（每日研选深度报告导读，请关注：报告派）
报告出品/作者：安信证券、马良
以下为报告原文节选
------
1.从发展历程看激光雷达
激光雷达（LightDetectionAndRanging，简称"LiDAR"）即光探测与测量，是一种集激光、全球定位系统（GPS）和 IMU（InertialMeasurementUnit，惯性测量装置）三种技术于一身的系统，用于获得数据并生成精确的 DEM（数字高程模型）。这三种技术的结合，可以高度准确地定位激光束打在物体上的光斑，测距精度可达厘米级，激光雷达最大的优势就是"精准"和"快速、高效作业"。
从 1960 年人类首次制造出激光，到 1992 年三菱首次应用激光雷达于汽车测距，再到 2007 年Velodyne 生产出首台商用 3D 动态扫描激光雷达，如今，激光雷达的发展呈现出加速化、多技术路径并举的特点，是汽车感知架构的关键部件。2018 年 4 月《科技日报》推出了“亟待攻克的核心技术”系列专栏，列举了 35 项对于中国而言“卡脖子”的核心技术，包含光刻机、芯片、重型燃气轮机等。其中激光雷达位列第十项。
1.1.回首发展脉络，激光雷达缘何兴起
1.1.1.生根发芽，吸引国内外势力逐鹿蓝海
激光雷达的最早车规级应用源于 1992 年，三菱公司在其旗舰产品第三代 Debonair 上搭载了可以用于探测跟车距离的激光雷达。可以显示跟车距离，并在距离过近时发出预警。但是，当时恶劣天气可靠性更高、技术更为成熟的毫米波雷达更适应这一功能，很快便取而代之发展成如今的 ACC 自适应巡航功能。
21 世纪后，美国陷入阿富汗和伊拉克两场战争，无人驾驶车辆被视为减少美军伤亡的方法之一。2004 年到 2007 年间，由 DARPA（美国国防部高级研究计划局）发起了三届无人驾驶挑战赛（DARPA Grand Challenge）。首届比赛中 7 支队伍均未完赛，但 Velodyne 公司的大卫·霍尔却从此意识到了激光雷达的巨大潜力，以及当时单线式固定视距激光雷达的局限性。比赛结束后，霍尔发明了一台机械转动式 64 线激光雷达，形状如同“车顶飞碟”，一改之前激光雷达仅扫描单一固定视线的思路。第二届比赛中，开始有队伍在车辆顶端装载激光雷达，但由于车体机械故障未能完成比赛。至第三届比赛时，霍尔的激光雷达开始大放光彩，几乎被所有完赛的队伍所采用。这就是日后 Velodyne 的主打产品之一，机械旋转式激光雷达 HDL64E 的原型。
第三届 DAPRA 结束后的几年里，霍尔不断改进产品，在 2009 年开始正式售卖日后闻名天下的机械旋转式激光雷达鼻祖 HDL-64E，与原型机相比体积显著减小。同年，谷歌创始人拉里·佩奇邀请了代表斯坦福拿下冠军的塞巴斯蒂安·特龙教授（Sebastian Thrun），最终形成谷歌旗下的自动驾驶公司 Waymo 。2012 年，17 岁的天才少年罗素从斯坦福大学退学，创立了激光雷达的另一个巨头Luminar，同年，主打固态激光雷达的Quanergy在美国加州成立。
此后陆续诞生了 Aeye，Innoviz，Innovusion 等上百家激光雷达公司。Waymo 在 2016 年发布了自研的激光雷达，博世在 2017 年收购了美国 Tetravue 入局激光雷达，蔡司也在 2018 年投资了激光雷达企业 Bridger Photonics。
中国公司中，百度于 2013 年开始布局自动驾驶，此后陆续出现 Drive.ai、小马智行、禾多科技、文远知行等一批公司，构成了中国自动驾驶半壁江山。这些公司是激光雷达起步阶段最主要的客户群。2014 年，禾赛科技、砝石科技、速腾聚创在国内成立。2016 年，在测绘激光雷达领域默默耕耘了 11 年的北科天绘发布了国内首款激光雷达产品。万集科技、镭神智能、北醒光子等数十家激光雷达企业，如今已经成为全球车载激光类额达领域中，不容忽视的一股力量。
1.1.2. 开花结果，固态化路线掀起技术迭代浪潮
