激光雷达:驶向千亿星辰大海(深度)

（以下内容从国泰君安《激光雷达:驶向千亿星辰大海(深度)》研报附件原文摘录）
　　This browser does not support music or audio playback. Please play it in Weixin or another browser. Feel This Moment 音乐： Pitbull;Christina Aguilera - NOW That‘s What I Call Club Hits 行业深度系列 1. 激光雷达是实现自动驾驶的关键 1.1. 激光雷达：用光感知世界的传感器 激光雷达（Lidar-Light Detection and Ranging）关键词是“光探测”和“测距”。激光雷达通过光探测距离生成数以千万计的数据点生成点云，为机器和计算机提供3D周围环境的准确展示和感知，让“看见”和“看清”赋能新一代汽车。 优秀的车载激光雷达需要具备良好的测远能力、精度、高清晰度，高性价比和低功耗。具体来看，假设高速路段行驶速度为100km/h约合28m/s，一般情况下100km/h到0km/h制动需要3-4秒左右，所以高速刹车制动距离为100-150m。对于自动驾驶主雷达，为了保证高速行驶安全，激光雷达探测距离需要在200-250m以上较为安全。拥有良好的测远能力意味着留给系统进行感知和决策的时间越长，安全性更好。拥有良好的角分辨率使探测器对探测目标物有好清晰度和识别能力。同时，低功耗在实际应用当中对安全有巨大帮助, 更少电能消耗，意味着获得更多续航里程。 Velodyne创始人David Hall开创了激光雷达新纪元。回顾激光雷达发展历史，激光测距技术于1960年代出现，激光雷达最早在1970年代用于地形测绘和测深系统，为全球定位系统和导航系统的发展提高了准确性。2005年Velodyne创始人David Hall发明了3D实时激光雷达，开创了激光雷达在无人驾驶领域的新纪元。 近年车载激光雷达的进程可以分为三大阶段： 1）2007年-2016年是激光雷达商业化探索阶段。从单线扫描到多线扫描，从机械扫描到混合固态扫描技术探索。科技巨头加入自动驾驶探索领域，激光雷达被陆续应用于多个自动驾驶项目。 2）2016年-2020年激光雷达受到主机厂的重点关注。电动化、网联化、智能化、共享化是未来汽车的发展方向，国内外多家科技企业纷纷加入，探索激光雷达科技在车载领域的应用，助力智能化发展。 3）2020年至今激光雷达行业高速发展，并陆续量产上车。2020年是美股激光雷达大批量上市之年，以Velodyne、Luminar为代表的多家企业通过SPAC迅速上市，但目前美股激光雷达公司尚未扭亏为盈。海内外科技公司基于对自动驾驶发展路径的不同理解和企业自身的独特优势，给予市场多类别激光雷达解决方案，这些方案被广泛应用于车辆、工业、测绘等多个领域。目前国内的激光雷达已量产上车，为汽车安全性能和智能化保驾护航。 1.2.通常采用测距方式、扫描方式对激光雷达进行分类 激光测距单元由激光源、光学镜头、光电探测器和信号处理器组成。激光发射器通过光学镜头发射激光，再由光电探测器系统将光转化为电信号，最后由信号处理单元计算并比较收到信号和发送信号的异同来获取环境信息。不同的测距原理会有不同的信号处理方法。 激光雷达具有很高的产业附加值。激光雷达行业上游是光学及电子元器件；中游是不同类别的激光雷达；下游是车辆、智能制造、智慧城市等多场景、多行业应用。 激光雷达主要包含发射、接收、信息处理三大模块。发射端的发射光学系统包括光束控制器、激励源、激光器；不同光源成本差距较大，发射端是激光雷达重要成本构成，占30%-50%。接收端将光信号转换成电信号，主要有光电探测器以及处理芯片，最后放大信号并使用芯片进行处理。光束控制需要扫描系统，不同扫描方式会有不同结构设计。 1.2.1 按测距方式分：TOF和FMCW TOF是目前最为成熟和广泛应用的测距方式，根据光反射回的时间测距离。具体来说是通过用脉冲激光照亮目标并测量反射返回信号的特性来工作。脉冲光的宽度范围可以从几纳秒到几微秒。TOF激光雷达主要部件有激光器、放大器、光电转换器等。TOF激光源目前有905nm和1550nm两种，通常情况下905nm探测距离为100-200m，由于靠近可见光对人眼有影响，因此难以通过加大功率增加探测距离，导致探测距离有限。1550nm探测距离能达到250m，且有更好的安全性，但由于1550nm接收器需要采用铟镓砷光电探测器芯片，导致当前成本较高。 FMCW（Frequency Modulated Continuous Wave）是一种对光进行调频，根据频率差得到物体距离的测距方式。接收器采用相干检测，可以获得更高的探测距离，抗干扰能力更强，并且能够直接检测物体的速度，并立即区分静止物体、相向和同向行驶。FMCW激光雷达主要有激光器、探测器、相干光路和扫描部件（通常为OPA）构成。FMCW光源一般采用1550nm窄线宽激光器。 可以通过反射信号和发射信号的频率是否相同判断物体是否处于静止状态。对于逐渐靠近的物体，返回信号会产生正向多普勒频移，对于逐渐远离的物体，返回信号会产生反向多普勒频移，导致频率发生上移或下移并由此区分物体移动方向。 目前TOF为市场中最为成熟的激光雷达测距方式，也是商业化激光雷达应用最多的测距方式。通过监测激光发射与回波的时间差，基于光速和测量时间差计算目标距离。TOF的最大优势在于探测精确、性价比高、技术成熟、响应速度快。缺陷是需要算法抗干扰，并根据反射率判断是否为伪目标，所以对算法有较高的要求。FMCW可以根据多普勒效应判断目标移动方向，信息更丰富且对环境强光和其他激光具有很好的抗干扰性能。总体来看测距方式未来将从TOF逐渐向FMCW切换，且两种测距方式将会在不同场景中共存。 1.2.2. 按扫描方式分：机械式、混合固态、固态激光雷达 机械旋转激光雷达是最早的扫描方式，但由于零件多、寿命短、价格贵、体积大，不适用于量产车辆。机械式激光雷达收发光源、接收器以及扫描系统坐在圆盘底座上。随着外部电机的转动，收发架构会沿着这个圆盘进行转动，实现水平空间的360度扫描。优点是外部电机控制技术比较成熟且能够长时间保持稳定转速；缺点是体积大难以集成到车顶，且激光雷达价格仍然过高而不符合大规模自动驾驶场景的需求。2005年Velodyne创始人David Hall发明了3D实时激光雷达，2007年率先实现量产，推出首款商用量产实时3D雷达，在早期获得多家无人驾驶公司的青睐。 混合固态是当前激光雷达最主流的结构，也是未来十年车规量产的最佳路线。混合固态系统包含固定光源以及动态扫描系统。相较于机械旋转激光雷达，半固态激光雷达尽管视场相对较窄，但具有结构更简单、成本更低的优势，适合作为前置主激光雷达量产上车。混合固态激光雷达的扫描方式可细分为单轴镜扫描、双轴镜扫描、MEMS以及棱镜扫描。目前从下游车载应用来看1550nm和双轴镜扫描方案在探测距离、精度和上车稳定性方面暂时领先；905nm的混合固态方案在量产、产业链成熟度和成本上暂时领先。 1）转镜扫描结构有单轴镜和双轴镜，体积小于纯机械式，当前应用广泛。这种扫描架构的优点是收发系统固定在整个雷达模块里，旋转模块比较小，能够极大的减少体积，压缩成本。同时由于重量较轻，电机轴承负荷小，使得运行更加稳定，寿命更长，更容易满足车规需求。波长方面同时存在905nm和1550nm技术路径。