不同于特斯拉(TSLA.US)的路线，蔚来(NIO.US)ET7搭载的激光雷达是什么？

本文源自 华泰证券。

蔚来(NIO.US)周六发布了旗下首款轿车ET7，最大亮点之一就是配备了激光雷达。蔚来创始人李斌在发布会上强调，对于高级别自动辅助驾驶来说，激光雷达“不可或缺！”相比之下，特斯拉则一直鄙弃激光雷达，坚持以视觉识别为主。目前电动车市场对于激光雷达的态度已经形成明显对立的两派，那么激光雷达到底是什么？对于自动辅助驾驶有多大意义？华泰证券在一篇报告中做了详细说明。

核心观点

不同于市场的观点：

市场认为激光雷达产业规模商用尚早。根据莎莉文预测2020~2025年车载激光雷达市场复合增速将达到80.89%，到2025年市场规模将达到35亿元。我们认为2021年激光雷达行业有望加速发展，当前行业处于规模商用及渗透率快速提升的前夜，主要理由包括：

1）传统车企和新能源车企将自动驾驶作为重要卖点，而激光雷达是高等级自动驾驶的关键技术之一。2021年多家车企（宝马、长城、北汽、蔚来）计划在其量产的高端车型中使用激光雷达。

2）以华为代表的巨头将入激光雷达行业，有望加速产业商业化进程。

3）海外激光雷达公司相继通过SPAC等方式登陆资本市场，融资能力得到提升，有望加速自身业务发展。

激光雷达：自动驾驶汽车之眼

自动驾驶汽车又称无人驾驶汽车，是一种通过电脑系统实现无人驾驶的智能汽车。相比于传统有人汽车，自动驾驶具有三大优点：1）自动驾驶将降低车祸事故率和死亡率；2）自动驾驶将提升汽车的使用率，以更低的汽车保有量满足现有出行需求；3）当自动驾驶汽车成为社会共享后，资源效率的提高或将更为可观。

自动驾驶国家分级标准确定，奠定产业发展基础

国际自动机工程师学会（SAE）将自动驾驶分为L0~L5六个等级，其中L0代表没有自动驾驶加入的传统人类驾驶，L1~L5则随自动驾驶的成熟程度进行分级。国内方面，工信部于今年发布《汽车驾驶自动化分级》推荐性国家标准报批公示。该公示已于今年4月9日截止，并拟定于2021年1月1日正式实施。此次《汽车驾驶自动化分级》获准通过，也意味着中国将正式拥有自己的自动驾驶汽车分级标准，为我国自动驾驶行业的发展奠定基础。

《汽车驾驶自动化分级》根据在执行动态驾驶任务中的角色分配以及有无设计运行条件限制，将驾驶自动化分为0~5共6个等级，其中L3，称之为有条件自动驾驶，是辅助驾驶和自动驾驶的分水岭，其定义为系统在其设计运行条件内能够持续地执行全部动态驾驶任务。L3以下称之为辅助驾驶，L3以上称之为自动驾驶。

激光雷达是实现高等级自动驾驶的关键传感器

感知、决策与控制是自动驾驶的三个环节，感知环节用来采集周围环境的基本信息，是自动驾驶的基础。自动驾驶汽车依托传感器实现对于周围环境的感知。针对不同应用等级，对于传感器的需求不同，常见的传感器包括：摄像头、超声波雷达、毫米波雷达和激光雷达。

摄像头：已实现在高等级辅助驾驶中的规模应用

相比于其他传感器，摄像头技术成熟且价格相对低廉，率先得到广泛应用。汽车通过加装摄像头采集车辆周围图像信息，然后经过计算机的算法分析，实现物体识别、预警的功能。目前在高级辅助驾驶（ADAS）中已得到广泛的应用。汽车摄像头根据摄像头个数可以分为单目、双目以及多目，根据安装位置，可以分为前视、后视、侧视、环视等。

尽管摄像头已经得到广泛应用，但其缺点限制了其在高等级自动驾驶领域的应用，主要体现为依赖光纤，在逆光或光影复杂情况下以及恶劣天气情况下效果较差，难以实现全天候的工作。

