS激光雷达InnovizOne，以价格低廉的显著优势与麦格纳建立合作关系。2017年公司与宝马达成了系列生产协议，成为业内第一个获得系列生产合同的激光雷达企业。2020年公司推出InnovizTwo，并在2021年通过SPAC上市。截至2021年6月，公司已获得来自德尔福、麦格纳、三星电子、软银韩国、耀途资本、高榕资本等投资机构超过2.5亿美元融资，并与汽车Tier1厂商MAGNA、Aptiv、恒润科技、Harman等达成战略合作关系，潜在及在手订单价值合计超过50亿美元。

5.3.1、公司产品：MEMS技术，产品升级成本降低70%

Innoviz的产品包括InnovizOne、InnovizTwo和Innoviz的感知软件。（1）InnovizOne是专门为L3-L5级自动驾驶而设计的车规级激光雷达，可达到等效256线的效果，探测距离最大250m，量产预估价约为1000美元，将于2022年Q2在宝马量产车型首次批量应用。

（2）InnovizTwo在降低70%的成本的同时提供了显著性能改进，具有嵌入式汽车级感知平台(InnovizAPP)，除了点云外，还包括分类和检测功能。据官网显示，其提供样品时间是2021年第四季度。

（3）感知软件方面，公司历时4年研发了一套算法简洁、可运行在低性能芯片上的感知软件，其利用来自Innoviz的LiDAR传感器的丰富数据，再加上公司专有的AI算法，提供领先的物体检测、分类和跟踪功能，以及碰撞分类、定位和校准功能，便于客户搭载。

5.3.2、核心优势：产品性价比突出，宝马、Tier1商业进展融洽

（1）InnovizOne显著的特点之一是性价比较高：公司通过自研MEMS振镜，信号处理ASIC芯片、探测器和计算机视觉来实现905nm的高性能，并打破1000美元成本壁垒。

（2）产品第二个优点是认证严谨、安全可靠。公司产品组件（ASIC、探测器和MEMS）和LiDAR硬件和软件系统的早期阶段均采用并符合ISO26262功能安全标准，同时公司在整个供应链中选择了符合IATF16949的制造商，并在软件开发中遵循ASPICE标准，严格的安全和质量专业知识、安全可靠的发展意识也使公司获得头部Tier1/OEM（如麦格纳和其汽车制造商合作伙伴宝马）的密切合作。进一步的，由于Innoviz是唯一一家通过宝马的审核认证并达成系列生产协议的激光雷达厂商，我们认为宝马的示范效应、密切的合作关系将成为公司独特护城河。

（3）业务拓展更加多元化：2021年之前，Innoviz涉及领域局限于车载，主要合作伙伴多为汽车Tier1厂商，覆盖领域较为单一；2021年开始公司新增更多元的应用市场，目前公司产品已布局于乘用车、自动驾驶出租车&班车、载货卡车、无人物流配送、无人机及重型机械领域，合作伙伴遍布日本、韩国。

（4）管理团队来自81部队，科研能力突出：81部队是以色列国防军中最精锐的技术部队，100位退伍军人在2011-2021十年间创立了50家公司，目前这些公司的累积估值已经超过100亿美元。Innoviz25%的研发力量来自于81部队，可以说从联合创始人到工程师，Innoviz拥有质量极高的人才集中度。

5.3.3、订单与量产：潜在及在手订单价值合计超过55亿美元

截至2021年8月，与Innoviz处于初步验证阶段的合作伙伴公司超过100个，验证期预计为3-6个月，进阶转化率预计为50%；进入高级技术验证阶段的公司数目在6月公告的26个的基础上增加一倍以上达到56个，验证期预计不超过12个月，进阶转化率预计为40%；处于商业和需求谈判阶段的公司数目上升至8个，进阶转化率预计为30%，该阶段潜在订单价值超过32亿美元；公司已与3家公司获得合作认证，并参与部分高级开发项目，Innoviz在手订单价值高达24亿美元（宝马20亿美元；班车项目加权合计4亿美元）。

5.3.4、财务指引：L2级+软件营收贡献逐年提升，毛利有望大幅增长

根据Innoviz官方预测，L2和L3级乘用车ADAS辅助驾驶将在未来为LiDAR潜在市场提供最大增长动力，而与OEM的L2、L3级合作订单收入也将成为公司2025E营收的主要来源；占比方面，L2级OEM收入以及软件收入的营收贡献预计将逐年提升，带动营收达到5.8亿美元。出货量方面，公司预测LiDAR出货量将从2020年的500个大幅增长至2025年117.5万个；毛利率将在未来五年持续上升，在2023年实现明显增长，我们认为这是出于公司对规模量产后成本大幅下降的预期。盈利角度，公司预测2024年EBITDA将扭亏为盈，并在2025年实现1.8亿美元的经营性流入。

5.4、禾赛科技：中国机械式主力

禾赛科技为中国机械式激光雷达解决方案主要厂商。2014年成立于上海，致力于开发基于激光的机器人传感技术。依靠500多人的团队打造出一系列创新型传感器解决方案，兼顾业内顶尖的产品性能、可量产的设计以及出众的可靠性。禾赛凭借自主研发的微振镜和波形加密技术，始终引领传感器创新的发展方向。经过多年深耕，禾赛在核心元器件、自研芯片、车规级生产能力、功能安全、主动抗干扰技术以及基于深度学习的激光雷达感知方面都有深厚的积累。目前公司在全球范围内均有专利布局，客户遍布全球30个国家和地区的70+座城市。迄今为止，禾赛已完成累计数亿美元融资，投资方包括德国博世集团、高瓴、小米、美团、CPE、光速、百度等全球知名的行业企业和投资机构。