为满足安全性、稳定性和寿命的保障，激光雷达使用的软硬件都需要过车规认证。而机械旋转式激光雷达并不适用，其一是动辄上万美元的高昂单价使诸多车企难以承受；其二也是更难解决的问题，其内部使用了大量机械运动部件，在体积和寿命上有缺陷，几乎不可能通过车规认证。固态和混合固态（半固态）激光雷达成为了被看好的方向，其思路是改造激光雷达中的激光器，通过寻找其他工程实现方式减少激光器中的旋转部件，从而提升产品的稳定性、寿命并减小量产成本。
其中，固态雷达被认为是更优方案。但目前难以实现。2014 年成立于硅谷的 Quanergy 曾令固态 OPA （光学相控阵，固态激光雷达主流技术之一）技术受到广泛关注。但其并没有可靠的车轨级产品问世，核心参数探测距离在 2016 年时是 300m，2017 年却变成了模糊不清的“很远”；市场对 OPA 的热情逐渐冷却，Quanergy 的市场占比也不及从前。另一固态雷达解决方案 FLASH 目前发展也尚未成熟，探测距离和分辨率难以兼顾，需要多年研究才能走向市场规模化。
在现有技术和工艺水平下，混合固态更能满足量产车型对雷达稳定性和寿命的要求。2018 年，德国大众旗下的奥迪 A8 成为首个搭载激光雷达的量产车型，它使用了由法国 Tier1（汽车行业一级供应商）法雷奥推出的全球第一个完成车规量产认证的激光雷达 Scala，其使用的就是 4 线混合固态激光雷达路径。但由于其线束太少，成像的可靠性和准度都大打折扣。被判断并不是激光雷达尝鲜者的中国车企，后来居上成为了全球最积极搭载激光雷达的客群。
自 2020 年起，全球范围有 21 款车型宣布将搭载激光雷达，中国公司推出了其中的 14 款，这些车企选择的都是混合固态激光雷达。（张立辰，《激光雷达十年上车路》）
目前，应用最广泛的混合固态方案是 MEMS（微机电系统），首个 MEMS 混合固态激光雷达是以色列公司 Innoviz 在 2017 年发布的 Innoviz One；速腾紧跟其后，在同年推出了与Innoviz One 相似的 M1。另一个被看好的混合固态路线是单轴转镜，即 Scala 使用的方案。
华为在 2020 年 12 月正式发布单轴转镜的 96 线激光雷达，并同步宣布了合作车型为北汽极狐阿尔法 S。其准度和可靠性都大大超过奥迪搭载的 4 线激光雷达。禾赛在 2021 年第四季度推出了参数高于华为的 128 线激光雷达 AT128，目前已拿下理想、集度、吉利旗下路特斯、高合等品牌的定点（指成为某品牌的指定供应商）。
由大疆孵化的览沃（Livox）另辟蹊径，它没有选择被外国厂商探索、验证的路线，而是自己原创了棱镜旋转扫描方案。在 2020 年 CES 上，览沃发布了“Horizon 地平线”和 Tele-15 两款产品，地平线单价低至 800 美元。同年底，览沃宣布获得小鹏 P5 订单，成为最早拿下量产订单的中国激光雷达公司。该车型已于 2021 年交付。
1.2. 细究技术趋势，为什么智能驾驶离不开激光雷达？
1.2.1. 主流传感方式原理不尽相同，在车载领域各有优劣
汽车感知系统以摄像头、毫米波雷达、超声波雷达、激光雷达、GNSS（全球定位系统）等为主。传感器作为实现汽车智能化的感知端设备，随着自动驾驶技术的快速发展，其重要性愈发凸显。汽车环境监测类传感器主要包括：超声波传感器、毫米波雷达、激光雷达、摄像头等。监测类传感器分布于车身内外，通过获取外界环境信息，将模拟信号转化为电信号后，传递至汽车的中央处单元中，从而帮助智能驾驶决策行为。此外，基于 GNSS、高精度地图和车路协同技术快速发展，进一步提升了智能驾驶的安全性、可靠性。
摄像头感知功能强大，是 ADS（自动驾驶）与 ADAS（高阶智能辅助驾驶）的必备终端。其可以对路面所有事物进行成像，也是唯一一个可以分辨出具体颜色和图形的感知硬件。特斯拉使用的就是单纯基于摄像头的纯视觉路线。但摄像头严重依赖数据训练，具有很高的行业壁垒。在一些特殊场景中也容易造成判断失误，例如特斯拉汽车将白色的货车识别成了白云或天空而造成相撞。摄像头的探测距离受到像素的限制，而高像素摄像头需要大算力芯片支持，无形中增加了成本。此外，摄像头受恶劣天气影响很大，无法保证全天候条件下的稳定工作。
