随着自动驾驶被纳入我国**战略，市场渗透率正稳步提升。
IDC数据显示，2022年一季度，中国自动驾驶汽车市场上，L2级自动驾驶乘用车渗透率达23.2%，较2021年一季度的7.5%大幅提升。
目前在乘用车市场上实现落地的自动驾驶技术处于L2级水平，众多车企及技术供应商正争取实现向L3级自动驾驶的跨越。
作为高级驾驶辅助系统进阶的车载传感设备，激光雷达是自动驾驶的核心关键传感器。当下市场上，越来越多的车企采用了高成本的激光雷达方案，迈出了通向高阶自动驾驶的第一步。
在去年和今年上市的车型中，小鹏P5、理想L9、蔚来ET7、宝马iX、威马M7等均配置了激光雷达。
根据前瞻产业研究院预测，我国车载激光雷达行业市场规模在2026年有望超过430亿元，发展空间大。
上市企业众多，亏损也多
新企业融资此起彼伏，目前全球激光雷达市场至少已有100多家玩家，与OEM整车厂相比，激光雷达公司实在太多了。“狼多肉少”的激光雷达市场，多少企业的产品没有等到整车厂落地，没有撑到上市，而新上市的企业也不好过，一些厂商的股价跌至谷底。激光雷达行业的整合即将到来。
在激光雷达市场中，最著名的玩家是Velodyne，这家美国公司于2005年凭借其标志性的用于自动测试车辆的HDL-64旋转机械激光雷达进入激光雷达市场。Velodyne于2020年年中通过特殊目的收购公司（SPAC）协议完成上市，但股价已由28美元跌到了1.1美元左右。整个2021年Velodyne出货15,000多个激光雷达传感器，其中2400多个是固态传感器。该公司成立至今总的出货量超过67,000个。2021年实现营收6190万美元，研究与开发费用却高达7786万美元。
Quanergy是一家成立于2012年的加州初创公司，通过为汽车行业开发世界上第一个光学相控阵 (OPA) 3D 激光雷达而声名鹊起。2021年，Quanergy也通过SPAC合并上市，于今年2月在纽约证券交易所开始交易，Quanerg的股价也是一落千丈，不足1美元。2021 年，该公司公布的销售额为390万美元，净亏损6400万美元，亏损数字反映了高额的运营费用，以及利息偿还的急剧增加。2022年8月，Quanergy宣布，收到Prime Secured的数百万美元订单。
成立于2016年的以色列初创公司Innoviz定位为汽车级基于MEMS的激光雷达模块。2021年4月，Innoviz通过SPAC合并上市，Innoviz 4.9美元的股价算是一众上市激光雷达企业中股价较好的企业。2021年，Innoviz实现营收550万美元，2021年的研发费用约为9330万美元。不过，Innoviz对其发展前景非常看好，已将其前瞻性订单增加到2.6B美元，
2020年12月，美国初创企业Luminar Technologies通过与特殊目的收购公司Gores Metropoulos 的合并使公司上市。Luminar的股价从37美元跌到现在的8美元。2021年，该公司的收入为3194万美元，全年非GAAP净亏损为1.332亿美元。Luminar 的虹膜传感器正处于C-sample阶段，准备并自动化其汽车级制造能力，预计2022年底前实现批量生产准备。该公司预计2022年前瞻订单至少同比增长40%。
成立于2017年的Aeva由前苹果公司高管创立，总部位于美国加州山景城。Aeva主要为自动驾驶汽车及其他领域开发FMCW激光雷达技术，据其称，他们拥有业内同行中最大的FMCW LiDAR专利组合，新发布的Aeries II是世界上首款商用的4D激光雷达。但其芯片的生产预计要到2024年才能开始。2021年3月，其通过SPAC合并上市，目前股价为2.7美元左右。2021年全年收入为930万美元，全年非GAAP运营亏损为 8190万美元。
Aurora Innovation由Chris Urmson、Sterling Anderson和Drew Bagnell于2017年创立。曾几何时，Aurora是自动驾驶技术领域最有前途的公司之一，其推出的Aurora Driver解决方案中含有自研的FirstLight激光雷达、规划安全路径的软件，以及为它们提供动力并将它们与车辆集成的计算机组成。现在，它的股价已经从最高的12美元跌到2美元。据彭博社报道，首席执行官Chris Urmson的一份公司备忘录列出了Aurora可能被苹果和微软收购的潜在情景。2021年，该公司的收入为8253万美元，年度运营亏损为7.31亿美元。
