编者语：后台回复“入群”，加入「智驾最前沿」微信交流群
汽车行业的智能化浪潮正在加速，各种感知设备在实现自动驾驶功能中的作用日益显著。其中激光雷达通过高精度点云数据感知周边环境，极大地提高了自动驾驶系统的可靠性和安全性。作为高级别自动驾驶的重要感知设备，其高精度、远探测能力和实时3D建模特性，使其成为汽车智能化发展的黄金赛道。随着技术路径的快速迭代，激光雷达正从机械式向固态化、芯片化发展，为汽车行业的智能升级提供重要技术支撑。尤其是在高级别自动驾驶（L3及以上）中，激光雷达凭借优异的长尾场景感知能力，已成为多传感器融合系统中不可或缺的组成部分。
激光雷达作为一种基于激光探测原理的传感器，其核心由发射模块、接收模块、扫描模块和信息处理模块四部分组成。各模块协同工作，实现对周边环境的三维建模和高精度探测。
激光发射模块是激光雷达系统的核心组件，其主要任务是产生激光并将其以一定方式发射出去。激光器种类繁多，目前车载激光雷达主要使用半导体激光器，包括边发射激光器（EEL）和垂直腔面发射激光器（VCSEL）。EEL激光器因其具有较高的发光功率密度而被广泛采用，但其生产过程依赖手工装配，导致成本较高且一致性难以保证。而VCSEL则通过半导体加工技术实现高精度生产，具有较低的成本和更高的可靠性。VCSEL激光器的多层结结构也可显著提高发光功率密度，满足车载应用中对长距离和高精度探测的需求，VCSEL激光器逐步成为主流趋势。
激光波长是影响激光雷达性能的重要因素。目前主流的波长有905nm和1550nm两种。905nm激光波长适用于成本敏感的场景，且雨雪天气适应性较好；而1550nm波长因其在人眼安全性、光束准直性及抗干扰能力方面的优势，具有更高的探测性能。在未来的高端激光雷达中，随着1550nm相关技术的成本下降，其应用比例预计将显著增加。接收模块通过光电探测器捕获反射激光信号并将其转化为电信号，是激光雷达感知功能的关键部分。当前市场上主要使用APD（雪崩光电二极管）作为探测器，其在灵敏度和增益能力方面能够满足目前L2/L3级别的自动驾驶需求。然而，APD在接收多点信号时灵敏度较低，难以支持更高复杂度的场景。SPAD（单光子雪崩二极管）和SiPM（硅光电倍增管）正在成为下一代探测器的研发重点。SPAD能够实现高灵敏度的大规模阵列接收，具备更高的抗干扰能力和探测效率，是车载激光雷达发展的重要方向之一。SiPM则以其更低的噪声和优异的信号增益性能，在低成本应用场景中展现出极大的潜力。
接收模块还包括接收光学系统，其主要由透镜、分束器和窄带滤光片等元件构成。这些元件的作用是最大化地收集反射光能量，并将其聚焦到探测器的光敏面上，从而提高系统整体的信噪比和感知精度。扫描模块决定了激光雷达的探测范围和分辨率，是系统中最重要的组成部分之一。根据扫描方式是否包含机械部件，激光雷达可分为机械式、混合固态和纯固态三种类型。
机械式激光雷达通过电机驱动扫描部件旋转，可实现全景式360°探测，但其体积大、成本高且易受振动影响，难以适应车载应用需求。混合固态激光雷达利用MEMS振镜或转镜替代部分机械部件，大幅降低了系统的尺寸和重量，同时保持较高的扫描性能，是当前量产车载激光雷达的主流选择。而纯固态激光雷达，如OPA和FLASH技术，则完全去除了机械部件，通过光学相控阵实现光束控制，具有更高的集成度和可靠性，被视为未来的技术方向。信息处理模块的主要任务是对接收到的光信号进行分析和处理，生成高精度的三维点云数据。该模块通常由放大器、模数转换器和处理器芯片构成。高效算法是信息处理模块的核心，目前广泛应用的包括点云分割算法、目标识别与跟踪算法以及即时定位与地图构建（SLAM）算法。这些算法通过对大规模点云数据的快速处理，实现对周边环境的精准建模，为自动驾驶系统提供可靠的环境感知支持。
飞行时间法（TOF）是当前激光雷达的主流测距方式，其通过测量激光从发射到接收的时间差计算目标距离，具有高精度和远探测能力。然而，TOF在信噪比和抗干扰能力方面的局限性限制了其在复杂场景中的表现。相比之下，FMCW（调频连续波）技术通过测量激光频率的变化来计算目标距离和速度，具有更高的信噪比和更强的抗干扰能力。FMCW激光雷达能够直接获取每个点的速度信息，为实现动态场景中的高精度感知提供了重要支持。随着FMCW技术的进一步成熟，其在高端车载激光雷达中的应用将显著增加。固态化被认为是激光雷达发展的重要方向，其目标是通过消除机械部件实现更高的可靠性和更低的成本。在当前激光雷达技术路径中，机械式和混合固态激光雷达仍占据主流地位，但纯固态技术正以其独特的优势逐步成为行业的重点研发方向。MEMS（微机电系统）激光雷达是混合固态技术的代表，其采用振镜替代传统的机械旋转部件，通过微型反射镜的高频振动实现激光的扫描。这种技术大幅降低了系统的体积和重量，同时提高了系统的稳定性和耐用性。尽管MEMS激光雷达在抗振动能力和扫描角度上存在一定限制，但其成熟的工艺和较低的成本使其成为目前量产车型的主要选择。
