（报告出品方/作者：国盛证券，郑震湘，钟琳）

一、激光雷达：主动控制之眼

1.1、激光雷达应用广泛，深度适配人工智能

无人驾驶汽车、无人物流和机器人技术是人工智能深度应用的产物，其发展将带来席卷全球的技术革命。激光雷达被广泛用于无人驾驶和机器人领域，被誉为机器人的“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。

1.2、ToF是当前主流，FMCW应用有望逐渐增多

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，以实现识别和避障功能；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。

基本原理：激光雷达成像可以简单理解为使用激光发射部件向一定视场角FOV（FieldOfView）内发射光线，同时使用接收部件收集反射回的光线，利用已知和获取的发射光线与反射光线的相关信息，进行计算并推导出反射点的速度、距离、高度、反射强度等信息。性能参数激光雷达的产品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。

技术原理激光雷达按照测距方法可以分为飞行时间（TimeofFlight，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（~m），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，预计未来随着FMCW激光雷达整机和上游产业链的不断发展，ToF和FMCW激光雷达将在市场上并存。ToF法：飞行时间（ToF）探测方法是通过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，具有响应速度快、探测精度高的优势。

FMCW法：相干探测方法通过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得到频率差，从而获得飞行时间反推目标物体距离。FMCW激光雷达具有可直接测量速度信息以及抗环境光和其他激光雷达干扰等优势。

激光雷达FOV：不同的技术路线基本都是为了能够实现对FOV区域内的探测，FOV指激光雷达能够探测到的视场范围，可以从垂直和水平两个维度以角度来衡量范围大小。下图比较形象的展示了激光雷达FOV范围：水平FOV：常见的机械式激光雷达可以达到°范围，通常布置于车顶；常见的车载半固态激光雷达通常可以达到°范围，形状呈扇形，可布置于车身或车顶；垂直FOV：常见的车载激光雷达通常在25°，形状呈扇形。

1.3、核心三部件：激光器+扫描部件+感光芯片

从功能及结构上可以把激光雷达分为激光器、扫描部件、感光芯片三部分。

激光器：VCSEL有望取代EEL

由于激光器发射的光线需要投射至整个FOV平面区域内，除了面光源可以直接发射整面光线外，点光源则需要做二维扫描覆盖整个FOV区域，线光源需要做一维扫描覆盖整个FOV区域。其中点光源根据光源发射的形式又可以分为EEL（Edge-EmittingLaser边发射激光器）和VCSEL（Vertical-CavitySurface-EmittingLaser垂直腔面发射激光器）两种，二者区别在于EEL激光平行于衬底表面发出，VCSEL激光垂直于衬底表面发出。

VCSEL优势：相比于EEL结构，VCSEL具有易实现光纤耦合、电流阀值低、调制频率高等优点。近几年VCSEL激光器逐渐发展成为多层结构，其功率密度相比提升了5-10倍，考虑到其成本低、易于集成等多项优势，我们认为VCSEL未来或将逐渐取代EEL。

扫描结构：MEMS体积小、成本低

激光雷达扫描结构通常分为运动式和非运动式扫描两种。

接收器：SPAD是当前主流

激光雷达接收器主要可以分为PIN、APD（雪崩光电二极管）、SPAD（单光子雪崩二极管）、SiPM（硅光电倍增管）几种，其本质都是各类型PN结。

1.4、机械式难符车规要求，固态、半固态更适乘用车

按结构：激光雷达根据结构，可以分为机械式激光雷达、混合固态激光雷达（MEMS）和固态激光雷达（OPAFLASH）：机械式激光雷达技术目前相对成熟。其发射系统和接受系统通过旋转发射头，实现激光由线到面的转变，并且形成多个竖直方向的多面激光排布，达到动态扫描并动态接受的目的。但由于其成本较高、装配复杂同时存在光路调试等过程，同时由于不停旋转，在行车环境下可靠性不足，导致发展初期难以符合车规要求。

混合固态激光雷达更加小巧从可以隐藏在外壳中，外观上看不到机械旋转，同时使用MEMS等半导体器件来代替机械扫描的选准装置，兼具固态和机械的特性。同时由于减低了机械的旋转幅度，有效降低了行车过程中出现问题的几率，又大大降低了成本。目前混合固态激光雷达技术发展基本成熟，后续或将更多被选用。

