编辑 | ADS智库

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【行业交流】群

禾赛科技在光学、机械、电子、软件等激光雷达核心领域都拥有突出的研发能力和深厚的技术积累，在全球范围内拥有数百项专利。公司客户包括全球主流的自动驾驶公司、OEMs 和 Tier1 供应商，遍及全球 40 个国家和地区、90 多个城市。截至目前，公司累计获得包括小米、美团、博世、百度、光速、高瓴、CPE、启明等机构超过5亿美元的融资。作为激光雷达量产龙头企业，禾赛科技的核心亮点和国内外激光雷达中长期发展趋势如何？让我们一探究竟。

01

激光雷达龙头的三大核心亮点

核心亮点 1 —— 量产实力获证明，定点打开通往百万台之路

上车理想量产实力获证明，定点打开通往百万台之路。目前公司 905nm+一维转镜的方案 AT128 已上车理想，并于 2022 年 11 月推出固态激光雷达 FT120，进一步完善产品矩阵。我们认为，禾赛科技在乘用车市场产品的可靠性和量产能力均获得证明，随产品矩阵进一步完善，公司业绩有望迎来高速增长。

可靠性：AT128 上车理想 L9 已成功证明了产品可靠性。禾赛利用 Lumentum 的VCSEL阵列光源以及自研的收发系统芯片提升收发系统的集成度，采用“905nm+ 一维转镜”技术路线，在成本、性能、可靠性三方面进行了较好的平衡，因此在乘用车领域表现亮眼。

产品矩阵：AT128 已获多家车厂总计数百万台定点，叠加 FT120 补盲产品推出，公司产品矩阵进一步完善，客户加速拓展，打开订单成长空间。2022 年 11 月禾赛推出近距补盲 FT120 纯固态激光雷达，采用 Flash 技术。禾赛公布目前 FT120 已经获得多家主机厂总计超过 100 万台的定点，且预计 2023H2 量产交付。此前 AT128 除理想外已获得包括集度、高合、路特斯在内的多家车厂总计数百万台的定点。我们认为随 FT120 的推出，公司产品矩阵进一步完善，订单数量有望进入增长轨道。

量产能力：公司累计出货超 10 万台证明其量产实力，上海工厂助力公司步入年产百万台时代。AT128 已于 2022H2 量产，2022 年已向客户累计出货约 6.2 万台，目前月产能约 2 万台。2023 年禾赛位于上海嘉定的智造中心（占地约 74 万平方英尺）有望投入运营，公司预计届时其激光雷达年产量将达约 120 万台。

激光雷达龙头企业，技术研发能力深厚、客户优质。禾赛科技在光学、机械、电子、软件等激光雷达核心领域都拥有突出的研发能力和深厚的技术积累，在全球范围内拥有数百项专利。公司客户包括全球主流的自动驾驶公司、OEMs 和 Tier1 供应商，遍及全球 40 个国家和地区、90 多个城市。截至目前，公司累计获得包括小米、美团、博世、百度、光速、高瓴、CPE、启明等机构超过5亿美元的融资。

牵头制定行业标准，彰显龙头地位。2021 年 11 月，全国汽车标准化技术委员会电子与电磁兼容分技术委员会组织召开了《车载激光雷达性能要求及试验方法》标准起草组成立会。禾赛将作为牵头单位，百度作为联合牵头单位，共同负责国标 GB/T《车载激光雷达性能要求及试验方法》的制定，体现了禾赛在国内激光雷达行业的龙头地位。

核心亮点 2 —— 自研芯片化打开降本路径，激光雷达飞入寻常百姓家

当前阻碍激光雷达上车进程中最大痛点仍为成本，禾赛自研芯片化方案打开降本路径。机械旋转式激光雷达单价可达上万美元，难以广泛应用在乘用车场景中。激光雷达想要大规模上车，单车价值量或需控制在 500 美元以内，且需提供超出纯视觉智驾系统的额外体验。我们总结激光雷达的降本之路核心在于：

1）生产：制造高自动化和量产规模效应；

2）供应链：成熟整合以及核心零部件的自研；

3）设计：激光雷达系统集成度的提升。

禾赛科技并不简单通过规模效应降本，而是以自研芯片化方案开辟降本路径，通过零部件自研提高系统集成度，减少供应链中间环节。

目前公司已在收发端迭代了多代芯片化架构，其芯片化优势既可用于机械旋转式激光雷达产品，也可用于车规级半固态激光雷达产品。

芯片化将激光雷达送上“摩尔定律”轨道。激光雷达的芯片化将数百个分立器件集成于一颗或几颗芯片上，主要有三大方面：发射系统中的激光器、接收系统中的探测器以及信息处理系统中的模拟和控制模组。长期来看，成熟后的芯片方案可将激光雷达送上半导体行业“摩尔定律”的轨道，实现长期的降本增效，并提升可靠性。但需注意的是，由于传统分立式激光雷达的成本结构中，收发模组占到了约 60%，而驱动、测时、控制等模组的比例很小。因此我们认为，只有将收发模组进行芯片化才能实现真正意义上的降本增效。

