自动驾驶新焦点：激光雷达催生千亿新蓝海

激光雷达是智能汽车迈向 L3/L4 的关注焦点，单车价值量高，催生自动驾驶千亿新蓝海。根据 Forbes 的预测，2019 年，Tesla 共交付约 36.8 万辆汽 车，有 57％左右的客户选择了自动驾驶软件包。根据 IDC 的预测，2024 年全球 L1-L5 级自动驾驶汽车出货量预计将达到约 5425 万辆，2020 至 2024 年的年均复合增长率（CAGR）达到 18.3%。我们测算，按照每车 7000 元计算， 假设装车量达到 1500 万辆，则激光雷达在无人驾驶中的市场约为 1000 亿， 市场前景广阔。

激光雷达技术壁垒高，市场增速快，Robotaxi 和 Robotruck 落地有优势。根据 Allied Market Research 估计，2026 年全球无人驾驶技术市场规模将达到 5,566.7 亿美元，较 2019 年可实现 39.47%的年均复合增长率。根据沙利文的 统计及预测，激光雷达整体市场预计将呈现高速发展态势，至 2025 年全球市 场规模为 135.4 亿美元，较 2019 年可实现 64.5%的年均复合增长率。其中， Robotaxi 和 Robotruck 落地有一定优势。据预测，2025 年全球 Robotaxi 和 Robotruck 的 L4/L5 无人驾驶汽车，数量为 53.5 万辆，对应的激光雷达市场 规模 35 亿美元，2019 年至 2025 年的年均复合增长率达 80.9%。

激光雷达产业链随自动驾驶迎来价值重估，国内龙头禾赛科技已于近期申报上市。受益于自动驾驶产业变革，激光雷达价值迎来重估。当前境外激 光雷达公司如：Velodyne、Luminar、Aeva、Innoviz 等迎来上市热潮。其中 Velodyne 在近半年市值最高上涨约 300%，Luminar 上市后 PS 一度超过 100X。 国内激光雷达龙头禾赛科技也于 1 月份提交了上市招股说明书。禾赛科技在 激光雷达领域目前已布局 500 多项专利，公司研发人员占总员工数量的 53.78%。公司 2017-2019 年三年累计研发投入占对应三年累计营业收入的比 例为 51.84%。商业合作方面，公司的 RoboTaxi 产品与国内外包括：博世、百度、滴滴等众多优质客户开展深度合作 RoboTruck 相关产品则和图森等头部 无人驾驶卡车公司展开合作。

1 激光雷达：自动驾驶的千亿新蓝海

1.1 确定性强：自动驾驶是汽车智能化杀手级应用

需求、技术、政策共振，自动驾驶产业化进程加速。

1）从需求侧来看，自动驾驶 有望成为未来汽车销售的差异化焦点。根据 Forbes 的预测，2019 年，Tesla 共交付约 36.8 万辆汽车，有 57％左右的客户选择了自动驾驶软件包（90％的 Model X 和 Model S 买家以及 50％的 Model 3 买家）。

2）从技术成熟度来看，运用多传感器融合技术实 现自动驾驶，在全球范围内受到了业界和政府层面的密切关注，尤其是激光雷达，倘 若能够顺利实现量产上车，将会极大地加速 L3/L4 自动驾驶时代的到来。

3）从国家政策的指引来看，2020 年 11 月 11 日 发布了《智能网联汽车技术路线图 2.0》，按照路线 图的指引，计划到 2025 年，带有智能化配置的新车占比将超过 50%；到 2035 年，中 国方案智能网联汽车技术和产业体系全面建成，网联式高度自动驾驶智能网联汽车大 规模应用。

汽车智能化渗透率快速提升，全球自动驾驶汽车保持高速增长。根据 IDC 的预测， 2024 年全球 L1-L5 级自动驾驶汽车出货量预计将达到约 5425 万辆，2020 至 2024 年的 年均复合增长率（CAGR）达到 18.3%；L1 和 L2 级自动驾驶在 2024 年的市场份额预计分别为 64.4%和 34.0%。L3-L5 级自动驾驶技术的应用具有开拓性意义，L1-L2 级辅 助驾驶会是未来 5 年内带动全球自动驾驶汽车出货量增长的最大细分市场。我们认为， 无论是辅助驾驶抑或是自动驾驶，感知系统作为汽车的增量是确定趋势，激光雷达属于智能汽车感知系统。

