万字聊聊全球激光雷达产业技术及市场格局
智驾最前沿
2024-01-22 08:30
1607浏览
0点赞
↓↓免费领取：面向智能车辆开发的开放性SOA方案↓↓在自动化驾驶的 5 级标准中，L3 级标准下的 ADAS 高级辅助驾驶市场与 L4、L5 级标准下的无人驾驶市场都对激光雷达技术产品拥有着较高的需求，随着中国自动驾驶领域的政策和规范的不断成熟，激光雷达行业将迎来广阔的发展空间。 根据 Velodyne 预测，2022 年激光雷达市场规模将达到 119 亿美元，其中约 72 亿美元来自汽车领域的应用，占比约 60%。在自动汽车领域中，机械式和固态式激光雷达的技术发展方向之争也将在未来深刻的影响着激光雷达市场的发展走向。因此，本文希望从激光雷达的发展历程入手，对激光雷达市场当前的发展现状与发展脉络进行梳理，并对当前机械式与固态式激光雷达并存的市场格局的发展走向进行分析，最后对产业链上下游环节的公司进行详细梳理。 2005 年，Velodyne 首次将 64 线激光雷达应用于 DARPA 挑战赛，2007 年 Velodyne 生产出首台商用 3D 动态扫描激光雷达，成为该行业的重要时刻。此后，Ibeo、Valeo、Luminar 等公司相继推出各自的激光雷达产品，技术上各有优势，机械式产品逐渐转变为固态产品，产品成本逐渐降低，到 2020 年，Velodyne 的新款固态激光雷达售价已达到 100 美元（公司官网），可以说正式进入实用区间。国内激光雷达产业发展也相当迅速，从人工智能与自动驾驶产业快速发展后，我国涌现出北科天绘、速腾聚创、镭神智能、禾赛科技、Innovusion 等一大批优秀公司，产品性能也不断提升，从 16 线到 128 线乃至 300线产品都有，探测距离也达到 500m量级。 综合来看，激光雷达产业一直朝向远距离、大范围、高分辨率、低成本的方向发展，如今的商用激光雷达已经远超早期产品。
激光雷达发展历程
无人驾驶领域将成为未来激光雷达最主要的应用市场，在此基础上，当前的机械式激光雷达技术较为成熟，具有一定的应用可行性，但固态式激光雷达将凭借成本低、小型化、更容易量产等特点在未来市场中占据优势。 
激光雷达由激光发射、接收、信息处理、扫描四大基础系统构成激光雷达（Light Detection And Ranging，简称"LiDAR"）即光探测与测量，是一种集激光、全球定位系统（GPS）和 IMU（Inertial Measurement Unit，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）。这三种技术的结合，可以高度准确地定位激光束打在物体上的光斑，测距精度可达厘米级，激光雷达最大的优势就是" 精准"和"快速、高效作业"。 激光雷达当前被广泛用于无人驾驶汽车和机器人领域，被誉为广义机器人的“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。激光雷达通过激光器和探测器组成的收发阵列，结合光束扫描，可以对广义机器人所处环境进行实时感知，获取周围物体的精确距离及轮廓信息，以实现避障功能；同时，结合预先采集的高精地图，机器人在环境中通过激光雷达的定位精度可达厘米量级，以实现自主导航。 
激光雷达应用场景
激光雷达可以高精度、高准确度地获取目标的距离、速度等信息或者实现目标成像。激光雷达工作过原理：激光通过扫描器单元形成光束角度偏转，光束与目标作用形成反射/散射的回波。当接收端工作时，可产生原路返回的回波信号光子到达接收器，接收端通过光电探测器形成信号接收，经过信号处理得到目标的距离、速度等信息或实现三维成像。可见，光束扫描器和探测系统的实现方式便是研究重点，需求从机械式向小型化全固态方向发展。
激光雷达工作原理
激光雷达由激光发射、激光接收、信息处理、扫描系统四大基础系统构成，这四大系统相互协作，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。其中① 激光发射系统：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 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。④ 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。 