固态激光雷达包括光学相控阵（OPA）和FLASH两种。相比于混合固态激光雷达，全固态激光雷达在结构中去除了旋转部件，实现了较小的体积的同时保证了高速的数据采集以及高清的分辨率。其中：光学相控阵（OPA）运用了相干的原理，通过多个光源形成矩阵，不同的光束在相互叠加后有的方向会相互抵消而有的则会增强，从而实现在特定方向上的主光束，并且控制主光束往不同方向进行扫描。由于其彻底去除了机械机构，自身不用旋转，OPA具有扫描速度快，精度高，可控性好，体积小巧等特优点。Flash固态激光雷达，与MEMS和OPA不同，其可以在短时间内快速发出大面积的激光区域，并通过高灵敏度的接收器进行接受，完成对于周围环境的绘制。其优点是快速、高效，缺点在于探测距离较短。

机械式更受无人驾驶青睐，固态、半固态更适乘用车。机械旋转式激光雷达的优势在于可以对周围环境进行°的水平视场扫描，半固态式和固态式激光雷达通常最高只能做到°的水平视场扫描，且在视场范围内测距能力的均匀性弱于机械旋转式激光雷达。无人驾驶汽车运行环境十分复杂，需要同等感知周围°的环境，机械旋转式激光雷达兼具°水平视场角和测距能力远的优势，是目前主流无人驾驶项目大多采用的激光雷达方案。但固态和半固态体积小重量轻更易集成到汽车上，未来或在乘用车领域有较好应用。

1.5、多应用场景促生庞大需求，高阶自动驾驶不可或缺

不同应用场景下需求不同。除无人驾驶外，乘用车的高级辅助驾驶（ADAS）、机器人、车联网等领域也是激光雷达的重要发展方向。不同场景下其需求特性具有显著差异，对激光雷达的性能、价格、体积等亦提出了不同的要求。

无人驾驶：L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求最高，在要求°水平扫描范围的同时，对于低反射率物体的最远测距能力需要达到m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。

高级辅助驾驶应用：L2/L3级高级辅助驾驶对激光雷达的需求与L4/L5级无人驾驶应用的需求有所不同，覆盖前向视场的激光雷达通常为优选方案，实现自动跟车或者高速自适应巡航等功能，但在测远和角度分辨率等性能上的要求和无人驾驶是一致的；此外，整车厂及Tier1公司更看重激光雷达的形态与尺寸是否容易嵌入车身，保险杠、前挡风玻璃后视镜等易于隐藏的地方是放置激光雷达的优先选择，这些位置往往空间狭小因而限制了激光雷达的体积；该领域客户也要求激光雷达通过电磁兼容、可靠性（包括振动及冲击、防水防尘）等一系列严格的车规测试；因为面向消费者的乘用车采购数量大，该领域客户对激光雷达的价格敏感度相较于无人驾驶领域也更高。

机器人：机器人应用范围有无人送货小车、自动清扫车辆、园区内的接驳车、港口或矿区的无人作业车、执行监控或巡线任务的无人机等，这些场景的主要特点是路线相对固定、环境相对简单、行驶速度相对较低（通常不超过30km/h）。因而相比无人驾驶应用，机器人应用对激光雷达测远及分辨率等探测性能的要求相对较低，但对价格更敏感。

车联网：车路协同采用先进的无线通信和新一代互联网技术，全方位实施车车、车路动态实时信息交互，并在动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，其主要应用场景包括：盲区预警、多车协同换道、交叉口冲突避免、行人非机动车避撞、紧急车辆优先通行、车速引导、车队控制、车队协同通过信号交叉口等。人、车、路的有效协同需要准确识别和追踪交通参与者，并对其路线进行有效预测，采用基于激光雷达点云数据的目标聚类及追踪算法能够满足这一要求。

激光雷达对比其他方案：现有技术中，配备在自动驾驶车上的主流传感器是视频摄像头、毫米波雷达和激光雷达（Lidar），以进行事件感知与物体检测。总体而言，Lidar比Radar更有优势，但分不同的适用场景。Lidar方位分辨率优异，能够精确地检测到与周围障碍物的距离和位置关系，并能实时检测到具有低无线电波反射率的物体(标志，树木等)；Radar的无线电波相对Lidar更长，其返回的物体图像不如Lidar精确，但它覆盖距离远、具有强穿透性，可在雨，雪，尘土等恶劣环境中返回信息，在夜间和阴天比Lidar更准确。