保证安全和提升出行效率，自动驾驶将带来巨大社会效益。

1）从安全方面来看，自动驾驶将降低车祸事故率和死亡率。目前，全球每年 120 万人死于车祸，美国去年 车祸死亡人数更是增加 9%至 3.8 万人。90%的车祸是人为造成的，因使用手机而分心 近年更成为酒驾以外最大的安全隐患。即便是 L1/L2 的自动驾驶，就能极大纠正人为 错误，降低事故率。据 Insurance Institute for Highway Safety 研究，自动紧急刹车可以减少40%的追尾相撞，而前向碰撞预警也能减少追尾相撞 23%。Virginia Tech Transportation Institute 根据 Alphabet 提交的数据研究证实，Alphabet 自动驾驶汽车发生不同等级碰撞 事故的概率均大幅低于目前全国交通事故数据库计算的平均值。

2）从出行效率来看，自动驾驶汽车将提高汽车的使用率，以更低的汽车保有量满足现有出行需求。目前， 美国家庭平均汽车保有量为 2.1 辆，但使用率只有 4%，其他时间车辆或者停放在家中， 或者停放在目的地。实现 L4 自动驾驶后，多个家庭成员共用一辆汽车将更为可行。据 密歇根大学测算，在私人购买 L4 自动驾驶汽车的情形下，美国家庭汽车保有量可以下 降到 1.2 辆，但单车里程可增加 101%。当自动驾驶汽车成为社会共享后，资源效率的 提高则更为可观。当自动驾驶技术成熟后，共享出行将更加成为城市交通的主要模式。 根据密歇根大学的测算，一辆自动驾驶共享汽车可以取代 9.34 辆传统汽车。我们认为， 自动驾驶还将减少交通拥堵，降低停车场需求，减少能源消耗，拓展残疾人和老年人的活动范围，释放人们的驾驶时间，增添车内信息娱乐需求等。

1.2 意义重大：依靠传感器对环境的正确感知是实现智能驾驶先决条件

实现驾驶过程中的“耳聪目明”，多传感器融合核心技术。智能汽车通过多传感器 融合来实现对车辆运行环境的感知。传感器是汽车感知周围的环境的硬件基础，在实 现自动驾驶的各个阶段都必不可少。自动驾驶离不开感知层、控制层和执行层的相互 配合。摄像头、雷达等传感器获取图像、距离、速度等信息，扮演眼睛、耳朵的角色。 控制模块分析处理信息，并进行判断、下达指令，扮演大脑的角色。车身各部件负责 执行指令，扮演手脚的角色。而环境感知是这一切的基础，因此传感器对于自动驾驶 不可或缺。

从 0 到 1 实现突破，Lidar 有望复制 Radar 的增长。我们来复盘一下超声波雷达和 毫米波雷达增长。2014-2018 年超声波雷达装载量上涨，平均增长幅度达到 17.7%，毫 米波雷达装载量也从 2015 年的 12.3 万件激增至 2018 年的 500.7 万件，CAGR 达到 244.0%。受益于中国雷达传感器装配数量的提升，中国雷达传感器用芯片行业市场规 模持续增长，2014-2018 年，中国雷达传感器用芯片行业市场规模（按销售额统计）从 4.4 亿元人民币增长至 16.8 亿元人民币，CAGR 为 39.8%。预计 2018 年至 2023 年中国 雷达传感器用芯片市场规模（按销售额统计）CAGR 将达到 43.0%，2023 年中国雷达 传感器用芯片市场规模将达到 100.5 亿元。我们认为，激光雷达处在从 0 到 1 的关键 时期，一旦运用成熟，后续也有望出现爆发式的增长。

传感器融合互为冗余，提高整车安全系数。多传感器融合系统所实现的功能要远 超这些独立系统能够实现的功能总和。使用不同的传感器种类可以在某一种传感器全 都出现故障的环境条件下，额外提供一定冗余度。这种错误或故障可能是由自然原因 （如一团浓雾）或是人为现象（例如对摄像头或雷达的电子干扰或人为干扰）导致。

对比各类传感器优缺点如下：

LiDAR：可以获得目标精确的 3D 信息，检测范围也能够到达 150 米。对光照 不敏感，晚上也可以正常工作。但是角分辨率大，目标稀疏，无法获得目标 纹理，分类不准，而且在雨、雾、雪等恶劣天气中，性能会下降。对扬尘、水 雾也比较敏感，易产生噪点。