激光雷达组成结构
激光雷达的测距原理可分为三角测距法和 ToF(飞行时间法)，前者主要用于扫地机器人、工业机器人等非车载应用，而后者才是汽车激光雷达的主要测距原理。激光雷达的光束操纵方式有 MEMS 微振镜扫描、OPA 扫描、机械式扫描（又包括旋转马达扫描、平面摆镜扫描、多棱镜扫描等多种宏观可见的扫描方式）、闪光式（无需扫描元件）等，光束操纵也是最复杂、最关键的激光雷达技术维度。在光源方面，涵盖 LED、EEL、VCSEL 和光纤激光器，而在探测器方面，包括 PIN PD、APD/SPAD/SiPM、CMOS 图像传感器、CCD 图像传感器。
激光雷达四个维度
激光雷达产品可以从显性参数、实测性能表现及隐性指标等方面进行评估和比较。显性参数指列示在产品参数表中的信息，主要包含测远能力、点频、角分辨率、视场角范围、测距精准度、功耗、集成度（体积及重量）等。 
显性参数指标
同时，激光雷达也常以线数区分，如 4 线、8 线、16 线、32 线、128 线等。线数是指激光发射光源数，16 线产品有 16 个光源，以此类推，华为近期发布的 96 线激光雷达就是含有96 个光源的激光雷达。 
华为96线程激光雷达
激光雷达由于其应用范围的广泛与技术结构的复杂性，在实际应用中有着多种分类方式，按照功能用途、工作体制、载荷平台、工作介质、探测技术等分类方式均可得到不同的结果。
激光雷达不同的分类方式
在载荷平台方面，地基激光雷达，通常用于单一目标或者小尺度精细三维数据的采集；机载激光雷达以飞行器为搭载平台，通常用于区域尺度三维信息数据的快速获取；星载激光雷达以卫星平台为依托进行大尺度三维信息数据的获取。本文对激光雷达的讨论分析重点集中在车载平台上的应用的车规级激光雷达。 
不同类型激光雷达传感器搭载平台及适用尺度
其中，考虑到激光雷达主要市场集中在无人驾驶领域，因此当前行业主要根据与无人驾驶技术相关的测距方法和技术架构作为分类的主流依据。
激光雷达技术架构分类
测距方法分类：ToF 法更为成熟，FMCW具有更高的抗干扰性 激光雷达按照测距方法可以分为飞行时间（Time of Flight，ToF）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 能够实现室外阳光下较远的测程（100~250m），是车载激光雷达的优选方案。ToF 是目前市场车载中长距激光雷达的主流方案，未来随着 FMCW 激光雷达整机和上游产业链的成熟，ToF 和 FMCW 激光雷达将在市场上并存。 
ToF与FMCW特点对比
ToF 的工作原理为测量发射波脉冲与目标回波脉冲之间的时间间隔，即测量激光脉冲从激光器到待测目标之间的往返时间 T，即可得到目标距离 S=cT/2，其中 c 为光在空气中的传播速度。 
ToF工作原理
ToF 激光雷达系统主要包括发射模块、接收模块、控制及信号处理模块和扫描模块。
ToF激光雷达核心模块示意图
FMCW，即调频连续波。FMCW 技术和脉冲雷达技术是两种在高精度雷达测距中使用的技术。其基本原理为发射波为高频连续波，其频率随时间按照三角波规律变化。FMCW 接收的回波频率与发射的频率变化规律相同，都是三角波规律，只是有一个时间差，利用这个微小的时间差可计算出目标距离。
FMCW工作原理
FMCW架构组成
技术架构分类：机械式技术趋近成熟，固态式预计将成为未来主流 按照技术架构可以分为整体旋转的机械式激光雷达、收发模块静止的半固态激光雷达以及固态式激光雷达。 
机械式与固态式特点对比
机械式激光雷达：可实现水平 360°全覆盖，体积较大价格较贵 机械激光雷达，是指其发射系统和接收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收信息的目的。在工作时竖直排列的激光发射器呈不同角度向外发射，实现垂直角度的覆盖，同时在高速旋转的马达壳体带动下，实现水平角度 360度的全覆盖。 
