汽车电子行业研究：自动驾驶逐步升级，摄像头＋激光雷达星辰大海

1、汽车智能化稳步升级，中美欧日引领发展

1.1 自动驾驶升级已成为全球共识

汽车智能化是未来行业发展重要方向之一，包括人车交互智能化以及车辆行驶自动化。人车 交互智能化是在驾驶过程中为驾驶员提供内容与服务，提升驾驶安全性、舒适性、便捷性等。 车辆行驶自动化则包括辅助驾驶阶段和自动驾驶阶段，通过对路况及车辆信息预测，保障驾 驶过程中的车辆安全以及出行效率。 智能汽车则是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能， 逐步成为智能移动空间和应用终端的新一代汽车。智能汽车通常又称为智能 联汽车、自动 驾驶汽车等。因此，汽车智能化发展程度很大程度上取决于汽车自动驾驶发展进度。

在自动驾驶等级划分上，SAE（国际汽车工程师学会）将自动驾驶技术分为 L0-L5，共 6 个 等级，NHTSA（美国国家公路交通安全管理局）将自动驾驶分为 L0-L4 共 5 个等级。目前部 分车企已经推出了具有 L2 功能的车型，L1 和 L2 仍然需要驾驶员驾驶，属于 ADAS （高级 辅助驾驶系统）范畴。而 L3 将是一个风水岭，从 L3 开始，汽车才真正进入到自动驾驶范畴， L3 指在特定场景下，系统可以实现对车辆的完全接管，当驾驶员在系统失效时，驾驶员取得 驾驶权。

根据 SAE 的定义，在 L1 时，驾驶员可以“脱脚”；在 L2 时，驾驶员可以“脱手”；在 L3 时， 驾驶员可以“脱眼”；在 L4 时，驾驶员可以“脱脑”；在 L5 时，已经不需要驾驶员。

中国在自动驾驶领域亦制定了自己的标准。2021 年 8 月 20 日，国家市场监督管理总局、国 家标准化管理委员会批准发布了《汽车驾驶自动化分级》推荐性国家标准，该标准于 2022 年 3 月 1 日起开始实施。该标准规定了汽车驾驶自动化功能的分级，基于驾驶自动化系统能够 执行动态驾驶任务的程度，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范围限 制，将驾驶自动化分成 0 级至 5 级。并基于以下 6 个要素对驾驶自动化等级进行划分：1.是否持续执行动态驾驶任务中的目标和事件探测与响应； 2.是否持续执行动态驾驶任务中的车辆横向或纵向运动控制； 3.是否同时持续执行动态驾驶任务中的车辆横向和纵向运动控制； 4.是否持续执行全部动态驾驶任务； 5.是否自动执行最小风险策略； 6.是否存在设计运行范围限制。 在汽车驾驶自动化的 6 个等级之中，0-2 级为驾驶辅助，系统辅助人类执行动态驾驶任务， 驾驶主体仍为驾驶员；3-5 级为自动驾驶，系统在设计运行条件下代替人类执行动态驾驶任 务，当功能激活时，驾驶主体是系统。

自动驾驶之所以成为各个国家、企业、科研机构等争相研究和发力的重点，是因为随着汽车 用户不断增加，公路交通拥堵、安全事故等问题层出不穷，相比于传统的人类驾驶，自动驾 驶在人工智能、车联 等技术支持下，能够有效保障交通安全、降低运输成本、提升用车效 率、减少空气污染。此外还可以拉动汽车、电子、通信、服务、 会管理等协同发展，促进 产业转型升级。

自动驾驶产业链，上游包括传感器、芯片、地图、车载软件等二级供应商，以及智能驾驶解 决方案等一级供应商；中游包括乘用车、商用车等整车环节，下游为车辆运营等服务市场。

回顾全球自动驾驶发展历程，1939 年 GM 提出了这一概念，2009 年谷歌发布了自动驾驶汽 车计划，2013 年谷歌完成了 50 万英里的自动驾驶，同年特斯拉发布了自动驾驶 Autopil ot 概 念，2017 年特斯拉自动驾驶完成了 3 亿英里的运行，2018 年 Waymo 完成了 5 亿英里的测 试，2019 年百度完成了 1 亿英里的测试。

自动驾驶系统分为感知层、决策层和控制层，感知层主要通过摄像头、雷达等感知周围环境 信息，并通过 GPS/惯导等实现定位等车辆状态的获取；决策层依据感知层提供的环境信息 和车辆定位情况，根据适合的模型进行路径规划等决策；控制层则通过底盘及各种控制附件 件，驱动车辆执行相应命令动作。

1.2 技术进步+立法推进共同支撑自动驾驶渗透率提升

自动驾驶要想逐步落地并大范围推广，除了技术进步、成本降低之外，还需要相关法律法规 及政策支持才能落地，目前各个国家地区的立法进度和要求不尽相同，但是整体而言，对自 动驾驶的法律法规等都是积极推动的。 德国在 2021 年 7 月正式实施《自动驾驶法》，成为全球首个允许 L4 级别自动驾驶汽车上路 的国家。 日本于 2020 年 4 月正式实施《道路交通法》修正案，允许 L3 级别自动驾驶汽车上路，同时计划 2022 年在农村地区实现 L4 级自动驾驶汽车上路。 韩国已经在 2021 年推出 L3 级别自动驾驶汽车，计划到 2024 年实现 L4 级别部分商用化。

中国公安部于 2021 年 3 月发布的《道路交通安全法（修订建议稿）》中，对自动驾驶汽车提 出了要求，这是中国在自动驾驶汽车立法上的首次尝试，虽然最终未获得通过，但具有重要 意义。目前深圳在自动驾驶立法方面走在全国前列，根据 2022 年 5 月深圳市人大常委会官 发布的相关内容，《深圳经济特区智能 联汽车管理条例》被列入深圳市人大常委会发布的 2022 年立法计划首位，已通过“三审”，有望在年内出炉，这将是国内首部规范智能 联汽 车管理的法规，智能 联汽车法律空白的问题，有望在深圳率先突破。此外，中国已逐步开 放公路（高速公路）测试、无人化（远程）测试、载人载物示范运营，包括北京、上海、深 圳等城市已发布了相关的道路测试与示范应用管理法规，为自动驾驶汽车上路奠定了基础， 有助于推动自动驾驶立法。