RADAR：可以提供精确的距离和速度信息，探测距离也比较远，可以全天候 工作，但分辨率较低，无法提供物体高度信息。

相机：对目标的颜色和纹理比较敏感，可以完成目标分类、检测、分割、识 别等任务，但是不能得到精确的探测距离，而且易受光照、天气条件的影响。

1.3 成为焦点：激光雷达被认为是实现 L3/L4 自动驾驶的关键

L3 级是自动驾驶等级中的分水岭，其驾驶责任的界定最为复杂。在自动驾驶功能 开启的场景中，环境监控主体从驾驶员变成了传感器系统，驾驶决策责任方由驾驶员 过渡到了汽车系统。当前 L2 级自动驾驶感知系统主要由超声波雷达、毫米波雷达、摄像头等车载传感器组成。1）车载超声波雷达成本低，但有效探测距离通常小于 5m， 无法对中远距离物体进行测量；2）毫米波雷达具有同时测距和测速的功能，有效探测 距离可达200 m，然而单颗车载毫米波雷达的角度分辨能力通常较弱，如：大陆的77GHz 高配版毫米波雷达 ARS408-21 在长距模式最优水平角分辨率为 1.6°，无法辨识物体 的细节，且毫米波雷达对金属的探测灵敏度远高于非金属材料，导致其在人、车混杂 的场景下对行人的探测效果不佳；3）摄像头具有优异的角度分辨率，然而其受光照影 响大，黑夜和强光下的探测效果不佳，此外摄像头对物体及其距离的识别依赖深度学 习算法，无法做到完全准确。激光雷达兼具测距远、角度分辨率优、受环境光照影响 小的特点，且无需深度学习算法，可直接获得物体的距离和方位信息。这些相较于其 他传感器的优势，可显著提升自动驾驶系统的可靠性，因而被大多数整车厂、Tier1 认为是 L3 级及以上自动驾驶（功能开启时责任方为汽车系统）必备的传感器。

激光雷达量产有望成为实现 L3/L4 自动驾驶的关键节点。按照国际汽车工程师协 会发布的工程建议对自动驾驶进行分类。从 L0 级（纯由驾驶员控制）至 L5 级（完全 自动驾驶），级别越高，车辆的自动化程度越高，动态行驶过程中对驾驶员的参与度需 求越低，对车载传感器组成的环境感知系统的依赖性也越强。

L4/L5 级自动驾驶功能通常被定义为无人驾驶，Robotaxi/Robotruck 落地有一定优 势。其驾驶责任完全归属于汽车系统，因而对激光雷达的探测性能要求最高，但因为 车辆的所有者往往为无人驾驶运营公司（Robotaxi/Robotruck），所以对激光雷达价格及 与车身的集成度要求相对较低，机械式激光雷达也可以满足要求。

激光雷达、毫米波雷达和摄像头是公认的自动驾驶的三大关键传感器技术。从技 术上看，激光雷达与其他两者相比具备强大的空间三维分辨能力。中国汽车工程学会、 国汽智联汽车研究院编写的《中国智能网联汽车产业发展报告（2019）》称，当前在人 工智能的重要应用场景智能网联汽车的自动驾驶和辅助驾驶领域中，激光雷达是实现 环境感知的核心传感器之一。报告认为，在用于道路信息检测的传感器中，激光雷达 在探测距离、精准性等方面，相比毫米波雷达具有一定的优势。

激光雷达性能精良，单就产品和技术层面是无人驾驶的最佳技术路线。激光雷达 相对于其他自动驾驶传感器具有非常优越的性能：1）分辨率高，激光雷达可以获得极 高的角度、距离和速度分辨率，这意味着激光雷达可以利用多普勒成像技术获得非常 清晰的图像。2）精度高，激光直线传播、方向性好、光束非常窄，弥散性非常低，因 此激光雷达的精度很高。3）抗有源干扰能力强，与微波、毫米波雷达易受自然界广泛 存在的电磁波影响的情况不同，自然界中能对激光雷达起干扰作用的信号源不多，因 此激光雷达抗有源干扰的能力很强。

2 激光雷达前世今生，受益自动驾驶迎来价值重估

2.1 早期用于测绘，自动驾驶极大地拓宽下游应用领域

激光雷达发展三阶段，数字和纯固态是未来趋势。世界上第一台激光器诞生于 1960 年，此后随着激光技术的发展，使用激光进行探测的激光雷达也得到发展。早期 激光雷达主要用于科研及测绘项目，进行气象探测以及针对海洋、森林、地表的地形 测绘。二十世纪八九十年代，激光雷达的应用不再仅局限于科研领域，商用产品如激 光测距仪开始起步。扫描结构的加入扩大了激光雷达的视场范围并拓展了其应用领域： RIEGL 及 FARO 等厂商引入扫描式结构，专注于激光机载测绘及工业测量；Sick 及 Hokuyo 等厂商推出的 2D 扫描式单线激光雷达产品被应用于工业测量以及早期的无人 驾驶研究项目。