机械式雷达结构图
机械激光雷达体积更大，总体来说价格更为昂贵，但测量精度相对较高。相比于半固态式和固态式激光雷达，机械旋转式激光雷达的优势在于可以对周围环境进行 360°的水平视场扫描，而半固态式和固态式激光雷达往往最高只能做到 120°的水平视场扫描，且在视场范围内测距能力的均匀性差于机械旋转式激光雷达。 
机械式雷达工作原理
MEMS 混合固态激光雷达：半机械式构造，可实现激光雷达的小型化 MEMS 微振镜是一种硅基半导体元器件，属于固态电子元件；但是 MEMS 微振镜并不“安分”，内部集成了“可动”的微型镜面；由此可见 MEMS 微振镜兼具“固态”和“运动”两种属性，故称为“混合固态”。可以说，MEMS 微振镜是传统机械式激光雷达的革新者，引领激光雷达的小型化和低成本化。 
MEMS工作原理
Flash 激光雷达：采用类照相机工作模式，具有 256×256 像素点探测器 Flash 激光雷达采用类似照相机的工作模式，感光元件与普通相机不同，每个像素点可以记录光子飞行时间信息。发射的面阵激光照射到目标上，目标对入射光产生散射，由于物体具有三维空间属性，从而照射到物体不同部位的光具有不同的飞行时间，被焦平面探测器阵列探测，输出为具有深度信息的“三维”图像。
Flash激光雷达工作原理
Flash 激光雷达也经历了小型化发展历程，所占空间从起初的车厢级到办公桌级，再到现在的厘米级，这都得益于紧凑型激光器阵列、探测器阵列的发展。 
Flash激光雷达小型化历程
高系统集成度的光学相控阵技术（OPA）能够满足激光雷达在无人驾驶、无人机等领域全固态、小型化的发展需求。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。经过特定相位调制后的光场在发射天线端产生波前的倾斜，从而在远场反映成光束的偏转，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。
OPA激光雷达工作原理
浅显之见：机械式已进入量产阶段，固态式通过车规认证 激光雷达产业自诞生以来，紧跟底层器件的前沿发展，呈现出了迭代速度快，技术愈发多样化的特点。当前激光雷达厂商不断引入新的技术架构，提升探测性能并拓展应用领域：从单点激光雷达到单线扫描激光雷达，再到无人驾驶技术中获得广泛认可的多线扫描激光雷达，进而技术方案不断创新的固态式激光雷达、FMCW 激光雷达，以及如今芯片化的发展趋势，激光雷达一直以来都是新兴技术发展及应用的代表。 
激光雷达技术方案
MEMS 激光雷达其优点在于体积小，成本低，但可靠性仍有待验证。此外，与传统的 ToF激光雷达相比，FMCW 激光雷达多出了不少优势，比如对背景光线和传统干扰的免疫、探测距离远等。传统ToF雷达很可能受到其它传感器的光脉冲干扰，以及先前发出脉冲的自干扰。而 FMCW 激光雷达通过检测返回光和发射光的时间、频率和波长，滤除不匹配的数据，从而实现更精确的目标检测。但其劣势是光学校准复杂，需要连续性强的光源，而且线性调制较为困难。
性能参数
激光雷达在汽车应用上的探索仍在进行中，且多数集中在 ToF 技术上。Flash 激光雷达尽管有着不错的特性，但 2D 光电检测和弱光条件下仍存在较大挑战。FMCW 的技术成熟度虽然较低，但相比之下 OPA 的成熟度更低，两者都需要多年研究才能走向市场规模化。两者都需要多年研究才能走向市场规模化。而如今不少机械激光雷达的厂商都开始尝试 MEMS 固态激光雷达、高波长、软件定义或 AI 辅助等新方向，激光雷达仍处于较快的技术迭代期，但不可否认的是，激光雷达必将成为将自动驾驶推向 L4 及以上等级的中坚力量。
激光雷达实际应用性比较
不同技术方向的激光雷达技术的成熟时间和落地时间有着很大的差异，当前机械式激光雷达技术已经趋于成熟，正处于可量产的阶段，行业龙头 Velodyne 和中国市场龙头禾赛科技均已经拥有了较为成熟的技术；半固态式激光雷达与 Flash 全曝光激光雷达技术成熟度较高，但在具体应用上还存在这一定的限制；技术性能最高的 FMWC 与 OPA 固态激光雷达当前依旧面临着技术突破上的问题。 
技术特点与量产时间