就自动驾驶而言，目前市场上存在两个方案：视觉为主的方案：以摄像头为主，能够感知丰富的外部环境并且较为完整地识别物体的整体外形及构造，但是容易受到外部环境光的影响。目前采用此方案的车企以特斯拉为主。激光雷达方案：以激光雷达为主，使用激光探测周围环境并构成高分辨率的三维图像，随后与毫米波雷达，摄像头等设备协同完成自动驾驶。优势在于监测距离较视觉方案更长、精度更高并且不受外部环境光的影响。但是当遇到极端雨、雪、雾霾天气时会影响到其发射光束，从而影响三维构图，同时激光雷达后期维修费用较高。

在面对相对复杂的场景时，激光雷达具有绝对优势，并且难以被替代。在类似于隧道，车库等弱光的环境，通过摄像头的算法实现L3甚至更高等级的自动驾驶在技术原理上存在一定的缺陷，而激光雷达则可以有效解决。同时摄像头+毫米波的组合在应对汽车高速场景时，对于非标准静态的物体也有一定的识别障碍，这也是特斯拉在全球范围内偶尔会出现一些自动驾驶事故的原因。

二、海外跟踪：景气超预期，下游积极导入

梳理海外大厂，以下行业趋势十分清晰：1）景气超预期，大厂展望乐观，行业超高速成长。LAZR上调全年营收指引。2）技术端，降本需求迫切，新品迭代及量产紧密推进。LAZR新品Iris当前目标成本美元，而长期目标下，仍有80%的降本空间。Velodyne客户OEM、Tier1反馈的理想成本必须小于美元，最好在~美元。3）市场应用方面，各厂商市场突破不断，反应下游对激光雷达积极的导入态度。Innoviz获大众40亿美元订单，ouster传感器Q2新增客户90家，战略合作客户新增8家。

2.1、Velodyne：导入波士顿动力机器人，零部件供给紧张

汽车领域营收占比的迅速提升。公司自年以来，供应链承压，生产及销售工作受限。在Q2，公司录得11.5百万美元的收入，相较于上一季度有所回升，产品收入9.7百万美元，Licenseservice收入1.9美元。值得注意的是汽车领域营收占比的迅速提升，Q1仅占约1/3，Q2已占比50%。Q%的出货量是为L4和L5robotaxi和自供驾驶班车客户提供的。Billings指当期提供的产品和服务的美元价值，Billings在Q1出现下滑，至11.5百万美元，Q2回弹，至12.5百万美元。

毛利率小幅回暖，保持研发押注未来。Q2毛利率为-62%，同比+88pt。各项费用处在低位，其中销售费用自Q2以来位于较低水平。公司押注未来，保持研发投入，多个季度研发费用维持在00千美元附近。Q2技术及市场进展：Velodyne是激光雷达市场领导者，当前已覆盖+客户，截至Q2累计出货7.3w+只传感器，覆盖25+行业或垂直应用。Q2公司加速对泰国的生产外包。预计明年能全部完成。当前Puck系列以完成迁移，Velarray产能转移中。公司下一代产品将在18~24月后推出。市场拓展方面，公司已和机器人领导者波士顿动力签了多年合作协议，另外，在芬兰首都为交通安全发展项目研发了IIS（智能基建解决方案）。Velodyne激光雷达传感器可使波士顿机器人自主安全运行，为定位、映射、对象分类和对象跟踪提供实时3D感知数据

为加速业绩增长，Velodyne聚集四大经营策略：1）将现有产品导入早期的自动驾驶市场2）发展低成本传感器以推动在价格敏感的市场中的增长。3）软件加持赋能全AI的视觉方案。4）大规模制造引领市场。公司对出货增长、产品降本提升盈利能力信心十足。22Q1公司ASP公司ASP环比增长48%，反应强劲需求。年，公司传感器出货量超1.5w颗，同比增长+35%。为激光雷达上车元年，预计继年后将再迎高增。由于激光雷达技术仍处发展早期，当前成本较高，公司毛利率为负；然而公司长期财务目标为，传感器业务毛利率达到中等到高位40%+，公司整体毛利率达到中等到高位50%+。