2000 年以前激光雷达的商业化技术处于起步阶段，在车载领域应用有限。2000 年 以后激光雷达的系统架构得到拓展，从单线扫描逐渐发展到多线扫描，激光雷达对环 境三维高精度重建的应用优势被逐渐认可，基于激光雷达的避障与导航技术在无人驾 驶应用中得到逐步发展。2004 年开始的美国国防高级研究计划局无人驾驶挑战赛推动 了无人驾驶技术的快速发展并带动了高线数激光雷达在无人驾驶中的应用。2005 年 Velodyne 推出的 64 线激光雷达在第二届 DARPA 挑战赛中得到广泛关注，2007 年第三届挑战赛时，六支完成比赛的队伍中五家使用了 Velodyne 的激光雷达，高线数激光 雷达在无人驾驶中的应用前景得到了广泛的重视。DARPA 挑战赛之后陆续有巨头科 技公司及新兴无人驾驶公司投入无人驾驶技术研究，激光雷达被广泛应用于无人驾驶 测试项目，当时的高线数激光雷达市场主要以 Velodyne 的产品为主。车载激光雷达车 规化发展也在这一时间起步，2010 年 Ibeo 同 Valeo 合作进行车规化激光雷达 SCALA 的开发，SCALA 为基于转镜架构的 4 线激光雷达，经过多年的测试和验证，于 2017 年 实现量产。

在汽车产业“电气化、共享化、网联化、智能化”的“新四化”驱动下，2016 年 后无人驾驶行业高速发展。激光雷达行业也随之进入迅速发展期，这一时期激光雷达 行业表现出了以下几个特征：①国内外不断有初创公司投入高线数激光雷达的研究并 陆续取得突破，2017 年 4 月禾赛科技发布了 40 线激光雷达 Pandar40。②激光雷达技术 方案得到创新和拓展，半固态式或固态式激光雷达如 MEMS、OPA 等技术方案受到市 场重视。③激光雷达应用范围不断扩大，早期无人驾驶测试项目的规模持续扩张，而 且随着技术的成熟，开始有无人驾驶车队进行小范围商业化试点，此外激光雷达在高 级辅助驾驶和服务机器人领域的应用也得到不断发展。

2019 年后激光雷达行业进入新的发展阶段。这一时期主要表现出了以下几个特征： ①从技术方案来看，收发器件面阵化及核心模块芯片化为高性能、低成本、高集成度、 高可靠性的激光雷达提供了可靠的发展方向。②FMCW 原理的激光雷达技术方案受到 了市场的关注。③激光雷达应用范围进一步得到拓展，“新基建”中的车联网技术为激 光雷达带来了新的应用场景，此外，依据应用领域的不同，激光雷达呈现性能及价格 分层的发展趋势。④2020 年境外激光雷达公司迎来通过特殊目的并购公司完成上市的 热潮，Velodyne、Luminar 已完成 NASDAQ 上市，Aeva、Innoviz 预计 2021 年第一季度 完成，Ouster 预计 2021 年上半年完成。

2.2 激光雷达在自动驾驶产业链中处于高价值环节

激光雷达是高级别无人驾驶技术实现的关键。根据 Allied Market Research 估计， 2026 年全球无人驾驶技术市场规模将达到 5,566.7 亿美元，较 2019 年可实现 39.47%的 年均复合增长率。根据沙利文的统计及预测，受无人驾驶车队规模扩张、激光雷达在 高级辅助驾驶中渗透率增加、以及服务型机器人及智能交通建设等领域需求的推动， 激光雷达整体市场预计将呈现高速发展态势，至2025年全球市场规模为135.4亿美元， 较 2019 年可实现 64.5%的年均复合增长率。

激光雷达在高级辅助驾驶 ADAS 领域。针对 L2/L3 级别的自动驾驶乘用车，直接 面向用户，因此，激光雷达与车身融为一体的美观性要求和价格敏感度都较高。据预 测，2025 年全球乘用车新车 L3 渗透率 6%，即每年近 600 万辆新车将搭载激光雷达， 对应的市场规模为 46.1 亿美元（单价 768 美元），2019 年至 2025 年复合增长率达 83.7%。

激光雷达在无人驾驶领域。针对 L4/L5 级别的运送乘客 Robotaxi 和运送货物 Robotruck，由于驾驶责任完全归属汽车本身，对激光雷达探测性能要求最高，同时车 辆所有者为运营公司，对激光雷达价格及与车身集成度要求较低。据预测，2025 年全 球 Robotaxi 和 Robotruck 的 L4/L5 无人驾驶汽车，数量为 53.5 万辆，对应的激光雷达 市场规模 35 亿美元（假设一辆车一套，单价为 6542 美元），2019 年至 2025 年的年均 复合增长率达 80.9%。

