2024年激光雷达行业专题报告：性价比提升，关注细分赛道投资机会

1. 写在最前：为何当下时点关注激光雷达细分赛道？

1.1 华为引领，高线束激光雷达快速上车

华为问界 M9 和智界 S7 上市，192 线束激光雷达上车。华为“四界”车型在高阶 智能辅助驾驶硬件配置领先，车端首发搭载 192 线束激光雷达，检测速度、精度和广 度均实现行业领先。问界 M9 和智界 S7 搭载的华为 192 线束激光雷达具备 250 米超 远精确识别能力，可探测的距离更远；184 万点每秒的超高成像能力，垂直分辨率达 0.1°，更精准的还原物理世界；帧率高于同行水平达到 20Hz，更快速完成目标检测。 华为引领，高阶智能驾驶功能 2024 年有望加速，带动车端激光雷达出货量提升。

我们认为，受益于高阶智能驾驶功能渗透加速，2024 年激光雷达有望迎来销量 的快速提升，叠加产品性价比提升有望带动市场规模的持续扩容。

1.2 模块升级，固态激光雷达或有望落地

激光雷达包括发射模块、接收模块、扫描模块和信号处理模块。工作原理来看， 激光雷达发射模块通过激光器生成并发射激光脉冲。在感知到物体后激光脉冲反射 并由接收模块捕获信号，将其输送至信号处理模块，进行模拟信号预处理并转换为数 字信号。依据数据信号提取关键测量信息，完成对周围环境的感知。

发射模块：激光雷达系统的光源，其核心组件为激光器。发射模块中主要包括激 光器和发射光学系统，其中激光器用于产生照射目标的光脉冲，为激光雷达的核心光 源。激光器发出少线束光后通过能源激励在发射光学系统中完成线束的增加，根据激 励物质的不同分为半导体激光器和光纤激光器。半导体激光器通过激励砷化镓（GaAs） 等其他半导体材料发出 905nm 波长的光，而光纤激光器则通过掺杂稀土元素的光纤 介质发出 1550nm 波长的光。受成本影响，905nm 波长激光器商业化落地进度领先。 光纤激光器通常由泵浦源、合束器、光纤光栅、声光 Q 开关、有源光纤、隔离器 等部件构成。泵浦源是光纤激光器的核心部件之一，光纤激光器用半导体激光器作为 泵浦源，对有源光纤进行泵浦，形成激光振荡或激光放大。泵浦源中的主要元器件有 半导体激光芯片，以及快轴准直镜、慢轴准直镜、偏振分束/合束器、反射镜、聚焦 透镜、滤光片、光纤头等光学元器件。

接收模块：核心组件为光电探测器，其性能是影响激光雷达的测量距离、帧率和 分辨率的关键。光电探测器通过在光电二极管中加大反向偏压从而实现光电流成倍 数增长，即“雪崩现象”。光电探测器主要包括雪崩光电二极管（APD），单光子雪 崩二极管（SPAD）和硅光电倍增管（SiPM）。性能来看，APD 凭借适中的灵敏度使其 适用于处理多光子事件，适合中等距离测量；SPAD 对单光子极为灵敏，适用于高分 辨率和长距离测量；SiPM 是由多个微型 SPAD 单元组成的阵列，在信号提取过程中可 按照阈值完成信号提取，并充分提升在极端环境下的稳定性。

信号处理模块：将探测器接收的光信号转化为数字信号。由放大器、滤波器、模 数转换器（ADC）和数字信号处理器（DSP）组成。通过 ADC 将模拟信号转换为数字形 式后，DSP 执行算法以提高信噪比并精确计算目标位置。

扫描模块是各方案结构差别的核心点。根据扫描系统是否具有机械转动部件，激 光雷达可分为机械式、半固态式以及固态式三类。1）机械式激光雷达:扫描覆盖依靠 主机整体实现转动，通过不断旋转实现一维动态扫描。2）半固态式激光雷达以二维 扫描为主。转镜、棱镜、MEMS 方案均通过内部光学元器件转换/旋转等方式实现多维 度光学信号接收。3）固态式激光雷达则利用硅光子学、光学相控阵等光学技术，摆 脱了扫描模组，不需要活动部件，实现低成本、高精度扫描。