当下采用1550nm和双轴镜扫描方案的主要为Luminar和图达通，均为行业顶尖高性能激光雷达厂商，产品在10%理想散射的状态下具有250m探测距离以及优于0.1度角分辨率的超高性能。图达通高性能激光雷达已标配上车蔚来部分车型，目前已经交付了近2000辆。 2）MEMS方案是用芯片级别的小镜子取代机械转轴。MEMS是芯片化的组件，摆脱了电机、镜面等机械组件，实现了毫米级的激光雷达尺寸，从而可以获得更低的成本和更高的集成度。但由于尺寸原因导致摆动角度和通光口径偏小，测距能力有限且需要更多激光器拼接多个点云，对算法和稳定性均有较高要求。在车载方面，MEMS本身属于微振动敏感性器件，易受冲击、振动、温漂的影响，在长时间车载使用的过程种中会受到一定的挑战。 3）棱镜扫描的代表企业是大疆LIVOX，适合低速高精场景。棱镜扫描采用2-3块棱镜控制激光雷达扫描非重复性的方向，典型特征是输出的图像中间会比周边的扫描密度大一些。在时间充裕下可扫描整个视场。棱镜主要优点是透光性较好，不需要太多激光器、收发器，能够降低成本。同时组件可以固定，可靠性更高。棱镜方案劣势在于中心和四周的扫描区域均匀性存在差异，且成像范围不一致会导致激光雷达在高速移动过程中出现成像不连续的情况，需要后期算法补偿。基于以上特征，棱镜方案更适合扫描精度要求高、时效要求低的应用场景。 固态激光雷达是激光雷达的发展方向，主要包括Flash激光雷达和OPA激光雷达。纯固态激光雷达在混合固态方案的基础上进一步简化机械结构，采用固定光源和固定探测模式，不需要扫描器件可以实现更低成本并且无需担忧电机稳定性。根据调研结果来看，目前纯固态激光雷达缺陷尚未完全解决，其中Flash激光雷达的缺点在于探测距离近；OPA激光雷达对材料要求比较苛刻，目前做出的产品也只能探测20-30m距离。 Flash方案和照相机成像的原理非常类似。Flash方案的光路和架构都比较简单，收发对称，没有任何的扫描组件，成本更低、可靠性更高。缺点在于不管是采用VCSEL还是EEL光源，发射后能量发散会导致测距能力下降。 OPA激光雷达通常搭配FMCW测距方式，未来有望实现高稳定性、任意方向控制、低成本、平均功率几百毫瓦的超低功耗以及超过500m探测距离。OPA采用相干原理，在两个水波纹叠加后，如果满足半波长的整数倍，会形成相干相加或者相交的特性，可以利用这种特性控制波数的时间差从而控制扫描方向。这种方案的主要优点在于集中度很高，并且波长和方向优势带来更高信噪比，体积更小，更适合车规级需求。OPA方案的难点是插入损耗和旁瓣问题。具体来看是因为同一束光产生干涉，在相邻的几束光满足条件后很容易形成旁瓣，会有多余的能量分掉探测主能量，影响测距能力。纯固态激光雷达部分技术和光通讯类似，目前在通讯行业中III-V族半导体技术占主流，硅光芯片仍处于上升阶段，硅光技术有待突破。 从扫描方式来看激光雷达从机械式逐渐向纯固态演进。通过零件更少的架构和更先进的测距方式获得更强的稳定性、更长的寿命、更远的探测距离、更高的探测精度以及更低的成本。目前已有量产车型的激光雷达多采用混合固态结构，短期来看未来5-8年混合固态激光雷达将成为主流解决方案，单个混合固态激光雷达量产后价格有望降至500美元以内；长期来看固态激光雷达在获得硅光技术突破后值得期待。 1.2.3. 激光收发系统：不同路径下产业链构成不同 从发射端激光器来看，可分为垂直腔面发射激光器VCSEL、边缘发射激光器EEL、固体激光器和光纤激光器。具体来说，垂直腔面发射激光器VCSEL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，而边缘发射激光器EEL是从侧面发射光束。由于VCSEL有更高的效率和更窄的带宽，也因此有更高的信噪比。VCSEL积极用于替代LED以进行车内感应，可以用于盲点检测、车道偏离和追尾警告需要中短程激光雷达。同时由于VCSEL可以在阵列中实现，例如在200个VCSEL的阵列中，如果有一个出现故障，系统仍有199个光源可以使用，因此获得更多发射器冗余，以允许软故障模式延长其使用寿命，因此VCSEL不像基于单个或少数LED或EEL的系统那样容易受到灾难性的光学损伤。从发展趋势来看，未来会向更高电压和更低电流的VCSEL迁移，同时需要严格的封装技术以降低电感应。固体激光器常用于Flash固态激光雷达，具有信噪比极好、可调功率、窄线宽、高灵敏的特点。光纤激光器采用掺稀土元素玻璃光纤作为增益介质的激光器，可在光纤放大器的基础上开发出来。通常在1550nm技术方案中会采用光纤激光器，有高效率、低功耗、光束质量好的优势，Luminar是采用此方案的代表厂商。 从发射端波长选择来看，905nm是目前市场上采用最多的方案，1550nm波长则是性能最佳的方案。905nm主要优势在于安全、功耗和组件供应链技术成熟，最适合自动驾驶汽车和ADAS系统的工程、开发和生产需求。由于眼可见光波长在380-780nm之间，905nm激光雷达出于对人眼保护需要保持低功率运行，所以探测距离提升有上限并且会受到环境光照的影响。1550nm主要优势在于远离可见光，对人眼安全，故可以通过提升发射功率以获得更强性能，在应用中实现更远的探测距离、更加精细的物体障碍识别，作为无人驾驶的主激光雷达有显著优势。 激光雷达接收端从PD/APD向SPAD/SiPM发展。光电探测器通过光电效应将光信号转化为电信号，实现信号探测的器件。从探测器原理来看，高增益探测器的主要优势是抗干扰和不确定性能力很强，所以未来逐渐从具有100倍增益的APD向具有100万倍增益的SPAD和SiPM发展，能获得更稳定、灵敏的探测精度和更远的探测距离，并进一步实现芯片化一体化。 FPGA芯片通常被用作激光雷达的主控芯片。激光雷达的信息处理端需要对收到的信息进行处理计算最终建立立体模型。目前赛灵思提供了市面上绝大多数主控芯片。由于在算法方面还需要迭代，目前计算端将部分功能集成到ASIC，再集成FPGA配套。未来随着技术不断迭代，激光雷达有望通过芯片集成逐步替代FPGA，接收端芯片化也是行业共识。 1.3. 激光雷达是是实现自动驾驶的关键 1.3.1 激光雷达属于自动驾驶感知端 自动驾驶由感知、预测、规划、控制四大关键部分组成。首先通过各类传感器获得相机图像、激光雷达点云等周围原始数据，得到车道、可驾驶区域、运动物体和交通信号等信息，之后预测移动障碍物的意图和轨迹，并根据获得的信息优化车辆的路线和行动，最后控制车辆完成加速、减速、转向等动作来跟随规划路径。激光雷达在自动驾驶中属于感知部分的重要信息输入来源。 1.3.2 激光雷达让辅助驾驶迈向自动驾驶 自动驾驶按照车辆自动化程度分为6个等级，L3级之后在使用自动驾驶功能时驾驶员无需驾驶汽车。具体来说，在L3以后的驾驶决策由汽车来制定和执行动作。SAE和中国《汽车驾驶自动化分级》均把L3级别作为辅助驾驶和自动驾驶分水岭。自动驾驶是通过车载感知系统感知道路及交通参与者的信息，由系统自动规划行车路线并控制车辆到达预定目的地的驾驶技术，在车辆行驶过程中不需要驾驶员的参与。目前较为普及的为L2级别辅助驾驶，主要具备ACC自适应巡航、自动泊车等辅助功能。3级自动驾驶在系统接管后实现以系统为导向到自动驾驶无需驾驶员控制，可以实现高速及部分市区路段自动驾驶场景。驾驶主动“人控”和主动“车控”的是主要区别。 自动驾驶感知方案分为轻硬件重算法的视觉方案和以激光雷达为主的多传感器融合方案。当前汽车制造商正在为车配备各种先进的控制和传感功能，例如碰撞警告、避让系统、盲点监视器、车道保持辅助、车道偏离警告、自适应巡航控制等等是一些成熟的驾驶辅助案例，使驾驶体验更安全、更轻松。