当前激光雷达项目技术的评判集中在车规级、可量产、低成本这三个方面首先是车规级，激光雷达产品达到车规级，需在化学特性、机械特性、电气特性三大方面进行 38 项试验，包括备受业界关注的车规级冲击振动和高低温检测。机械式激光雷达技术已趋于成熟，但由于物理极限和成本高等因素限制，装配和调制困难，扫描频率低，生产周期长，成本较高，并且机械部件寿命不长（约 1000-3000 小时），只能用于自动驾驶的研发领域，难以满足苛刻的车规级要求（至少 1 万小时以上）。而固态激光雷达中较为成熟的 MEMS激光雷达能以较低的成本和较高的准确度实现激光扫描，但受限于较小的光学口径和MEMS振镜，其测距能力尚存在一定瓶颈。当前，Valeo（法雷奥）的 SCALA 激光雷达是国外非常受到市场认可的一款产品，通过车规并实现前装量产的激光雷达产品。在 2020 年 11 月，镭神智能 CH32 混合固态激光雷达，在国内率先通过车规级认证。这表明在当前市场中，固态式激光雷达已率先在车规认证方面取得了突破。在可量产与低成本方面，固态激光雷达具有体积小、量产成本和量产难度较低的优点，预计将是未来的发展方向。其中 MEMS 将占据一定的主导地位，它有效的克服了传统的机械式激光雷达在寿命、成本和良品率等方面所存在的问题。而同属于固态式技术的 OTA 激光雷达虽然在性能上具有优势，但要达到长距离的探测还有很长的路要来走，从产业链上游来看，因为上游核心的一些电子元器件、技术支持不成熟，短期内产品落地难度大。 
激光雷达技术流派及代表性公司
虽然固态式激光雷达在性能上优于机械式激光雷达，但由于机械式激光雷达技术已经趋于成熟，正处于可量产的阶段，而固态式激光雷达距离技术上的完全成熟还需要一段时间。暂时将 MEMS、OPA 等固态激光雷达流派统一来看，固态激光雷达整体相比传统的机械旋转式产品集成度更高，更有利于降低成本，也更便于使用，优势明显。根据 Yole 的统计和预测，目前旋转式激光雷达仍然占据较大份额，一段时间来看我们认为大概率会是机械式与固态式激光雷达并存的局面，但未来固态激光雷达将占据主导地位。
各类激光雷达占比
固态化的趋势也有力推动了成本下降，当前推动激光雷达市场发展的核心因素之一就是成本，迅速下降的成本使得激光雷达能够在汽车和机器人行业得到普遍应用。根据中国产业信息网数据，在 2007 年 Velodyne 刚刚推出 HDL-64E 之时，其价格还在 8 万美元，且直到 2014年其价格仍然维持在如此高位。而如今激光雷达成本已经大幅降低，根据 Velodyne 的最新财报， 2020 年出货量已经达到 1.15 万台，收入 9400 万美元，根据这两个数字可以计算得出平均每台收入 8173 美元，这其中有低端产品的贡献，也有价格下降的因素。在 CES 2020期间，Velodyne 发布了 100 美元的 Velabit，并且探测距离 100 米，与早期的 HDL64E 相仿，足以说明价格下降的趋势。 从其他公司的产品数据也可以得出产品成熟、价格下降的趋势。根据 Yole 数据，2017 年发布的 SCALA 将价格定在 600 美元，比早期激光雷达产品有明显降低。历年 CES 展会上各家激光雷达公司往往会展示自家产品，CES 2021 期间，速腾聚创展示了已量产出货的车规级激光雷达；CES 2020 期间大疆发布了 Livox 激光雷达，根据大疆官方商城数据可见，Livox系列产品定价普遍在数千人民币，也就是 1000 美元量级，而性能则比早期的 HDL64E 还有一定提升，探测距离达到了 260 米（80%反射率），20%反射率物体的探测距离也达到了 130米，角度精度达到 0.1 度。由此可见，如今的激光雷达价格相比十年前已经有了数量级上的下降，而这将进一步推动激光雷达的产业应用。 
部分激光雷达产品对比（2017年～2018年）
分析优势：激光雷达探测精度高、探测范围最高可达 360°一开始激光雷达只是在军事方面应用，后来才应用在生活中，其中无人驾驶领域使用最为广泛。目前谷歌、百度、奥迪、福特、宝马等企业都在逐渐使用激光雷达的感知解决方案，已经成为了无人驾驶技术中的最基本的配置。目前自动驾驶的传感器主要有LiDAR 系统、毫米波雷达、视觉（照相机）系统等。 