另一家美国初创激光雷达企业Cepton, Inc.于2022年2月11号在纳斯达克上市，股价一度从最高时的9.4美元跌到现在1.6美元。Cepton与SPAC公司GCAC业务合并为Cepton, Inc.。Cepton公司成立于2016年，在激光雷达领域拥有获得专利的高准技术（MMT），这是一种用于 3D 激光雷达成像的无反光镜、无旋转和无摩擦方法。MMT激光雷达还采用专有的微光学模块，集成定制ASIC，用于最先进的照明控制和检测。目前Cepton已获得通用汽车的激光雷达供应订单。
国产雷达市场仍是资本界的“宠儿”
国内虽还未有上市的激光雷达企业，但在激光雷达这个领域，中国厂商却占有重要一席。据Yole的报告指出，目前，中国激光雷达供应商已占全球ADAS市场的50%。禾赛、速腾聚创、华为和览沃是激光雷达领域的重要玩家。在激光雷达制造商中，禾赛在ADAS 设计胜率、L4 级自动驾驶激光雷达市场份额和汽车激光雷达总收入方面**。目前已有多款国内的车型搭载了禾赛AT128固态激光雷达。
国产雷达供应商的快速发展，离不开我国新能源汽车和自动化驾驶发展的良好势头。一方面，政策的良好推动：2020年11月我国发布《智能网联汽车技术路线图 2.0》，文件明确指出，2025年我国PA（部分自动驾驶）、CA（有条件自动驾驶）级（L1级、L2级）智能网联汽车销量占当年汽车总销量比例超过 50%，C—V2X（以蜂窝通信为基础的移动车联网）终端新车装配率达 50%。根据IHS Markit的数据，2021年1季度我国L2新车搭载率为13.1%，再根据IDC的数据，2022年1季度我国L2级自动驾驶在乘用车市场的新车渗透率高达 23.2%，一季度渗透率同比提升10%。
另一方面，乘用车积极上车，激光雷达厂商技术不断进步：随着自动驾驶等级的演进，需要各类传感器代替人类的眼睛起到感知融合和安全冗余的作用，除特斯拉之外，激光雷达可以说是高级自动驾驶的重要支撑。据海通国际的调研统计，2022年共有19款搭载了激光雷达的乘用车上市，这其中不乏有国内乘用车的身影，如小鹏、理想、蔚来、哪吒等，因此2022年也被部分人称为激光雷达“量产元年”。激光雷达上车很重要的因素是雷达本身的技术进步和成本下降。激光雷达是自动驾驶系统中最昂贵的组件之一，削减成本是实现商业化和规模化至关重要的一个方面。
再者在整个雷达产业链条中，我国不仅发展了高质量的激光雷达技术和激光雷达工厂，而且还形成了包括半导体元器件、软件和集成商在内的完整生态系统。
国内的这些激光雷达厂商都是资本界的“宠儿”，速腾聚创的投资方包括比亚迪、宇通、香港立讯有限公司、德赛西威等，禾赛科技的投资方包括小米集团、高瓴创投、美团等。而更多新的崛起者正在收获资本界的青睐。
进入2022年以来，苏州璇光半导体、Lumotive、洛微科技、一径科技、亮道智能、镭神智能、抒微智能、空维激光、智联安科技等激光雷达厂商都获得了不同金额的融资。
大多数汽车制造商认为 3D 激光雷达对于自动驾驶汽车的安全运行至关重要，并已与激光雷达技术供应商合作，如今电动汽车行业的一个卖点是，搭载了谁家的激光雷达产品。在市场驱动及政策驱动下我国自动驾驶发展有望进一步提速，随着整车厂与激光雷达制造商进行深度绑定，国内激光雷达市场将迎来更好的发展。
高阶智能驾驶呼之欲出，激光雷达蓝海开启
感知层是智能驾驶的起点，传感器是感知层的核心 美国汽车工程师学会（SAE）将智能驾驶的发展按驾驶控制权的归属分为六个阶段：L0-L2为较 低阶辅助驾驶阶段，由驾驶员主导、系统辅助完成；L3-L5 为高阶智能驾驶阶段，驾驶决策责任 方逐步由驾驶员过度到系统。 智能驾驶按技术架构分为感知、决策和执行三个层次。感知层是汽车的“眼睛”，主要负责对环 境信息和车内信息的采集与处理；决策层是汽车的“大脑”，依据感知信息来进行驾驶决策判断； 执行层相当于汽车的“四肢”，按照决策结果对车辆进行控制。这其中，感知层是实现智能驾驶 的基础和前提，在信息传输上归纳为三个层面：1、物理信息，包括姿态、速度、形状、温度、 能耗等；2、语义信息，辨别物体的类别；3、行为预测，预测物体的行为。