毫米波雷达：环境的适应性更强

相比于摄像头，毫米波雷达对于环境的适应性更强。此外，其还具有高分辨率、指向性好、抗干扰以及探测性能好等优点。由于毫米波对于大气的衰减小，对于烟雾灰尘等具有较好的穿透性，因此受到天气的影响小。当前，车载的激光雷达主要工作在24GHz、77GHz频段，前者用于中段距离雷达，探测范围在15~30m；后者主要用在长距离雷达，探测范围在100~200m。由于77GHz产品在分辨率和体积上更具有优势，成为车载激光雷达的主流方案。

尽管毫米波雷达具有更好的环境适应性，但其固有的特征限制了其在高等级自动驾驶领域的应用，主要体现为毫米波雷达对于行人等非金属物体反射波较弱，难以进行识别。

激光雷达：高等级自动驾驶的关键技术

激光雷达是一种向被测目标发射探测信号，然后测量反射或散射信号的到达时间、强弱程度等参数，以确定目标的距离、方位、运动状态及表面光学特征的雷达系统。激光雷达的优点包括：1）具有极高的距离分辨率、角分辨率和速度分辨率；2）抗干扰能力强；3）获取的信息量丰富，可直接获取目标的距离、角度、反射强度、速度等信息，生成目标的多维度图像；4）可全天时工作。相比于毫米波雷达，激光雷达可实现对人体的探测，相比于摄像头，激光雷达的探测距离更远。

激光雷达的测距原理可以分为ToF和FMCW，前者在产业链成熟度上更领先，成为当前市场上主要采用的方法。两种方法具体的特点如下：

1.ToF：飞行时间法，通过直接测量发射激光与回波信号的时间差，基于光在空气中的传播速度得到目标物的距离信息，具有相应速度快、探测精度高的优势。

2.FMCW：相干测距法，将发射激光的光频进行线性调制，通过回波信号与参考光进行相干排频得到频率差，从而间接获得飞行时间反推目标物距离，其中调频连续波是相干法中面向无人驾驶应用的主要方法。

针对ToF原理，从技术实现路径上，激光雷达可以分为机械式、混合固态和纯固态。

总结来看，一个激光雷达包括四大要素：分别为测距原理、光束操纵方法、光源以及探测器。在此基础上，不同技术路线是以上相关元素的组合。

光源方面。激光雷达常见的光源包括3种：边发射激光器、垂直面发射激光器、光纤激光器。在具体选择光源时需要综合考虑的因素包括：

1.人眼保护：激光雷达光源的工作波长主要为850nm、905nm、940nm、1550nm。人眼内部的晶状体、眼角膜等，随着波长的增长，投射性能在减弱，基本上波长大于1400nm的光无法投射在视网膜上，也就是说波长小于1400nm的光或多或少都将投射在视网膜上，对其产生一定的影响。

2.探测距离：激光器的激光峰值功率越大，探测的距离越远。对于边发射激光器，常见的大功率产品多工作在1000nm以下。对于光纤激光器，其在保证功率的情况下，波长可以拓展中至1550nm。

3.综合成本：激光器往往需要和探测器配套，因此综合成本也是光源选择时的重要考虑因素。

探测器方面。激光雷达的探测器按照材料分类主要包括硅探测器以及InGaAs探测器，按照器件结构可以分为PIN探测器、APD探测器、SPAD探测器以及SiPM探测器等。

1）机械式激光雷达

具体是指发射系统和接受系统存在宏观意义上的转动，也就是通过不断旋转发射头，将速度更快、发射更准的激光从“线”变成“面”，并在竖直方向上排布多束激光，形成多个面，达到动态扫描并动态接受信息的目的。机械式激光雷达的优点是结构设计相对简单，易于实现商业化。2012年谷歌展示的无人车上使用的便是由Velodyne提供的机械式激光雷达。

根据竖直方向上发射单元的数量，机械式激光雷达可以分为不同线束，常见的包括4线、16线、32线、64线和128线。线束越高的激光雷达能够更全面的反应物体特征，但制造难度和成本也将提升。此外，机械是激光雷达依靠机械组件实现水平方向的扫描，这些旋转部件，如齿轮、马达等，容易产生磨损，影响雷达精度，因此需要定期维护。目前采用机械是激光雷达的主要厂商包括：Velodyne（VLDR.US）、Sick、禾赛科技、思岚科技等。

典型技术方案分析——Velodyne128线机械式激光雷达

Velodyne于2018年发布128线激光雷达，产品编号VLS-128，代表当时最为先进的机械式激光雷达。该产品采用128线束，探测距离提升至300米，比原有64线产品提升两倍，分辨率提升了4倍。Velodyne称该产品为L5级别自动驾驶而开发。

