2021年激光雷達行業深度研究報告激光雷達賽道價值何在? 目前主流的感知傳感器均有自身性能局限性,單純從技術性能維度看,激光雷達是感知硬件的最優解,智能化是ー個消費屬性極其顯著的賽道,其意義在于提升消費者的駕乘體驗（主要指ADAS）,智能化包括感知、決策、控制三個環節,激光雷達是感知層面的核心傳感器。此外,搭載激光雷達也是特斯拉以外的主機廠在智能化層面實現彌補軟件算法實現彎道追趕的核心。空間格局:預計全球約200億美元,全球范圍競爭格局尚不清晰我們測算25/30年全球激光雷達市場空間將達到129/195億美元,20-25年GAGR為49.21%,25-30年GAGR為8.63%〇25/30年我國激光雷達市場空間將達到62.96/77.75億美元,20-25年GAGR為39.95%,25-30年GAGR為4.31%〇格局層面來看,呈現全球范圍充分競爭,國內外企業技術差距較小,業內廠商產品策略包括兩類:從機械式過渡或是直接布局固態和固態的廠商。此外,行業存在華為、大疆等科技巨頭介入,整體研發實カ較強,研發進度和產品落地速度較快。整體而言格局尚不清晰。技術趨勢:激光雷達必不可少,半固體與固態是趨勢特斯拉在感知層面使用的是無激光雷達的視覺方案,我們認為其余主機廠并不會效仿特斯拉;從產品形態維度來看,機械式、半固態、純固態,三種形態產品技術同源性較弱。目前機械式激光雷達技術成熟度較高,但主要應用在對成本較不敏感的Robotaxi/Robobus及實驗領域,且后期降本難度較大難過車規。中期維度看我們認為半固態激光雷達將會是乘用車ADAS場景短期內的主流解決方案,目前半固體轉鏡方案已有產品車規,后期半固體MEMS車規級振鏡方案也將逐步有產品落地且降本潛カ較大。長期維度看純固態技術的成本和穩定性都有較大潛カ,是技術上的最優解,但是短期受限于產業鏈成熟度較低。ー、概況:智能駕駛核心感知部件,受供需雙重驅動核心結論:感知、決策與控制是自動駕駛的三個核心環節,激光雷達從功能層面來看屬于感知層傳感器,其產品優勢尤其在高階智能駕駛階段將會逐漸體現。激光雷達行業發展的催化短期維度主要受到需求拖動以及供給革新。需求側來看,智能化是主機廠產品性能做出差異化的核心,同時目前各主機廠在智能化量產進度層面落后于特斯拉,激光雷達能夠從硬件層面幫助主機廠短期實現追趕,提速智能化進展。2020-2021年期間眾多傳統OEM以及造車新勢カ紛紛表示將在后續量產車型中搭載激光雷達;供給側來看,目前激光雷達行業仍處于技術迭代的初期,以華為、大疆為代表的科技巨頭進軍激光雷達產業,推動技術革新;此外,全球激光雷達公司陸續上市進入資本市場,產融結合助益研發投入。長期維度來看,由于高階自動駕駛中對于傳感器的數量和精度都有更高的要求,對激光雷達的需求將隨著自動駕駛的滲透率的增長而持續攀升。1-1激光雷達是什么?感知、決策與控制是自動駕駛的三個核心環節,激光雷達從功能層面來看屬于感知層傳感器,可配合攝像頭、毫米波雷達、高精度地圖、GPS定位等收集車身周邊信息,確定車輛周邊路況。探測原理:主要包括激光發射、激光接收和信息處理三個模塊,通過測量激光信號的時間差和相位差來確定目標物體距離并創建出清晰的3D圖像。根據測距原理,激光雷達主要分為飛行時間測距法(ToF)和連續波調頻法(FMCW),前者在產業鏈成熟度上更領先,成為當前市場上主要采用的方法;ToF與FMCW能夠實現室外陽光下較遠的測程(100?250m),穩定性高,是車載激光雷達的優選方案。ToF通過直接測量發射激光與回波信號的時間差,基于光在空氣中的傳播速度得到目標距離信息。FMCW方案將發射激光的光頻進行線性調制,通過回波信號與參考光進行相干拍頻得到頻率差,從而間接獲得飛行時間反推目標距離。FMCW法的優勢在于高信噪比、抗干擾以及所需發射功率低,對人眼安全。ToF是目前市場車載中長距激光雷達的主流方案,未來隨著FMCW激光雷達整機和上游產業鏈的逐步成熟,ToF和FMCW有望在市場上并存。1.2行業驅動要素:需求拖動,供給革新,高階智能駕駛加速滲透短期維度:需求拖動,供給革新短期來看,激光雷達主要受到供、需兩個維度的持續催化:第一,需求側來看,智能化是主機廠產品性能做出差異化的核心,同時目前各主機廠在智能化量產進度層面落后于特斯拉,激光雷達能夠從硬件層面幫助主機廠實現追趕,提速智能化進展。2020-2021年期間眾多傳統OEM以及造車新勢カ紛紛表示將在后續量產車型中搭載激光雷達;第二,供給側來看,目前激光雷達行業仍處于技術迭代的初期,研發投入需求較大,以華為、大疆為代表的科技巨頭進軍激光雷達產業,推動技術革新（性能提升,成本下降）;此外,全球激光雷達公司陸續上市進入資本市場,產融結合助益研發投入。需求維度:2021年開始較多主機廠集中布局激光雷達,2021年有望成激光雷達元年。