四维图新自动驾驶车上主要传感器
不同级别的自动驾驶技术的应用对于各类传感器的数量的要求也是不同的，随着自动驾驶技术标准的提高，对于车载激光雷达所要求的数量就越高，L5 级自动驾驶标准下，激光雷达的配置数量不应少于 4 个。 
不同自动驾驶标准对激光雷达数量要求
在汽车领域，不同的传感器各有优势。不同传感器的原理和功能各不相同。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，这也就决定了其是自动驾驶汽车等机器人环境感知系统中不可或缺的一部分。
各类型传感器性能雷达图
在当前的自动驾驶领域，特斯拉采取的解决方案是“传统摄像头+计算机视觉技术”，由镜头采集图像后，摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号，进而通过神经算法网络进行决策。 但当前大部分的车企更看好激光雷达在自动驾驶领域的应用，激光雷达具有探测精度高、探测范围广及稳定性强等优点，在精确度方面，毫米波雷达的探测距离受到频段损耗的直接制约（想要探测的远，就必须使用高频段雷达），也无法感知行人，并且对周边所有障碍物无法进行精准的建模。 
自动驾驶技术应用路径
摄像头等光学成像设备属于被动式的感知设备，它的应用必须要结合视觉感知技术才能在自动驾驶应用中发挥作用，而这种技术对于大多车企存在着很高的应用门槛。激光雷达和毫米波雷达的工作原理基本类似，都是利用回波成像来构显被探测物体的。不过激光雷达发射的电磁波是一条直线，主要以光粒子发射为主要方法，频域在 100000GHz 左右，波长为纳米级；而毫米波雷达发射出去的电磁波是一个锥状的波束，这个波段的天线主要以电磁辐射为主，频域在 10～200GHz 之间，波长为 1～10mm。由于毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。目前，车载传感器中，单颗摄像头的价格在几十到几百人民币，价格较为低廉；毫米波雷达根据探测距离和波段等指标不同，价格在数百到上千人民币；而激光雷达目前成本还略高，普遍处于数百到上千美元级别，虽有 Velabit 等低价格产品，但高端产品仍是必不可少。根据 Velodyne 预期 2020 出货量和收入，其平均售价仍达到 8000 美元左右。但考虑到激光雷达行业目前整体出货量还未放开，以及产品固态化等趋势，未来随着产销量逐步上升，价格有望延续当前下降趋势，从而逐步具备成本优势。 行业规模与发展趋势：激光雷达行业迎来无人驾驶行业发展新机遇 激光雷达市场规模较大且处于快速发展期，根据 Velodyne 预测，2022 年激光雷达总市场规模将达到 119 亿美元。根据应用分类，激光雷达将分别应用于自动驾驶汽车、工业、无人机、机器人和 3D 绘图等终端市场之中。其中，自动驾驶领域的市场规模占比最大，2022 年将达到 72 亿美元，占比约为 60.5%。
2022年激光雷达市场细分占比
同时，自动驾驶领域的激光雷达市场发展迅速，Velodyne 预计至 2026 年自动驾驶领域市场规模将增长到 168 亿美元，年复合增速将达到 24%。
激光雷达市场规模预测（十亿美元）
激光雷达领域的另一家国际龙头Luminar则根据不同细分领域上的需求空间和不同应用场景的速度、探测距离对激光雷达的细分市场规模进行划分。其中适配场景运动速度快、探测距离要求高的高速公路自动驾驶市场的市场规模最大，预计 2030 年将达到 1800 亿美元。其中商用卡车规模为 600 亿美元，消费级轿车规模为 1200 亿美元。
激光雷达细分市场规模预测