5.4.1、公司产品：机械式为主力，主要面向无人驾驶领域

禾赛科技主营业务为研发、制造、销售高分辨率3D激光雷达以及激光气体传感器产品。目前公司激光雷达主要市场集中于无人驾驶领域，并逐渐向服务机器人领域拓展；公司激光气体传感器产品主要应用于气体检测领域，主要包括激光甲烷遥测仪和激光氧气传感器。公司凭借在无人驾驶领域激光雷达的技术积累，针对不同场景的特点与需求，陆续开发了多个产品线，如适用于无人驾驶领域的Pandar128、PandarQT等，适用于ADAS领域的PandarGT等，适用于机器人领域的PandarXT，适用于车联网领域的PandarMind，不断丰富产品类型和应用场景。2021年8月13日，禾赛正式公布面向ADAS前装量产的长距混合固态激光雷达——AT128，根据公司官网介绍，AT128是ADAS激光雷达的各项核心指标一次质的飞跃，也是市场上唯一同时满足远距（200m@10%）和超高点频（153万每秒，单回波）的车规级前装量产激光雷达。根据公司官网介绍，截至2021年8月13日，AT128已获得多家顶级汽车厂商总计超过150万台的定点订单，将在2022年大规模量产交付。

5.4.2、核心优势：中国机械式领头羊，自建产线把控成本

（1）公司推出多款性能领先的产品，是中国乃至全球领先的激光雷达生产服务商：公司以实际问题为出发点，注重通过技术创新解决业内难题，在多项产品和技术类别中实现了行业内领先的技术水平。Pandar128是当前市场性能和集成度领先的旗舰级激光雷达，2021年9月，Pandar128成为全球首款获得ISO26262ASILB功能安全产品认证的激光雷达；PandarQT是当前市场垂直视场范围广、功耗低的近距盲区激光雷达，Pandar64是无人驾驶市场占有率最高的高线数激光雷达之一；AT128是市场上唯一同时满足远距和超高点频的车规级前装量产激光雷达。

（2）重视芯片化和算法感知的发展：公司于2017年末就成立了芯片部门，开展激光雷达专用芯片的研发工作，目前芯片化V1.0成果多通道激光驱动芯片及多通道模拟前端芯片已完成量产，并应用于多个LiDAR研发项目和PandarXT的量产项目；高精度数字化技术已应用于公司产品，模拟数字转换芯片已进入开发后期，公司在SoC芯片方面已有技术储备。

（3）积极发展FMCW激光雷达技术，为未来做好准备：公司已在FMCW激光雷达样机系统级集成、硅光技术、微振镜技术等方面进行了深入的积累，为未来向市场提供FMCW激光雷达芯片化解决方案提供了基础。

（4）坚持自建产线，对生产环节拥有较强把控能力：禾赛科技所销售的所有激光雷达产品，均生产自公司自有产线，积累了大量激光雷达生产经验，相比部分同行业公司依靠第三方代工厂的情况具有更强的成本及质量把控能力。此外，公司针对激光雷达生产工艺的特点对生产工序进行了优化、并对生产工站进行了自动化或半自动化改造，提高了生产效率、降低了生产成本。面向未来，公司规划了占地更广、自动化水平更高的工厂，随着新工厂的落成与使用，公司的生产优势也将得到进一步提升。

5.4.3、战略合作及商用落地：2021年向乘用车ADAS领域进军

禾赛科技已与全球领先Tier1&自动驾驶公司建立合作关系，2021年向乘用车ADAS领域进军。2021年以前，公司产品已服务的客户包括：北美三大汽车制造商中的两家、德国四大汽车制造商之一、美国加州2019年DMV路测里程前15名中过半的自动驾驶公司，和大多数中国领先的自动驾驶公司。客户还包括全球最大的三家移动出行服务公司中的两家、全球最大的汽车零部件供应商博世集团、全球最大的自动驾驶卡车公司之一，和全球最大的自动驾驶配送公司之一等知名公司。2021年，禾赛科技凭借高性能车规产品AT128，锁定了多家顶级OEM的ADAS前装量产订单，并与地平线、黑芝麻等全球领先的边缘人工智能芯片、自动驾驶计算芯片引领者达成战略合作，为公司自动驾驶领域的技术落地和商业化拓展提供新的动力。

5.4.4、财务状况：毛利较高，积极投入研发

营收角度：根据公司招股说明书披露，2017-2020Q3，公司营业收入增长迅速，其核心来源为激光雷达产品销售，并且随着已有激光雷达产品打开市场以及新产品发布，每年各季度的收入基本呈环比递增趋势。

毛利率：公司毛利率较高且保持稳定，2017-2020Q3公司的毛利率均在70%以上，远高于海外龙头Velodyne和Luminar。根据公司披露，其毛利率较高的主要原因为：1）激光雷达技术含量较高，研发与制造壁垒较高；2）公司作为行业内高线数激光雷达的领军企业，多项产品的性能在国内外处于领先地位，具有较强的定价权。

费用率角度：2017年由于公司收入体量较小，期间费用率超过200%，研发费用率超过150%；2018年，随着产销量提升营业收入大幅增长，期间费用率下降至67.79%；2020年1-9月，各项费用随着公司规模的扩张进一步增长，且出现一定的汇兑损失，且上半年营业收入受新冠疫情的影响较大，导致期间费用率升高至110.88%。2018-2020年，公司持续加大研发投入，研发费用率逐渐提升。