对于自动驾驶通常有纯视觉和多传感器融合两种路径：特斯拉坚持纯视觉方案，采用来自多个摄像头的图像通过神经网络进行分析，利用海量数据来做出关于加速、制动和转向的决定，特点为轻传感器重算法。其他厂商均采用激光雷达、相机、毫米波雷达多传感器融合方案提升安全性能，特点是重硬件轻软件。激光雷达、毫米波雷达、超声波传感器和摄像头各有优缺点。高度自动驾驶和完全自动驾驶的车辆需要多传感器融合，能在各种天气和照明条件下创建精确的车辆周围环境感知以及长短距离地图。大众汽车集团首席执行官赫伯特·迪斯也提到“激光雷达是系统提供冗余感知的唯一方法。安全对于自动驾驶来说非常很重要，L3驾驶需要感知冗余。” 不同传感器各有优缺点。超声波在几米以外的空气中会出现强烈的衰减，因此主要用于短距离物体检测。毫末波雷达有不同距离范围选择，环境干扰能力强，可以满足车辆对全天气候的适应性的要求，但由于分辨率较差无法识别物体。相机性价比高且易于使用，尽管能够通过算法感知深度，但是强烈取决于周围光照条件和需要大量数据处理以提取有用信息。相机是唯一能看到颜色的技术，并且可以应用在车道保持辅助功能。激光雷达通过发射激光来测量物体与传感器之间精确距离并在没有大量后端处理的情况下获取周围物体的精确距离及3D信息，以实现避障功能。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。 特斯拉纯视觉方案需要海量行驶数据支持，以激光雷达为主的多传感器方案更适合大部分车企。特斯拉在2014发布自动驾驶辅助系统时激光雷达技术不成熟并且价格过于昂贵，于是选择纯视觉方案。在数据收集上有先发优势，当前市场特斯拉存量已经超过200万台，并有累计超过2亿英里的自动驾驶数据。从纯视觉方案角度来看，其他单一车企难以在短期超越特斯拉的累计数据量。随着激光雷达技术的发展和商业化，以激光雷达为主的传感器融合方案是当下大部分车企选择的主流路径。目前越来越多的车企均配置1-2颗激光雷达，从算法层面来看，由于激光雷达探测距离精度高，算法公司评测感知能力的真值甚至深度学习真值来自激光雷达。采用前置激光雷达在感知融合时可以直接采用激光雷达的信息，抛弃视觉信息，直接判断前车大小和距离。在不同光照条件下对障碍物的有效检测，能够降低急刹和晚刹概率，提升驾驶安全性和舒适性。在现实生活中动静物体分布和种类都比较复杂，单一传感器很难达到高的识别效果，以激光雷达为主的多传感器融合将为驾驶带来全新安全保障。 激光雷达通过三维建模提高精度，可补足其他传感器弊端并加速实现自动驾驶。激光雷达具有高清晰度、远探测距离、提供实时3D地图的优势，在多传感器融合方案受到奔驰、宝马、大众、日产、丰田、蔚来、理想、小鹏等新旧造车势力的青睐。同时，由于所有传感器类型都有局限性，为了使不同传感器在变幻莫测的驾驶条件下都需要作出正确的决策，多传感器互补在不同维度保证了驾驶安全冗余。 L2自动辅助驾驶通常采用摄像头与毫米波雷达融合。L1、L2级车辆通常具有一个前置远程雷达和一个用于自适应巡航控制、紧急制动辅助和车道偏离警告/辅助的摄像头，两个后向中距雷达实现盲点检测，以及4个额外摄像头和12个超声波传感器可实现360度视野实现泊车辅助功能。 L2+是从辅助驾驶走向更高级别自动驾驶的必经之路。具体来说，激光雷达也需要时间收集数据并更新软件调整优化，并不是自动驾驶的灵丹妙药，但由于其在不同光照条件下精准的探测能力可以降低算法难度而受到欢迎。过去，由于需要采用机器学习来训练模型识别物体，摄像头即使有大量数据也难以避免边角案例。毫米波雷达分辨率较差，通常在算法上会过滤相对于路面不移动的雷达回波，以保证车辆在遇到隧道洞、路牌等情况下能正常行驶，但遇到白色卡车横在道路中央的极端案例会导致相机和毫米波雷达双双失效化身马路杀手造成不幸。不同于摄像头需要训练模型，激光雷达在面对未知物品时至少能够给予安全范围指导，所以L2+级别的辅助驾驶配备激光雷达不仅极大提升驾驶安全性，全面保障驾驶员和乘客的安全，更能收集实时数据为L3打下基础。硬件预埋和后续OTA远程升级是当下整车厂的常用方式。例如最早上线激光雷达的小鹏也采用了硬件预埋及后续OTA升级开启使用功能的路径。 自动驾驶采用激光雷达可以获得高安全冗余。车辆通常会配备前置远距激光雷达在其他传感器受限时可获得安全冗余，例如摄像头在夜晚或强光下无法识别时。同时由于激光雷达具有高分辨率、广角大和精度高的特点，是检测、分类物体、跟踪地标以进行定位的必备功能。在高速公路应用通常还需后向长距激光雷达检测高速公路上的接近车辆，提供更全面的感知。对于L4/L5级车辆通常需要使用不同传感器获得360度视图，以提供冗余并消除每个传感器的缺点，可能会采用5-10个摄像头、8-12个毫米波雷达和5-12激光雷达。当然，技术创新和突破可能会改变无人驾驶传感器配置。 1.3.3. 激光雷达上车核心是量产能力、车规级可靠性和成本 激光雷达从快速上车角度来看，需要平衡性能、可靠性、可量产、低成本四大方向。激光雷达作为车规级产品关乎生命安全，对可靠性要求极高，十分考验厂商的研发和制造能力。车规级产品需要满足-40-105°C使用环境和15年使用寿命，同时要保证0失效率，难度较高。在制造过程中也需要设计安全冗余保证量产良率，同时也能降低成本。在满足使用性能的前提下，车规级可靠性是保障安全的技术，可量产和成本也是上车关键。 激光雷达可通过结构优化、量产、自主研发降低成本。从技术路径发展来看，从机械式到混合固态再到纯固态，通过减少动态部分，压缩产品体积、提高集成度都是降本的主要方式。例如Velodyne机械激光雷达在2007年首次推出的产品单价为75000美元约合50万人民币，如今已上车的混合固态激光雷达价格在800-4000美元，从结构上已经能大幅降低产品价格和成本。另外一方面，随着供应链成熟度提高以及企业量产能力提升，随着采购量提升天然会有成本降幅。同时通过ASIC自主开发解决FPGA贵和进口依赖的痛点，未来实现更高自主可控性和更有价格竞争力的产品。下游车厂普遍认为当激光雷达价格到达500美元以内时，有望获得更大批量装车。 2.激光雷达行业发展的现在与未来 2.1. 千亿蓝海赛道，高速成长确定性明确 激光雷达广泛应用于多领域，车载激光雷达市场成长最快。激光雷达市场规模较大且处于快速发展期。由于其精准的测量优势，广泛应用于自动驾驶汽车、工业、无人机、机器人和3D测绘等终端市场中。在自动化、智能化的大背景下，根据Yole测算，激光雷达整体市场将从2020年1.8亿美元增长到2026年的57亿美元，复合年化增速高达23%。目前激光雷达市占率最高的企业Trimble、Hexagon、Topcon、Sick AG来自测绘和工业自动化行业。在激光雷达下游应用中车载激光雷达增速最快，从2020年2600万美元增长至2026年23亿美元，复合增速达94%，呈现爆发趋势。和车载激光雷达相关应用机器人车和智慧城市建设增速也不容小觑，机器人车从2020年1.03亿美元增长至5.75亿美元，复合年化增速32%，智慧城市将从2020年6600万美元增长至3.95亿美元，复合年化增速38%。 在无人驾驶快速发展的背景下，2030全球用于ADAS/AD系统的传感器市场规模将超千亿人民币。根据麦肯锡预测，2020-2030年用于ADAS/AD系统传感器总规模将从2020年130亿美元增长至2030年430亿美元，年化复合增速为13%；其中增长主力为激光雷达，将在2030年增长至120亿美元，年化复合增速为80%。 2022年是激光雷达上车元年，自动驾驶加速渗透带动激光雷达放量。