Q3营收指引9M-11M美元，指引中枢10M美元较Q.5M美元营收有所下滑，主要系考虑零部件供给紧张，需求侧公司持续展望强劲需求。

2.2、Innoviz：获大众40亿美元订单，提前实现全年目标

营收同比大幅上升，降本增效效果显著。公司在年实现了万美元的营业收入，其中三季度营收最高，达万。公司自年以来的收入大幅高增，在Q1和Q2都实现了万美元的收入，yoy分别为.25%和80%。公司在控制费用上进步明显，管理及销售费用在经历去年Q2的高峰后逐渐回落，在Q2分别下降到及千美元的同时，市场开拓更上一层楼。研发费用保持在较高水平，Q2达美元，为新产品开发奠定坚实基础。

公司超额完成今年经营目标。当前生产前的项目已达12个，全年目标10。目标实现一项汽车商业合作，获大众四十亿美元的订单。此外，日本邮政、玖源工业等新合作伙伴。目标订单实现+30%增长，当前增长+%，远超公司预期。Innoviz被大众集团提名作为直接供应商为其公司所有品牌提供激光雷达及探测软件。以色列激光雷达初创公司Innoviz近期表示将向大众汽车集团旗下品牌所有具有自动驾驶功能的车辆提供激光雷达传感器和感知软件。Innoviz将直接与大众汽车的汽车软件公司CariadSE合作，从而将其技术整合到即将上市的大众汽车中。与大众汽车的合作是Innoviz与汽车品牌的第三次design-win。4月，宝马公司透露，Innoviz的激光雷达将用于年的宝马i7电动车，去年5月，Innoviz被另一家未透露姓名的一级汽车供应商选中，用于其自动驾驶班车项目。

Innoviz已与大众签订40亿美元合同，为大众汽车提供激光雷达组件和感知软件，预计年开始量产交付。

作为Tier1直接向大众汽车供货是innoviz全新的业务模式，成为Tier1将提升innoviz产业地位及盈利能力。

目前Innoviz已经推出了多款MEMS固态激光雷达和配套的感知软件：InnovizOne、InnovizTwo、Innoviz。两款未来的拳头产品进展顺利，公司计划于今年稍晚的时候展示INNOVIZTWO首批样品，B1样本量产爬坡也将在年开始；INNOVIZ的样品将于年底具备，B样品首次集成将在22Q3/Q4，并计划于年量产。

InnovizOne：汽车级固态激光雷达，将于年在宝马7系量产：作为固态LiDAR传感器，专为汽车制造商和机器人出租车，穿梭车和送货公司而设计。坚固耐用、经济实惠、可靠、功耗低、重量轻、性能良好，可集成到3-5级自动驾驶汽车中，以确保乘客和行人的安全。InnovizTwo：汽车级固态激光雷达，大众40亿美元订单之选。InnovizTwo成本较InnovizOne降低了70%以上，同时性能显著提升，视觉范围可达米。最高性能激光雷达有条线，每秒可达20帧。主要针对L2+级市场，L3-L4亦适用。

Innoviz：最远探测距离m，主要针对L4/5级自动驾驶。Innoviz采用了在水平和垂直方向上可以控制光束的MEMS微镜，还增加了一面旋转镜。较激光器、探测器和光学器件重量都承载于转盘的机械旋转激光雷达，Innoviz转盘仅1面旋转镜，大大减轻质量，且成本和耐用性皆有显著提升。除自动驾驶外，Innoviz还可用于重型机械、智慧城市、物流和建筑等非车载领域。

2.3、Ouster：工业机器人业务高增，L3新品值得期待

工业机器人业务高增，毛利率稳定在市场领先水平。公司Q2营收10.3百万美元，yoy+40%，qoq+20%；受益于工业（增长+40%）和机器人垂直领域（+28%）增长驱动，数字激光雷达在仓库和港口自动化、非公路采矿和农业车辆、建筑机器人以及无人机等应用场景持续渗透。Q2公司毛利率27%，同比提升1pt，环比下降3pt，系发货延误及供应链限制，但仍处行业领先水平。公司预计年全年的毛利率将会保持在25-30%的行业领先水平。