我們認為,造車新勢カ在配置層面一直較為激進,可對行業起到ー定程度示范效應,而長城、長安、吉利等可走量的國內ー線自主品牌的應用代表行業的普及率有望快速提升。包括小鵬、長城、北汽、蔚來、豐田、本田、寶馬、沃爾沃、長安、吉利、廣汽等車企紛紛預計從2021年推出激光雷達量產車型。2021年1月1日,小鵬汽車宣布與激光雷達廠商Livox達成合作,將在2021年推出的全新量產車型上使用其生產的小鵬定制版車規級激光雷達;2021年1月9日,蔚來在N10Day上發布了其新車型ET7,該車型的其中一大亮點便是搭載了目前線數最高的固態激光雷達;2021年1月20日,長城WEY品牌全新旗艦車型摩卡線上發布,新車將在2021年第一季度上市,也將搭載固態激光雷達;本田曾宣布為了搭載獲得日本國土交通省認定的L3級自動駕駛功能,將在2021年3月31日前上市的旗艦車型LEGEND上配置5個激光雷達。供給維度:行業處于技術革新前期,科技巨頭入局激光雷達,業內公司批量上市實現產融結合推動研發;目前激光雷達仍處于技術迭代初期,性能和成本均面臨技術瓶頸,前期研發費用需求較大,以2017-2020Q3時間維度來看,禾賽科技（均值=77.58%）、Velody（均值=43%）、Luminar（均值二284.95%）、Innoviz（均值=2761.4%）等相關上市公司歷年研發費用率水平均較髙。華為激光雷達研發始于2016年,激光雷達團隊啟動“爬北坡戰略”。2020年12月,華為正式發布了車規級96線中長距前裝量產激光雷達,并于北汽新能源高端品牌ARCFOX旗下的極狐HBT率先搭載,該款產品具備了120°X25°大視野,足以應對城區、高速等場景的人、車測距訴求,全視場測距可達150米。同時作為車規級產品,此款激光雷達小體積,適合前裝量產車型需求。為了滿足未來激光雷達市場的需求,華為還建立了第一條車規級激光雷達的Pilot產線,目前為已按照年產!0萬套/線在推進,后期將面向百萬級量產需求。大疆創新內部孵化的獨立子公司Livox（覽沃科技）于2016年成立。此次Livox為小鵬量身定制的激光雷達基于Livox車規級激光雷達平臺ーー浩界（Horiz）進行開發,該款激光雷達首次提出并實現了全新的“超幀率”激光雷達技術概念,通過旋轉棱鏡式類固態技術方案,可在10赫茲幀率下升維獲取20赫茲的點云效果,在沒有增加額外激光發射成本的情況下將點云線束效果提升至等效144線。同時該產品的探測距離將達到150米量程,單臺Horiz小鵬定制版的橫向F0V為120°,大廣角的點云視野將會極大提升整車應對側方車輛加塞等場景的能力。全球頭部激光雷達企業上市融資,業務拓展持續加速。2020年海外頭部激光雷達公司Velodyne、Luminar>Innoviz陸續通過SPAC登陸美股。中國激光雷達公司禾賽科技于2021年1月向上交所科創板提交招股說明書,擬在科創板上市募資20億元,有望成為國內首家上市的激光雷達公司。我們認為,目前激光雷達公司的營收利潤體量均較小,而激光雷達行業目前尚處于技術革新初期,研發費用高企,上市有望助益產融結合,夯實加速研發推進和相關產品加速落地。長期維度:高階自動駕駛滲透率逐步提升長期維度來看,由于高階自動駕駛中對于傳感器的數量和精度都有更高的要求,對激光雷達的需求將隨著自動駕駛的滲透率的增長而持續攀升。根據IHSMarkit數據,L2級及以上自動駕駛系統在中國乘用車市場的滲透率已經從2018年的3.0%增長至2019年的8.0%。預計到2025年,這ー數字將攀升至34.6%,年均復合增長率預計達到34.03%〇L3級別自動駕駛在中國乘用車市場的滲透率將從2021年的0.4%增長至2025年的3.5%；L4級別的滲透率將從2023年的0.01%增長至2025年的1.2%。隨著智能駕駛級別的提升,智能駕駛汽車需要實現的復雜的應用場景越來越多,對感知部件的數量需求也隨著上升。根據麥姆斯咨詢,激光雷達在L1-L2級別中并非必不可少,但在L3級別智能駕駛開始使用,在L4-L5級別使用數量逐漸增加。在L4和L5級別中,智能駕駛汽車分別需實現特定場景的完全自動駕駛和不限場景的完全自動駕駛,激光雷達在此過程中發揮的作用愈加重要。我們認為隨著未來高級別自動駕駛系統滲透率的不斷提升,激光雷達的普及率將大幅提升。二、空間格局分析:預計全球約200億美元,全球競爭格局尚不清晰2.1市場空間:預計25/30年全球空間129/195億美元核心結論:我們測算2025/2030年全球激光雷達市場空間將達到129/195億美元,2020-2025年年均復合增速為49.21%,2025-2030年年均復合增速為8.63%〇2025/2030年我國激光雷達市場空間將達到62.96/77.75億美元,2020-2025年年均復合增速為39.95%,2025-2030年年均復合增速為4.31%〇2025-2030年行業市場空間增速放緩主要由于激光雷達成本顯著下降影響。