此外诸多专业研究咨询机构也对激光雷达市场给出了预测。根据 Allied Market Research 估计，2026 年全球无人驾驶技术市场规模将达到 5,566.7 亿美元，较 2019 年可实现 39.47%的年均复合增长率。激光雷达是高级别无人驾驶技术实现的关键，根据沙利文的统计及预测，受无人驾驶车队规模扩张、激光雷达在高级辅助驾驶中渗透率增加、以及服务型机器人及智能交通建设等领域需求的推动，激光雷达整体市场预计将呈现高速发展态势，至 2025 年全球市场规模为 135.4 亿美元，较 2019 年可实现 64.5%的年均复合增长率。在非汽车领域的激光雷达市场中，工业领域的市场需求最为广阔，根据 Velodyne 预测，2022年工业领域总激光雷达需求量为 510 万台，市场规模达到 28 亿美元。工业领域的需求主要来自全球市场的履带式拖拉机，倾卸机，挖掘机，平地机，非公路卡车等工程机械设备，将成为仅次于自动驾驶市场的第二大需求市场。 
非汽车领域激光雷达需求预测
而就中国来看，汽车与工业等下游行业的发展，将带动国内激光雷达市场的发展。从无人驾驶领域来看，据麦肯锡研究报告显示，中国将是全球最大的自动驾驶市场，到 2030 年中国自动驾驶乘用车数量将达到 800 万辆，自动驾驶将占到乘客总里程（Passenger Kilo Meters Travelled，PKMT）的约 13%，基于自动驾驶的出行服务订单金额将达 2,600 亿美元；从高级辅助驾驶领域来看，中国已经成为全球最大的新车销售市场。根据沙利文的研究报告，至2025 年，中国激光雷达市场规模将达到 43.1 亿美元，较 2019 年实现 63.1%的年均复合增长率，其中车载领域即无人驾驶和高级辅助驾驶是主要组成部分。 
中国激光雷达市场规模（亿美元）
以下按照激光雷达当前激光雷达的下游应用市场进行分别介绍，主要可分为无人驾驶、高级辅助驾驶、服务型机器人和车联网等细分行业。
汽车激光雷达市场：2025 年汽车领域激光雷达市场规模预计将超 80 亿美元L4/L5 级无人驾驶市场：2025 年市场规模预计达到 35亿美元 全球范围来看，无人驾驶测试项目及车队规模处于快速扩张之中：Waymo 已与 Fiat Chrysler（菲亚特克莱斯勒）签订了 6.2 万辆 Pacifica Hybrid 的购买合同，与 Jaguar（捷豹）签订了 2 万辆 I-Pace 的购买合同，并在底特律与 Magna（麦格纳）联手建立世界上第一个只制造无人驾驶汽车的 AAM 工厂，改造购置车辆用于车队扩张，该工厂当前已经进入量产状态。根据加州车辆管理局数据，2019 年 GM Cruise 月均路测车辆数目排名第一，测试里程总数仅次于 Waymo，当前 GM Cruise 已经拿到取消安全员进行完全无人驾驶测试的许可。GM Cruise 位于底特律 Hamtramck 的工厂将基于 GM 电动车平台生产不带方向盘、刹车和油门的 Origin 车型。 根据 Report Linker 研究估计，2025 年全球包括运送乘客和货物在内的 L4/L5 级无人驾驶车辆数目将达到 53.5 万辆。随着无人驾驶商业模式的逐步确立，该领域的全球激光雷达市场也将随之实现高速增长，据沙利文测算，至 2025 年该领域激光雷达市场规模预计达到 35亿美元，2019 年至 2025 年的年均复合增长率达 80.9%。L3 级高级辅助驾驶市场：2025 市场规模预计将达到 46.1 亿美元 高级辅助驾驶市场主要服务于整车厂及 Tier1 公司，激光雷达在性能满足要求的基础上，成本及车规要求是量产车项目关注的重点。世界各地交通法规的修订为 L3 级自动驾驶技术商业化落地带来机会。2019 年，日本《道路交通法案》修正案获得通过，允许 L3 级自动驾驶车辆在公共道路上使用。2020 年 1 月，韩国国土交通部发布《自动驾驶汽车安全标准》（修订版），制定 L3 级自动驾驶安全标准和商用化标准。2020 年 6 月联合国的欧洲经济委员会通过《ALKS 车道自动保持系统条例》，这是全球范围内第一个针对 L3 级自动驾驶具有约束力的国际法规。激光雷达在高级辅助驾驶领域的市场规模将在未来 5 年里保持高速增长，按照沙利文预计，2025 年激光雷达市场规模预计将达到 46.1 亿美元，2019 年至 2025 年复合增长率达 83.7%。 
激光雷达在高级辅助驾驶领域市场规模（亿美元）
服务型机器人市场：2025 年激光雷达在机器人领域市场预计达到 7亿美元 服务型机器人主要应用范围包括无人配送、无人清扫、无人仓储、无人巡检等。借助强大的内置感知系统及控制系统，服务机器人能够完成多种无人作业，从而减轻对人力的依赖，提高生产效率。服务型机器人不仅仅可以实现将货物从物流中心运送到消费者家中，还可以提供大量新型的“最后一公里”服务，为整个服务社区提供便利性、安全性和健康性。 