智能传感器是感知层的硬件核心。感知层通过传感器实现对信息的感知，根据作用机理不同分 为传统传感器和智能传感器，前者主要负责车辆对自身状态的感知，安装在动力总成、底盘系统等汽车关键部位，该类传感器多以 MEMS 工艺生产，具有低成本、高可靠性、小体积等优势。 后者负责从车辆外界获取信息，是智能驾驶感知层的硬件核心，主要包括车载摄像头、毫米波 雷达、激光雷达、超声波雷达四大类别的硬件传感，具备两个显著特征：1）量少价高，与传统 传感器相比，智能传感器数量少且价格高，基本都在百元以上，占据了汽车传感器总成本的绝 大部分；2）量随级升，随着汽车 SAE 等级提升，为了提高感知冗余，所需配备的智能传感器数 量随之增多。
摄像头、毫米波雷达、超声波雷达以及最新出现的激光雷达特色鲜明，在探测精度、感知范围、 环境抗干扰及成本等方面各有所长，组成了智能驾驶感知系统的“主力阵容”。摄像头：技术成熟成本可控，成为最主要的视觉传感器。摄像头类似人眼，可对物体几何 特征、色彩及文字信息进行识别，借助算法可实现对障碍物距离的探测，技术成熟成本可 控，因而成为 L2 及以下 ADAS 系统中最主要的视觉传感器，但受光照及恶劣天气影响大， 识别准确率在长尾场景存在安全隐患。 毫米波雷达：全天候性能佳，但探测精度有限。毫米波雷达工作原理类似激光雷达，具有 同时测距和测速的功能，有效探测距离可达 200m，由于波长较长，对烟雾、灰尘的穿透力、 抗干扰能力强，可全天候工作，但角度分辨能力通常较弱，难以判断障碍物的具体轮廓，对 小尺寸障碍物的判断更加模糊。
超声波雷达：最早上车，适用近距离停车辅助。技术成熟、成本低，抗干扰能力强，但测量 精度差，测量范围通常小于 5m，主要用于停车辅助，是最早上车且应用数量最多的智能传 感器。 激光雷达：技术难度大、成本高，尚未规模量产。测量精度高、范围广，可以实时构建车辆 周边环境 3D 模型，受限于技术难度大、成本高，目前尚未大规模量产上车。 激光雷达与对其他智能硬件传感器不是替代而是功能的补充叠加。相较摄像头和毫米波雷达， 激光雷达所见即所得，能够实现三维实时感知，避开了对算法和数据的高度依赖，在探测精度、可靠性和抗干扰能力等方面具备特色优势，能够规避部分长尾场景存在的感知失灵情况，可显 著提升智能驾驶系统的可靠性和冗余度，因而被大多数整车厂、Tier1 认为是 L3+智能驾驶（功 能开启时责任方为汽车系统）必备的传感器。
多传感器融合成趋势，L3+阶段激光雷达后来居上
智能驾驶需要传感器满足成本、可靠性、距离、精度等不同维度的需求，由于各类传感器互有优 劣，难以替代，因此多传感器融合已成为大势所趋。要实现高级别的智能驾驶，仅靠不同传感器 之间简单的堆叠和并列是远远不够的，通过主次分明、有机统一的传感器融合方案，激发核心 传感器之间的“化学反应”，实现更优异的感知表现，并使辅助传感器对系统整体能力做到恰到 好处的补充，才是打造智能驾驶车辆感知系统的必要之举。目前对于智能驾驶的感知层融合配 置，市场上主要有两大技术流派：
一类是“摄像头主导”方案，感知系统由摄像头主导+毫米波雷达组成，轻感知重算法，以 特斯拉为典型代表； 另一类是“激光雷达主导”方案，感知系统由激光雷达主导+摄像头+毫米波雷达组成，重 感知轻算法，以 Waymo、百度等无人驾驶型企业和蔚来、小鹏、理想等造车新势力为典型 代表。
“摄像头主导”方案依赖人为干预，在 L2 以及下阶段占据优势。“摄像头”方案采用“摄像头” +“算法”完全模拟“人眼”+“人脑”的纯视觉驾驶行为，依赖大量的数据训练来提高感知的 准确度，在技术成熟度、成本上具备优势，但在精度、可靠性上都有局限，尤其在应对汽车高速行驶等长尾场景时，摄像头+毫米波的组合对于非标准静态的物体也有一定的识别障碍，需要驾 驶员的大量干预。因此，在 L2 及以下的智能驾驶阶段，“摄像头主导”方案占据优势。现阶段 特斯拉已凭借先发销量优势，通过数据积累上的高墙垒筑，在 L2 阶段便与其他新势力拉开了差 距，独占绝对优势。
“激光雷达主导”方案增强感知系统冗余，助力 L3+智能驾驶的实现。“激光雷达”方案重感知 重算法，精度高、抗干扰能力强，配合高精度地图更能实现精准定位。随着智能驾驶向 L3 进阶， 驾驶员的参与度会大幅度减少，单纯的“眼见为实”已不再满足车辆智能驾驶的需求。激光雷达 具备高精度、高可靠性，配合摄像头和毫米波雷达，能增强系统的可靠性、冗余性，有望在 L3+ 阶段成为汽车传感器中不可或缺的一部分，并且借助差异化竞争优势，也有望成为除特斯拉外 的造车新势力实现弯道超车的有效手段。
