智能驾驶感知产业的趋势是什么？

智能驾驶感知产业发展的趋势有以下三种：

趋势一：感知部件升级，激光雷达和 4D 毫米波雷达相继应用上车

自动驾驶催化下，激光雷达逐步应用，毫米波雷达与摄像头升级。传感器是实现自动 驾驶感知的硬件支撑，汽车传统感知器包括摄像头、超声波雷达和毫米波雷达等，在探测 距离和探测精度上能基本满足 L1-L2 级别自动驾驶需求。但自动驾驶级别升高对传感器探 测的距离和精度提出了更高的要求，激光雷达因此落入主机厂视野，成为高级别自动驾驶 所必需的感知器之一，当前激光雷达开始应用上车。传统的毫米波雷达产品已经成熟，现 在 4D 毫米波雷达在传统毫米波雷达软硬件基础上进行了升级，增加了对于物体高度的测 量，能够识别静止的物体，并能够生成物体大致轮廓的点云，并希望未来部分代替低线束 激光雷达，做到感知成本的降低。前视摄像头（一体机）作为 L2 及以下 ADAS 功能的关键 传感器，鱼眼相机作为泊车功能的关键传感器，产品较为成熟，而侧视和后视摄像头逐步 开始搭载，高阶应用的趋势是摄像头模组，算法在控制器中实现。

L3 及以上的高阶自动驾驶需要搭载激光雷达已经成为行业的共识，激光雷达加速上车。 激光雷达在 Robotaxi 已经广泛应用，基本是以机械式为主，而车规级激光雷达也已经积累 了多年，技术趋于成熟，激光雷达已经普遍出现在近期发布的中高端车型上。根据高工智 能汽车的数据，2022 年上半年国内激光雷达交付上车 2.67 万颗，2022 年全年预计超过 10 万颗，预计到 2023 年底规模超过 150 万颗（含定点）。

激光雷达是当下解决智能驾驶场景痛点的有效感知器件，随着成本下降，将会得到更 多的应用。目前智能驾驶中感知器件仍然存在痛点：①摄像头和毫米波雷达感知仍不安全， 对于静止物体、较差光线环境、罕见的 cornercase 不能做到很好的表现；②搭载中短距激 光雷达也仍不够安全，在时速大于 100km/h 的高速场景下，仍然不够安全，车辆的安全制 动需要清晰探测到 100m 之外的小物体，意味着实现 100m 的提前预警，需要 250m 的准探测距离；③层出不穷的高速抛洒物严重威胁驾乘安全。而激光雷达尤其是长距激光雷 达的应用可以较好的解决以上问题。现在 1550nm 激光光源的激光雷达售价在 1000 美元 左右，预计未来 3~5 年能够实现至少 50%的降本，届时激光雷达将会更多的搭载在车上。 毫米波雷达经历了多年的积累实现了在乘用车上的量产应用，产品应用的载体是 ADAS 功能，其市场年销量在逐渐增加，但传统毫米波雷达有无法识别静止物体的缺陷， 当前国产化方案呈现百花齐放的趋势。

毫米波雷达在对信号进行处理时，能够利用运动目 标的多普勒频率和 TOF 原理实现物体速度和距离测量，基于并列接收天线收到同一目标反 射的脉冲波的相位差实现角度测量。毫米波雷达可以输出距离、速度和角度信息，也被称 为 3D 毫米波雷达，对距离和角度信息通过将极坐标系转换为笛卡尔坐标系，可以获得目 标在 x 和 y 方向上离自车的距离，但是缺少了垂直 z 向的信息，对道路中间的井盖、减速 带、悬在半空中的各种标识牌、限高架、静止的车辆等静止物体，由于没有高度信息，通 过 3D 毫米波雷达是无法决策这些障碍物是否影响通行的，这是传统毫米波雷达的缺陷。 当下毫米波雷达发展规律：①价格降低；②体积变小；③脉冲到 FMCW；④芯片高度集成 化；⑤技术创新——4D 成像。现在毫米波雷达已经发展到了第五代，大陆马上要推出第六 代毫米波雷达。L2+系统中，尤其是 NOA 功能，普遍采用了 5 颗毫米波雷达。当下各家的 技术方案存在多样性，重点在于性能指标和工程化落地的能力。