目前激光雷达厂商均以初创公司为主，截止2021年第三季度一共有29个产品获得汽车行业采纳，其中法雷奥、速腾聚创、Luminar为前三名。中国企业速腾聚创市占率为10%，大疆、赛瞳科技分别占7%，图达通、华为、禾赛科技分别占3%。在波段选择方面有69%采用905nm激光。在扫描方式方面有66%采用机械扫描，包括纯机械旋转、转镜、振镜等细分方式。根据调研结果来看，中国激光雷达在全球抢跑，车载激光雷达行业确定性极高，2022年预计出货量20-30万台，2023年预计出货100万台，从0到1的突破走向1到N的大规模量产上车。 激光雷达厂商纷纷加入战局，玩家遍布全球。2020年-2022年是激光雷达厂家集中上市大年。头部玩家Velodyne、Luminar、Aeva、Innoviz、Ouster、Aeye、Quanergy、Cepton纷纷通过SPAC上市。 2.2. 激光雷达是车企新一代“军备竞赛” 激光雷达从定点到量产、从选配到标配，彰显车企心。2017年法雷奥上车奥迪A8打响激光雷达上车第一枪；2021年激光雷达选配导入市场，上车小鹏P5、宝马ix、摩卡和银狐阿尔法S；2022年蔚来ET7全系标配并量产出货，目前交付超过4000台，也让图达通成为全球范围内第一款量产上车的高性能激光雷达的产品。海外方面，沃尔沃将在2022版电动XC90 SUV上标配Luminar激光雷达。激光雷达标配展现了车企对自动驾驶的信心与对激光雷达的高度认可。海外大众用车巨头Nissan也宣布将在2030年之前达成新车全系标配激光雷达。目前大部分车企宣布合作几乎都是选配，说明部分车厂将激光雷达作为销售亮点，可能对于激光雷达有所保留或者处于观望的状态，未来量产后有望实现全系标配。 中国激光雷达企业上车速度领先于海外。在国外大部分激光雷达厂家仍处于定点阶段到情况下，中国激光雷达已有选配和标配激光雷达汽车出货。从公开的2021-2022量产车型中可以看见大部分可选配激光雷达的车型为中国新能源车，并且大部分在20万元以上，配备1-5个激光雷达，大部分车企采用了MEMS和转镜扫描方式的激光雷达。从激光雷达企业角度看，速腾聚创在定点和量产上目前位列第一。2021-2022量产上车的激光雷达厂家中大疆Livox有1个合作，速腾有6家厂商合作，图达通和蔚来合作，华为和3家厂商合作，lbeo和摩卡合作，禾赛有3家厂商合作，Luminar有3家合作，法雷奥有2家。 从车厂规划来看有望2025达成L4/L5级别自动驾驶，下游装机量、率齐升。从区域上看，欧美日韩主机厂在L4级发展最为领先，奔驰、通用等已进入L4级试点运营阶段，宝马、大众、奥迪等主力厂商有较详细落地计划。中国车企目前在L2和L3级别较多，L4、L5仍在远期规划中。2020和2021年中国自动驾驶功能装配量和装配率都有大幅提升，具体来看L2+自动驾驶功能装配量从2020年303万辆增加至2021年479万辆，渗透率从2020年16%增加至2021年24%。2022Q1中国乘用车L2及以上自动驾驶功能装配率达30.1%，同比增加12.7%，可以明显看出L2+自动驾驶渗透量和渗透率均有显著提升。 中国汽车产量整体较为稳定，25万以上车型销量占比有所提升。从汽车销售结果来看，25万以上车辆占比从2019年21%上升至截止2022年5月的29%，占比上升明显。15-25万占比从2019年25%提升至27%，略有增长。10-15万占比从2019年32%下降到26%，10万以内占比从2019年23%下降到18%，说明15万以内车辆销售占比有明显下降。从销售价格比例来看，有一定车辆消费升级趋势。从销售映射到激光雷达上车角度来看，我们在调研中发现通常20万以上的车型会配备激光雷达，35万以上较为高端车型会配备2-3个激光雷达，部分高端车型或选择具有更强探测精度和体验的1550nm波长激光雷达。总体来看，目前25万以上车辆占比超过29%，15万以上车辆占比已超过55%。 我们预计2023-2024年激光雷达将迎来重要拐点。从激光雷达企业出货调研以及下游主机厂对激光雷达需求推断，我们认为到2025年中国车载激光雷达市场规模将突破200亿元。 调研结果： 1）从激光雷达厂商调研结果来看，2022预计出货20-30万个，2023预计出货100万个以上。 2）搭载激光雷达的车型通常在20万元及以上。 3）根据国内外车企反馈结果普遍希望激光雷达价格在500美元以内。 4）图达通从量产、供应链优化以及设计优化的降本分析得出，激光雷达价格每年可以降低20%-30%。 关键假设： 1）车企在激光雷达价格低于500美元的时候会采纳激光雷达，对应20万级汽车售价1.5%以内。 2）L3级别汽车平均配备1.5个激光雷达，L4/5级别汽车平均配备6个激光雷达。 3）根据《智能网联汽车技术路线图2.0》指引，2025年我国PA（部分自动驾驶）、CA（有条件自动驾驶）级智能网联汽车销量占当年汽车总销量比例超过50%，对应L2+自动驾驶装车渗透率50%。 2.3. 政策加持助力自动驾驶加快落地，深圳率先迎来重大利好 新规出台让自动驾驶明确责权，有利于产业发展。智能汽车已成为全球汽车产业发展的战略方向，有利于提升产业基础能力，加速汽车产业转型升级，加快制造强国、科技强国、网络强国、交通强国、数字中国、智慧社会建设，增强新时代国家综合实力并保障生命安全，提高交通效率，促进节能减排，增进人民福祉。《深圳经济特区智能网联汽车管理条例》在2022年6月深圳市七届人大常委会第十次会议上获表决通过，宣告我国开始进入高阶自动驾驶合法上路新阶段，从法律的角度为自动驾驶产业发展提供了极大支持，明确责权分配，为加速自动驾驶在现实场景落地起到良好带头作用。相信未来会有更多地区相继出台有关政策，全面支持和推动产业发展。 2.4. 激光雷达厂商成长路径预测：从硬件到软件全栈服务 全球激光雷达领先企业均拥有从硬件到感知软件的服务能力和解决方案，实现感知回流融合的闭环，一站式解决车辆从“看到”到“看懂”的难题。多数车厂选择激光雷达硬件预埋，激光有效数据收集为后续多传感器融合及模型训练提供海量数据。我们认为顶级激光雷达企业应当具有良好的技术能力、量产上车能力和软件应用迭代能力，使公司在短期中期和长期都具有良好的竞争优势。 从短期量产角度来看，未来5-8年转镜和MEMS都是出色的解决方案。转镜和MEMS的混合固态解决方案是目前最适合量产上车的技术路径，能够满足车规级要求，并具有较长的寿命和可靠的稳定性，非常适合上车采集数据为多传感器融合提供海量数据训练基础。在此阶段，能够量产上车的激光雷达企业能获得阶段性胜利，并由上路收集到的数据回流模型筑起护城河。我们认为由于长期技术路径暂未收敛，竞争格局尚不明晰。 长期来看数据为王。具体来看，上车更多更早的公司更能够发现激光雷达在实际应用场景中的缺陷和弊端，自动驾驶乘用车需要综合能力持续稳定量产交付，先卖车出去才能实现数据回传闭环体系。在此基础上有望在下一步模型训练中获得更多优势并拥有更强竞争力。 3.代表性企业：自下而上感知行业发展 3.1. Velodyne：全球激光雷达开创者 Velodyne是激光雷达的全球领先企业。Velodyne成立于1983年，总部位于美国加利福尼亚州圣何塞，前身是一家声学低音炮设计和生产制造商，通过2005年实时环绕视图激光雷达传感器的发明，开创了自动驾驶技术的新纪元，2016年Velodyne Lidar从公司独立专注激光雷达产品，2020年实现美股上市。