美国交通运输部则在 2021 年 1 月发布了《自动驾驶汽车综合计划》，进一步明确了美国自动 驾驶汽车的发展方向。该计划定义了实现自动驾驶系统愿景的三个目标，包括促进协作和透 明度、现代化监管环境、以及为运输系统做准备。而在法律层面，目前为止，美国联邦层面 尚未正式出台自动驾驶的监管法案，现阶段美国自动驾驶的测试及布局是由各州/邦法律进行 分别监管。目前美国有 29 个州/邦以及华盛顿哥伦比亚特区已经颁布了法律，6 个州/ 邦颁布 了行政命令，5 个州/邦同时有法律和行政命令，还有 15 个州/邦没有相关法律和行政命令。

中国自动驾驶技术仍在不断迭代升级中，2007-2015 年 L1 级别已实现商业化并广泛普及； 2014-2020 年 L2 级别的高级驾驶辅助系统（ADAS）已经成熟并广泛使用，代表车型包括特 斯拉 Model 3、上汽大通 D90 等；2025 年将计划实现 L3 级别自动驾驶，目前技术已能够实 现，还处于测试阶段，代表车型包括奥迪 A8、广汽新能源-埃安 Lx 等；2030-2040 年计划实 现 L4/L5 级别自动驾驶，仅用于部分车型，仍处于测试阶段，代表车型包括一汽-Apollo -红旗 电动车、比亚迪-xUrban-秦 Pro 等。

根据 PwC 数据，全球主要国家/地区的自动驾驶水平将逐步提升，到 2025 年 L3 级别自动驾 驶将开始崭露头角，而自动驾驶需 80 亿公里安全路测里程才能证明其安全性，现阶段 L 4 解 决方案提供商还远远未达到足够里程，随着未来激光雷达等核心部件成本下降，预计到 2 030- 2035 年，L4/L5 级别自动驾驶将开始商用化。全球各主要国家地区目前正处于从 L2 级别向 L3 级别过渡阶段，预计未来 L3-L5 级别自动驾驶占新车销量如下：

欧盟：L3 级别 2025 年占比 4%，销量 67 万辆，到 2035 年将提升至 15%，销量 259 万辆； L4 级别 2030 年占比 8%，销量 136 万辆，2035 年将提升至 15%，销量 259 万辆；L5 级别 2035 年占比 2%，销量 35 万辆。 美国：L3 级别 2025 年占比 5%，销量 83 万辆，到 2035 年将提升至 14%，销量 249 万辆； L4 级别 2030 年占比 1%，销量 17 万辆，2035 年将提升至 2%，销量 36 万辆。 中国：L3 级别 2025 年占比 1%，销量 28 万辆，到 2035 年将提升至 18%，销量 619 万辆； L4 级别 2030 年占比 3%，销量 93 万辆，2035 年将提升至 15%，销量 516 万辆；L5 级别 2035 年占比 1%，销量 34 万辆。 日本：L3 级别 2025 年占比 4%，销量 19 万辆，到 2035 年将提升至 12%，销量 49 万辆； L4 级别 2030 年占比 6%，销量 26 万辆，2035 年将提升至 15%，销量 61 万辆；L5 级别 2035 年占比 1%，销量 4 万辆。

根据 Strategy Analytics 数据，全球自动驾驶汽车渗透率方面，预计到 2025 年，L2 渗透率 将达到 27%，L3 渗透率将达到 1%；2035 年，L2 渗透率将达到 59%，L3 渗透率将达到 10%， L4 渗透率将达到 9%，L5 渗透率将达到 1%。

2、汽车智能化：“商业+家用”双引擎共同推动自动驾驶快速发展

2.1
Robotaxi/Robobus/Minibus/Robotruck 等商业化模式率先普及

由于成本较高、路线相对固定、环境相对简单、行驶速度相对较低，自动驾驶在公共交通、 矿区园区、港口物流等特定场所的使用将早于在个人乘用车市场的普及，具体应用场景包括 公共交通、快递运输、服务老年人及残疾人等。

随着自动驾驶技术（如激光雷达、芯片、算法等）技术不断升级迭代，自动驾驶离我们的生 活也越来越近，虽然目前 L3 级别以上家用车还并未大规模普及，但是在一些特定场景或者 商业营运场景已经开始崭露头角。开放场景以载人为主，包括 Robobus、Robotaxi 等，半封 闭以及封闭场景以载物为主，比如 Robotruck，其中半封闭场景包括干线物流、无人环卫、 末端配送等，封闭场景包括矿山运输、港口运输等。在以上几类场景中，封闭场景由于环境 单一，行驶路径简单，无其他 会车辆及行人干扰，场景复杂度低，目前已经实现了商业化 运营；而开放场景和半封闭场景由于在市政道路行驶，来往车辆、行人等数量多，方向不定， 周围环境复杂多变，目前还处在路测和试营业阶段，未来随着技术升级、成本下降、路测数 据越来越丰富、法律法规更加完善明确，有望实现正式的商业化运营。 在载人自动驾驶领域，主要包括 Robotaxi、Robobus、Minibus，都基于 L4/L5 级别自动驾 驶技术实现运营，其中 Robotaxi 主要在市政道路及高速上提供出租车/ 约车服务，Robobus 主要在市政道路上提供公交车服务、Minibus 主要在封闭景区及限定园区提供摆渡车服务。

相比于传统有人驾驶，自动驾驶具有诸多优势，包括安全性高、成本低、效率高。在矿区、 港口作业事故频发，自动驾驶可提升安全性、延长运行时间，不仅能缓解司机缺口大、人工 成本高的问题，同时在公路上有 90%的交通事故是由司机人为造成，自动驾驶可以避免一些 事故发生，避免拥堵，提升出行效率和安全性。

目前 Robotaxi 由于技术不是很成熟、改造费用较高，因此每公里的成本相比于有人驾驶出租 车并没有优势，未来 5-10 年司机人力成本将会进一步增加，而自动驾驶系统改造成本会逐渐 降低。根据 McKinsey 数据，预计在 2025-2027 年，Robotaxi 取消安全员并规模化部署后成 本将迎来拐点，其应用将加速推广，带来出行服务的颠覆。