2.3 激光雷达的原理和技术路线

激光雷达是用激光作为辐射源的雷达，可用于高精确度地探测、测距。激光雷达 由四个系统组成：1）发射系统，由半导体激光器和光学系统组成；2）扫描系统，由 系列扫描元件构成，以华为 2020 年 7 月 2 日公布的 MEMS 激光雷达为例，包括 MEMS 微振镜、激光驱动器、MEMS 驱动芯片等；3）接收系统，包括核心的光电探测器和光 学系统；4）数据处理系统，由放大器、数字化芯片、FPGA（主控单元）构成。发射 系统发射激光束，通过扫描系统中的 MEMS 微振镜来反射激光器的光束，两者采用微 秒级的频率协同工作，能目标物体进行 3D 扫描。通过接收系统接收到目标物体反射 的光信号后，数据处理系统将其放大并转化为数字信号并进一步生成物体位置信息。

激光雷达产业自诞生以来，紧跟底层器件的前沿发展，呈现出了技术水平高的突 出特点。激光雷达厂商不断引入新的技术架构，提升探测性能并拓展应用领域：从激 光器发明之初的单点激光雷达到后来的单线扫描激光雷达，以及在无人驾驶技术中获 得广泛认可的多线扫描激光雷达，再到技术方案不断创新的固态式。激光雷达、FMCW 激光雷达，以及如今芯片化的发展趋势，激光雷达一直以来都是新兴技术发展及应用 的代表。

目前的激光雷达存在着四条主要的技术路线：传统机械式激光雷达、MEMS、Flash、 OPA（后三种为固态激光雷达的实现方式），它们特点各不相同：

机械旋转式激光雷达的优势在于可以对周围环境进行 360°的水平视场扫描， 测距能力远，目前主流无人驾驶项目纷纷采用机械旋转式激光雷达作为主要 的感知传感器。但也存在固有缺陷，由于采用水平线性扫描方式，存在产生 盲点的风险，无论扫描持续多长时间，视场中的某些物体都会被遗漏，并且 机械式激光雷达受限于生产工艺，大规模量产存在着一定的难度，成本依旧 高昂。

MEMS 微机电系统能够直接在硅基芯片上集成体积十分精巧的微振镜，由可 以旋转的微振镜来反射激光器的光线，从而实现扫描，凭借超高的扫描速度 形成高密度的点云图，具有一定的集成性。但 MEMS 微振镜的扫描角度是由 控制电路调节的，保证角度精度是主要的技术难点，其量产可行性比较低， 且如何使 MEMS 微振镜通过车规是现在面临的一大挑战。

Flash 激光雷达刷新频率极高，但 Flash 的光源能够覆盖到前方很宽范围内的 所有目标物，而探测器的视场角刚好可以接收到这一范围内的反射光，这种 工作原理造成了能量值低、量程难以到达 20 米以上，因此不能充当主传感 器。Flash 激光雷达被视为当前主流技术路线，并能够实现商用。

OPA 扫描技术作为一种新型光束指向控制技术是近年来的研究热点，具有无 惯性器件、精确稳定、方向可任意控制的优点，但 OPA 的接收部件的不成 熟，导致阳光下噪点多，难以作为主传感器之用，并且其核心元器件 OPA 芯 片加工难度高，产品化的道路上存在一定的挑战。

2.4 激光雷达的下游应用都有哪些领域？

激光雷达在无人驾驶领域市场前景可观。传统出行服务中人工成本占运营总成本 60%以上，无人驾驶出行服务能够取消这一成本，而且无人驾驶技术能够减少车辆闲 置时间，因而相比传统的出行服务具有广泛的商业价值和盈利空间。高级辅助驾驶市 场主要服务于整车厂及 Tier1 公司，激光雷达在性能满足要求的基础上，成本及车规要 求是量产车项目关注的重点。Valeo 的 SCALA 是世界第一款受到市场认可通过车规并 实现量产的激光雷达产品，搭载在了奥迪旗舰车型 AudiA8。2020 年 Valeo 将对 SCALA 进行升级，实现更优的传感器解决方案。

世界各地交通法规的修订为 L3 级自动驾驶技术商业化落地带来机会。2019 年， 日本《道路交通法案》修正案获得通过，允许 L3 级自动驾驶车辆在公共道路上使用。 2020 年 1 月，韩国国土交通部发布《自动驾驶汽车安全标准》（修订版），制定 L3 级自 动驾驶安全标准和商用化标准。2020 年 6 月联合国的欧洲经济委员会通过《ALKS 车 道自动保持系统条例》，这是全球范围内第一个针对 L3 级自动驾驶具有约束力的国际 法规。