Velodyne革命性的传感器和软件解决方案提供灵活性、质量和性能，产品包括性价比高的Puck，全能的Ultra Puck，自动化强的Alpha Prime，ADAS及机器人优化的Velarray，以及突破性的激光雷达软件Vella，可满足各行各业的需求；包括自动驾驶汽车、高级驾驶辅助系统(ADAS)、机器人、无人机(UAV)、基础设施、智慧城市和安防。通过不断的创新，Velodyne致力于通过促进所有人的安全出行来改变生活和社区。作为市场先锋，在全球已有超过450位客户，其中包括卡特彼勒、福特、通用汽车、现代、大众、谷歌等大型客户。 3.1.1. 创始团队有丰富行业经验 创始人David Hall在他的整个职业生涯中，一直在不同行业发明和制造产品，包括精密加工、扬声器设计、声学工程、电子、微处理器、实时系统、视觉恢复技术和机器人技术。他的发明包括伺服驱动的低音炮，它使 Velodyne Acoustics 成为 1980 年代和 1990 年代家庭影院运动的领先公司。作为 DARPA 大挑战赛的原始参赛者之一，Hall 先生于 2005 年发明了 3D 激光雷达，为自动驾驶汽车提供实时 360 度视野。Hall 先生拥有丰富的行业经验，是激光雷达相关事务及其在自主革命中的关键作用的思想领袖。2018年被知识产权所有者教育基金会评为年度发明家，以表彰他对激光雷达技术的重大贡献。2015年自Velodyne Lidar独立成立后致力于产品和技术发展战略，2021年3月从董事会辞职。 前CEO Gopalan 博士有近 15 年的电气工程、光电和半导体经验。在加入Velodyne前，Gopalan 博士曾担任多个技术执行职务。Gopalan 博士于2021年7月辞任，并在同年10月创办Vayu Robotics，致力于创造低成本、环境可持续和可量产的自主解决方案。 3.1.2产品从机械式激光雷达向混合固态发展 Velodyne发展可以主要分为三个阶段： 1983-2007：从产品发明到商业化。公司初期专注低音炮设计和生产制造，创始人在参加DARPA挑战赛后发明了实时3D激光雷达并成功实现商业化量产。 2007-2020：推出多款商业化量产产品并成功通过SPAC上市。公司凭借开创性的产品获得谷歌、福特、尼康、奔驰、现代等领先企业的合同。截止2020年已交付超过4万个激光雷达，并成为第一家上市的激光雷达企业。2020年开启固态雷达新纪元，推出Velabit、Velarray H800、Velarray M1600固态产品，并与百度签订为期三年的销售协议。 2021-至今：公司从车载激光雷达逐渐转向致力于开放超低成本应用与工业、机器人和智慧城市的激光雷达。推出新一代固态传感器以及智能基础设施解决方案Vella 开发套件。继续为早期无人驾驶公司提供公司现有产品，并研发制造超低价传感器平台，提升软件能力满足AI视觉解决方案。 Velodyne从激光雷达开创者到多应用产品解决方案提供商，从硬件到软件为客户提供多场景解决方案。公司提供不同架构的激光雷达，包括环视混合固态Puck系列及定向固态激光雷达Velarray系列，以及软件解决方案。从硬件到软件，满足用户在ADAS、无人驾驶、配送、无人机、工业、测绘、机器人、安防、基础设施和货运行业的应用需求。 智能基础设施解决方案 (IIS) 是一项突破性的硬件+软件技术，旨在解决最具挑战性和普遍存在的基础设施问题。借助Velodyne 屡获殊荣的激光雷达传感器与 Bluecity 强大的人工智能软件，用户可以监控多维度交通网络和公共空间，以生成实时数据分析和预测。提高交通和人群流动效率，促进可持续发展并在所有天气和照明条件下保护弱势道路使用者。 Vella 开发套件 (VDK) 是一款搭配传感器获得激光雷达的感知软件。可感知3D物品，检测、分类和跟踪动态和静态对象，区分速度和检测场景。客户在开发套件中可使用现成的函数库插入Velodyne激光雷达，为不断发展的应用程序推进提供解决方案开发。开发套件支持Velarray M1600和Velarray H800。 3.1.3. 商业模式：激光雷达产品销售、服务和许可 公司的营业收入分为激光雷达产品销售和服务及许可销售两部分。激光雷达销售包括混合固态和固态雷达；服务及许可销售包括授权开发服务。2017-2021年公司营业收入不断下滑，从2017年1.8亿美元下降至2021年6192.4万美元。 从收入类型来看，服务及许可销售占比在提升。2018-2021年服务及许可销售占总收入比例从2018年的7%增至22%，服务及许可销售收入从216万美元，增至1392万美元，年复合增速达86.1%。服务及许可销售毛利较高，并从90%增加至96%，稳定提升。激光雷达产品营收下滑较大，从2017年1.8亿美元下降至2021年4800万美元。公司大幅降低部分产品价格以巩固市场领导者的地位以及加速市场采购，2018年产品毛利从16%下降至2021年-40%，跌幅较大。综合毛利率从2017年44%下降至2021年-10%。 从地区营收情况来看，2021年在各个区域均有明显下滑。北美区域从2018年8454万美元营收降至2021年2331万美元；亚太区域从2018年3977万元营收降至2021年2598万元；欧洲中东及非洲区域从2018年1864万元营收降至1263万元，其中北美区域在过去4年中营收跌幅下滑比例及下滑金额最大，亚洲和欧洲，中东及非洲均出现不同程度下滑。 Velodyne过去在203800 平方英尺的位于加利福尼亚州圣何塞工厂量产公司产品，在2020年出售了位于摩根山出售了46630 平方英尺的制造工厂。大规模生产力和广泛商业化需要基于第三方制造，2020年主要制造合作伙伴是Nikon和Fabrinet。2022年希望将VLS-128和Velarray产品制造也转移到Nikon和Fabrinet，并且通过海外制造降低成本，致力于开发超低成本传感器平台以推动价格敏感市场的大规模采用。 公司研发费用、营销费用、管理费总体处于上升态势，并且占总营收比例逐年增高。其中2021年研发费用相较2020年有所回落，2021年营销费用增速超过100%主要由于股票补偿费用导致，2021年管理费用相对较为稳定。 由于市场机会处于早期阶段发展，只有当终端市场大规模量产才会对产品有更多需求。车厂对激光雷达新技术开发和市场接受度的变化，客户对其包括公司的智能视觉解决方案在内的系统未能成功商业化等因素均会影响客户对Velodyne产品的需求。由于客户对产品需求、商业化时间、自主传感和相关技术的发展、同行竞争等因素都存在不确定性，Velodyne可能短期暂时较难盈利。 3.2. Luminar：混合固态激光雷达的巨星 Luminar是混合固态激光雷达的顶级企业，以其超高性能250m以上探测距离受到OEM广泛认可。Luminar由Austin Russell创立于2012年，是领先的乘用车和卡车自动驾驶激光雷达技术公司，致力于打造超高安全自动驾驶体验，2020年实现美股上市。公司拥有约350名员工，从开发了芯片级激光雷达，在所有核心部件技术上上都取得了突破，率先满足了全球汽车OEM 对生产的性能、安全和经济要求。公司主要产品为可量产车规级激光雷达Iris和全栈式量产自动驾驶解决方案Sentinel，目前正在与全球十大汽车制造商中的七家合作，并有望成为第一家在量产车辆上引入其高速公路自动驾驶和下一代主动安全系统的自动驾驶汽车公司。在过去两年中，Luminar 的合作伙伴总数已超过 50 个，其中包括沃尔沃汽车于 2020 年 5 月授予的第一份量产车项目合同，以及10月与戴姆勒卡车和英特尔的 Mobileye 签订的项目合同，产品主要用于乘用车、卡车运输和机器人出租车，预计2023年进行量产。 