Sensor出货量增速喜人，收获90家汽车新客户。公司市场拓展进度惊人，造就Sensor出货量的强劲增长势头：由年Q2的个上升到年Q2的个，yoy38%。公司认可度水涨船高，在Q2向大约90名新客户出售了传感器，含自动驾驶卡车、公共汽车、轨道交通领域订单。此外，公司战略客户协议总数及总额逐季增长，在Q2升至80个及百万美元。良好的客户关系和在手协议为公司的未来业绩提供了保障。

L2X已创造辉煌，再推出DF系列传感器重磅产品。公司在年年底推出了L2X芯片，该产品为集高灵敏度的SPAD光电探测器和数字信号处理系统于一身，每秒可计数高达1万亿个光子，数据速率高达前序产品的两倍。年3月11日，Ouster发布最新Chronos芯片。作为DF系列车规级固态激光雷达的支柱，Chronos芯片旨在满足ISO和AEC-Q下的ASIL-B汽车功能安全要求。Ouster计划在年底完成Chronos芯片流片，并在年将该芯片集成到首批样品中，最终的DF系列将面向年量产车项目。Ouster成立于年，由激光雷达领域内独角兽Quanergy的前联合创始人AngusPacala创立，总部设置在美国旧金山。它是一家激光雷达研发生产商，产品包括OS0、OS1、OS2三个系列9款激光雷达。

2.4、Luminar：营收增速亮眼，上调全年营收指引

公司Q2营收9.9百万美元，yoy57%，qoq+45%，超出公司预期。Q2公司与Celestica和ECARX两家公司开展合作，将有助于体量扩容、车辆安全及中国市场开拓。业绩增长形势欣欣向荣，考虑到Iris激光雷达和核心软件或将在年底实现批量生产，加上SentinelBeta版有望在年底推出，公司决定在Q2上调了全年营收指引至40M45M美元（原指引40M美元），并将订单数量增速指引从40%上调至60%。

资本支出亮眼，产能扩张彰显雄心。Q1和Q2的资本支出为5百万美元和4.2百万美元，分别同比增长.56%和.33%。继先前奥兰多工厂和蒙特利尔、墨西哥、泰国工厂的两个扩产项目后，公司在今年决定于墨西哥工厂继续扩产，建造全新自动化的大容量产线。该项目的第一条产线投产后，将增加公司总年产能至k。

现金支出环比增长，连续两季度回购股份。Q2现金支出为56.5百万美元，环比增长约18.5百万美元，主要由于部分新增产能即将投产造成的营运资本的增加。总体现金支出目前仍与先前预期保持一致。公司手上有大量现金头寸，近两季该指标皆出现下滑，主要原因是公司不断回购股票。其中，公司Q2回购股票支出高达37百万美元。该行为彰显出公司管理层对未来的信心。

2.5、Valeo：订单数量破记录

创造订单数量记录，后装市场增长动力足。公司在H1于市场开发方面取得突破，不仅与宝马签订了ADAS方面的大合同，还创造了订单数量记录。单季度营收自Q3跌至低谷后开始爬升，在市场开发取得巨大成就后，Q1攀至百万欧元后小幅下降至Q2的百万欧元。细分领域中，OEM取得百万欧元的收入，同比上升1%；后装市场收入增长动力十足，为百万欧元，同比上涨11%。

毛利率稳定，不利宏观环境中运营效率仍能取得进步。宏观环境上，原材料价格上涨、通货膨胀等因素对公司的毛利率造成了-1.9%的压力，但公司的毛利率只出现0.7pt的小幅下降，系因为产品团队不断进取，在产品组合上做出改进，同时公司运营效率提升，给公司带来了+1.2%的毛利率改善。待宏观环境改善后，公司成长空间广阔。

公司预计在全行业面临价值M欧元的材料、能源等生产成本困境下，将保持同比增长，年将实现19.2-20.0十亿欧元的营收，EBITDA将在11.8%-12.3%的范围内。

三、需求端：汽车、工业、机器人，三大需求引擎

3.1、远期展望百亿美金市场，随智能化迅速增长

激光雷达可广泛应用于无人驾驶、高级辅助驾驶、服务机器人和智慧城市等领域。受无人驾驶车队规模扩张、高级辅助驾驶中激光雷达渗透率不断提升以及智能交通建设和机器人等诸多领域的需求推动，激光雷达市场规模或将实现快速增长。据沙利文数据，年全球激光雷达市场规模达到20亿美元，同比增长%，年预计全球激光雷达市场规模有望达到.4亿美元，-年CAGR达64.6%。