若是從激光雷達出貨量維度來看,我們測算2025/2030年全球激光雷達出貨量將達到2183/7687萬個,2020-2025年年均復合增速為92.63%,2025-2030年年均復合增速為28.63%〇2025/2030年我國激光雷達出貨量將達到1093/3354萬個,2020-2025年年均復合增速為75.73%,2025-2030年年均復合增速為25.15%〇基于不同場景拆分來看:ADAS領域：2025/2030年全球市場空間將達到105/147億美元,2020-2025年年均復合增速為59.33%, 2025-2030年年均復合增速為6.98%〇2025/2030年我國市場空間將達到53/64億美元,2020-2025年年均復合增速為15.38%,2025-2030年年均復合增速為29.73%〇Robotaxi/Robotruck領域:2025/2030年全球市場空間將達到24和48億美元,2020-2025年年均復合增速為43.36%,2025-2030年年均復合增速為3.99%〇2025/2030年我國市場空間將達到10和13億美元,2020-2025年年均復合增速為27.14%,2025-2030年年均復合增速為5.92%〇 核心參數假設:第一,關于乘用車和Robotaxi/Robobus的銷量;我們假設2021-2025年全球乘用車銷量同比增速分別為15%/4%/3%/2%/2%,2025-2030年全球乘用車銷量GAGR為1%;對于Robotaxi/Robobus的量,參考Y0LE預測2025、2030年的量分別為20萬/80萬輛;我們假設2021-2025年國內乘用車銷量同比增速分別為10%/5%/3%/3%/2%,2025-2030年國內乘用車銷量GAGR為1.59%;由于我國Robotaxi企業提前布局且智能化整體水平高于全球,目前百度、文遠知行、小馬智行等已在城市的特定區域開展Robo-taxi業務，我們預計未來我國Robotaxi數量將占全球的1/3?對于Robotaxi/Robobus的量，我們預計2025、2030年的量分別為6.67萬/26.67萬輛；第二,關于智能駕駛各級別的滲透率;參考IHS預測,2025年和2030年全球L3級別滲透率為15%和30%,L4級別以上滲透率為5%和10%o考慮到國內智能化進展進度快于全球水平,假設2025年和2030年我國L3級別滲透率分別為18%和35%,L4級別以上滲透率分別為8%和12%；第三,關于單車激光雷達數量;參考麥姆斯咨詢數據,我們預計2025年以前L3級別ADAS系統平均需要1顆激光雷達,L4級別以上平均需要3顆;而2030年L3級別ADAS系統平均需要2個,L4級別以上平均需要4顆。此外,我們假設RoboticCar單車平均搭載4顆激光雷達;第四,關于激光雷達單價;假設2025和2030年輔助駕駛領域激光雷達平均單價將分別降至500美元、200美元。而Robotaxi/Robobus搭載的激光雷達平均單價于2025和2030年將降至3000美元和1500美元。2.2格局分析:當前布局機械式和半固態廠商較多,行業存在科技巨頭入局激光雷達的產業鏈上游主要為光學和電子元器件供應商,中游是以Velodyne、Luminar為代表的激光雷達企業,下游客戶主要是整車廠(ADAS場景)、出行服務商(Robotaxi/Robobus)和Tier!企業等。上游:激光雷達的結構包含激光發射、激光接收、掃描系統和信息處理四大部分,其中應用了大量的光學和電子元件。激光器方面,以VCSEL垂直共振腔表面放射激光器為代表的半導體激光器成為激光雷達應用中的主流,主要供貨商有濱松、Lumentum、艾邁斯(ams)等。光束控制器方面,激光雷達廠商主要通過自主研發或投資并購掌握MEMS轉鏡、振鏡技術,零部件提供商的代表企業則有Opus,濱松,知微傳感等。光電探測器及接收器IC市場目前掌握在國外巨頭如FirstSensor安森美(OnSemiconductor)濱松手中。中游:由海外廠商Velodyne,Luminar,Innoviz為首的激光雷達制造廠從技術上配合自動駕駛主要的應用場景,國內的禾賽科技、速騰聚創、鐳神智能等初創企業成為新進參與者。除此之外,還有谷歌、華為、大疆等科技企業獨立開發激光雷達技術。下游:按應用場景劃分,激光雷達下游產業鏈主要分為ADAS輔助駕駛系統、無人駕駛Robotaxi/Robobus、服務機器人和車聯網。