禾赛科技芯片化降本路线明确，目前已迭代数代收发芯片。2017 年末，禾赛成立芯片部门，研发内容包括激光器驱动芯片、模拟前端芯片、数字化芯片和 SoC 芯片。通过自研激光雷达收发系统芯片，把数百个激光收发通道都集成到几颗分别负责发送和接收的芯片上，极大的提高了系统集成度，从而以较低的难度和成本做出了高线数产品（禾赛 AT128 为 128 线）。目前，禾赛已完成了 V1.0/V1.5/V2.0 的激光雷达芯片化架构，包含发射端驱动芯片和接收端模拟前端芯片，并已应用于  PandarXT/AT128 等项目进行量产供货，验证了芯片化方案的先进性和可靠性，接收端的模拟数字转换芯片也已进入开发后期。

核心亮点 3 —— L4 商用车市场王者，为主营业务锦上添花

禾赛在大力发展乘用车激光雷达的同时，也注重 L4/L5 高级别商用车自动驾驶的合作与发展。

发展历程：机械式激光雷达性能优异获得广泛市场认可度。自 2017 年起至今，禾赛科技共推出 9 款激光雷达产品，其中7款采用了机械旋转式技术。2018 与 2019 年发布的 Pandar40P 和 Pandar64 性能表现突出，因此获得了极高的市场认可度，一定程度上挤压了 Velodyne 在全球商用车场景尤其是 Robotaxi 市场的份额。

市场地位：L4 市场份额位居世界第一，客户覆盖全面。根据 Yole，2021 年 L4 级别自动驾驶市场规模为 1.2 亿美元，禾赛占据 58% 的市场份额，位居全球第一，大部分 L4 级商用自动驾驶公司的激光雷达供应商都是禾赛，包括美国的通用 Cruise、Zoox、AuroraNuro、TuSimple，国内的百度、美团（自动送货车）、滴滴、小马、文远知行、元戎启行等。此外，根据加州 2021 年自动驾驶路测报告，在前 15 名的公司中有 12 家 Robotaxi 公司选用了禾赛产品作为激光雷达主雷达。

2022 年公司在 L4 级别商用车自动驾驶领域进展迅速，多个定点合作项目进入运营。智能配送方面，搭载禾赛激光雷达的白犀牛 L4 无人配送车已经在全国近 10 各城市稳定运营；智能港口方面，2022 年 9 月，搭载禾赛科技 Pandar128 激光雷达的友道智途L4智能重卡已经在洋山港实现准商业化运营。在半固态式推广方面，2022 年 4 月，禾赛科技和文远知行宣布合作升级，推动车规级半固态激光雷达在自动驾驶汽车的率先应用。

02

激光雷达的短期、中期、长期趋势预期

发展趋势：激光雷达逐渐成为自动驾驶核心传感器，向低成本、高性能、小型化和车规级方向发展

激光雷达技术路线主要包括四大要素：扫描系统、发射系统、接收系统和测距原理。激光雷达通过获取大量反射回来的位置信息点（即激光点云），利用多谱勒成像技术，创建出目标清晰的 3D 图像。

激光雷达的工作原理与传统雷达类似：

1）发射系统通过激光器周期性的发射激光脉冲，将激光发射至目标物体；

2）接收系统通过光电探测器接收目标物体反射回来的激光，计算反射信号与发射信号之间的时间差和相位差来确定距离；

3）扫描系统以稳定的转速旋转，实现对所在平面的扫描，确定角度，并实时建立二维极坐标系，再通过获取不同俯仰角度扫描到的信号获得目标高度，从而得到三维环境信息；

4）最后，信息处理系统将接收到的信号经过放大处理和数模转换和计算，获取目标表面形态、物理属性等特性，最终建立物体三维模型。

激光雷达正在向着低成本、高性能、小型化和车规级的方向发展。我们认为，激光雷达想要上乘用车，性能和成本是敲门砖，但最终能否成功上车，可靠性和安全性才是关键。具体来说，我们认为，在 L3+ 级别自动驾驶中，激光雷达至少需要满足“ 10% 反射率下 200 米的探测距离 +120° 的水平视场角 + 0.1° 的角分辨率”的性能要求。目前，激光雷达已开始向 L3 以下的辅助驾驶车型渗透，对性能的要求也有所放宽，综合考虑性价比。除性能和成本外，能否满足车规级别的可靠性要求，也是决定激光雷达能否上车的关键。

激光雷达的成本结构与技术路线有关。我们测算，在半固态激光雷达中，收发模组普遍是成本核心，占比约 50%；信息处理系统，即 FPGA/ASIC 芯片，占比约 30%；另有约 20% 为光学器件、结构件和主板。

03

国内外激光雷达厂商对比解析

国内首个自动驾驶学习社区

近1000人的交流社区，和20+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

【自动驾驶之心】全栈技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向；

添加汽车人助理微信邀请入群

备注：学校/公司+方向+昵称