汽车领域扩容迅速，5年后将超过工业机器人领域。据Yole，激光雷达市场规模（工业机器人、智能基建、汽车三领域合计）~年CAGR高达25%，年三应用市场规模合计将高达57亿美元，汽车（29亿美元）将取代工业机器人（24亿美元）成为最大的应用市场；智能基建市场规模较小，为3.95亿美元。从细分市场来看，在无人驾驶领域，根据Yole，-年全球激光雷达在无人驾驶市场的出货量或将从14万个增长至万个，CAGR达56.2%，预计至年出货量将达到万个，预计对应销售额将超过82亿美元。

激光雷达成本下探至数百美元区间也将助力高级辅助驾驶量产项目不断落地。据Yole预测，年高级辅助驾驶系统市场全球激光雷达出货量将增长到万个，预计到年，出货量或将接近万个，对应销售额将接近73.92亿美元。

3.2、自动驾驶渗透加速，带动激光雷达放量

目前自动驾驶领域，L2及以下的等级不需要依托激光雷达便可实现（例如特斯拉Modle3），所以我们认为激光雷达在L2及以下级别中不是必要的传感器，激光雷达方案在L3中开始使用，并在L4及以上等级开始普及。由于目前L3及以上等级的自动驾驶在全球范围内渗透率依旧较低，目前也仅有少数汽车厂商推出了自身搭载激光雷达的车型，所以目前激光雷达产业仍然还未到产业爆发期。我们预计未来3年激光雷达将伴随未来自动驾驶等级的提高以及世界范围在“高等级自动驾驶离不开激光雷达”这一观点认知的逐步统一中实现产业的飞速发展。

未来5年自动驾驶汽车出货量将保持高速增长，带动激光雷达放量。根据IDC，预计全球自动驾驶汽车合计出货量将能从年的.5万辆增至年的.7万辆，渗透率预计超过5成，-年CAGR达18.3%，其中L3级别年出货量或将达到约69万辆。

辅助驾驶成为汽车研发的重点方向，L1至L5级别越高自动化水平越高。汽车自动化驾驶通常分为5个级别，L0即人工驾驶；L2半自动化驾驶较为普及，是大多数车型已经具备的功能；L3几乎能完成全部自动驾驶，目前仅有奥迪A8为已上市L3级别车型；L4只有在特定地段才需人工操纵其余时间告别驾驶员；L5纯自动驾驶目前还只停留在概念阶段，无需人类操作驾驶以及辨别路况将彻底改变人们出行观念。通常L2级别的自动驾驶汽车会配备2颗以上摄像头，级别越高、功能越完善的车型则会配备更多的摄像头，未来L5级别的车型至少将装载11颗摄像头，需求持续提升。

相对于传统燃油车，电动车更加适合应用自动驾驶技术，优势在于：1）电机的响应速度更快，安全性更高；2）自动驾驶需要额外增加摄像头、雷达等电气设备，电动车使用这些设备的时候不需要油电转换，能量损耗低；3）传统燃油车的LIN、CAN总线网络在自动驾驶上已经无法应付过来了，需要升级到更快的MOST及车载以太网总线。燃油车由于平台化、模块化的重复利用，牵连众多，很难在架构上推倒重来。国内外电动车领域的领头羊公司都是通过互联网精神树立品牌形象，在产品塑造上更加注重科技感，电动车电子化程度高，更加敢于应用先进的智能驾驶技术，车载镜头受益于这个电动车发展大浪潮。

我国将智能汽车自动驾驶分为5个阶段，分别为：辅助驾驶阶段（DA）、部分自动驾驶阶段（PA）、有条件自动驾驶阶段（CA）、高度自动驾驶阶段（HA）和完全自动驾驶阶段（FA）。年发布的《智能网联汽车技术路线图2.0》中指出：在年，我国PA与CA级智能网联汽车市场份额占比应超50%。（L2+L3＞50%）；到年PA与CA级份额超70%，HA级网联汽车份额达到20%。（L2+L3＞70%，L4＞20%）；到年，中国方案智能网联汽车产业体系更加完善，各类网联式高度自动驾驶车辆广泛运行于中国广大地区。（L3以上网联汽车广泛使用）