高級輔助駕駛的下游企業主要包括整車廠和Tier1;無人駕駛Robotaxi/Robobus,主要包含無人駕駛公司、人工智能科技公司以及出行服務提供商,如國外的Waymo、GMCruise、Uber、Lyft等,國內的小馬智行、文遠知行、百度、商湯科技、滴滴等;服務機器人領域的下游企業包括機器人公司和消費服務業企業,如國外的Nuro、DekaResearch>CanvasBuild,國內的高仙、優必選、新石器、阿里巴巴、京東、美團等,具體的應用場景有無人配送、無人清掃、無人倉儲等;車聯網方向的下游企業主要是車聯網方案提供商,如百度、金溢科技、星云互聯等。根據沙利文測算,2025年高級輔助駕駛、無人駕駛、服務機器人和車聯網領域分別占激光雷達市場總規模的34.64%、26.30%、5.26%和33.81%。中游頭部激光雷達廠商布局各個技術方向,均與主機廠、Tierl有合作,相互競爭激烈。海外激光雷達企業技術上具有先發優勢，較有代表性的有Velodyne、Luminar.Innoviz、Ouster>Aeva等多家企業。其中Velodyne、Luminar均于2020年在納斯達克上市,Aeva、!nnoviz預計2021Q1完成上市,Ouster預計2021年上半年完成。激光雷達行業格局存在以下幾點特征:第一,從產品形態來看,分為從機械式過渡以及直接布局半固態和固態的廠商;第一類是以機械式激光雷達為主,前期產品主要針對Robotaxi/Robobus/Robotruck以及智能駕駛實驗場景,機械式激光雷達價格昂貴,前期通過量產獲得穩定現金流,后期同步或逐步布局半固態、固態激光雷達技術;第二類直接瞄準ADAS車規級激光雷達產品ー一半固態或固態激光雷達,預計在未來幾年內完善技術達到車規級標準;第二,行業存在華為、大疆等科技巨頭介入,整體研發實カ較強,研發進度和產品落地速度較快;第三,呈現全球范圍充分競爭的勢態,由于行業處于技術迭代初期,同時各個技術路線之間的技術同源性低,目前尚沒有出現具備絕對領先優勢的龍頭企業。前期在機械式激光雷達領域積累深厚,后期逐步轉型的企業包Velodyne、禾賽科技、速騰聚創等企業〇Velodyne在機械式激光雷達領域布局早,技術較為成熟,有16線、32線、64線等多類產品在售,官方定價分別為8千美元、4萬美元和8萬美元。在此基礎上,公司開發了環視混合固態激光雷達、定向固態激光雷達、圓頂固態激光雷達等產品,其中環視混合固態激光雷達的量產產品包括Puck、UltraPuck和AlphaPrime等系列;定向固態激光雷達量產的有Velarray系列;圓頂固態激光雷達的VelaDome還未量產。此外,公司還自研了ADAS軟件算法Vella,向主機廠提供軟硬件一體化解決方案。禾賽科技和速騰聚創選擇了與Velodyne相同的發展路徑。禾賽科技產品以機械式激光雷達為主，包括Pandar40、Pandar64、Pandari28>PandarQT、Pandora等。此外,禾賽科技也逐步向半固態激光雷達拓展,2019年禾賽科技發布了遠距前向式半固態激光雷達PandarGT,自主開發高速二維振鏡系統和光纖激光器兩項核心器件。禾賽科技在滿足車規標準的前提下大力控制成本,其核心策略是以價格優勢搶占Velodyne的市場份額。同樣線束的機械式激光雷達,國產價格為Velodyne的三分之一至二分之一。此前Velodyne64線產品售價為五十至六十萬元,而禾賽科技相同線束的產品僅需二十多萬元,價格上有明顯優勢。直接布局半固態、純固態產品的企業包括Luminar、Aeva、華為、大疆等企業Luminar專注于MEMS激光雷達核心,旗下產品有Iris和Hydra,其中Iris可探測80m范圍內的道路、150n!范圍內的車道以及250n）范圍內的物體,最高探測距離為500m。該產品計劃于2022年量產,能實現L3以上自動駕駛級別的單價為!000美元,實現L1-L2級別的單價為500美元。公司激光雷達產品可用于乘用車、商用車以及Robotaxi/Robobus,截至2020年底,公司量產合作伙伴包括沃爾沃、戴勒姆卡車以及豐田。Aeva布局芯片化FMCW連續波調頻激光雷達,目前市場上并無批量銷售的產品,已知與奧迪自動駕駛子公司合作為乘用車提供傳感器,并于2020年宣布與ZF（采埃孚）達成生產合作。Aeva計劃于2021Q1完成納斯達克上市。三、技術趨勢探討:激光雷達必不可少,半固體與固態是趨勢3.1技術方案維度:用不用激光雷達?3.1.1有哪些方案?智能駕駛依托傳感器感知周圍環境。針對不同功能場景和自動駕駛等級,智能駕駛感知層對傳感器的需求也有所不同,其中車載攝像頭、毫米波雷達、超聲波雷達和激光雷達最為常見。車載攝像頭:低成本,精度較差,易受天氣影響;車載攝像頭通過鏡頭采集外部數據并根據算法進行圖像識別,能夠感知車輛周邊的路況,實現前向碰撞預警,車道偏移報警和行人檢測等ADAS功能。汽車攝像頭根據攝像頭個數可以分為單目、雙目和多目,根據安裝位置可以分為前視、后視、側視、環視。