激光雷达综合性能优势明显：成像质量好，信息获取全。通过发射信号和反射信号的对比，构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高，获取信息丰富，抗源干扰能力强。主要缺点是在一些极端天气条件下可能会有一定影响，目前价格相对较昂贵。
毫米波雷达性能稳定、穿透性强，性价比高受青睐。其波长在 1~10mm 之间，可以轻易地穿透塑料等材质，因为穿透力较强，所以受到雨雪等天气的影响较小。毫米波雷达可以同时探测目标物体的距离和速度，其价格和体积也相对适中，易于在车辆进行安装。缺点在于毫米波雷达分辨率有限，很难探测障碍物的具体形状。当需要探测行人这种反射界面较小的物体的时候，毫米波雷达容易出现误报。对于垂直方向甚至不做区分。
超声波雷达价格便宜，体积较小，技术发展较为成熟。但其依赖于声波，传播速度远低于光速，不适用于高速运动的汽车。其本身探测距离较短，而且只能探测到一定范围内有无障碍物及障碍物的距离，无法判断障碍物的形状及具体的位置，目前超声波雷达主要用于停车等低速场景。
C-V2X，即车路协同是基于蜂窝网络的车联网技术，允许车辆通过通信信道彼此共享信息。其需要路面以及其他车辆也配有相同设备，十分依赖基础设施建设。目前 C-V2X 基础设备仍在建设、网络覆盖度低，尚不能广泛应用于自动驾驶场景中。
高精度地图可以为自动驾驶提供自变量和目标函数的功能。其精度可以精确到每个车道的具体导向，甚至弯道的曲率，坡度的斜率等毫米级信息。但地图测绘涉及国家安全，国内管理严格。中国高精度地图测绘需要甲级资质，仅有百度、高德、华为、四维图新等十余家公司具备，目前覆盖的道路也非常有限。
1.2.2. 纯视觉路线关山难越，多传感器融合是大势所趋
量产车自动驾驶领域，纯视觉路线龙头特斯拉构建行业壁垒。特斯拉基于摄像头+毫米波雷达的“纯视觉路线”，具有全球领先的研发能力和最丰富的用户数据积累。自动驾驶的算法核心是卷积神经网络和深度学习，需要通过海量的数据训练，尤其是对于摄像头获取图像的识别和处理，因此测试里程收集的数据量成为决定公司实力最重要的因素之一。根据特斯拉2022 年各季度生产和交付报告显示， 2022 年累计交付车辆高达 131 万辆，新能源汽车销量稳居世界第一，其中上海超级工厂交付 71 万辆，占全球交付量一半以上，积累了远超竞争对手的数据量。依靠纯视觉路线，竞争者难以挑战其地位。
多传感器融合路线弯道超车，是自动驾驶发展的创新之路。不同类型的传感器各有优劣，因而单一的传感器难以满足复杂的自动驾驶各类应用场景。多传感器信息融合(MSF)利用计算机技术，对多传感器或多源的信息和数据进行多层次、多空间的组合处理不同传感器优势互补，在不同使用场景中发挥各自功能，从而有效地提高系统的冗余度和容错性，最终帮助做出有效判断和决策。
--- 报告摘录结束 更多内容请阅读报告原文 ---
报告合集专题一览 X 由【报告派】定期整理更新
新能源 / 汽车 / 储能
新能源汽车 | 储能 | 锂电池 | 燃料电池 | 动力电池 | 动力电池回收 | 氢能源 | 充电桩 | 互联网汽车 | 智能驾驶 | 自动驾驶 | 汽车后市场 | 石油石化 | 煤化工 | 化工产业 | 磷化工 | 基础化工 | 加油站 | 新材料 | 石墨烯 | 高分子 | 耐火材料 | PVC | 聚氯乙烯 | 绿色能源 | 清洁能源 | 光伏 | 风力发电 | 海上发电
（特别说明：本文来源于公开资料，摘录内容仅供参考，不构成任何投资建议，如需使用请参阅报告原文。）
精选报告来源：报告派
本文地址：http://sicmodule.glev.cn/quote/788.html 歌乐夫 http://sicmodule.glev.cn/ , 查看更多