世界范围来看，中国智能网联汽车发展速度快，战略化程度高。2020 年 2 月，国 家发展改革委、工信部、科技部等 11 个部委联合印发《智能汽车创新发展战略》，提出到 2025 年，智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网 络实现区域覆盖，新一代车用无线通信网络在部分城市、高速公路逐步开展应用，高 精度时空基准服务网络实现全覆盖。2020 年 3 月，发改委和工信部发布《关于组织实施 2020 年新型基础设施建设工程（宽带网络和 5G 领域）的通知》，将“基于 5G 的车 路协同车联网大规模验证与应用”列为七项 5G 创新应用提升工程之一。与单车智能 相比，基于 5G 的车路协同可以更大限度地提升行车安全、提高交通系统运行效率、 降低车载设备成本，从而促进无人驾驶的快速落地。

服务机器人主要应用范围包括无人配送、无人清扫、无人仓储、无人巡检等。借 助强大的内置感知系统及控制系统，服务机器人能够完成多种无人作业，从而减轻对 人力的依赖，提高生产效率。服务型机器人不仅仅可以实现将货物从物流中心运送到 消费者家中，还可以提供大量新型的“最后一公里”服务，为整个服务社区提供便利 性、安全性和健康性。2020 年面对新冠疫情，无人配送能够避免人与人的不必要接触， 减少交叉感染概率，为方便社区生活以及阻隔疫情扩散筑起了健康防线。

激光雷达也被应用在消费电子领域。2020 年 Apple（苹果）在新款 iPad Pro、iPhone 12 Pro 和 iPhone12 Pro Max 上搭载了 dToF 激光雷达模组，虽然同为基于飞行时间原理 的激光雷达，但从产品要求以及客户群体来看，消费类电子产品上的激光雷达与公司 所面向的无人驾驶、高级辅助驾驶、机器人、车联网应用的激光雷达区别较大，比如 前者的测距范围一般为 5m 以内，对体积和功耗要求非常严格。

3 国内激光雷达龙头：禾赛科技

3.1 反复探索打磨，成为激光雷达全球领先企业

禾赛科技是全球领先的激光雷达制造商。2014 年成立于上海，禾赛依靠近 500 人 的团队打造出一系列创新型传感器解决方案，兼顾业内顶尖的产品性能、可量产的设 计以及出众的可靠性。禾赛凭借自主研发的微振镜和波形加密技术，始终引领传感器 创新的发展方向，目前已布局 500 多项专利，客户遍布全球 20 个国家和地区的 70 座 城市。

由激光气体传感器向激光雷达拓展，是公司长期战略。2015 至 2016 年期间，公司 主要的产品为激光气体传感器，产品灵敏度高、误报率低，一面世就受到燃气行业的 关注，并入围了 2017 年的 Prism Award 最终名单。2016 年，经历反复探索后，公司在 原有激光气体遥感技术的积累之上拓展了新的发展方向——无人驾驶激光雷达。面向 无人驾驶的激光雷达产品技术壁垒高，市场总量大，应用前景广阔且与公司发展愿景 高度吻合。随后，公司深耕于高端激光雷达产品的开发，推出了一系列产品，积累了 大量优质客户。2017 年底，公司部署芯片技术发展方向，成立芯片部门，根据产品上 积累的系统需求定义芯片参数，自主设计芯片。

公司核心团队专业背景深厚。公司实际控制人孙恺、李一帆、向少卿毕业于清华 大学、斯坦福大学、上海交通大学等海内外高校，拥有苹果、西部数据等公司的工程 师背景，其他核心技术人员也拥有电子、光学等方面的专业背景，这些经验是公司战 略制定的有力保障。

营收迅速增长，毛利率高，客户以北美和国内为主。公司近年营业收入增长迅速， 考虑到公司收入多集中在第四季度，叠加国外疫情逐步缓解等因素，2020 年营业收入 有望再创新高。毛利率保持在较高水平，主要因为激光雷达行业的研发与制造壁垒高， 且公司为行业内高线数激光雷达的领军企业，具有较强定价权。营收地区分布方面， 以北美和中国大陆客户为主。

3.2 下游行业与政策支持共同驱动公司发展

老龄化现象加剧，社会对智能服务依赖度不断提升。自 2012 年起，我国劳动年龄 人口数量和比重持续降低，2019 年 65 岁以上人口占总人口比例达到 12.57%，可以预 见未来 30 年，中国社会老龄化问题将越来越严重。依赖人口红利的物流运输系统也将 出现巨大的劳动力缺口社会人口老龄化的到来将给这些行业带来巨大的劳动力缺口， 这为智能服务的发展带来了广阔的应用前景。无人驾驶卡车、无人运货小车、无人码 头运送车等的推广将大量解放劳动力，激光雷达作为其重要传感器也将为社会的转型 与发展提供技术支持。为了持续的经济发展。