根据HISMarkit的数据显示，中国年L2的级的网联汽车渗透率为20%，L3级则为0，如果在未来要实现上述条件：年L2与L3合计份额超过50%，年超70%，则仍有较大的市场空间。

据RolandBerger研究预测，预计到年全球所有地区40%车辆具有L1级功能，L2及更高的功能车辆占比将达到45%，在全球范围内将仅有14%的车辆没有实现ADAS功能。在具体ADAS功能中，根据RolandBerger数据预测，年L1~L2级别的功能渗透率将较年有较大提升，而L3及以上的ADAS功能将进入大众视野中，其中HWP、远程泊车的渗透率将达到9%，全自动驾驶的渗透率也将达到1%。而全球ADAS渗透率的加速，势必将带动车载摄像头、激光雷达等细分行业上下游的景气程度，产业链中的公司或将从中深度获利。

四、市场规模不断扩大，国内厂商加速崛起

4.1、上游激光器探测器壁垒高，中游系国内优先突破口

产业链上游上游厂商激光器和探测器基本为外企主导，国产光学器件经过多年不断发展，性能与外企不相上下且成本更具优势。激光器和探测器：激光器和探测器是激光雷达的重要部件，其性能、成本、可靠性与激光雷达产品的性能、成本、可靠性紧密相关。同时激光雷达的设计会针对激光器和探测器的规格参数提出定制化需求，与上游供应商合作定制激光器和探测器，有助于产品竞争力的提升。国外厂商已在激光器和探测器行业深耕多年，产品的成熟度和可靠性有一定优势，客户群体也更为广泛。国内供应商近些年发展迅速，产品性能已经基本接近国外供应链水平。相比之下，国内供应商在产品的定制化上有较大的灵活性，价格也有一定优势。

FPGA芯片：FPGA芯片通常被用作激光雷达的主控芯片，国外主流的供应商有Xilinx，Intel等。国内厂商主要有西安智多晶微电子有限公司、紫光国芯股份有限公司等。目前国外厂商的产品性能相比国内供应商有所领先，但国内产品的性能目前尚处于能够满足激光雷达的要求的阶段。

模拟芯片：模拟芯片用于激光雷达系统中发光控制、光电信号转换，和电信号实时处理等关键过程。国际模拟芯片厂商主要有TI，ADI等。国内模拟芯片的供应商主要为矽力杰、圣邦微等公司。国际巨头在该领域积累已久，技术先进、产能充足、产品成熟度较高。国内供应商相比之下起步较晚，无论是产品丰富程度还是技术水平均存在一定差距，尤其车规类产品差距会更大。光学部件：激光雷达公司一般自主研发设计光学部件，然后选择加工公司完成生产和加工步骤。光学部件国内厂商的技术水平已经达到或超越国外厂商的水平，且具有明显的成本优势，已能实现替代国外产品满足生产加工的需求。

产业链中游

国内厂商：国内企业近年来积极涌入激光雷达领域，这批公司大多成立于-年，且多集中于-年，5年成立的北科天绘是国内最早的激光雷达企业之一。整体看，国内激光雷达行业既有诸如华为的科技巨头加入竞争，也有禾赛科技等打入海外市场的激光雷达公司，本土企业近几年发展较为快速，但较国际知名企业在部分技术和产品方面仍有差距。

国际厂商：国际企业入局较早，如成立于年的VelodyneLidar，成立于年的IBEO以及年开始起步的Quanergy等，这些激光雷达企业研发起步较早，发展相对成熟，其在技术积累、客户开发和产品应用实践等方面拥有一定优势。

产业链下游

激光雷达下游产业链按照应用领域主要分为无人驾驶、高级辅助驾驶、服务机器人和车联网行业。无人驾驶行业：国外无人驾驶技术研究起步较早，从车队规模、技术水平以及落地速度来看，相比国内仍具有一定的领先优势。国内无人驾驶技术研究发展迅速，不断有应用试点和项目落地，与国外公司的差距在不断缩小。高级辅助驾驶行业：该行业下游企业主要包括世界各地的整车厂、Tier1公司及新势力造车企业。激光雷达用于量产车项目，通常需要激光雷达公司与车厂或Tier1公司达成长期合作，一般项目的周期较长。