成本较低的16线激光雷达，还不能达到自动驾驶汽车全场景应用的标准，而64线较高的价格也难以支撑其规模化量产。以16线激光雷达为例，其探测距离为100米，测量精度为±3厘米，在高速运行场景下，较短的端侧距离导致其安全隐患较为突出。通过提高线束可以提升探测距离，提高安全性，但另一方面，价格也将大幅提升。

2）混合固态激光雷达

根据咨询机构麦姆斯的定义，所谓“混合固态”是指对采用半导体“微动”器件——MEMS扫描镜在微观尺度上实现LiDAR发射端的激光扫描方式。混合固态激光雷达相比于机械式激光雷达，其优点体现为，采用MEMS微振镜替代了机械式产品中的宏观扫描仪，利用MEMS微振镜可将机械部件集成到单个芯片，并借助半导体工艺生产，降低成本和产品体积。

当前技术成熟且量产的MEMS微振镜企业主要集中在非大陆地区，大陆尚处于研发阶段。主要的厂商包括英飞凌收购的Innoluce、美国Mirrorcle、博世、滨松、ST等。国内从事相关研究的公司和单位包括无锡微奥科技、西安知微传感、上海微技术工研院等。

相比于机械式激光雷达，混合固态激光雷达在体积、成本端皆有优势，但由于MEMS微振镜技术门槛较高，供应量相对不成熟，且MEMS微振镜对于振动敏感，需要研究隔离振动技术。目前可提供混合固态激光雷达的公司包括：Innoviz、Luminar（LAZR.US）、Velodyne、速腾聚创、禾赛科技等。

3）固态激光雷达

固态激光雷达是指完全没有移动部件的激光雷达，根据技术路线，主要包括光相控阵（OPA）和Flash两种。相比于前两种，固态激光雷达的优点包括：数据采集速度快、分辨率高，对于温度和振动的适应性强，通过波束控制，探测点可以任意分布。

OPA固态激光雷达

OPA，全称激光相控阵技术。工作时，激光器功率均分到多路相位调制器阵列，光场通过光学天线发射，在空间远场相干叠加形成一个具有较强能量的光束。通过施加不同相位，可以获得不同角度的光束形成扫描的效果，无需机械扫描。相控阵利用的是波的干涉效应，多个波相互叠加时，有的方向增强，有的方向抵消，通过天线的相位差控制主光束的角度，进而实现扫描的功能。OPA固态激光雷达的代表性厂商是Quanergy。

其优点在于：1）尺寸小，无需旋转部件，在结构和尺寸上可大大压缩，提高使用寿命并使其成本降低。2）扫描精度高，光学相控阵的扫描进度取决于控制电信号的精度，理论上可以达到千分之一度量级以上。3）可控性好。4）扫描速度快。

其劣势包括：1）扫描角度有限，无法实现360°扫描。2）旁瓣问题，在一定程度上分散了激光的能量。3）加工难度大。4）接收面大、信噪比较差：传统机械式激光雷达只需要很小的接收窗口，但固态激光雷达需要一个接收面。

Flash固态激光雷达

Flash激光雷达不用像MEMS或者OPA的方案去进行扫描，原理是在短时间内发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器来完成对于环境图像的测绘。根据激光光源的不同，Flash激光雷达可以分为脉冲式和连续式，前者可实现远距离探测（100米以上），后者主要用于近距离探测（数十米）。Flash激光雷达的性能主要取决于焦平面探测器阵列的灵敏度。目前对于远距离探测需求，需要使用到雪崩型光电探测器。

Flash激光雷达的优势在于能够快速记录整个场景，避免了扫描过程中目标或激光雷达移动带来的各种麻烦。其缺点在于光子预算，一旦传播距离超过几十米，返回的光子太少，导致无法进行可靠的探测。目前推出该方案产品的代表性公司主要包括：Ouster、SensePhotonics、大陆、IBEO、LeddarTech。

市场规模：2024年全球LiDAR市场有望突破百亿美元

激光雷达的下游应用领域主要包括L4及以上高等级自动驾驶、ADAS系统、智慧城市（车路协同）、专业服务机器人及测绘等领域，未来受益于Robotaxi/Robotruck车队规模扩张、固态激光雷达在ADAS中的广泛应用以及智慧交通建设等领域需求的推动，整体市场预计将呈现出快速发展的趋势。根据沙利文预测到2025年全球激光雷达市场规模将达到135.4亿美元，2020~2025年复合增速为64.65%。