下游行业的蓬勃发展将持续驱动激光雷达行业的增长。根据 Yola 的测算，2019 年 全球激光雷达市场规模约为 16 亿美元，预计到 2025 年将达 38 亿美元，复合增长率达 19%。其中，ADAS 领域市场规模将从 1900 万美元增长至 17 亿美元，复合增长率达 114%。1）无人驾驶行业：传统出行服务中人工成本占运营总成本 60%以上，无人驾驶 出行服务能够取消这一成本，而且无人驾驶技术能够减少车辆闲置时间，因而相比传 统的出行服务具有广泛的商业价值和盈利空间。当前，国内外的无人驾驶项目不断取得进展，根据 ReportLinker 研究估计，2025 年全球包括运送乘客和货物在内的 L4/L5 级无人驾驶车辆数目将达到 53.5 万辆。随着无人驾驶商业模式的逐步确立，该领域的 全球激光雷达市场也将随之实现高速增长。2）高级辅助驾驶行业：世界各地交通法规 的修订正为 L3 级自动驾驶技术商业化落地带来机会，全球范围内 L3 级辅助驾驶量产 车项目当前处于快速开发之中。随着激光雷达成本下探至数百美元区间且达到车规级 要求，未来越来越多高级辅助驾驶量产项目将实现 SOP；根据 Yole 的研究报告，至 2025 年全球乘用车新车市场 L3 级自动驾驶的渗透率将达约 6%，即每年将近 600 万辆 新车将搭载激光雷达。激光雷达在高级辅助驾驶领域的市场规模将在未来 5 年里保持 高速增长。3）服务型机器人行业：当前越来越多的电商、消费服务业巨头以及初创公 司投入服务型机器人的开发，随着智能服务机器人技术的成熟，其业务范围和辐射半 径将不断增强，无人运送、无人清扫、无人巡检机器人在运营成本降低及服务效率提 升等方面的优势将得以显现，对此类设备的需求也将不断提升。4）车联网行业：基于 5G 的车路协同可以更大限度地提升行车安全、提高交通系统运行效率、降低车载设备 成本，从而促进无人驾驶的快速落地，国内城市纷纷展开智能城市、智能交通的建设 和测试。激光雷达结合智能算法，能够提供高精度的位置、形状、姿态等信息，实现 对交通状况进行全局性的精确把控，对车路协同功能的实现至关重要。随着智能城市、 智能交通项目的落地，未来该市场对激光雷达的需求将呈现稳定增长态势。

国家对智能传感器的发展给予大量政策支持。智能传感器是智能装备感知外部环 境信息的关键，对智能装备的应用起着技术牵引和场景升级的作用。近年来，随着互 联网与物联网的高速发展，传感器在新兴的智能家居、智慧城市、智能移动终端（汽车、机器人等）等领域的应用突飞猛进，大幅扩展了应用空间。同时集成电路是智能 传感器的重要组成部分，专用芯片的发展为智能传感器的性能提升、可靠性提升和成 本控制提供了重要支撑。国家政策也给予了大力支持。2017 年起，随着智能汽车及车 联网行业的发展，各级政府出台多项政策明确发展车载传感器技术以及形成产业化规 模，对公司经营发展起到正向促进作用。

3.3 深入探索不同技术方案，打造多场景立体化产品矩阵

从对激光雷达性能要求最高的无人驾驶领域入手，面对不同场景打造多样化产品 矩阵。坚持产品性能的优化，持续积累核心模块的开发经验，前瞻部署芯片化的发展 战略，深入探索不同技术方案，面对不同领域对激光雷达的多样化需求，秉承“长、 中、短距兼备，机械、固态方案并进”的立体化产品矩阵，开发并陆续推出多样化的 激光雷达产品。

无人驾驶场景产品针对性地解决了行驶环境中的一系列问题。

1）复杂环境和其他 激光雷达干扰方面，L4/L5 级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。 该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求最高，在要求 360° 水平扫描范围的同时，对于低反射率物体的最远测距能力需要达到 200m，且需要更高 的线数以及更密的点云分辨率；同时，为了减少噪点，还需要激光雷达具有抵抗同环 境中其他激光雷达干扰的能力。为满足上述要求，公司推出了性能逐步优化的 Pandar40 （2017 年 4 月）、Pandar40P（2018 年 4 月）、Pandar64（2019 年 1 月）以及 Pandar128 （2020 年 9 月）。

2）角度盲区方面，激光雷达放置在车辆顶部，有限的垂直视场角会 在近距离产生盲区，即无法探测的区域。为此公司在 2020 年 1 月推出了垂直视场角覆 盖 104.2°和探测距离最近达 0.1m 的盲区检测激光雷达 PandarQT。

3）多传感器标定 及同步方面，自动驾驶公司的多传感器标定及同步是一个难点，公司与百度 Apollo 在 2017 年 12 月联合发布了多传感器融合感知套件 Pandora。