从商业模式上讲，目前 Robotaxi 为铁三角模式，即车企（主机厂/一级供应商）、AI 公司、出 行平台。车企具备具备雄厚的资本运作与扎实的整车制造能力，负责提供一流的自动驾驶车 辆平台和零部件产品；AI 公司是具备 L4 级自动驾驶解决方案、顶尖无人驾驶技术研发能力 的企业；出行平台包括 约车、出租车、随需公交等出行平台，以及提供快递、物流等服务 的货运平台。目前能同时打通车企（主机厂/一级供应商）、AI 公司、出行平台三个环节的公 司还没出现，都只承担其中 1-2 个角色，由于 Robotaxi 仍处于探索阶段，各类企业之间合作 共赢、优势互补仍是主旋律，未来随着技术逐渐成熟，可能会打破铁三角模式。

全球Robotaxi 企业中，美国企业主要有Waymo、Cruise、Lyft 等，中国企业主要有百度Apoll o、 小马智行、AutoX、文远知行等。其中 AutoX 已经宣布其 Robotaxi 车队数量超过 1000 辆， 成为中国乃至全球最大规模的全无人驾驶 Robotaxi 车队。测试里程方面，百度 Apollo 在 2021 年底已测试 1800 公里，是中国测试里程最长的公司。通用汽车旗下 Cruise、福特汽车旗下 的 Argo AI、Zoox、Aurora、Mobileye 等公司也在推出 Robotaxi 计划或者转向商用车自动驾 驶业务。

根据 DMV（美国加州交通管理局）发布的 2021 年全年自动驾驶数据，在加州进行公开自动 驾驶测试的公司中，中国与美国头部自动驾驶公司继续占据排行榜前列。从车辆规模对比， Waymo 693 辆排名第一，而 MPI（接管里程数）作为自动驾驶核心衡量指标之一，是衡量自 动驾驶技术是否成熟、稳定的指标，接管间隔里程越长，则意味着技术越好，并且测试车辆 和里程越多，越有意义。中国 AutoX MPI 50108 英里排名第 1，美国 Cruise MPI 41179 英 里排名第 2，中国滴滴 MPI 40744 英里排名第 3，MPI 前 10 名公司中，中国公司 5 家，美 国公司 5 家，数量相当，但从 MPI 数据上，中国公司整体优于美国公司。

全球共有 8 家公司获得了 DMV 的全无人自动驾驶测试牌照，包括 Waymo、Nuro、Cruis e、 Zoox、AutoX、百度 Apollo、小马智行和文远知行，只有百度 Apollo、小马智行、通用 Cruise 和 Nuro 这 4 家公司提交了数据，除了小马智行脱离 1 次之外，其余 3 家公司均无脱离。

不仅在美国，中国在自动驾驶运营方面也大力发展 ，在牌 照发放量 、道 路 里 程 、 Robotaxi/Robobus 运营商数量方面，上海、北京、广州排名靠前，此外，深圳、武汉、苏州 等城市也都有所布局。累计牌照发放量方面，截至 2021 年 11 月，上海 254 张，北京 170 张，广州 142 张。累计道路里程方面，截至 2021 年 11 月，上海 1290km，北京 1028km， 广州 253km。Top3 城市（上海、北京、广州）载人场景运营商占比 53%，Robotaxi 运营商 占比 59%，Robobus 运营商占比 36%。

虽然 Robotaxi 进展如火如荼，但是不可忽略的是，Robotaxi 在推广方面依然存在困难。首 先就是商业闭环难以形成，由于自动驾驶汽车成本较高，Robotaxi 的价格基本是普通乘用车 的两倍，大约为 50 万/辆，大规模采购势必需要投入大量资金，对于此类重资产投入模式， 如果车辆数量不够多，用户约车等待时间过长，就难以吸引用户继续使用。其次还存在一些 技术问题，以前几公里就会暴露出技术问题，现在可能要几万公里才会暴露出来，技术优化 改进越来越困难，一些边缘场景更甚，对于载人驾驶，安全始终是第一位的，因此如果技术 问题不能 100%解决，就很难真正大范围推广。最后是中国的城市道路建设改造较快，如果 高精地图信息采集与更新不及时，也会带来隐患。因此，以上困难都是需要去进一步克服和 解决的，如果 Robotaxi 无法做到城市级别的商业化运营，那么订单和市场规模就会受限，难 以实现真正意义的商业化闭环落地。

2.2 感知层：智能车信息采集的“眼睛”和“触角”

2.2.1 智车之“眼”：摄像头

车载摄像头的工作原理，是将采集好的图像转换为二维数据，然后对采集的图像进行模式识 别，通过图像匹配算法识别行驶过程中的行人、车辆、交通标志等，最后依据目标物体的运 动模式或使用双目定位技术，估算目标物体与本车的相对距离和相对速度。 相比于雷达等其他传感器，摄像头的优点是采集的数据量更多，也最接近人眼获取的周围环 境信息，当前车载摄像头分辨率主要以 720P、1080P 为主，与人眼接近，并且技术成熟、 成本低。但缺点同样明显，首先是基于视觉的感知技术受光线、天气影响较大，在恶劣天气 和昏暗环境下性能难以得到保证；其次对物体的识别基于机器学习数据库，需要的训练样本 大、训练周期长，也难以识别非标准物体；最后，广角摄像头存在边缘畸变，得到的距离准 确度较低。 按照车载摄像头在整车中的应用，可分为前视、环视、后视、侧视以及内置 5 种类型。对于 前视摄像头，双目相比单目性能更优，但是由于需要更高算力芯片支持，成本较高，难以快 速普及，因此目前仍以单目为主。

根据华经产业研究院数据，2015-2020 年，全球车载摄像头镜头出货量整体稳步上升，2015 年为 5961 万件，2019 年为 11664 万件，2020 年由于疫情影响，出货量略有下滑至 10964 万件。市场格局来看，以中国、日本厂商为主，舜宇光学占比 32%，排名第 1；麦克赛尔占 比 8%，排名第 2；富士胶片占比 5%，排名第 3。