4D 毫米波雷达能够测量目标的高度信息，进行物体的点云成像，是毫米波雷达的下一 代升级。4D 毫米波雷达增加的最显著功能是可以精确探测俯仰角度，从而获取被测目标真 实的高度数据，凭借这一特性，4D 毫米波雷达可以“识别静止物体”。除此之外，4D 毫 米波雷达在分辨率上也获得极大提高，以 Arbe Phoenix 为例，其水平和垂直分辨率分别 为 1°和 2°，1°的水平分辨率比普通 3D 毫米波雷达提升 5~10 倍， 2°的垂直分辨率仅比普 通 16/32 线机械式激光雷达的 1°垂直分辨率小一倍，这让 4D 毫米波雷达在扫描同一物体 时可获扫描的点的数量极大增加，甚至可以有低线束激光雷达的点云扫描效果。第五代毫 米波雷达已经可以逐步实现点云成像，成像的目的是为了对物体进行勾勒轮廓，做出邻近 物体的区分。而在此过程中识别会有识别率的问题，并不是所有物品都可以被识别，当成 像点云越接近物品的真实轮廓，识别率会越高。4D 激光雷达已经可以大致描述物体的周边 轮廓，下一步就是在点云成像基础上，提升目标识别的算法效率。

4D 毫米波雷达较激光雷达更具成本优势，我们认为能够部分代替低线束激光雷达，促 进高阶智驾渗透率提升带来行业的规模效应。4D 毫米波雷达无疑是自动驾驶感知部件的新 星，特斯拉在 2022 年注册了相关的专利，同时 Mobileye 的 CEO 在 CES 演讲上也表达 在 2025 年的高阶自动驾驶上，应用 4D 毫米波雷达去代替激光雷达。4D 毫米波雷达相对 激光雷达优点在于：①多普勒效应直接测速，精度高；②环境适应能力能好，穿云透雾以 及穿雨效果更好，也不受光线的影响；③成本更低，4D 毫米波雷达的传感器都是基于硅基 的 c 模式的传感器，成本可以做得更低。4D 毫米波雷达可以在高度方向与激光雷达做到类 似的角分辨率，但是低线束激光雷达在水平方向的角分辨率仍要比现有的 4D 雷达高出 1 个数量级，但是这个指标并不能代表全部的感知能力，在一些方面 4D 毫米波雷达表现并不 差。4D 毫米波雷达优势突出，我们认为成本是最关键的变量，激光雷达和 4D 毫米波雷达 并不都是成熟的感知器件，技术进步会提升他们对物体的分类能力以及面对 Cornercase 的检测能力，4D 毫米波雷达与摄像头的结合使用是一种很好的低成本的中短距感知方案， 结合高线束的远距激光雷达负责远端感知，形成完整的感知方案。我们认为在成本要求高 的项目上，4D 成像毫米波雷达会部分替代低线束的激光雷达。当下正是 L3 级别自动驾驶 渗透率提升的起点，诸如激光雷达和 4D 雷达成本仍然较高，相信如果更多的厂商采用 4D 雷达，将会带来智驾系统成本下降与高阶智驾渗透率提升的良性循环，届时也将会增加激 光雷达的应用，共同促进系统成本的下降。

趋势二：感知硬件预埋成趋势，国产替代加速

安全功能成主机厂寻求差异化竞争新方向，感知硬件预埋已成趋势。感知部件升级趋 势分为以下两点：①新车搭载传感器丰富升级，激光雷达、4D 毫米波雷达、800 万高像素 摄像头等高级别传感器逐渐应用上车。相比于普通毫米波雷达、摄像头、超声波雷达等传 统传感器，新感知部件的搭载上车本质上是为了追求安全冗余而进行的升级，多个传感器 互补缺陷，实现冗余，进而减少整个感知系统的 Cornercase。②新车搭载传感器数量增多， 这是感知器件在军备竞赛的体现，本质上是为了追求安全冗余。主机厂硬件预埋，成为安 全功能新卖点。伴随 L2+级别智能驾驶在新车中纷纷落地，头部新造车企业在目前自动驾 驶上的差异化优势不再突出，激光雷达、4D 毫米波雷达、800 万高像素摄像头等传感器预 埋成为造车新势力及头部自主品牌寻求差异化竞争力的新方向。蔚来 ES7 搭载了 11 个摄 像头+12 个超声波雷达+5 个毫米波雷达+1 个激光雷达，小鹏 G9 搭载了 12 个摄像头+12 个超声波雷达+5 个毫米波雷达+2 个激光雷达，并配备了高精度地图，理想 L9 搭载了 11 个摄像头+12 个超声波雷达+1 个毫米波雷达+1 个激光雷达，蔚小理三者新车型也均并配 备了高精度地图，硬件配置行业领先。长安深蓝 SL03、极氪 001、北汽极狐阿尔法 S 等自 主品牌新车型也搭载了更多的摄像头、毫米波雷达等传感器。相比于比亚迪汉、小鹏 P5 等 传统热销车型，新车搭载传感器总量明显增多，感知硬件投入金额也显著增加，硬件预埋 已成为主机厂主流策略。