目前技術成熟且價格便宜,但是精度較差,需要借助深度算法,且易受惡劣天氣影響,逆光和光影復雜環境下效果較差,難以實現全天候測距。毫米波雷達:精度高且不受天氣影響,但對非金屬物體探測能力弱;毫米波雷達是通過發射及接收毫米波,分析折返時間測距。毫米波雷達發射出去的電磁波主要以電磁輻射為主,介于厘米波和光波之間,毫米波兼有微波制導和光電制導的優點,能夠大范圍檢測車輛的運行情況,可實現自適應巡航、自動緊急剎車等ADAS功能。其最大優勢在于可彌補攝像頭的不足,具有精度高、指向性好、探測性能強的特點。此外,毫米波雷達對大氣的衰減小,穿透霧、灰塵的能力強,因此抗干擾性較強,還能夠全天候全天時エ作。但毫米波雷達的固有屬性使得其對行人等非金屬物體反射波較弱,難以對行人進行識別。超聲波雷達:局限于近距離低速場景應用;超聲波雷達是基于超聲波固有的聲波折射、反射、干涉等基本物理特性而形成的。常見超聲波雷達有兩種:第一種是安裝在汽車前后保險杠上,用于測量汽車前后障礙物的倒車雷達;第二種是安裝在汽車側面,用于測量側方障礙物距離。其優勢是造價較低,可大量配置,數據處理簡單,且不受光照條件影響,不過由于超聲波散射角大,方向性較差,測量遠距離目標的回波信號較弱,只能探測近距離物體。此外,由于超聲波傳播速度較慢,當汽車高速行駛時,使用超聲波測距無法跟上汽車的車距實時變化,誤差較大。激光雷達:精度高探測能力強,易受天氣影響,當前成本較高;激光雷達通過向被測目標發射激光,測量反射或散射信號的到達時間、強弱程度等數據,以確定目標的距離、方位、運動狀態及表面光學特征。激光雷達通過采取的點云數據,利用3D建模構建數據模型,被認為是實現高級別自動駕駛不可或缺的傳感器。優勢是具有極高的距離分辨率、角分辨率和速度分辨率,能有效提升車輛的高精度識別性能,大幅提高整車的感知能力。此外,相比于毫米波雷達,激光雷達能加強對行人、靜態障礙物、小物體等障礙物的監測能力;相比于攝像頭,激光雷達的探測距離更遠。不過易受惡劣天氣、自然光和其他激光雷達影響,且目前成本相對較高。特斯拉:采用無激光雷達的視覺主導方案特斯拉在電動化和智能化層面各細分領域技術方向對于行業技術趨勢均具有前瞻意義,但目前特斯拉智能駕駛感知層面并未用到激光雷達。當前自動駕駛感知技術路線主要分為視覺主導和激光雷達主導,視覺主導具有成本優勢,而激光雷達主導具有實現高階自動駕駛的潛カ。目前大部分自動駕駛企業都將激光雷達作為其傳感器解決方案的重點,而特斯拉則采用低成本計算機視覺硬件搭配復雜神經網絡的解決方案,放棄費用高昂的激光雷達。從特斯拉的感知硬件傳感器層面來看:特斯拉于車身周圍共裝配有1顆前置毫米波雷達、8顆車載攝像頭、12顆超聲波雷達,其中含有1個三目前置攝像頭,以其為主視眼,協同其他攝像頭構成360°環繞視野,探測距離最遠達到250米,前置毫米波雷達可視范圍達160米。攝像頭攝取的環境數據在經過視覺算法處理后,系統將通過深度學習模型進行自我訓練,從而達到全范圍認知路況,增進系統控制精度的目的。從原理維度來看:特斯拉智能駕駛系統主要包括圖像搜集、特征提取、訓練學習、整體評估、對比改進等五個步驟。五個步驟形成一個完整的數據閉環,使得特斯拉Autopilot系統從被動學習（從真實數據中進行判斷）到主動學習（通過深度學習進行預測判斷）。第一,感知傳感器收集圖像信息;特斯拉的感知系統由攝像頭、毫米波雷達、超聲波雷達、高精地圖等組成。車載輔助駕駛系統需要先認識路牌、道路規則、行人等后再進行判斷。汽車的感知系統負責探測車輛內外環境,包括駕駛員操作行為、車輛定位、環境可見度、路障等;第二,通過神經網絡進行深度學習提取圖像特征;在車輛駕駛環境中,由于道路和駕駛情況極端復雜,輔助駕駛系統需要同時處理幾十乃至上百的運算任務,為了提高效率同時降低任務處理難度,特斯拉采用HydraNets架構的深度學習神經網絡,該架構首先將運算任務輸入到ー個大型的共享骨干網絡上,骨干網絡共有8個小網絡,運算任務也將被分成8份到各個小網絡中,每個小網絡單獨訓練和學習那一小部分的圖像和信息、提取物體外部特征、距離有效信息,以降低整體運算難度、提升運算效率;第三,采用PyTorch進行分布式訓練;隨著車輛增多、數據提取量提升,過多的數據會占用數據集容量。此外,單純的通過真實數據進行邏輯判斷也會隨著數據量提升而產生運算壓カ。特斯拉的解決辦法是縮小數據收集范圍,且除真實數據以外還需要具備預測能力。特斯拉采用PyTorch進行分布式訓練,不斷訓練計算機自主對路徑、外界物體的判斷和規劃能力,讓算法自動從數據中學習并判斷行為,模仿學習的使用可以很大程度減少工程師投入到路徑規劃上的工作量;第四,通過對模擬結果和實際結果評估、對比,對錯誤部分進行修正;特斯拉認為需要縮小數據收集范圍,所以并非所有的數據都會被采集。