目前车载摄像头渗透率不高，根据 AI 车库数据，各类摄像头中，后视摄像头渗透率最高，为 50%；其次是前视摄像头 30%；侧视摄像头 22%；内置摄像头仅为 7%。单车平均搭载摄像 头数量也将随着自动驾驶级别升级同步提升，L1/L2 级别为 3-5 颗，L3 级别大约为 8 颗，到 了 L4/L5 级别将增加至 10-20 颗。整体而言，车载摄像头提升空间仍然较大。 根据 ICV Tank 以及 360 Research Reports 等数据，2020-2025 年，全球车载摄像头市场规 模将从 138 亿美元提升至 270 亿美元，CAGR 为 15.7%；中国车载摄像头市场规模将从 64 亿元提升至 230 亿元，CAGR 为 29.2%，车载摄像头市场前景广阔。

车载摄像头包括镜头、模组、芯片、软件算法等。镜头厂商中，舜宇光学全球第 1，国内厂 商联创电子和欧菲光亦有所布局；模组厂商中，国外厂商包括大陆、麦格纳、法雷奥，中国 厂商有比亚迪、德赛西威、欧菲光等；CMOS 芯片中，安森美全球第 1，此外还有索尼、三 星、韦尔股份（豪威科技）、思特威等；软件算法主要厂商有 Mobileye、地平线、极目等。

2.2.2 智车之“角”：超声波雷达

超声波雷达的工作原理是发射并接收超声波（频率通常大于 20KHz），在空气中波长一般小 于 2cm，根据时间差计算障碍物距离，探测距离在 0.1-10m 之间，优点是频率高、波长短、 绕射现象小、方向性好、定向传播等，缺点是距离信息不精准，探测距离短，一般适用于对 精度要求不高的场景，因此广泛用于泊车系统。常见超声波雷达分为 2 种，第 1 种是安装在 前后保险杠上，用于测量前后障碍物距离的驻车或倒车雷达，称为超声波驻车辅助传感器 （UPA），第 2 种是安装在侧面，用于测量侧方障碍物距离，称为自动泊车辅助传感器（APA ）。 通常 1 套汽车倒车雷达需要安装 4 个超声波传感器，而自动泊车系统则在原有基础上再增加 4 个 UPA 和 4 个 APA。

根据 ICV Tank 数据，全球超声波雷达以安装为口径来计算，2021 年市场规模为 88 亿美元， 安装量为 5.5 亿颗，预计 2022 年将达到 102 亿美元，安装量为 6.4 亿颗，2026 年将达到 145 亿美元，安装量为 9.7 亿颗。

渗透率方面，根据 ICV Tank 数据，2021 年全球 12 颗超声波雷达的方案占比达到 28.6%， 预计 2022 年将达到 36.5%，2025 年将达到 55.4%。根据 leadleo 和华经产业研究院数据， 中国超声波雷达市场规模 2020 年为 51.7 亿元，预计 2023 年将达到 62 亿元。

全球超声波雷达厂商仍以国外厂商为主导，根据华经产业研究院数据，2018 年全球超声波雷 达竞争格局中，法雷奥占比31.0%，排名第 1；博世占比 20.2%，排名第2；尼塞拉占比18.3%， 排名第 3；中国前装厂商奥迪威和上富电技分别占比 5.6%和 1.3%，排名第 5 和第 6。 综合企业规模、资本实力、研发能力、经营能力、行业影响力、成长潜力等六个一级指标综 合评判，根据高工智能汽车研究院数据，中国本土前装车载超声波雷达供应商 Top10 中，上 富电技、豪恩汽电、奥迪威分列前 3 名。

2.2.3 智车之“角”：毫米波雷达

毫米波即电磁波，工作频率为 30-300GHz，波长 1-10mm，毫米波雷达测速和测距原理都是 基于多普勒效应，通过入射波和反射波频率相减，得到二者差拍频率，通过判断差拍频率高 低从而判断障碍物距离。 毫米波雷达的可用频段有 24GHz、60GHz、77GHz、79GHz，主流车载毫米波雷达使用 24G Hz （用于中短距离雷达，15-30m）和 77GHz（用于长距离雷达，100-200m），相比于 24GHz，77GHz 毫米波雷达在性能和体积上都更有优势，其探测物体分辨率可提高 2-4 倍，测速和测 距精度可提高 3-5 倍，体积缩小了 1/3，更方便部署，并且带宽更大、功率更高、探测距离更 远，因此未来趋势将逐渐从 24GHz 向 77GHz（76-81GHz）过渡。

毫米波雷达的优势在于不受天气影响，即使是恶劣天气和光照情况下也能正常工作，穿透烟 雾、雨雪、灰尘能力强，具有全天候、全天时的工作特性，且探测距离远、精度较高、被广 泛用于车载距离探测，具体应用包括自适应巡航、碰撞预警、自动紧急制动、盲区探测等。 但劣势同样明显，包括无法识别物体颜色，视场角较小，需要多个雷达组合使用，同时对行 人的反射波较弱，难以识别，并且对金属表面非常敏感，一个弯曲的金属表面会被误认为是 一个很大面积的表面，在隧道里效果不佳。未来随着搭载毫米波雷达车辆增加，相近频率的 毫米波会相互干扰、降低了信噪比、严重时甚至会使雷达“致盲”。

根据 DIGITIMES Resarch 数据，全球毫米波雷达市场规模保持稳步增长态势，2021 年为 118.1 亿美元，其中中短距 55.1 亿美元，长距 63 亿美元，预计到 2022 年将达到 159. 6 亿美 元，其中中短距 84 亿美元，长距 75.6 亿美元。 根据佐思产研数据，全球汽车毫米波雷达厂商主要为海外厂商，其中博世占比 30%，排名第 1；大陆占比 28%，排名第 2；安波福占比 15%，排名第 3。中国车载毫米波雷达行业起步 较晚，行业仍处于初级发展阶段，走在前列的公司主要有华域汽车、德赛西威、纳瓦电子、 智波科技、森思泰克、华为等。