3.2.1. 创始团队技术背景硬核 Luminar创始人Austin Russell是“别人家的孩子”和“光学神童”，在11岁就开始了他的职业生涯，在思考日常应用中构建了超级计算机和光电系统的原型样品。在12 岁时有了第一个专利申请，并在接下来的四年里研究光学和相关成像技术，之后成为Beckman激光研究所的独立研究员。被斯坦福大学录取后，17岁的Austin获得了泰尔奖学金，选择辍学创业Luminar，并希望开发广泛应用于自动驾驶的传感器。2020年上市后，年仅25岁的Austin成为全球最年轻的白手起家的亿万富翁。 联合创始人Jason Eichenholz博士目前担任公司首席技术官。Eichenholz博士是激光和光学创新、产品开发和商业化领域的企业家、执行官和公认的先驱。在过去的二十年里创立多家公司，筹集了超过10亿美元的投资者资金，并通过纳斯达克SPAC上市。Eichenhol博士领导了数亿美元的革命性产品和公司的开发，这些产品和公司实现了从自动驾驶汽车、战场爆炸物检测、早期癌症检测、新药物输送系统和从海洋深处到海洋深处的环境研究的各种应用，达到珠穆朗玛峰的顶部，甚至在月球和火星。Eichenholz博士拥有60多项美国专利，是国际光学和光子学学会 SPIE 的会员，以及美国光学学会OSA的会员。曾担任空军和DARPA资助的研发项目的首席研究员。 3.2.2. Luminar主攻高精混合固态激光雷达，收购核心技术企业 Luminar发展可以主要分为三个阶段：1）2012-2016：2012年创立后公司处于萌芽阶段。2016年公司收购专注于光学和光子学技术商业化企业Open Photonics Inc.，关键人物首席技术官兼联合创始人Jason Eichenholz加入公司。 2）2017-2020：获得多轮融资并成功通过SPAC上市纳斯达克。公司在奥兰多设立工厂，和多家企业建立合作伙伴关系，首席法务官和首席财务官加入公司。技术方面收购高性能砷化铟镓(InGaAs)接收器的公司Black Forest Engineering。下游应用方面获得奥迪、沃尔沃、戴姆勒、Mobileye等多家公司的采用和投资。 3）2021-至今：公司高速发展，获得全球多个顶级车厂定点。收购芯片制造商 OptoGration并和沃尔沃的自动驾驶软件子公司 Zenseact联合开发自动驾驶解决方案。获得上汽、英伟达、奔驰和日产的定点。 Luminar核心产品为Iris激光雷达和全栈自动驾驶解决方案Sentinel。Luminar的亮点在于专注超高性能激光雷达，在上游拥有光源制造商Freedom Photonics、芯片制造商OptoGration、砷化铟镓接收器的公司Black Forest Engineering，使得产品能在10%反射情况下具有250m的探测距离、0.05°*0.05°的分辨率以及精确到1cm的距离探测精度，在下游应用中兼顾了沃尔沃、奥迪、上汽集团等高端车型客户，同时也受到日产的青睐，将把激光雷达推行至大众市场。全栈自动驾驶解决方案和沃尔沃的自动驾驶软件子公司Zenseact合作推出Sentinel，将Luminar的硬件和Zenseact的OnePilot软件组合成Sentinel自动驾驶系统，探测80m可行驶空间、150m车道、和250m以上物体探测，控制高速转向、制动和加速的决策，未来将出售给汽车制造商。 3.2.3. 商业模式：自动驾驶解决方案、组件销售 公司的营业收入分为无人驾驶解决产品销售和组件销售两部分。其中无人驾驶解决方案包括激光雷达设计、制造和销售以及相关的感知和自动驾驶软件解决方案，主要服务于汽车、商用车、机器人出租车和类似行业的原始设备制造商，还包括向客户提供与激光雷达和软件产品定制相关的非经常性工程服务费用。其中软件产品主要和沃尔沃子公司Zenseact合作，具体商业模式未来由沃尔沃决定，公司软件收入来自沃尔沃无人驾驶解决方案分成。组件部分包括用于自动驾驶相关的非标准集成电路和组件的设计、测试、咨询服务和制造。2018-2021年公司营业收入不断提升，从2018年1169万美元提升至2021年3194万美元，尤其是2021年营收相较2020年有129%增幅，喜迎突破口。 从收入类型来看，无人驾驶解决方案占比大幅提升。2018-2021年无人驾驶解决方案占总收入比例从2018年的62%增至2021年的89%，收入从724万美元，增至2850万美元，年复合增速达57.9%。组件部分占比从2018年38%下降至2021年11%；组件收入从2018年446万美元上升至2021年745万美元，年复合增速达18.65%。由于公司目前还在早期拓展阶段，整体营收增速快但支出也较大。 从地区营收情况来看，2021年在北美和亚太均有明显提升。北美区域从2018年941万美元营收提升2021年2304万美元；亚太区域从2018年14万美元营收提升2021年250万美元；欧洲中东区域从2018年214万美元营增至640万元。尤其是在2021年北美区域营收增加量非常明显，取得重大进展。整体来看所有区域的营收总量呈上升态势。 公司研发费用、营销费用总体处于上升态势，管理费用相对稳定。研发和管理费用占总收入比在2018-2020年持续下降，在2021年有所抬升。营销占总营收比例逐年增高。整体来看公司研发费用、营销费用花销较大。 目前公司和市场均处于早期阶段发展，当下游市场放量上车会有显著增长。目前公司致力于推动量产、推出Sentinel产品、获得更多商业合作成功以及前瞻订单，2022年营收有望突破4000万美元。未来下游车厂放量让激光雷达实现百万级出货量产会显著降低产品成本，进一步推动激光雷达到更多车型和市场，公司有望在实现量产后获得更多收入，以及在软件服务中持续获得现金流。 3.3. Aeva：下一代固态激光雷达的探索者 Aeva是下一代固态激光雷达的探索者，另辟蹊径以其专有的FMCW技术来测量速度以及深度、反射率和惯性运动而备受瞩目。Aeva由前苹果工程师Soroush Salehian和Mina Rez创立于2017年，由多位在传感和感知领域有丰富经验的工程师团队领导，为了将下一代波感知技术带入自动驾驶到消费电子、工业机器人和安全等应用空间。技术亮点在于Aeva 的解决方案利用专有的FMCW 技术来测量速度以及深度、反射率和惯性运动，和传统ToF解决方案相比，Aeva解决方案能够测量每个像素的瞬时速度，输出更维度信息，并且不受其他激光雷达、光束和阳光的干扰，能实现500m探测距离，且功耗更低，有利于用于自动驾驶解决方案提供商。Aeva在4D激光雷达结合了在电信行业已获得验证的硅光技术，精确的获得即时速度测量和远距离探测距离，并具有可实现商业化的成本优势，预计2024-2026实现量产。 3.3.1.创始团队有多年产业经验 两位创始人均来自苹果感知系统团队。 1）Soroush Salehian Dardashti在领先的初创公司和跨职能团队中拥有丰富的机器人、消费电子和航空航天领域的产品计和交付经验。曾领导苹果感知系统产品团队特别项目组、主导iPhone及iWatch产品管理以及担任BlueLibris Inc创始人，设计、开发和推出一款具有健康和活动监控功能的产品Libris？，被Numera Health收购。同时也是斯坦福空间系统公司CardinalSat卫星从集成到发射的项目总监。