细分市场方面，在Robotaxi/Robotruck领域，随着其商业化的开启，拥有高精度测绘能力的激光雷达有望迎来快速上量期，沙利文预计在2025年全球市场规模有望达到35亿美元，2020~2025年复合增速为80.89%。对于L4级别以上的无人驾驶系统，激光雷达被认为是必须的传感器之一。目前各大自动驾驶的企业都将激光雷达作为其传感器解决方案的重点，目前在Robotaxi/Robotruck领域，主要应用的是可进行360°扫描的解携时激光雷达，其安装于自动驾驶车辆的顶部，技术壁垒较高。

2021年或成为激光雷达产业加速发展的开端之年

Gartner2019年汽车电子技术成熟度曲线显示，以MEMS激光雷达为代表自动驾驶硬件在经历触发期和期望膨胀期后，产业链逐渐走向成熟。Gartner预测，从2020年起具有L3级自主驾驶硬件能力的车辆将被广泛生产，光探测和测距（LiDAR）等传感器技术主要用于实现自动驾驶，将是未来5年内汽车产业普及的元器件，助力自动驾驶成熟。今年以来，我们发现激光雷达产业正在发生积极的变化，2021年行业或迎来加速发展期。

产业生态的边界随着巨头加入有望加速拓展，助力产业成熟

完全无人驾驶的发展路径大致分为两条，一方面，以谷歌、百度等为代表的科技公司以人工智能、新一代硬件为抓手直接布局L4以上自动驾驶。另一方面，传统车企基于ADAS从L3开始逐级迭代。这使得自动驾驶的产业生态分为两大阵营：1）以谷歌（GOOG.US）、百度（BIDU.US）、亚马逊（AMZN.US）等为代表的科技巨头；2）以奥迪、宝马等为代表的传统高端车企。

激光雷达作为实现高阶自动驾驶的关键技术，受到来自两大阵营的关注度在持续提升。具体体现为：1）越来越多的传统车企以及造车新势力表示，将在其后期量产车型中使用激光雷达技术；2）以华为为代表的科技巨头推出激光雷达相关产品，产业生态持续拓展，加速激光雷达产业成熟。

车企扎堆在2021年展示激光雷达相关技术。宝马规划，将采用固态激光雷达系统，用在其自动驾驶汽车上，并于2021年投入生产，该技术将由以色列公司Innoviz和汽车供应商Magna（MGA.US）合作提供。此外，蔚来表示将在2021年成都举行的NIODAY上发布旗下首款纯电动轿车，同时也将展示蔚来的激光雷达技术。小鹏汽车（XPEV.US）在2020年11月20日举办的广州国际车展开幕式上，创始人何小鹏表示，将在下一代自动驾驶架构中使用激光雷达技术。我们认为，车企加速引入激光雷达技术，对于产业链的成熟将产生重要的推动。

华为入局激光雷达，低成本方案有望加速产业链成熟。今年12月华为首次发布了其车规级激光雷达产品和解决方案，华为表示已经建立了一条车规级激光雷达的Pilot产线，按照年产10万套/线的规划推进。华为本次推出的激光雷达为96线的中长距离激光雷达，探测距离可达到150米，属于MEMS固态激光雷达范畴。该产品已用于北汽新能源旗下高端新能源品牌ARCFOX中。我们认为华为入局激光雷达行业，凭借其技术领先性有望急速产业链成熟。

海外激光雷达公司通过SPAC登陆美股，加速资产证券化进程

海外从事激光雷达的公司主要包括Velodyne、Luminar、Innoviz、Aeva、Ouster等，近期，相关公司相继规划通过SPAC（SpecialPurposeAcquisitionCompany）方式上市，我们认为海外激光雷达公司加速资产证券化进程，有望借助资本市场力量加速自身业务发展，推动产业成熟。