激光雷达在机器人产业的应用
随着智能服务机器人技术的成熟，其业务范围和辐射半径将不断增强，无人运送、无人清扫、无人巡检机器人在运营成本降低及服务效率提升等方面的优势将得以显现，对此类设备的需求也将不断提升。伴随全球服务型机器人出货量的增长以及激光雷达在服务型机器人领域渗透率的提升，至 2025 年激光雷达在该细分市场预计达到 7 亿美元市场规模，2019 年至 2025年的复合增长率为 57.9%。 车联网市场：全球激光雷达在车联网市场规模将超过 45 亿美元 世界范围来看，中国车联网发展速度最快，战略化程度最高。2020 年 4 月，发改委首次划定“新基建”范围，主要包括信息基础设施、融合基础设施和创新基础设施，其中融合基础设施中包含智能交通基础设施。车路协同技术是智能城市、智能交通中的基础与重点，同时也与 5G 通讯、大数据中心和人工智能等领域的建设相互支撑、互相促进。与单车智能相比，基于 5G 的车路协同可以更大限度地提升行车安全、提高交通系统运行效率、降低车载设备成本，从而促进无人驾驶的快速落地。 
激光雷达在车联网领域应用
激光雷达结合智能算法，能够提供高精度的位置、形状、姿态等信息，实现对交通状况进行全局性的精确把控，对车路协同功能的实现至关重要。随着智能城市、智能交通项目的落地，未来该市场对激光雷达的需求将呈现稳定增长态势。至 2025 年，全球激光雷达在该领域的市场规模将超过 45 亿美元，2019 年至 2025 年复合增长率为 48.48%。行业技术壁垒：行业技术壁垒较高，需要应对产品的快速迭代 技术水准壁垒：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。 技术创新壁垒：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。
行业主要壁垒
产业链：国内产业链中游突出上游崛起，固态化趋势推动成本降低和实用化 激光雷达巨大的产业规模之下，是一条由多个环节构成的、上下游明确的产业链。下游应用领域主要包括测绘和导航两大类需求，如今，下游需求蓄势待发，自动驾驶、高精度地图等市场都存在大量需求。而激光雷达上游主要分为发射、接收、扫描和信息处理等部分。激光雷达的上游环节随着技术发展愈发成熟，上游器件的成本很大程度上指引着激光雷达的应用。
激光雷达产业链
在这样的产业链当中，全球分布着大量业务不同的厂家，欧姆龙、松下、意法半导体、赛灵思、飞利浦、Qorvo 等知名公司都在激光雷达产业链之中。产业链中游，也就是激光雷达公司主要有 Velodyne、Valeo、Ouster、Innoviz、Quanergy、Luminar 等，还有不少中国国内公司已经跻身国际主要厂商之列，例如禾赛科技、镭神智能、北醒、速腾聚创、北科天绘等。而上游领域，国际公司积累较为深厚，例如光学器件领域的意法半导体、亚洲光学（中国台湾），光源领域的飞利浦光学、生产光源和光学器件的 Thorlabs，光探测器领域有安森美旗下的 SensL、日本滨松等，IC 领域则有赛灵思、Qorvo 等半导体巨头。
激光雷达产业链公司
而从国内公司来看，近年来我国中游强上游弱的局面得到了一定改观。目前，以速腾聚创、禾赛科技、镭神智能为代表的国内激光雷达产业公司主要集中在中游位置，但上游也涌现出了一批优秀公司，例如华为哈勃投资的芯视界微电子，小米集团领投、联想和真格基金跟投的灵明光子等。下游主要包括测绘视觉、机器人、自动驾驶、无人机和环境监测五个应用方向，目前激光雷达主要应用在自动驾驶领域，应用领域我国公司数量较多，例如数字绿土、 EAI 等公司在各自领域内也具有较强的竞争力。 
激光雷达产业链及代表公司
从融资方面也可以看出我国激光雷达产业发展之迅速。根据 IT 桔子数据，2017 年至今，国内激光雷达公司共发生 62 件融资事件。从单次融资额看，在已透露融资额的公司中，有 10家公司共 13 次融资的单次融资额超过一亿人民币，其中，禾赛科技 A、B 轮融资均超过亿元人民币，并获 1.73 亿美元 C 轮融资，镭神智能也在 A+轮和 B轮中获得亿元及以上人民币融资。 