具有技术和运营专业知识以及在高科技制造业深厚的产业背景和实际项目管理经验。 2）联合创始人Mina Rezk是多学科和以产品为导向的技术领导者。在汽车和航空航天行业开发传感器融合系统方面拥有超过17 的经验，覆盖汽车、航空航天、视觉、计量、政府安全和医疗等多个应用。 3.3.2. Aeva主攻固态激光雷达，尚在合作探索阶段 Aeva发展目前可以分为两个阶段： 1）2016-2020：公司处在萌芽阶段。创立后获得风投机构的多轮融资，在2019年和2020年相继获得奥迪、ZF集团等多个企业合作，以发展自动驾驶解决方案。 2）2021-至今：公司和多家企业联合探索激光雷达在自动驾驶领域的应用。通过SPAC光速上市后公司与尼康、电装、Fabrinet达成合作，致力于联合研发、量产激光雷达上车。公司CEO指引有望在2024年实现生产。同时，Aeva也和NASA合作，布局太空测绘和导航。 Aeva核心产品是Aeries系列激光雷达。Aeva采用独特的调频连续波FMCW 4D技术和并集成片上激光雷达的硅光子设计，使产品性能超过传统ToF激光雷达。Aeries能提供高维度探测数据，能够输出即时速度测量、探测距离超过500m，同时由于FMCW技术优势能够免疫其他激光雷达和阳光的干扰，具有独特优势，使产品脱颖而出。 3.3.3. 商业模式：激光雷达销售+服务销售 Aeva的营业收入分为激光雷达产品销售和非经常性工程服务销售两部分。其中激光雷达产品是按条款以固定价格提供指定数量给客户用于客户研究、开发、评估、试验或测试的原型样品。非经常性工程服务销售是客户定制Aeva感知解决方案产生的营业收入。值得注意的是Aeva在2021年4月宣布与尼康的合作方向将用于工业领域，尤其是量产检测、车辆制造、航空制造等，尼康在这些方面都是领袖。Aeva的产品可以用于精准测量，便宜，高可靠性的场景，和尼康合作研究下一代能大幅降本的工业解决方案。公司总营收从2019年138.4万美元增长至2021年926.5万美元，增速迅猛。 从收入类型来看，服务营收量和占比都大幅提升。2019-2021年专业服务销售占总收入比例从2019年的41%增至2021年的81%，收入从57万美元，增至749万美元，年复合增速达264%。产品部分占比从2019年59%下降至2021年19%；产品收入从2019年82万美元上升至2021年178万美元，年复合增速达47%。 从地区营收情况来看，公司主要战场在于北美区域。北美区域从2019年54万美元营收提升2021年882万美元；欧洲区域从2019年84万美元营减少至23万美元；亚洲区域从2020年12万美元营收提升2021年21万美元。整体来看2021年北美区域营收增加量非常明显，欧洲区域有所下滑，亚洲市场还在导入阶段。 公司研发费用、营销费用总体处于上升态势，管理费用相对稳定。研发和管理费用占总收入比均在2021年有所抬升。销售费用占总营收比例有所回落。整体来看公司研发费用、营销费用花销巨大，也证明了公司仍处于技术研发阶段。 FMCW技术仍在早期发展阶段，公司巨大开支主要在研发费用，主要挑战在于商业化突破。目前公司致力于技术发展，并希望推动2024年后量产、获得更多无人驾驶和工业领域的产品采购和定制服务订单。Aeva的robotruck合作伙伴将于2022年底开始部署，预计2024-2025会大规模量产。同时公司也在致力于工业和太空领域的合作发展，寻求更广阔的技术应用空间。 3.4. 速腾聚创：当前车载量产出货冠军 速腾聚创是全球领先的智能激光雷达系统生产商，主攻机械式和MEMS混合固态激光雷达和感知软件。速腾聚创由哈尔滨工业大学控制科学方向博士邱纯鑫于2014年创办，拥有来自全球顶尖企业和科研机构的人才团队，截止2021年，全球布局激光雷达相关专利超过700项。合作伙伴覆盖全球各大自动驾驶科技公司、车企、一级供应商等，产品广泛应用于自动/辅助驾驶乘用车、商用车，无人物流车，机器人，RoboTaxi，RoboTruck，RoboBus, 智慧交通新基建等细分领域。公司已于2021年实现车规量产SOP交付客户，2022年成为是中国激光雷达出货主力军。 3.4.1. 创始人团队具有优秀的研究经历 公司创始人为邱纯鑫博士，现任速腾聚创CEO，是哈尔滨工业大学控制科学方向博士，也是移动机器人环境感知技术专家，曾在Journal of Field Robotics等国际顶级机器人刊物上发表多篇论文，完成过包括国家自然科学基金在内的多个机器人相关项目的研发工作。速腾聚创联合创始人邱纯潮是邱纯鑫博士弟弟，现任公司执行总裁。 速腾聚创发展可以分为三个阶段： 1）2014-2017：公司处在探索和技术突破阶段。于2015年发布3D扫描仪Seeker，并在接下来两年中推出机械式激光雷达和MEMS固态激光雷达。成功选择适合车规的MEMS激光雷达量产上车。 2）2017-2021：公司将产品商业化并实现SOP。在获得阿里菜鸟、上汽和北汽的3亿战略投资后继续高歌猛进，2019年获得IATF 16949汽车生产认证并在2020年实现量产开始交付。 3）2022-至今：公司目前在出货方面暂列第一。上车广汽Aion LX Plus并获得比亚迪、宇通、香港立讯、湖北小米长江产业基金等机构战略投资。 公司核心产品用于无人驾驶到激光雷达。产品具体包括车规级MEMS固态激光雷达和传统机械式激光类。其中905nm波长和二维MEMS智能芯片扫描架构，探测距离为200m，或150m@10% NIST的车规级固态激光雷达M1是公司的招牌产品，可以配备不同数量的激光雷达以覆盖不同级别的无人驾驶级别，可满足从L2+-L4的无人驾驶需求。在感知软件方面公司开发了RS-LiDAR-Perception，可基于激光雷达3D点云为自动驾驶环境提供感知开发的AI感知软件，并获得全球众多合作伙伴在各类驾驶场景共同验证。 3.4.2. 投融资进展迅速 速腾聚创目前已经完成E轮融资，获得多个产业机构和下游车厂的投资，广受行业认可。未来有望进一步获得资本市场支持，大力推动公司科技创新与提升量产能力。 速腾聚创的成功离不开公司对车规级MEMS固态激光雷达的技术准确判断。具体来看，速腾早期也曾发展过机械式激光雷达，并能提供可用于Robotaxi的机械式激光雷达无人驾驶解决方案。2017年选择MEMS固态激光雷达后为量产作出不断努力，最后2021年实现SOP并批量交付给客户，取得阶段性胜利。未来有望看到公司进一步提升产能并研发制造性能更好，探测距离更远，可靠性更强的车载激光雷达。 3.5. 禾赛科技：先进的激光雷达制造商 禾赛科技是自动驾驶及高级辅助驾驶(ADAS)激光雷达的领军企业。禾赛科技在上海成立于2014年，在光学、机械、电子、软件等激光雷达核心领域拥有数百项专利，具有车规级量产能力，年产能百万台的智造中心将于2022年全面投产。公司产品主要有Pandar系列机械旋转激光雷达可作为无人驾驶主雷达、AT系列车规级半固态激光雷达、QT系列车规级近距离补盲雷达、XT系列中距离激光雷达和甲烷遥测仪。产品可用于无人驾驶、高级辅助驾驶、机器人、车联网等多个场景。客户包括全球主流自动驾驶公司、顶级汽车厂商、一级供应商、机器人公司等，累计获得包括小米、美团、博世、百度、光速、高瓴等机构超过5亿美元的融资。 3.5.1. 创始团队有丰富行业经验 创始人团队均来自于全球顶级名校，并具有科研和顶级企业丰富的行业经历。首席科学家孙恺博士本科毕业于上海交通大学机械与动力工程学院，博士与博士后毕业于美国斯坦福大学。曾任斯坦福大学研究助理，曾获最佳论文奖。