目前传统毫米波雷达仅可探测距离、方位以及速度三个维度，而最新的 4D 毫米波雷达在传 统功能基础上，多出了高度这一维信息，即具备测高能力，因此可以有效地解析空中的天桥、 路牌，地面的减速带、金属井盖等目标的轮廓和类别，进而感知传统毫米波雷达无法识别的 细小物体、静止物体或者横向移动的障碍物等。此外，还提升了探测距离和点云密度，有望 于 2022 年开启商用。 4D 毫米波雷达成本与传统毫米波雷达相近，但性能方面可媲美低线束激光雷达，在 L4/L5 级 别自动驾驶将可能发挥重要作用，但是目前还处于发展早期，在未来自动驾驶多传感器融合 方案中，至于是否能与激光雷达形成替代关系，目前尚无定论。目前已有多个厂商投入到 4D 毫米波雷达研发中，不仅有大陆、安波福、采埃孚等传统毫米波雷达巨头，也有 Mobiley e、 Waymo、华为等科技巨头，还有 Arbe、傲酷、华域汽车、森思泰克、纵目科技等新兴玩家。

2.2.4 智车之“角”：激光雷达

激光雷达通过发射激光，然后根据反射激光的时间差来探测物体的距离，探测距离可达 300m ， 工作频率为 100000GHz，波长集中在 600-1000nm 之间，由于其波长短精度高，可以探测 物体距离和表面形状，测量精度可达厘米级。此外，还可用于车辆定位，自动驾驶汽车定位 除了依赖 GNSS 系统，还依赖激光雷达生成的点云与数据库中的高精地图做对比，从而得出 汽车所在精确位置，精度可达厘米级。 激光雷达的优势在于能够很好的探测障碍物的距离、大小、表面形状，提高了障碍物检测的 准确性，算法比摄像头更为简单，抗有源干扰能力强，定向性好，测量距离远，时间短，大 多数整车厂、Tier1 认为激光雷达是 L3 及以上级别自动驾驶必备的传感器。当然也存在一定 劣势，包括在雨雪云雾天气下衰减严重，后期处理需要大量的坐标系转换，对硬件（CP U、 GPU、FPGA）要求高，技术门槛和成本较高。

激光雷达产业链中，根据盖世汽车数据，上游包括激光发射、激光接收、扫描系统和信息处 理，具体而言，激光发射包括激光器、发射光学系统；激光接收包括光电探测器、接收光学 系统；扫描系统包括旋转电机、扫描镜、MEMS 微振镜；信息处理包括放大器、数模转换、 FPGA。中游则是激光雷达的组装制造。下游应用较为广泛，包括无人驾驶汽车、地图测绘、 无人机、军事领域等。

不同技术特点对比及趋势：

1）单线与多线

激光雷达按照线数来分，分为单线和多线。单线激光雷达是指激光源发出的线束是单线的， 扫描出来就是一个二维平面的图（2D 激光），目前主要应用于机器人领域，以服务机器人居 多，可以帮助机器人规避障碍物。相比多线激光雷达，单线激光雷达在角频率及灵敏度上反 应更快捷，扫描速度快、分辨率强、可靠性高，所以，在测试周围障碍物的距离和精度上都 更加精准，同时成本更低。但单线雷达只能平面式扫描，不能测量物体高度，当前主要应用 于我们常见的扫地机器人、送餐机器人以及酒店服务机器人身上。 多线激光雷达是指同时发射及接收多束激光的激光旋转测距雷达，市场上目前有 4 线、8 线、 16 线、32 线、64 线、96 线、128 线等，多线激光雷达可以识别物体的高度信息并获取周围 环境的 3D 扫描图，主要应用于无人驾驶领域，对于激光雷达而言，线束越多，对目标物的 刻画越详细。

在无人驾驶领域，多线激光雷达主要有以下两个核心作用： 3D 建模及环境感知：通过多线激光雷达可以扫描到汽车周围环境的 3D 模型，运用相关算法 对比上一帧及下一帧环境的变化，能较为容易的检测出周围的车辆及行人。 SLAM 定位加强：同步建图（SLAM）是其另一大特性，通过实时得到的全局地图与高精度地 图中的特征物进行比对，能加强车辆的定位精度并实现自主导航。 对于激光雷达而言，视场角（Field Of View，FOV）越大，能够探测的范围越广。多线激光 雷达中，机械式水平视场角为 360°，混合固态/固态激光雷达水平视场角大约为 120°，垂直 视场角大约为 25°-40°。

2）ToF 与 FMCW

激光雷达按照测距方法的不同，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 在室外阳光下探测距离远 （100~250m），更适合应用于车载激光雷达。目前市场车载中长距激光雷达的主流方案是 ToF，FMCW 激光雷达大多处于概念机的阶段，而且大多采用分立的光学组件，分立组件通 常尺寸较大，随之而来的还有系统可靠性、生产成本、功耗等诸多问题，但 FMCW 激光雷达 具有可直接测量速度信息以及抗干扰（包括环境光和其他激光雷达）的优势。当前装载激光 雷达车辆并不多，随着激光雷达渗透率提升，FMCW 抗干扰的优势就体现出来，此外整机和 上游产业链日渐成熟亦将带动成本下降，因此 FMCW 激光雷达是未来发展的一大趋势。

3）EEL 与 VCSEL

对于激光雷达而言，发射光源有很多种，按工作介质不同，激光器分为固体激光器、气体激 光器、染料激光器、半导体激光器、光纤激光器和自由电子激光器 6 种。固体脉冲功率大， 转换效率最低（10%）。气体激光器效率低（20%）、功率低，体积庞大，但是可靠性好、光 束质量高。半导体激光器光束质量较差，但是转换效率高（30%-40%），功耗、体积和成本 都适合车载应用。如果对光束质量要求高，则可以采用半导体泵浦的光纤激光器（转换效率 20%-30%）。目前常见的几种光源主要包括边发射激光器(EEL)、垂直腔面发射激 光器 (VCSEL)、固体激光器以及光纤激光器等。

固体激光器采用固体激光材料作为增益介质，是闪光式车载激光雷达(Flash LiDAR)技术路线 的激光光源方案，能够实现大角度视场（如 125°x 25°），并且均匀照射，满足车规级高低温、 震动、寿命等可靠性要求，常见于闪光式车载激光雷达（Flash LiDAR）。 半导体激光器采用半导体材料作为增益介质，一般是 GaAs, AlGaAs, InGaAs 等，常见的有 EEL 和 VCSEL。EEL（Edge Emitting Laser）是边发射激光器，是一种激光发射方向平行于 晶圆表面的半导体激光器，波长以 905nm 为主，常见于扫描式激光雷达，包括机械式和 MEMS 激光雷达。VCSEL（Vertical-cavity Surface-emitting Laser）是垂直腔面发射激光器，是一 种以半导体为基础的激光二极管，从其顶面垂直发射高效光束，制造工艺与 EEL 相兼容，且 大规模制造的成本很低，生长结构更易于提高输出功率，还为各种复杂设计提供了可能，当 前波长以 810nm、850nm 和 940nm 为主。