2017年至今激光雷达公司最新融资情况
新三板激光雷达产业链公司
概况对比：Velodyne是全球行业龙头，禾赛科技在国内市场处于领先地位激光雷达属于新兴的高技术产业，发展早期技术与市场上主要是国外公司。国内激光雷达公司加入竞争之后投入大量研发，逐步完成了技术的追赶甚至在一定范围内实现超越。从公司规模来看，多数激光雷达企业为发展迅速的高科技创业公司，2020 年下半年境外激光雷达公司迎来通过特殊目的并购公司（Special Purpose Acquisition Compony，SPAC）完成上市的热潮，美国已上市公司有 Velodyne、Luminar，此外 Aeva、Innoviz预计 2021 年第一季度完成上市，Ouster 预计 2021 年上半年完成，中国禾赛科技拟登陆科创板。 行业内在业务上具有可比性的主要的激光雷达公司包括美国的 Velodyne、Luminar、Aeva、 Ouster，以色列的 Innoviz，德国的 Ibeo，以及国内的速腾聚创、禾赛科技。 Velodyne：激光雷达行业龙头，2020 财年预计营收 0.94 亿美元 Velodyne 成立于 1983 年，最初是一家音响技术制造与研发公司，在2005 年公司开始专注于激光雷达技术的研发，推出的首款 64 线程机械式激光雷达 HDL-64E 便在第三届 DARPA （无人驾驶挑战赛）挑战赛上大放异彩，六支完成比赛的队伍中五家使用了 Velodyne 的激光雷达。Velodyne 是车载激光雷达领域的鼻祖，在机械式激光雷达获得成功后，于 2015 年开始研发固态激光雷达，2017 年发布固态激光雷达 Velarray，2020 初基本完成设计。 
Velodyne发展历程
Luminar：专注于高速公路无人驾驶技术，固态式车载激光雷达技术领先者 2012 年 Luminar 由 Russel 在硅谷创立，并在之后专注于车载雷达技术的突破性研究，旗下的 Iris 激光雷达拥有着行业内较为领先的性能，在小于 10%的反射率下可以实现 250m的探测距离，并且在雨雪天气下也可以达到 200 以上的探测距离。Luminar 的激光雷达的性能优势为其带来大量的合作客户，合作伙伴数量从 2017 年的4 个增长到了 2020 年的50 个，先后与丰田、沃尔沃等车企建立了研发合作关系，并于2020 年 11 月达成了与 Intel 旗下自驾视觉处理系统商 Mobileye 的合作订单。除此之外，Luminar 还进一步与戴姆勒卡车公司（Daimler Truck AG）建立合作伙伴关系，开拓自动驾驶卡车市场。 
Luminar发展历程
禾赛科技 2014 年成立于上海，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，目前已布局 500 多项专利，客户遍布全球23 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、光速、百度等全球知名的行业企业和投资机构。
禾赛科技合作客户
转载自网络，文中观点仅供分享交流，不代表本公众号立场，如涉及版权等问题，请您告知，我们将及时处理。-- END --
免责声明：
该内容由专栏作者授权发布或作者转载，目的在于传递更多信息，并不代表本网赞同其观点，本站亦不保证或承诺内容真实性等。若内容或图片侵犯您的权益，请及时联系本站删除。侵权投诉联系：
nick.zong@aspencore.com！
智驾最前沿
「智驾最前沿」深耕自动驾驶领域技术、资讯等信息，解读行业现状、紧盯行业发展、挖掘行业前沿，致力于助力自动驾驶发展与落地！公众号：智驾最前沿
进入专栏
-
在线直播意法半导体“在中国，为中国”战略，STM32最新产品、应用及生态；
STM32线上训练营带您玩转机械手直播：边缘AI及GUI软硬件开发特训，ST资深专家在线互动答疑。
-
-
-
-
本网页已闲置超过10分钟，按键盘任意键或点击空白处，即可回到网页