机器人行业：国内快递和即时配送行业相比国外市场容量更大，服务机器人国内技术发展水平与国外相当，从机器人种类的丰富度和落地场景的多样性而言，国内企业更具优势。车联网行业：该行业下游企业主要为车联网方案提供商。通过这些公司将包括激光雷达在内的车联网服务整合销售给各地政府和科技园区，也存在激光雷达公司政府和科技园区直接对接的情况。得益于“新基建”等国家政策的大力推动，国内车联网领域发展较国外更加迅速。

4.2、中国厂商份额约1/4，全球地位不容忽视

从市场竞争格局来看，Velodyne、禾赛科技、速腾聚创等激光雷达厂商，选择从机械式方案起步，逐渐向固态过渡；Luminar、Innoviz、华为、大疆等厂商则是直接进行半固态和固态方案的研发。据Yole统计，年全球车载激光雷达市场法雷奥市占率第一，达28%；国内厂商速腾聚创、大疆、图达通、华为、禾赛科技合计市场份额约26%，在全球范围内拥有较大市场份额。

根据Yole数据，预计至年全球激光雷达市场规模将达到.4亿美元，其中中国激光雷达市场规模有望达到43.1亿美元，占比31.83%。预计随着电动汽车以及机器人领域在中国的不断发展，中国将成为全球主要的激光雷达销售市场。

从国内市场规模来看，据华经产业研究院，年我国车载激光雷达市场规模为4.6亿元，年市场规模有望达到54.7亿元，年复合增长率达85.8%。

激光雷达量产加速，全年安装量有望超8万颗年起，激光雷达产业进入商业化落地阶段，本土OEM已率先量产包括小鹏P5、埃安LXPLUS、蔚来ET7、理想L9等在内的多款车型。根据佐思汽研，年上半年，国内乘用车新车激光雷达安装量达到2.47万颗，其中小鹏P5最多，为1.84万颗，占到同期总安装量的74.4%。年下半年，国内拟交付的激光雷达新车达到10余款，包括小鹏G9、威马M7等，这将更大幅度提升激光雷达上车量，我们预计全年车载激光雷达安装总量有望突破8万颗。

“转镜+MEMS”成首选量产方案，其他技术亦有布局当前，激光雷达量产车型主要采用“转镜+MEMS”的技术方案，如禾赛科技AT、速腾聚创M1，华为96线、图达通Falcon等。速腾聚创半固态激光雷达M1于年6月推出，采用MEMS二维扫描芯片技术，迄今已获得40+车型定点，年陆续供应广汽埃安LXPlus、智己L7、威马M7、小鹏G9、路特斯等。华为96线混合固态激光雷达采用转镜方案，探测距离高达米，已在ARCFOX阿尔法SHI版、哪吒S上、阿维塔11量产，后续将应用在沙龙机甲龙等车型上。其中，沙龙机甲龙将搭载4颗该产品，分别位于车头、车尾、车头两侧。短期来看，“转镜+MEMS”依然是本土激光雷达上车的主流方案；长期来说，全固态方案（Flash、OPA）和FMCW激光雷达将成为趋势。

Flash纯固态方案已于今年实现突破。亮道智能今年5月面向中国市场发布首款自研纯固态Flash侧向激光雷达LDSatellite，将于年下半年量产。OPA技术方面，已有如万集科技、力策科技、光珀智能、洛微科技等在内的多家科技公司布局。万集科技或于22年8月发布可测距30米的硅基OPA激光雷达，并规划于年发布车载硅基OPA主激光雷达。FMCW技术也已开始布局。镭神智能、禾赛科技等国内企业均处于FMCW技术研发阶段。年7月Aeva表示首批AeriesII4D激光雷达是全球首款交付的FMCW激光雷达产品，这也将为国内FMCW技术突破提供指引和参考。技术路径日渐清晰，“产能升+成本降”是主要方向提产：随着激光雷达技术路线日渐明朗，国内供应商正通过代工、合作、自建工厂等方式加快产能扩张，尽快实现激光雷达量产。

降本：供应商正通过硬件集成、芯片化的方式，力图进一步降低激光雷达成本，加速产品大规模推广应用。禾赛科技AT产品是一款基于VCSEL阵列光源（第二代芯片，Lumentum提供）打造的远距离半固态激光雷达，以嵌入芯片的VCSEL阵列光源替代了传统的分立式器件光源，能够有效降低激光雷达的成本。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：