目前 EEL 仍占据主流，根据 Yole 数据，2020-2026 年，全球 EEL 市场规模预计将从 29 亿 美元增长到 67 亿美元，CAGR 为 15%。其中光通信规模最大，预计将从 17 亿美元增长到 47 亿美元，CAGR 为 18%；显示、传感、医疗和照明领域预计将从 5 亿美元增长到 12 亿美 元，CAGR 为 15%。

根据麦姆斯咨询数据，VCSEL 下游各应用领域中，传感占比最大，为 75%，其次是通信， 占比 24%，此外还包括制造领域的工业热处理、激光打印，以及计时领域的原子钟等。对于 传感应用的 VCSEL，2021 年市场规模为 10.3 亿美元，在手机、汽车等下游需求拉动下，预 计到 2024 年将增长至 17.3 亿美元。

根据 Yole 数据，2021-2026 年，全球 VCSEL 市场规模预计将从 12 亿美元增长到 24 亿美 元，CAGR 为 13.6%。其中手机等消费电子领域规模最大，预计将从 8.0 亿美元增长到 17 亿美元；汽车领域规模不大，但是增速最高，预计将从 110 万美元增长到 5700 万美元，CA GR 为 121.9%。 根据 Techno Systems Research 数据，2019 年全球智能机 TOF 镜头 VCSEL 厂商排名中， 德国 Osram 占比 37%，排名第 1；纵慧芯光占比 32.6%，排名第 2，同时也是中国排名第 1 的厂商；美国 Lumentum 占比 17.4%，排名第 3；韩国 LG Innotek 占比 10.9%，排名第 4； 奥地利 ams 占比 2.2%，排名第 5（ams 已于 2020 年 7 月收购 Osram）。

4）905nm 与 1550nm

由于要避免可见光对人眼的伤害，激光雷达选用的激光波长有两种选择，一个是 1000nm 内 的，典型值是 905nm，可以用 Si 做接收器，成本低且产品成熟，尺寸也相对较小，是大多 数激光雷达厂商更倾向的选择；但是其抗天气干扰能力却偏弱，对雨雾的穿透力不足，最重 要的是 905nm 激光源在人眼安全方面存在风险。在实际使用过程中，如果要提升激光雷达 的探测距离，就必须提高发射激光的功率，从而发射更强的光脉冲，虽然 905nm 激光属于不 可见光，但当其直射人类眼球，并具有足够的能量时，就会损伤人类的视 膜。因此，以 905nm 激光为激光源的激光雷达必须在探测距离与人眼安全之间进行权衡。

还有一种是 1000-2000nm 之间的，典型值是 1550nm，这个波段 Si 无法探测，需要用 Ge 或者 InGaAs 探测器，成本会更高些，1550nm 激光源的波长更长，能量更低，其在光谱红 外线部分距离可见光波段更远，因此对人眼不会有太大的危害。这也就意味着，以 1550nm 激光为激光源的激光雷达可以以更高的功率发射激光进行探测，目前 Luminar、图达通、镭 神科技、一径科技、北醒光子等公司纷纷布局了 1550nm 激光。一般情况下，1550nm 激光 雷达的激光器功率约为传统 905nm 激光雷达的 40 倍，但由于 1550nm 激光雷达采用铟镓砷 （InGaAs）近红外探测器，比 905nm 所使用的硅基光电探测器更昂贵，因此 1550nm 激光 雷达的生产成本也相对较高。 目前 905nm 由于成本优势，仍然占据主导地位，根据 Yole 数据，905nm 占比 69%，1550nm 占比 14%。未来随着对探测距离要求提升，以及量产带来的成本降低，1550nm 有望获得更 广泛应用。

5）机械式、混合固态、固态

按照扫描方式的不同，激光雷达分为机械式、混合固态和固态激光雷达。 机械式激光雷达是在自动驾驶汽车上最先应用的激光雷达产品，顾名思义，就是通过部件的 机械旋转来完成激光扫描的，通过持续旋转发射部件，原本呈线状扫描的激光束实现了面状 扫描，进而达到了全方位的 3D 扫描。机械式激光雷达具有扫描速度快、接收视场小、可承 受激光功率高的优势。如今机械激光雷达技术相对成熟，但价格昂贵。 混合固态激光雷达的激光收发模块是不运动的，只有扫描模块在运动。按扫描模块的运动方 式划分，混合固态又分为 MEMS、转镜式和棱镜式三种。

固态激光雷达则完全取消了机械式扫描机构，完全通过电子的方式完成水平和垂直方向上的 扫描，内部结构没有任何运动部件，可靠性高、耐久性强，大大缩小了激光雷达的体积和价 格，具体又分为光学相控阵（OPA）和闪光（Flash）两种。未来随着技术逐渐走向成熟，有 望成为自动驾驶的标配。 目前机械式激光雷达仍占据主流，根据 Yole 数据，机械式占比 66%，混合固态 MEM S 占比 17%，固态 Flash 占比 10%，其他占比 7%。

我们认为，机械式激光雷达技术相对成熟，但是成本高、体积大、可量产性低，并不太适合 未来的自动驾驶。混合固态激光雷达目前技术相对成熟，能兼顾成本、性能、车规等要求， 但抗冲击可靠性存疑，长远来看，仅属于过渡产品。固态激光雷达中，Flash 受限于元器件 性能，无法实现远距离探测，OPA 技术壁垒高，但长远看，固态激光雷达结构简单、尺寸小、 扫描精度高、扫描速度快，固态化、小型化、低成本化将是未来激光雷达的发展趋势，未来 随着成本逐步降低，固态激光雷达有望成为主流应用。