特斯拉通過訓練神經網絡來模仿真實駕駛行為,當車輛行駛時后臺神經網絡就開始運行,當模擬結果和駕駛員真實操作相違背的時候,相關數據會被上傳,這部分數據是算法預測錯誤的,也是最有價值的部分。修正神經網絡學習結果并為數據打上標簽,為下次相似操作提供更好的依據,這個模式也被稱為“影子模式”。特斯拉的局限體現在哪些地方?特斯拉自動駕駛方案有其局限性;特斯拉采用的視覺主導方案在精度、穩定性以及視野都有局限,暫時無法滿足L3級別以上的自動駕駛需求。主要原因是攝像頭形成二維圖像會存在失真的可能性,相比三維信息更難挖掘,需要更強大的算法、大量數據的訓練以及更長期的研發投入。由于視覺主導方案對于數據積累和算法訓練過于依賴,在經過復雜少見的道路環境時安全性受到嚴重挑戰。特斯拉自動駕駛系統的局限性來自于三個方面:第一,視覺方案對樣本數量和深度學習算法要求高,樣本的局限性直接決定了視覺方案是否有效;第二,毫米波雷達局限性以及駕駛員監控技術局限性;第三,攝像頭距離檢測難度大,在惡劣環境下精準度難以保持；但由于攝像頭之間的相對位置在對距離檢測精確度影響很大,在車輛高速行駛的過程中任何微小顛簸都會導致攝像頭的相對位置產生變化,因此需要進行實時標定,難度系數高。而且多個攝像頭會放大單個攝像頭的距離測量誤差,使得預判結果與實際狀況偏離更大。此外,攝像頭易受惡劣天氣影響,逆光和光影復雜環境下效果較差,難以實現惡劣天氣下依舊保持精準測距。關于特斯拉自動駕駛的事故近年時有發生,2020年6月1日,ー輛處于AutoPilot開啟狀態,且時速保持在110公里的特斯拉Model3徑直撞向一輛側翻的廂式貨車頂部。專家認為事故原因:第一,貨車白色箱體對陽光具有比較劇烈的反射,影響了攝像頭的識別;第二,視覺算法訓練數據的局限性,一般自動駕駛視覺訓練的是識別車輛后部、側面以及頭部,并無考慮到箱體頂部;第三,考慮到容易對墻面、橋梁、交通路牌等靜止物體產生誤報,現階段AEB系統對毫米波雷達的置信度權重下降,感知結果以視覺感知為主,從而導致事故的發生。“偽激光雷達”方案仍不完美;特斯拉A!高級總監AndrejKarpathy于2020年舉提出特斯拉正在研究“偽激光雷達”方案(pseudo-LiDAR)〇該方案可通過不同方向的攝像頭進行拼接,進行視覺深度估計,再投影到鳥瞰圖,作為局部導航地圖使用。同時,將畫面的每個像素都進行深度估計,如同激光雷達點云,形成3D目標檢測?！皞渭す饫走_”方案不僅成本低廉,可縮短純視覺技術架構與激光雷達間的性能差距,但是在實驗效果上該方案的檢測性能還無法完全與激光雷達媲美,而且專家質疑基于視覺的方案對圖像清晰度有很大的依賴性,對攝像頭像素以及光纖強弱要求很高,解決這些難題仍需時間。特斯拉采用視覺方案原因:“軟件服務商”的商業模式前期需要低成本鋪量我們認為特斯拉前期未采用激光雷達方案,主打視覺方案的核心原因主要與其后期商業模式定位有關,同時視覺方案更加能夠體現并構筑特斯拉擅長的算法壁壘。第一,從商業模式維度,特斯拉定位“軟件服務商”,前期需要走量“鋪渠道”,走量的核心是低成本;第二,視覺主導方案“輕感知、重算法”,特斯拉在數據、算カ、算法的優勢可以構筑領先其余主機廠的相對技術壁壘。數據優勢:特斯拉作為最早搭載自動輔助駕駛系統的電動車品牌,擁有全球規模最大的輔助駕駛車隊,截止2020年4月,特斯拉累計上路行駛里程以達到48億公里,遠超其他競爭對手,掌握全球最多一手資料。排名第二的Waymo截至2019年10月累計上路行駛里程約為!609萬公里,僅為特斯拉的1/30,且需重金雇傭車隊,成本效益低。龐大的數據量使得特斯拉在髙精度地圖、障礙物識別等方面的數據積累顯著領先于競爭對手。此外,與大多數自動駕駛初創公司大量采用模擬數據進行算法學習不同,特斯拉車隊采集的全部為現實數據,數據質量更高,更加有利于算法迭代更新;算法優勢:特斯拉搭建自身的算法架構,并自研核心計算芯片,提升軟硬件協同性能。特斯拉推行的“影子模式”將甄別后的有效圖像感知數據、駕駛員行為習慣數據通過0TA回傳,增加有效的訓練數據集合,提升神經網絡訓練的準確度。而現有主機廠的圖像感知算法來自于Mobileye或者英偉達等,自身并不具備較強的算法能力,且不容易得到圖像、駕駛員行為習慣等數據的回傳。此外,特斯拉車隊采集的全部為現實數據,數據質量更髙,更加有利于算法迭代更新。目前,特斯拉正在研發Dojo超強計算機,使得訓練數據不僅停留在圖片層面,Dojo支持對大量視頻數據進行非監督學習,目標是以較低的成本實現算法性能的指數級提高。