首席执行官李一帆是机器人和运动控制领域的专家和全球自动驾驶行业领军人物。本科毕业于清华大学，博士毕业于伊利诺伊大学厄巴纳-香槟分校，曾任美国西部数据集团首席工程师。李一帆在机器人、运动控制、传感器及先进制造领域拥有100余项专利。首席技术官向少卿本科毕业于清华大学机械系，研究生获得斯坦福大学电子工程和机械工程双硕士学位曾在苹果公司美国总部从事电路设计，三星全球总部研究中心从事消费品研发。 3.5.2. 禾赛科技主攻覆盖机械式和混合固态激光雷达 禾赛科技发展可以主要分为两个阶段： 1）2014-2020：2014年创立后公司探索激光传感器的应用。2014年公司创立后开始研发、制造和销售高性能激光传感器。2016年专向机械式激光雷达，并迭代了多款短中长距离的机械式激光雷达。在此期间获得来自百度、博世集团等全球知名企业的投资。 2）2021-至今：公司高速发展，获得全球多个顶级车厂定点。2021年公司发布用于ADAS系统的混合固态雷达后收到多个企业的开发和定点合作，并在2022年实现量产出货。 禾赛科技核心产品为用于ADAS的混合固态激光雷达和用于自动驾驶的360度机械式激光雷达。公司亮点在于同时提供适用于无人驾驶的高精度旋转机械雷达，也提供适用于ADAS系统的混合固态激光雷达AT128。在2021年推出该产品后受到来自文远知行、理想汽车、集度汽车、爱驰汽车、地平线、黑芝麻智能、新石器无人车、主线科技、轻舟智航等多家主机厂、自动驾驶解决方案提供商的合作。2021年AT128已获得多家顶级汽车厂商总计超过150万台的定点，将在2022年大规模量产交付，迎来新的发展机遇。 3.5.3. 商业模式：激光雷达+气体检测产品销售 2021年之前禾赛科技主营机械式激光雷达，2021年推出用于ADAS混合固态激光雷达开启新的成长空间。机械式激光雷达在2017-2020年9月间主要客户有DRIVE.AI、博世集团、Lyft、Aurora、景骐集团、百度集团等无人驾驶探索企业。2021年推出混合固态雷达后获得更多中国自动驾驶企业的青睐。在气体检测方面已知客户有上海燃气浦东销售有限公司。 从收入类型来看，激光雷达和气体检测销售均有上升。2017-2019年激光雷达销售占总收入比例从2017年的73%增至2021年的94%，收入从1434万元，增至3.2亿元，年复合增速达378%。气体检测部分占比从2017年24%下降至2019年6%，收入从2017年481万元增至2019年1955万元，截止2020年9月为6225万元。公司收入高度依赖激光雷达产品销售。 从地区营收情况来看，公司营收在各地区均有明显提升。北美区域从2017年717万元营收提升2019年1.5亿元；中国区域从2017年339万元营收提升2019年1.3亿元；欧洲区域从2017年858万元营增至6447万元。公司主力收入来自北美和中国大陆区域，整体来看所有区域的营收总量均呈上升态势。 公司研发费用、营销费用和管理费用在2018年后总体有所抬升。整体来看研发费用占比最大，从2018年研发费用占总营收的47%提升2020年截止9月的64%，反映了企业在持续扩大研发力度。管理费用从2018年10%比例提升至2020年的20%，销售费用从2018年18%提升至26%。 禾赛科技推出用于ADAS系统的车规级半固态激光雷达后不难看出企业将量产上车作为当下核心目标。公司有望通过量产、芯片化提升产品性能以及降低成本。同时公司所有激光雷达产品均为自主生产，年产能百万台的“麦克斯韦”超级智造中心于2022年全面投产，积累了大量生产经验，并且比代工模式具有更强的成本把控能力。公司未来有望持续技术提升并量产降本获得更多下游应用。 合规声明：本文节选自已经入库的正式研究报告，如需报告原文PDF请后台留言。 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 智能汽车研究框架（300页PPT） 智能座舱 汽车芯片 特斯拉 人工智能及自动驾驶相关报告 1. 如何研究一家AI公司？ 2. 从汽车业务商业模式看中科创达和人力外包公司的不同 3. 中科创达：汽车“四化”下加速成长 4. 三谈中科创达：做事情眼光最重要 5. 智能座舱：智能汽车产业大变局中的投资机遇（40页深度） 6. 德赛西威：领先的汽车电子玩家，未来出行变革创领者（深度） 7. 科大讯飞：个性化学习手册改变了什么？（深度） 8. 科大讯飞：你绝对没见过的区域型订单详细拆解（深度） 9. 科大讯飞核心竞争力与增长点分析（50页PPT） 10. 科大讯飞：疫情防控让教育订单商业模式发生怎样的变化？ 11. 从Nuance的沉浮看科大讯飞的核心竞争力 12. 格灵深瞳：技术领先到商业落地，计算机视觉场景为王（深度） 13. 一张图看懂AI公司 14. AI+自动驾驶：模糊的正确胜过精确的错误 15. 从主芯片视角研究智能驾驶内在产业逻辑 16. 虹软科技：“价”的弹性大于“量”的弹性（深度） 17. 虹软科技：单机价值量提升带来最大弹性 18. 虹软科技：量价齐升，逻辑最顺（深度） 19. 虹软科技：业绩怎么了？ 20. 科大讯飞：区域订单统计 21. 对中科创达的一些理解 22. 英伟达汽车芯片业务发展史 23.自动驾驶路测数据中的秘密 24.Mobileye：被篡位的自动驾驶芯片老霸主（深度） 25.中科创达：牵手地平线成立合资公司 26.黑芝麻：国产自动驾驶芯片独角兽，用芯赋能未来出行（深度） 27.经纬恒润：汽车电子隐形冠军（深度） 28.计算机视觉：血腥战场（深度） 29.产业调研：谈谈车载操作系统竞争格局 30.产业调研：黑芝麻眼中的车载SoC芯片市场 31.生死时速：新旧势力汽车主机厂自动驾驶进展详细梳理（深度） 32.地平线：国产自动驾驶芯片龙头发展史（深度） 33.产业调研：从中科创达产品视角看智能座舱发展趋势 34.芯驰科技：汽车芯片全赛道覆盖（深度） 35.为什么汽车芯片这么火？ 36.产业调研：为什么规模化L2是自动驾驶向上突围关键点？ 37.智能汽车芯片研究框架（120页PPT） 38.产业调研：元宇宙中的集度汽车发布会 39.产业调研：为什么规模化L2是自动驾驶向上突围关键点？ 40.重磅！计算机研究员眼中的特斯拉（深度） 41.L3级别自动驾驶落地的正确姿势（深度） 42.软件定义汽车的时代已经到来 43.产业调研：英伟达如何服务智能汽车行业 44.产业调研：杰发科技（四维图新）座舱芯片产品路线图 45.产业调研：芯擎科技（吉利汽车）的座舱芯片之路 46.智能座舱研究框架（100页PPT） 47.产业调研：计算机视角看蔚来新品发布会 48.五谈虹软科技：两大核心业务拐点将至 49.产业调研：不追求科技感的理想L9发布会（附万字纪要） 50.产业调研：矿区无人驾驶的商业化落地实践 51.域控制器：高景气能持续多久（深度） 52.特斯拉智能驾驶研究框架（100页PPT） 53.产业调研：华为问界M7超预期还是低于预期（附发布会纪要） 法律声明 本订阅号发布内容仅代表作者个人看法，并不代表作者所属机构观点。涉及证券投资相关内容应以所属机构正式发布的研究报告内容为准。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容为原创。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需明确注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）