激光雷达性能持续向上，国内供应商实现产品性能和迭代速度的反超。发展历 程来看，车载激光雷达线束持续提升，从早期的 4/8 线束产品提升至 2013 年的 16/32线束产品。2018 年后迭代速度加快，激光雷达线束数量提升至 40/64 线束，车端应 用加速。2022 年前后性能提升至 120 线束以上，激光雷达可以实现对现实世界更清 晰、更精准、更快速的还原，逐步成为车端智能驾驶的核心传感器之一。格局来看， 以华为、禾赛科技、速腾聚创、图达通为代表的国内供应商 2018 年后开始加速布局， 保持每年更新迭代产品的速度，产品迭代效率领先；同时国内供应商在产品线束上实 现反超，目前华为激光雷达和图达通灵雀 W 均实现 192 线束的落地。产品类型来看， 高线束固态激光雷达自 2022 年开始上市，由于自身不需要扫描模块，尺寸变小的同 时实现性能提升。2024-2025 年高线束固态激光雷达进程加速，有望落地高性价比车 端激光雷达方案。

2. 当下进展：激光雷达如何实现产品性价比的提升？

2.1 激光雷达性能如何逐步提升？

衡量激光雷达核心性能主要包括线束、视场角、分辨率、帧率、点频和功率等。 实现功能来看，激光雷达需要具备探测中长距离、可靠度和稳定性、夜间判断能力等，与功能相对应的可拆分为线束、视场角、分辨率、帧率、点频和功率等性能参数，对 应关系上，发射模块、接收模块、扫描模块、接收模块均影响激光雷达本身性能。线 束数量是直观衡量产品性能的关键指标，直接影响到产品性能。线束及等效线束越多， 激光雷达对的感知精准度越高、探测范围越广，激光雷达数据有效性越强。

激光雷达线束可以更直观衡量激光雷达的性能。一方面，整车厂对激光雷达应用 的过程中对视场角、分辨率、帧率、点频和功率有标定参数，需要满足车端需求方可 应用。另一方面，线束是垂直方向发出激光的数量，线束及等效线束越多，发出的激 光束越密集，激光雷达的感知精准度越高，激光雷达数据有效性越强。在后续的性能 升级分析中，我们聚焦如何提升激光雷达线束数量从而提升感知精准度。 性能升级方案一：硬件升级带动激光雷达线束数量增加。固态激光雷达中，Flash 方案通过光电集成技术、单片集成技术、堆叠技术等方式实现在有限的单位面积上增 加收发模块的数量。OPA 方案通过增加分束器，完成输出激光线束量级的提升。硬件 升级优化收发模块配置，有效带动激光雷达线束的增加。

性能升级方案二：优化振镜提升输出端等效线束。半固态激光雷达中，可以在扫 描模块中通过优化振镜的方式，使低线束收发模块实现等效高线束效果。以速腾聚创 M1 为例，收发模块有 5 组平行的 EEL 半导体边发射激光器，其发射出的点光源通过 准直透镜将分散光束形成几个平行方向后，通过分光组件进入反射镜，反射镜将激光 精准投射到 MEMS 振镜上进行多次反射，实现输出端等效线束的提升。

性能升级方案三：扫描器数量增加并分工实现接收端等效线束升级。半固态雷 达中，二维旋转镜激光雷达采用两个一维振镜，分别负责水平和垂直方向上的扫描。 以 Luminar 的产品为例，采用转镜+摆镜的方式，通过横轴+纵轴进行二维扫描，从而 弥补一维扫描方式精度不足缺陷，实现等效高线束功能。

性能升级方案四：同时通过优化算法和信号处理技术提升激光雷达性能。优化 信号处理技术可以提高对远处物体的探测能力；噪声抑制技术，比如自适应滤波和波 形分析，可以减少背景噪声和系统电子噪声对信号的影响；信号积分技术能够通过累 加连续多个探测周期内的信号，显著提高信噪比，从而使得系统能够探测到更加微弱 的回波，提高探测范围。使用机器学习的模式识别，可以更精确地从噪声背景中提取 有用信号，增强目标探测的准确性和远程探测的能力。

2.2 激光雷达成本如何持续下探？

激光雷达成本持续下探。速腾聚创和禾赛科技的激光雷达成本来看，激光雷达成 本均保持快速下探，速腾聚创 ADAS/机器人及其他激光雷达成本分别从 2020 年的0.99/1.10 万元下探至 2023H1 的 0.50/0.63 万元；禾赛科技激光雷达单颗成本从 2021 年的 2.39 万元下探至 2023Q3 的 0.65 万元。

方案优化：集成式方案简化生产制造成本及原材料用量。芯片为例，SoC 芯片中 集成了多个功能模块，如光电探测器、前端电路、波形处理电路，减少了对多个独立 组件的需求，降低了物料成本和装配复杂性。此外，SoC 还提高了信号处理的效率和 速度，减少了功耗。集成化设计简化了激光雷达系统的整体架构，从而减少了制造和 维护的成本。自研 SoC 允许公司根据特定需求定制设计，更好地与产品集成。