若研發完成,特斯拉與其他主機廠在深度學習算法上的差距將進一步拉大;算カ優勢:橫向看,特斯拉的FSD芯片采用14nmエ藝制造,包含3個四核Cortex-A72集群,共I2個運行于CPU、1個運行于GPU、2個運行于NPUo目前,特斯拉FSD核心計算芯片單顆芯片算カ髙達72T0PS,遠高于市面上已經量產的其他車載芯片;縱向看,目前,特斯拉據稱與三星合作研發新款HW4.0自動駕駛芯片,用于實現4DFSD（四維完全自動駕駛）功能,芯片將采用5nmエ藝制造,預計2021年第四季度將大規模量產,且性能將是上一代HW3.0的三倍,芯片研發迭代速度快。我們認為,雖然特斯拉在電動化和智能化領域均具備較為顯著的相對優勢,其技術路線對于行業趨勢均具備前瞻意義,但我們認為后期其余主機廠效仿特斯拉視覺主導方案的可能性較小,主要基于以下幾點原因:第一,其余主機廠須通過激光雷達實現彎道超車（我們認為這是最核心的原因）；第二,激光雷達降本指日可待;第三,激光雷達在L3級以上不可或缺。3.2產品形態維度:用什么激光雷達?從應用場景劃分來看,激光雷達應用場景主要包括Robotaxi/Robobus,乘用車OEM端ADAS系統、機器人服務領域等,我們主要討論汽車領域的Robotaxi/Robobus、乘用車OEM端ADAS系統。目前Robotaxi/Robobus領域以實現L4-L5級別智能駕駛為主,主要包括出行類以及科技巨頭,如谷歌、百度、圖森、文遠等;乘用車ADAS目前主要以實現L3（L2+或し3+）級別智能駕駛為主,主要是實現自動泊車、定速巡航、自適應巡航等智能駕駛輔助功能,主要包括特斯拉等下游主機廠。在Robotaxi/Robobus領域（TOB端）高成本的機械式激光雷達已經量產,而ADAS領域對成本較為敏感（TOC端）,機械式激光雷達由于成本問題無法應用到ADAS領域,后期主要是在半固體和固態領域實現技術方案突破。從產品形態維度,激光雷達可以分為機械式、半固態和純固態激光雷達,我們認為能否過車規、成本是否合適將是決定哪種形態成為主流的核心影響要素。激光雷達要達到車規級,需要通過車規振動、沖擊、溫度循環等試驗,同時還要兼具壽命問題,從成本維度來看,滿足車規級的同時還需要兼備上百線速（或等效線速）、數百萬點頻以及百元美金價格級別;機械旋轉式激光雷達是目前最為成熟的技術方案,目前已經在Robotaxi/Robobus以及實驗領域得到廣泛應用,但成本較高,髙線數機械激光雷達價格平均在3000美金以上,后期難以實現車規級。我們認為半固態激光雷達將會是乘用車ADAS場景短期內的主流解決方案,半固態激光雷達的本質還是機械式激光雷達,只是指將部分機械部件集成到單個芯片,在微觀尺度上實現激光發射端的掃描方式的變化,較大程度地降低了成本和產品體積,目前僅有半固態轉鏡方案（SCALA、大疆等）可過車規,而MEMS振鏡方案目前尚未過車規,但從目前各個廠商的技術儲備來看,除了大疆、Ibeo的轉鏡方案,其余廠商儲備的MEMS振鏡方案較多,預期中期維度MEMS方案會是ADAS領域較為主流的技術方案。從長期技術發展趨勢來看,最佳的方案是高度集成化的純固態激光雷達,固態激光雷達是指將所有光學器件集成到芯片上的一體化方案,能夠進ー步提升可靠性并且控制成本,通過半導體的工藝把核心部件集成在芯片上,從而達到成本可控和可量產的成熟度,純固態技術由于上游核心電子元件、技術支持不成熟,距離大規模量產尚有距離。但長期來看,純固態技術的成本和穩定性都有較大潛カ,是技術上的最優解。0PA方案的純固態激光雷達盡管有著可控性好、成本低的優點,但其生產難度較高;而Flash雷達雖然穩定性和成本上有優勢,但其探測距離較近。這兩種方案都是未來激光雷達技術發展的方向。整體來看,機械式,半固體,純固體三種類型激光雷達的技術同源性較弱,存在不同的技術壁壘,導致迭代路徑差異較大。3.2.1機械式激光雷達:高精度高成本,無法過車規原理:整體旋轉;通過電機帶動光機結構整體旋轉的機械式方案,激光脈沖發射器、接收器等元器件都會隨著掃描模塊進行360°旋轉,從而生成一個立體點云,實現對環境的感知掃描。性能優劣勢:精度高成本高;優點是可以單臺實現360度掃描,信噪比高,精度高。但由于物理極限和成本高等因素限制,裝配和調制困難,掃描頻率低,生產周期長,成本居高不下。增加線束可增加精度,即增加激光發射器和接收器數量,因此成本與精度成正比。技術難點:標定矯正;理想狀態下,多線束激光從坐標系原點射出,但實際應用中每個激光雷達安裝位置不同,光束的水平方位角也有差異。為了解決這個問題,每個激光器都有一組校準標定參數,對每個激光束的位置和方向進行標定。以Velodyne的64線產品為例,出廠時對每束激光校準參數進行標定,使用時還須對該校準參數進行重新標定。機械旋轉式激光雷達的應用需要大量重復的校準エ作,在校正不能實現自動化的情況下,嚴重限制了產量和成本潛カ。能否過車規:否;由于其機械部件壽命不長（1000-3000小時）,旋轉機械式激光雷達只能用于自動駕駛的研發領域,難以滿足車規級要求（10000小時以上）。