6）探测器 APD 与 SPAD/SiPM

7）主控芯片 FPGA 与 SoC

目前激光雷达主控芯片以 FPGA 为主，主要实现时序控制、波形算法处理、其他功能模块控 制等，但随着市场对激光雷达产品的测远能力以及点频的要求不断提升，需要进行技术的改 进，从而实现核心收发芯片的升级换代，提升能量利用率，用更少的能量实现更远的单点测 距能力。 SoC 芯片的优势在于能够集成光电探测器、前端电路、算法处理、激光脉冲控制等功能模块， 显著降低系统复杂度和成本，因此适合进行大规模批量化生产，未来将有条件取代主控单元 FPGA，进一步提升系统性能和集成度。

根据 Yole 数据，受下游需求拉动，全球激光雷达市场规模稳步增长，2021 年为 20 亿美元， 预计 2022 年将达到 23.4 亿美元，2026 年将达到 57.2 亿美元，2021-2026 年 CAG R 为 23.4%。各厂商排名中，Trimble 占比 19%，排名第 1；Hexagon AB 占比 18%，排名第 2； 中国厂商禾赛科技和速腾聚创占比分别为 2%和 1%。

根据 Yole 数据，从下游应用占比来看，2020 年最大的是地图测绘，占比 61%；其次是制造 业，占比 17.2%。但是从增长潜力来看，增速最快的 3 个领域分别是 ADAS、智能设施和无 人车。其中 ADAS 将从 0.26 亿美元增长到 23 亿美元，CAGR 为 94%，是增长最快的下游 应用领域，2026 年占比将达到 40.4%，排名第 1；智能设施将从 0.66 美元增长到 4.0 亿美 元，CAGR 为 38%；无人车将从 1.0 亿美元增长到 5.8 亿美元，CAGR 为 32%。

自动驾驶应用中所需的更高分辨率传感与对高分辨率激光雷达的需求息息相关。随着全自动 驾驶系统的商品化变得更具挑战性，加之 OEM 厂商正在撤回相关投资，对高分辨率激光雷 达的需求正转向 ADAS 应用和半自动驾驶应用。根据 Strategy Analytics 数据，2021 年全球 激光雷达出货量 18.8 万颗，其中欧洲 11.4 万颗，占比 60.6%，排名第 1，预计到 2028 年， 全球激光雷达出货量将达到 970.7 万颗，中国 291.8 万颗，占比 30.1%，排名第 1；欧洲 284.4 万颗，占比 29.3%，排名第 2；北美 231.5 万颗，占比 23.8%，排名第 3。

汽车激光雷达领域，对比全球各厂商，根据 Yole 数据，法雷奥占比 28%，排名第 1；速腾聚 创占比 10%，排名第 2；Luminar/大疆览沃/电装/大陆集团/Cepton 占比均为 7%，华为/禾赛 科技占比均为 3%。2020-2026 年，汽车（ADAS 和无人车）激光雷达渗透率将从 7% 大幅提 升至 51%。

制约激光雷达大范围普及的，除了技术成熟度之外，就是价格，目前从几百美元到几万美元 不等。 全球首款量产的车载激光雷达是法雷奥的第 1 代激光雷达 SCALA1，于 2017 年搭载在奥迪 A8 中。SCALA1 采用了转镜式混合固态扫描方案，光源波长 905m，探测器为线性雪崩光电 二极管（APD），有效距离为 150 米，水平视场角 145°，垂直视场角 3.2°，尽管线数仅有 4 线，但这是全球第一款通过车规认证的激光雷达。根据 System Plus 关于激光雷达成本拆解 数据，SCALA1 的主板和激光器板为最主要零部件，分别占比 45%和 23%，年出货量 1 百 万颗时制造成本 105 美元/颗；览沃科技（大疆）Horizon 镜头模组和外罩为最主要零部件， 分别占比 54%和 16%，年出货量 1 百万颗时制造成本 260 美元/颗。

根据 Patience Consulting 关于部分激光雷达价格数据，各厂商公布的实际价格均不高于预期 价格，其中 Velodyne 固态激光雷达 Velaray 实际价格为 700 美元，仅为预计价格的 19.2%。 根据览沃科技的数据，随着激光雷达从机械式向混合固态、以及固态升级过程中，对应的价 格也将从机械式 75000 美元下降至固态 50 美元的水平。我们认为，伴随着价格逐步降低， 激光雷达将有望迎来大规模商业化普及。

2.2.5 摄像头/超声波/毫米波/激光雷达性能对比

对比摄像头、超声波雷达、毫米波雷达、激光雷达几类常用自动驾驶传感器，在性能及使用 上各有优劣。摄像头技术成熟、造价低，也是唯一能识别颜色和标识的传感器，但是受光照、 天气影响大，机器学习数据库训练样本大、周期长；超声波雷达受天气干扰小，但是测量精 度差，距离短；毫米波雷达不受天气影响，穿透烟雾、雨雪、灰尘能力强，探测距离远，但 无法识别物体颜色，视场角较小，对金属表面非常敏感，在隧道里效果不佳；激光雷达能够 很好的探测障碍物的距离、大小、表面形状，算法简单，但是在雨雪云雾天气下衰减严重， 技术门槛和成本较高。从频谱角度讲，主动传感器从超声波雷达到毫米波雷达，再到激光雷 达，工作频率越来越高，波长越来越短；被动传感器摄像头则工作在可见光（VIS，visibl e） 及红外线（IR，infrared）范围，红外又分为近红外（NIR，near-infrared）和中红外（MIR， mid-infrared），中红外就是熟知的热成像（thermal camera）。

2.2.6 视觉方案 VS 多传感器融合方案

目前在自动驾驶方案中，主要有 2 种，一种是视觉方案，以特斯拉为代表，此方案以摄像头 为主导来感知外界信息，属于被动视觉，由于需要处理行驶过程中产生的大量数据，因此对 算法和算力要求高，特点是“轻感知、重计算”，整体成本较低。 另一种是多传感器融合方案，也是目前大多数车企采用的方案，这种方案往往同时搭载摄像 头、超声波雷达、毫米波雷达、激光雷达等多种传感器，依靠激光雷达创建周围环境的 3D 感 知图，同时融合不同传感器的优势进行互补，从而感知外界信息，特点是“重感知，轻计算”， 早期激光雷达成本高达几万美元，目前已下探至几百美元水平，为激光雷达的推广使用奠定 了基础。