Velodyne和Luminar是两家率先通过SPAC方式登陆美股的海外激光雷达公司，同时也是全球激光雷达领域的佼佼者。

Velodyne：车载激光雷达的鼻祖

Velodyne是车载激光雷达行业的鼻祖，公司创始人最早从事音响研发生产，后开辟激光雷达产线，并成立VelodyneLiDar独立发展激光雷达业务。Velodyne第一次大范围受到市场关注受益于谷歌无人车的推出，2010年谷歌首测的无人汽车使用的激光雷达便由Velodyne提供。根据Velodyne财报，2020年Q3公司实现收入3210万美元，同比增长137.8%。单季度出货量达到2235台，累积出货量达到47500台，累积客户数超过300个。

公司的产品开发策略可以分为：技术路线和市场路线两种。技术路线上，公司在64线产品HDL-64E基础上，推出了128线且体积更小的VLS-128产品。此外，公司加速开发MCLM系列芯片级激光雷达，满足大规模、低成本与高性能需求，符合产业发展趋势。市场路线上，公司在机械式激光雷达产品线上，推出车规级产品VLP-32C。此外，面向ADAS应用，公司发布固态激光雷达产品Velarry，该产品定目前以32线为主，后期会往下推出16线和8线产品。

车规级应用需要前期大量的产品开发和性能验证，在一款车规级产品批量交付之前通常需要经历三个重要时间节点，分别是RFI（Requestforinformation）、RFQ（RequestforQuotation）以及ProductionContract，其中以拿到ProductionContract作为实现车规级量产的重要标志。在RFI之前，需要经历4~12个月的定制化开发，之后进入初步测试阶段。在此之后需经历12个月的初期测试，通过后完成RFQ。在签订最终量产合同之前，仍需约12个月进行软件开发和硬件系统校正。综上来看，一款车规级产品的定型需要28~36个月。Velodyne在行业内具有先发优势，当前公司已同沃尔沃、奔驰、福特（F.US）等车企达成合作关系。

Luminar：车载激光雷达的创新者

Luminar成立于2012年，借助创新的产品架构设计，Luminar实现了激光雷达的小型化以及成本的大幅改善。传统的机械式激光雷达，每一组发射单元对应一组接收单元，线束越多，所需要的收发单元越多，导致激光雷达组装调试难度和成本大幅提升。Luminar的方案在光源端进行了改进，采用1550nm的光纤激光器，并利用二维扫描镜实现扫描，接收端采用了InGaAs探测器并匹配定制化的ASIC芯片。根据Luminar规划，其商用产品预计将于Iris预计将于2022年推出量产。

Luminar产品的优点在于：1）采用1550nm光源避免了眼睛的伤害，在汽车中应用时，容易获得监管通过；2）采用光纤激光器作为光源，可以获得加大的激光脉冲峰值功率，拓展了探测的范围；3）二维扫描镜大大降低了光源和接收端器件的数目，有效的降低了成本。在此推动下，Luminar受到了广大车企的青睐，其合作伙伴包括：丰田(TM.US)、沃尔沃、日产、奥迪、福特等。

全球产业链图谱与投资建议

全球激光雷达产业链下游为车企，中游为激光雷达整机厂商，上游为芯片供应商。我们对于全球激光雷达产业链进行了梳理，如下表所示：

我们认为激光雷达是高等级无人驾驶的关键技术，当前行业正处于规模商用的前夜。中长期来看，关于技术路径选择的争论或一直存在，我们认为机械式、MEMS、OPA、Flash以及FMCW的方案或在一段时间共存。然而，相比于技术路径，我们认为商业化更加重要，满足市场需求的基础上持续进行产品和技术迭代，或将成为激光雷达公司突围的关键。商业化方面，我们认为车规级产品量产是商业化的重要标志，建议积极关注与车企合作紧密，且在车规级产品量产方面研发进展具备先发优势的企业。

风险提示

1.自动驾驶进展不及预期。自动驾驶的商业化进程受到多方面因素的制约，包括法律法规、行业标准以及宏观经济等因素，以上因素会将导致自动驾驶商业户进程不及预期，进而在需求端影响激光雷达行业的发展。

2.激光雷达成本下降不及预期。当前来看，成本是限制激光雷达商业化的重要因素，影响成本的因素包括下游需求，技术路径的选择等。如果成本下降不及预期，会影响车企采用激光雷达的进程。

3.技术替代的风险。我们认为未来自动驾驶将采用到多种传感技术，激光雷达是高等级自动驾驶的关键技术之一，如果未来其他替代性的技术被开发，则激光雷达存在被替换的可能性。

（编辑：赵锦彬）