SoC 芯片方案将接收、处理等模块融合，持续简化产品结构。以速腾聚创 E 平台 产品为例，通过处理 SoC 芯片与接收 SPAD 阵列的 3D 堆叠，有效的集成了接收和信 号处理部件，实现系统简化和成本控制，可以提供直接处理并生成点云的能力。

核心组件价格下探：有望实现成本的持续下降。计算芯片、激光器、光学棱镜等 核心组件价格指数均处于下降通道，未来组件成本有望保持相对低位，激光雷达产品 有望实现成本下探。

激光雷达成本持续有望下探，2024 年降价节奏放缓。根据 IDTechEx 的预测，激 光雷达各方案价格仍处在下行通道，相较于 2022 年和 2023 年成本下探幅度或有所 放缓，行业利润率有望缓解。

3. 行业未来：销量快速增长，算法决定未来感知方案

3.1 比较：成本影响，激光雷达适配高价格带车型

摄像头+毫米波雷达+超声波雷达的组合基本满足感知需求。传感器性能对比来 看，激光雷达在探测速度、日夜间工作能力上领先。“摄像头+毫米波雷达+超声波雷 达”的感知层传感器组合在性能上满足各场景智能驾驶感知需求，激光雷达或作为探 测距离及夜间环境的补充传感器。

单车价值量：激光雷达＞4D 毫米波雷达＞800 万像素摄像头＞3D 毫米波雷达＞低像素摄像头＞超声波雷达。单车用量来看，激光雷达/4D 毫米波雷达/高像素摄像 头/3D 毫米波雷达/低像素摄像头/超声波雷达单车搭载量分别为 1-3 个/3-5 个/3-5 个/4-6 个/4-8 个/8-12 个。性价比来看激光雷达或略有落后。

4D 毫米波雷达和激光雷达或存在竞争关系，4D 毫米波雷达性能提升，激光雷达 在识别精度上领先。4D 毫米波雷达角分辨率对比来看，4D 毫米波雷达可以达到 1~2 度角分辨率，相比于传统 3D 毫米波雷达清晰程度可以提高 5-10 倍；识别精度和距 离来看，4D 毫米波雷达通道数提升，保证视角的同时保证探测距离。4D 毫米波雷达 硬件上增配/提升射频芯片的能力，让毫米波雷达通道数显著提升。4D 毫米波雷达和 激光雷达对比来看，激光雷达点云数据更稠密，反馈数据频率更高，保持性能领先。

我们认为，激光雷达或成为中高价格带车型补充传感器存在，主要负责极端环境 感知、距离测量等方面的数据获取，具备传感器性能优势。

3.2 算法：融合 vs 视觉，Pseudo-LiDAR 改变格局

智能驾驶算法决策的权重占比持续提升，逐步成为定义硬件配置的核心原因。 我们认为算法的迭代或直接影响车端硬件布局。方案来看，多传感器融合方案和纯视 觉方案在竞争中直接受 AI 算法、融合算法等多类算法的影响。

融合算法：通过多传感器多轮数据融合，保证识别精准度和目标跟踪的准确性。 以华为 GOD 网络为例，融合的流程大致为：（1）数据采集：通过激光雷达的点 云数据，初步获得行车环境的特征图；（2）关联关系转换：基于特征图，用 Transformer 结构的解码器，预测初始边界框，将行车环境中所需要注意的物体框选并标注，得到 含有距离信息的边界框，Transformer 将摄像头数据和激光雷达的数据转换为软关联 数据。（3）数据初步融合：将激光雷达采集的信息投影到摄像头采集到的图像上， 把 2D 图像的特征融合进去，给边界框赋予语义信息。用大模型 Transformer，自适 应地寻找 2D 图像与 3D 点云的关联。（4）详细标注：通过 Transformer 中的交叉注 意机制，以一种稀疏到密集的、自适应的方式将 2D 图像再次融合。Transformer 完 成自适应对模型中信息的抽取，增强对物体识别的精准度。

激光雷达在场景稳定过程中权重较低，在场景变化的过程中是最先发生权重变 化。融合算法在权重分配上，激光雷达作为感知范围较大、识别距离较长的感知层传 感器，在场景相对稳定的环境中激光雷达权重保持相对较低位置，在场景发生变化的 帧数中激光雷达首先达到满权重而后下降至较低位置。