再加上價格高昂和維護成本高等因素,目前沒有旋轉機械式激光雷達滿足車規級要求。量產進度:自動駕駛研發;谷歌、百度、Uber研發的無人駕駛汽車皆搭載了Velodyne的64線高精度機械雷達HDL-64E（8萬美金）,福特FusionHybrid搭載了!6線激光雷達VLP-16（7999美金）。當前成本和后期預期下降成本:成本高難降本;Velodyne生產的16、32、64線激光雷達售價分別為4千美金、4萬美金、8萬美金。速騰聚創生產的16線、32線雷達售價分別在3萬人民幣、13萬人民幣。鐳神智能的16線、32線雷達售價分別為1.2萬人民幣、3萬人民幣。由于人工成本與光源數量直接相關,高線數機械式雷達成本居高不下,未來降價空間較小。另外、由于使用中掃描模塊不停旋轉,導致感知精度在出廠0.5-1年后大幅降低,還需要考慮返廠、維護成本。行業認為,純機械雷達的價格區間決定了其不適用于量產車載的應用。代表廠商:除去行業龍頭的Velodyne以外,生產機械式激光雷達的廠家還有法雷奧、禾賽科技、速騰聚創、Waymo等。3.2.2半固態-轉鏡方案:當前主流的ADAS場景技術路線,已過車規原理:部分機械元件可動;取代了傳統的機械式方案,收發模塊保持不動,通過旋轉光鏡或棱鏡的方式實現特定軌跡的掃描。性能優劣勢：體積小不穩定;其優勢在于減少了需要的光源,同時提高關鍵區域的掃描密度,從而解決了機械式方案笨重、體積大的痛點。但轉鏡方案中電機驅動的方式造成了一定不穩定性,對光源功率要求也較髙,該技術仍有提升的空間。技術難點：光學系統控制機制和轉軸精度;技術難點在于光學系統的控制機制和轉軸的精密度,光鏡旋轉的頻率和幅度都會影響光路。為了實現精密度高的掃描效果需要控制轉軸的精密度。能否過車規：已過；轉鏡激光雷達是目前唯一滿足車規級要求的方案。量產進度:已量產；201?年奧迪發布了全球首款搭載激光雷達的量產汽車奧迪A8,使用了法雷奧和!beo聯合開發的首個車規級激光雷達SCALA（轉鏡方案）。2020年,鐳神智能自主研發的CH32混合固態雷達成為全球第二個獲車規認證的激光雷達。此后,大疆Livox發布了小鵬定制版車規級激光雷達Horiz,成為第一個量產的國產激光雷達。當前成本和后期預期下降成本;由于使用了更少的激光收發元件,轉鏡激光雷達較機械式激光雷達有較大幅度的成本優勢。大疆發布的轉鏡式激光雷達Horizon和Tele-15售價分別為6499、8999元人民幣。長期來看,半固態轉鏡激光雷達的穩態價格將在1000美金左右。代表廠商:法雷奧、Innovusion、大疆Livox、Luminar、禾賽科技、北科天繪、鐳神科技等。小鵬x大疆Livox覽沃科技:應用雙光楔棱鏡掃描器的半固態轉鏡雷達2021年1月1日,小鵬汽車宣布與大疆孵化的Livox覽沃科技達成合作,將在2021年推出的全新量產車型上使用其生產的小鵬定制版車規級激光雷達,Livox也正式成為小鵬汽車在激光雷達領域的首家合作伙伴。原理:雙光楔棱鏡結構;應用了RPUPS棱鏡系統,根據折射定律通過兩棱鏡的繞軸獨立旋轉來實現出射光束的指向調整。此方案有著結構緊湊、準確性高、速度快、偏轉角度大、動態性能好等優點。除了掃描器,其他部分與傳統機械式激光雷達基本沒有差別。這類激光雷達掃描出的點云是花瓣形的,中央密度高,外圍密度低。它的特性與人的眼睛類似,越靠近中央的信息密度越高,這是典型的非重復掃描,掃描的時間越長,點云密度就越高。性能及優劣勢:精度高但延遲大;累計掃描的激光雷達可以穿透灰塵、雨雪、大霧等不受天氣影響。本次Livox供給小鵬汽車的是基于Horizon的定制產品Horiz?該產品將探測距離由90米提升至150米,點云密度也提升近2倍,達到等效144線水平。更密集的點云輸出可以更快檢測到遠處路面細小的目標物體,環境感知的精度達到了車規水平。缺點在于缺乏實時性,掃描時間越長效果越好,以及點云數據離散度高。這就意味著無法壓縮數據,只能以原始數據處理,對數據運算系統要求比較高,需要單獨開發算法。量產進度:年產!0萬臺;Livox宣稱,供給小鵬的Horiz激光雷達組裝線本身將實現!0萬臺級別的年均產能,并可基于前裝量產客戶的增長需求在3個月之內實現擴線擴能。3.2.3半固態ーMEMS振鏡方案:后期有望過車規,降本潛カ大原理:微振鏡掃描;MEMS激光雷達通過硅基芯片上微振鏡以一定諧波頻率的振蕩來反射激光器的光線,從而以超高的掃描速度形成高密度的點云圖,由此改變單個發射器的發射角度進行掃描,形成較廣的掃描角度和較大的掃描范圍。性能優劣勢:性能高但探測面積受限制；相比機械式,MEMS激光雷達還具有芯片化、無機械組件等優點,兼顧車規量產與高性能的需求。但MEMS激光功率較低,有效距離較短,且激光掃描范圍受微振鏡面積限制,視野FOV相對較窄。技術難點:振鏡小型化、