1）视觉方案向纯视觉方案升级：

马斯克曾多次在公开场合表示不使用激光雷达，他认为激光雷达“昂贵、丑陋、毫无意义”， 而且通过摄像头感知开发和训练一套模拟人类视觉的神经 络，就能够实现自动驾驶。从目 前在售的特斯拉 Model 3 来看，该车搭载了 8 颗摄像头，12 颗超声波雷达以及 1 颗毫米波 雷达。8 颗摄像头可为车辆提供 360°视角，前视窄视野摄像头最大探测距离可达 250m；12 颗超声波雷达则用于完善视觉系统的探测效果；1 颗毫米波雷达以冗余波长提供有关周围环 境的其他数据，这些数据可以穿透大雨，雾气，灰尘甚至前车之前的其他车辆。 最新的信息显示，特斯拉在美国官 宣布，“从 2022 年 2 月中旬开始，所有为北美地区市场 生产的 Model S 和 Model X 车型都将引入特斯拉纯视觉方案，即承诺其司机辅助驾驶系统 Autopilot 和全自动驾驶（FSD）套件将采用基于摄像头的感知方式。”这意味着特斯拉将原有 的视觉方案升级为纯视觉方案，取消了毫米波雷达。

2）多传感器融合方案百花齐放：

多传感器融合方案以 Waymo 为代表，是以激光雷达为主导，同时兼具摄像头、超声波雷达、 毫米波雷达等多种传感器的融合方案，包括奥迪 A8、沃尔沃 XC90 等众多车型均搭载了激光 雷达、摄像头、超声波雷达、毫米波雷达等多种传感器，通过融合多种传感器，形成性能优 势互补，不断提升自动驾驶水平。

从覆盖范围和功能上，长距毫米波雷达位于车头，探测距离最远，主要用于自适应巡航控制； 激光雷达一般位于车顶前方，探测距离次之，主要用于车辆紧急制动、行人检测和碰撞避免； 摄像头位于车身四周，探测距离更短一些，但是能覆盖周围 360°范围，前视摄像头主要用于 交通标志识别和车道偏离 警，侧视摄像头主要用于车身两侧环视，后视摄像头主要用于停 车辅助和车身后方环视；中短距毫米波雷达位于车头和车尾，探测距离比摄像头稍短，前置 主要用于倒车横向车流预警，侧后方主要用于盲点检测，后置主要用于后方碰撞预警；覆盖 范围最小的是超声波雷达，位于车头和车尾，主要用于停车辅助；全球卫星导航系统位于车 顶，主要用于车辆定位和导航。

随着自动驾驶级别逐步提升，功能逐渐丰富，传感器用量及价值量也水涨船高。根据 Yol e 数 据： L1 级别具备主动巡航控制（ACC）、车道偏离警告系统（LDWAS）功能，需要 6 颗传感器， 包括 4 颗超声波雷达、1 颗毫米波雷达（长距）、1 颗摄像头，合计 260 美元； L2 级别增加了停车辅助（PA）、车道维持辅助（LKA）功能，需要 13 颗传感器，包括 8 颗 超声波雷达、1 颗毫米波雷达（长距）、4 颗摄像头，合计 405 美元； L3 级别增加了自动紧急制动（AEB）、驾驶员监控（DM）、交通堵塞辅助（TJA）功能，需要 24 颗传感器，包括 8 颗超声波雷达、6 颗毫米波雷达（2 颗长距+4 颗短距）、7 颗摄像头（4 颗环视+2 颗前视+1 颗其他）、1 颗辐射热测量计、1 颗激光雷达、1 个航位推算系统，合计 2050 美元；

L4 级别增加了传感器融合（Sensor Fusion）、高速自动驾驶（AP Highway）功能，需要 38 颗传感器，包括 10 颗超声波雷达、8 颗毫米波雷达（2 颗长距+6 颗短距）、13 颗摄像头（6 颗环视+3 颗前视+4 颗其他）、1 颗辐射热测量计、5 颗激光雷达、1 个航位推算系统，合计 3430 美元； L5 级别增加了随时随地自动驾驶（AP Anywhere）功能，需要 35 颗传感器，包括 10 颗超 声波雷达、8 颗毫米波雷达（2 颗长距+6 颗短距）、9 颗摄像头（3 颗前视+6 颗其他）、1 颗 辐射热测量计、5 颗激光雷达、2 个航位推算系统，合计 3170 美元。

在自动驾驶发展过程中，传感器种类越来越多，功能也逐渐丰富，市场规模越来越大。根据 Yole 数据，2020-2025 年，摄像头模组市场规模将从 35 亿美元增长至 81 亿美元，CAG R 为 18%；毫米波雷达市场规模将从 38 亿美元增长至 91 亿美元，CAGR 为 19%；激光雷达市 场规模将从 4 千万美元增长至 17 亿美元，CAGR 为 113%。 2020 年中国车载雷达竞争格局中，毫米波雷达占比最大，为 66.7%；超声波雷达占比次之， 为 29.6%，超声波雷达占比最小，为 1.9%。我们认为，随着将来自动驾驶渗透率提升，激光 雷达成本下降，激光雷达占比有望持续提升。

不仅是传感器价值量提升，各类传感器中半导体价值量亦稳步增长。根据 Strategy Analytics 和 Infineon 数据，L2 级别为 160 美元，L2+级别为 560 美元，L3 级别为 630 美元，L4/L5 级别为 970 美元。

视觉方案严重依赖海量数据训练，特斯拉已经先发制人，在有大量车型销量的前提下，特斯 拉视觉算法的训练已经超出其他车企一大截，如果后来的车企采用纯视觉方案，因为起步比 特斯拉晚，也没有足够数量的汽车在路上跑，那就没有海量数据训练的基础，没有数据训练 也就没有更好的自动驾驶能力，出事故的概率更大，这样反过来又会影响自家汽车的销量， 陷入一种恶性循环。因此后来的车企更倾向于采用摄像头+雷达的多传感器融合方案，通过雷 达来弥补自身视觉算法能力的不足，从而达到量产商用的自动驾驶水平。

特斯拉凭借先发优势，在视觉方案上将持续领先，未来方向是无限接近人眼水平。其他车企 起步晚，在视觉方案上将一直处于落后地位，如果特斯拉视觉方案水平发展越快，其他车企 视觉方案与特斯拉的差距就会越大，就越不会采用纯视觉方案，否则将