当下来看融合算法结合了各模态传感器的优势，提高了检测精度和召回率。与 视觉算法和激光雷达算法相比，融合算法将车辆检测准确率分别提升了 6.47%和 3.72%。行人检测准确率分别提升了 20.27%和 4.86%；骑行者检测准确率分别提升 了 5.04%和 3.04%，融合方法能够实现更好的环境感知能力。

视觉算法：AI 加持优化图像处理能力，Pseudo-LiDAR 有望替代激光雷达数据。 视觉算法通过 Pseudo-LiDAR 方案，使用多目摄像头获取图像深度信息从而补全 3D 图像信息。Pseudo-LiDAR 方案是通过多摄像头方案获得深度图像，并将深度信息 结合图像信息获得伪雷达点云（Pseudo-LiDAR 点云），从而替代激光雷达方案。

Pseudo-LiDAR 方案具备更加稠密的数据，并且具备 RGB 颜色信息。结果来看， Pseudo-LiDAR 方案信息精确程度略低于融合方案，但具备更加密集的点云数据，并 且具备 RGB 颜色信息，即可以通过颜色区分识别物体的属性和位置，从而更好完成 神经网络感知下的 3D 成像。

特斯拉较多使用 Pseudo-LiDAR 方案，完成对静态物体和动态物体的标注。静态 物体标注来看，特斯拉通过地图重构的方式保留出 Pseudo-LiDAR 信息，并且通过 auto-labeling 算法完成信息处理，从而完成目标检测等任务。动态物体标注来看， 通过多目摄像头构建深度信息，并通过自监督方式获得距离信息，同时通过 Radar 得到深度信息和穿透信息。在叠加 Pseudo-LiDAR、Radar 和视觉方案反馈的数据后，结 合时序模型完成对空间内物体行为轨迹的预测。

特斯拉基于静态识别和动态识别的方案，完成对路面全部信息进行标注，并通过 Diffusion 及时序模型完成行为轨迹的预测。

结合当下算法进展和商业化应用成果，我们认为，融合方案效果由于纯视觉方案， 激光雷达仍然可以保持性能上的领先及上车的必要性。长期来看，Pseudo-LiDAR 方 案或逐步趋近成熟，数据精准度的提升叠加与神经网络感知的适配性有望逐步降低 激光雷达数据在智能驾驶 3D 成像方案过程中的权重。

4. 空间测算

4.1 未来销量：智能渗透加速，机器人有望接力

智能驾驶：高阶智驾渗透率快速提升，激光雷达出货量有望向上。 未来高阶智能驾驶有望带动高线束激光雷达出货量提升。智能驾驶域控制器渗 透率将在高等级自动驾驶车型（L2、L3）上迎来快速增长，预计 2023 年在 L2 的渗透 率能够达到 33%左右，L3 的渗透率能够达到 8%。从 2024 年往后，L2、L3 整体渗透率 将达到 50%以上，占据主导地位。预计到 2030 年，L2 与 L3 的渗透率分别达到 45%和 32%，合计 77%，较 2023 年提升 36.0pct。L1 智驾车型的渗透率下降明显，预计从 2016 年到 2030 年将下降 84.11pct，2023 年 L1 或保持在 10%左右的渗透率。

L2 及以上级别：渗透率持续提升。渗透率与价格带基本正相关，各价格带变化 趋势相似性较高。（1）整体渗透率：L2 方案及以上方案渗透率持续增长。从 2021Q1 的 10.6%提升至 2023Q1 的 33.5%，渗透率增长 22.9pct。（2）分价格带：由于车型 供给端差异，部分价格带渗透率较高，整体和价格带保持正相关。2023Q1 L2 方案及 以上方案渗透率来看，10 万以下车型渗透率为 0.4%，10-15 万以上车型渗透率为 23.9%，15-20 万价格带车型渗透率为 40.2%。25-35 万价格带车型渗透率在 50%以上， 主要系特斯拉等造车新势力和自主品牌车型的集中。35-40 万价格带渗透率为 71.3%， 主要系理想车型智能化配置较高且占据价格带较大份额。40 万以上价格带渗透率在 30%-50%之间，略低于 20-40 万价格带，主要系奔驰、宝马、奥迪等豪华品牌尚未将 智能驾驶级别及功能作为品牌的差异化配置。