FLASH和OPA（光学相控阵）激光雷达则是纯固态技术的代表。FLASH激光雷达通过面光源实现全场景扫描，无需机械运动部件，具备更高的可靠性。由于面光源的能量分散问题，其探测距离相对较短，目前主要适用于中短距离场景。OPA激光雷达则通过光学相控阵技术调节光束方向，实现动态扫描。OPA技术不仅具有高集成度，还能显著降低系统功耗，被认为是未来激光雷达的终极形态。芯片化被视为激光雷达降低成本、提升性能的关键途径。传统激光雷达通常由多个独立的硬件模块组成，复杂的装配工艺导致生产成本居高不下。通过将激光发射模块、接收模块和处理模块集成至单一芯片，整机厂商能够显著减少组件数量，降低装配难度，同时提高系统的一致性和可靠性。禾赛科技等国内企业已在芯片化领域取得重要进展。其多通道发射芯片和模拟前端芯片的研发，使得激光雷达的硬件成本分别降低了70%和80%。芯片化技术还支持大规模自动化生产，为激光雷达的商业化推广提供了有力支持。未来，随着ASIC（专用集成电路）和SoC（片上系统）方案的普及，激光雷达的性能和成本结构将进一步优化。
随着高级别自动驾驶技术的快速发展，激光雷达的市场需求持续增长。据预测，到2030年，中国乘用车领域激光雷达市场规模将达到980亿元，年复合增长率超过30%。激光雷达的广泛应用不仅限于自动驾驶车辆，还涉及服务机器人、智能交通、安防监控等多个领域，展现出强大的市场扩展能力。在L2级辅助驾驶中，激光雷达主要用于补充摄像头和毫米波雷达的感知能力，为系统提供更精准的距离和三维信息。随着L3及以上高级别自动驾驶的逐步普及，对激光雷达的需求量将大幅增加。特别是在处理复杂场景和长尾场景时，激光雷达的高精度感知能力不可替代，这将进一步推动市场的快速扩容。激光雷达的产业链主要分为上游元器件、中游整机厂和下游应用领域。上游元器件包括激光器、探测器、扫描镜、光学系统等，其技术水平直接决定了激光雷达的性能和成本。中游整机厂负责激光雷达的设计、集成和生产，是产业链中价值最高的环节。下游则涵盖智能驾驶、机器人、安防等应用领域，为激光雷达提供了广阔的市场空间。
国内激光雷达厂商在产业链中已占据重要地位。禾赛科技、速腾聚创等企业通过自主研发和成本控制，不断提升产品的市场竞争力。在上游元器件领域，国内企业也逐步实现了技术突破，如炬光科技在半导体激光器领域的技术积累，以及灵明光子在SPAD探测器领域的创新，为整个产业链提供了强有力的技术支撑。
激光雷达的高精度感知能力，使其在智能驾驶中具有广泛的应用价值。作为L3及以上自动驾驶的核心传感器，激光雷达在长尾场景的处理能力上具备显著优势。在城市复杂道路、高速公路合流段以及恶劣天气条件下，激光雷达能够提供高精度的三维环境数据，为车辆的决策和规划提供可靠支持。激光雷达还可用于非汽车领域的智能化场景。在工业自动化中，激光雷达用于设备定位和导航；在智慧城市中，激光雷达支持交通流量监测和动态路径规划。这些新兴应用场景的不断涌现，将为激光雷达市场的进一步扩展注入强大动力。尽管激光雷达展现出巨大的市场潜力，其高成本和技术复杂性仍然是商业化应用的主要障碍。激光雷达的硬件成本主要集中在激光器、探测器和扫描模块上，尤其是1550nm波长激光器和SPAD探测器，其生产工艺复杂且成本居高不下。此外，激光雷达对恶劣天气的适应性较差，在雨雪条件下探测性能有所下降，这也限制了其在全场景中的应用能力。为应对这些挑战，行业正在积极推进技术创新和成本优化。通过研发高集成度的ASIC和SoC芯片，激光雷达的硬件成本正在快速下降。同时，多传感器融合技术的应用也在逐步弥补激光雷达在特定场景中的感知局限性，为其商业化落地创造了更有利的条件。
激光雷达作为汽车智能化发展的重要技术支撑，其技术迭代与商业化进程正在加速推进。通过固态化和芯片化路径，激光雷达的成本和性能得以显著优化，为L3及以上级别自动驾驶的广泛应用奠定了坚实基础。同时，随着FMCW、OPA等新技术的突破，激光雷达的技术瓶颈正逐步被克服，其应用场景也在不断拓展。然而，激光雷达的全面普及仍需克服技术、成本和产业链协同等多重挑战。在未来的发展中，通过加速技术创新、强化上下游合作，激光雷达将为汽车行业的智能化升级和社会的智慧化建设注入强劲动力。
编者语：「智驾最前沿」微信公众号后台回复：C-0556，获取本文参考报告：《激光雷达，汽车智能化中的黄金赛道》pdf下载方式。
-- END --