感知部件丰富升级下国产替代加速，本土供应商有望追赶海外领先厂商，迎来较好发 展机遇。①车载摄像头镜头领域国产化趋势明显，舜宇光学领跑行业，独占鳌头；摄像头 关键组成部分 CIS（CMOS 图像传感器，Complementary Metal Oxide Semiconductor Image Sensor，互补金属氧化物半导体图像传感器）领域国产替代加速，韦尔股份持续提 升市占率，有望打破外资安森美垄断格局。②国内超声波雷达产品升级迭代加速，上富股 份提供整套基于超声波雷达系统的感知解决方案，持续获得国内车企定点，加速国产替代。 ③海外厂商在毫米波雷达领域领先不多，国内厂商有望凭借 77GHz 毫米波雷达实现赶超， 目前华域汽车和德赛西威均已实现 77GHz 毫米波雷达量产，国产替代速度加快。④车载激 光雷达尚处发展阶段，部分国内厂商已实现产品量产，短期内有望进一步突破。本土激光 雷达厂商速腾聚创实现车规级半固态激光雷达前装量产交付，技术领先国内行业，已抢占 较多市场份额。炬光科技的激光雷达发射模组产品销量迅速提升，与国内外多家激光雷达 供应商达成合作，有望借助激光雷达实现腾飞；⑤四维图新、高德和百度在高精度地图上 布局较早，占据国内绝大部分市场，在自动驾驶催化下陆续与国内外车企达成合作，有望 持续受益于高精度地图。

趋势三：多传感器融合和前端融合是未来趋势

目前视觉感知和多传感器融合方案双线并行，从距离、速度及精度上的探测要求来看， 多传感融合技术更符合高级别自动驾驶需求；从感知算法来看，SLAM 算法为感知方案核 心算法，其中前端融合算法将是未来发展趋势。

当下纯视觉感知和多传感器融合是主机厂主流感知方案选择：①纯视觉感知方案具备 结构简单、成本较低等优势，基本能满足 L1-L2 自动驾驶感知需求，但该方案对算力要求 高，受限于摄像头感知，在探测距离、探测精度上也存在一定缺陷。目前以特斯拉、丰田 为代表的车企聚焦于纯视觉感知方案。②多传感器融合感知方案成本更高，但具备探测精 度高、探测距离远等优势。该方案中不同的传感器实现不同功能，各有优劣，互为补充， 实现冗余，从理论上是安全可靠性最强的感知方案，更贴合高级别自动驾驶需求，但其技 术壁垒高，对算法要求最高。目前蔚来、小鹏等造车新势力更倾向于自研融合感知方案。 从算法端看，SLAM 算法是实现感知方案的核心技术，其中前端融合算法会是未来发展趋 势。 SLAM 指同时定位与建图，即在汽车自身不确定位置的条件下，根据车载传感器的信 息，同步计算自身位置和建构环境地图，并同时利用地图进行自主定位和导航，最终实现 自动驾驶感知部分，因此实现 SLAM 算法是各种自动驾驶感知方案中最核心、最重要的部 分。目前主机厂在 SLAM 算法中主要采取后端融合算法，而前端融合算法在实现感知系统 的准确、平稳和精准等性能上较后端融合算法更胜一筹，但碍于算法要求较高，会是未来 发展趋势。

软、硬件自研能力较强的车企，有望率先降低激光雷达和融合感知方案的成本，突破 SLAM 算法壁垒，最终实现软件硬解耦。以传统的雷达、摄像头等实现环境感知时，不同 传感器的感知算法都有其相对独特性，并且数据融合方法与其适合的智能驾驶决策、规划、 控制算法耦合紧密，传感器及其感知算法的供应商需要花费大量时间和成本适配智能驾驶 系统，难以实现感知部分的软硬件解耦。而多传感器融合感知方案能够通过前端融合算法 实现单一传感器与其传感器感知算法分类，通过滤波方式在前端实现多个传感器的数据融 合，从而助力实现软硬件解耦。目前，国内小鹏、蔚来等势力凭借其较强的软、硬件自研 能力，布局融合感知方案，有望率先突破融合感知方案壁垒与 SLAM 算法壁垒，叠加激光 雷达成本下降，多传感器融合感知方案会是主流趋势，主机厂倾向自身主导感知算法，最 终实现感知层软硬件解耦。