2024 年超过 30 款新车将搭载激光雷达，高线束激光雷达销量有望提升。分车型 来看，阿维塔 11 和阿维塔 12 采用三颗 96 线激光雷达，具备 120°×25°的视场角 和 150 米的探测距离，这一配置在多方面确保环境感知性能。理想 L9Max、飞凡 R7 旗舰版、零跑 C10 均搭载一颗 128 线束激光雷达，提供 120°×25.4°的视场角度和 200 米的有效探测距离，搭配 10Hz 的帧率，平衡性能和成本。蔚来全系车型标配 150 线激光雷达，在 10%反射率下能够探测到 250 米以内的物体，探测距离远。华为智界 S7 和问界 M9 配置 192 线束激光雷达，在 250 米范围内实现精确识别，20Hz 的雷达 扫描频率使其在数据更新速度和环境感知能力上出众。

车载激光雷达：预计 2027 年车载激光雷达市场规模有望超过 280 亿元。受益于 激光雷达性价比持续提升，我们认为：（1）车载激光雷达渗透率有望持续提升，预 计 23-27 年渗透率分别为 2.0%/7.0%/15.0%/23.0%/29.0%；（2）单车平均激光雷达 搭载量保持在 1.25 颗，即大部分车型装配 1 颗激光雷达，部分车型或搭配 2-3 颗激 光雷达；（3）单车价值量持续下探且降幅下降，预计 23-27 年单颗激光雷达价格分 别为 4500/3800/3300/3000/2800 元。

机器人：应用范围升级，中低线程激光雷达出货量上行。 机器人场景的品类数量逐步增加，低线程激光雷达在各类机器人上应用广泛。 分机器人类型来看，家庭类机器人，如扫地机器人和教育机器人，利用激光雷达的高 覆盖率和精准定位的特性，将其作为导航定位的核心传感器。使用单线旋转激光雷达 配合 SLAM 算法，家庭机器人能够构建精准的室内地图，并实现高效的自主导航。商 用服务领域，室内机器人广泛配置 2D 激光雷达，应用于迎宾、引导、运输配送等众 多场景。低线束激光雷达以其敏锐的环境感知能力，实现了机器人的自主移动和障碍 规避。激光雷达逐步成为满足机器人多场景环境感知的重要传感器。

服务机器人销量进入上升通道，低线程激光雷达出货量有望上行。2023 年 1-11 月服务机器人销量为 669.1 万套，同比增长 38.6%。伴随旅游、物流等行业的快速复 苏，服务类机器人销量或稳步向上，2024 年销量或保持较快增长。

服务机器人有望快速扩容，低线束激光雷达出货量有望快速提升。国内服务机 器人市场规模有望从 2022 年的 312 亿元提升至 2027 年的 1064 亿元，5 年复合增速 为 27.8%，服务机器人上的低线束激光雷达出货量有望快速提升。预计服务机器人激 光雷达市场有望从 2022 年的 46.3 亿元提升至 2027 年的 95.0 亿元，保持销量的快 速增长，规模效应有望提升低线束激光雷达利润率水平。

2024 年激光雷达细分赛道或迎来高速增长，建议重点关注激光雷达赛道投资机 会。受价格影响，2023 年高线束车载激光雷达同比增速下探明显，2024 年成本变化 环节显著。受益于智能化加速和机器人应用范围的持续提升，预计 2024 年车载激光 雷达和服务机器人激光雷达市场规模分别为 86.3/78.16 亿元，同比增速分别为 205%/17%，为 2022-2027 年细分行业同比增速最高的一年。我们认为，价格下探幅度 下降，产品性能的持续提升，激光雷达有望在 2024 年迎来性价比奇点，从而带动行 业规模的扩容和同比增速的快速提升。

4.2 行业格局：内资加速布局，禾赛和速腾领跑

需求：国内车企高阶智能驾驶功能领跑，2024 年内无法完成去激光雷达化。高 阶功能进展来看，国内整车厂落地城市 NOA 的时间领先外资整车厂。城市 NOA 功能 落地进度可以分为三挡，特斯拉及国内新势力车企预计 2023 年底落地城市 NOA 功能， 自主品牌预计 2025 年落地城市 NOA 功能，外资品牌预计 2025 年后完成功能落地。 算法端来看，短期内无法完成去激光雷达化进展，AI 算法在车端应用仍需要较长开 发时间和验证周期，2024 年内仍保持对激光雷达的确定性需求。

供给：国内供应商产品迭代加速，多技术路线支持多平台开发充分适配需求。产 品矩阵来看，国内供应商如禾赛科技、速腾聚创等公司均保持多技术方案的开发模式， 产品迭代速度和整车厂需求响应能力充分适配功能和销量结构的持续变化，我们认 为国内激光雷达厂商有望进一步扩大领先优势。

编辑：火腿肠