高级辅助驾驶场景产品覆盖前向视场，实现自动跟车或者高速自适应巡航等功能。L2/L3 级高级辅助驾驶对激光雷达的需求与 L4/L5 级无人驾驶应用的需求有所不同， 覆盖前向视场（水平视场角覆盖 60°到 120°）的激光雷达通常为优选方案，实现自 动跟车或者高速自适应巡航等功能，但在测远和角度分辨率等性能上的要求和无人驾 驶是一致的；此外，整车厂及 Tier1 公司更看重激光雷达的形态与尺寸是否容易嵌入车 身，保险杠、前挡风玻璃后视镜等易于隐藏的地方是放置激光雷达的优先选择，这些 位置往往空间狭小因而限制了激光雷达的体积；该领域客户也要求激光雷达通过电磁 兼容、可靠性（包括振动及冲击、防水防尘）等一系列严格的车规测试；因为面向消费者的乘用车采购数量大，该领域客户对激光雷达的价格敏感度相较于无人驾驶领域 也更高。为此，公司利用技术架构预研过程中的实践积累，在 2019 年 1 月推出了基于 微振镜方案的远距前向式激光雷达 PandarGT。当前，公司发挥在专用芯片开发上的研 究成果，基于微振镜架构的低成本方案以及基于转镜方案的 PandarST 将搭载公司自研 的 V1.0 多通道激光驱动芯片以及多通道模拟前端芯片，保障性能的同时提高可靠性并 控制成本，目前相关产品处于样机迭代及 OEM 洽谈阶段。

机器人场景产品使用自研芯片优化性能。机器人应用范围包括无人送货小车、自 动清扫车辆、园区内的接驳车、港口或矿区的无人作业车、执行监控或巡线任务的无 人机等，这些场景的主要特点是路线相对固定、环境相对简单、行驶速度相对较低（通 常不超过 30km/h）。因而相比无人驾驶应用，机器人应用对激光雷达测远及分辨率等 探测性能的要求相对较低，但对价格更敏感。为此，公司采用禾赛 V1.0 自研芯片架构， 开发了面向机器人市场的中距机械旋转式激光雷达，于 2020 年 10 月推出了 PandarXT 产品。PandarXT 发射端使用自主研制的多通道激光驱动芯片，接收端使用自主研制的 多通道模拟前端芯片，专用芯片的应用带来了产品性能的优化：更高的测距精准度、 更优的抗干扰能力、更低的功耗等，而且也使得 PandarXT 在性能一致性、系统集成 度、成本控制、可量产性等方面具有优势。

车路协同场景产品采用目标聚类及追踪算法，内部集成算力并降低典型时延。人、 车、路的有效协同需要准确识别和追踪交通参与者，并对其路线进行有效预测，采用 基于激光雷达点云数据的目标聚类及追踪算法能够满足这一要求。PandarMind 系列产 品能够直接输出经过深度学习算法处理得到的目标物识别结果，相比传统的激光雷达 外接算法处理单元的方案，PandarMind 算力内部集成，具有无需额外软件移植部署的 优势。此外，相比传统算法方案需要的≥100ms 的典型时间延迟，PandarMind 有效降低典型时延，为车辆提供了更长的反应时间用于驾驶决策，有利于充分实现人车路的 有效协同，保证交通安全，提高通行效率。

3.4 技术突破和持续的研发投入，构筑产品护城河

激光雷达行业具有较高的技术水准与技术壁垒。作为一种新兴的传感器技术，激 光雷达系统结构精密且复杂，精细的光机设计和收发对准、微弱信号的灵敏探测和快 速响应是实现探测目标的前提。为了实现最优的探测效果，激光雷达不仅在开发过程 中需要光、机、电等子模块的高度配合和协同优化，而且还需要在生产过程中具有相 匹配的高精度生产制造能力。

全固态是车用激光雷达的技术发展趋势，公司针对不同场景应用不同技术路线， 并开展新技术的布局积累。总体来看，激光雷达未来发展趋势为取消机械旋转结构， 利用半导体工艺将所有机械部件全集成，实现体积小、质量轻、坚固可靠、高效率和 低成本的全固态激光雷达，同时提高其环境适应性。机械旋转式激光雷达产品已经在 无人驾驶领域得到了广泛应用，而半固态式激光雷达主要面向即将兴起的量产乘用车 高级辅助驾驶市场。不同细分应用领域的差异对激光雷达的综合指标提出了不同维度 的要求，产品性能分层、不同架构方案并存将是常态。依据对未来市场的预判，公司 也开展了对 FMCW 激光雷达和电子扫描方案的固态式激光雷达的技术布局和积累，具 有新技术方案激光雷达的产品开发能力。

突破激光雷达技术限制，公司制定芯片化发展战略。当前市场对激光雷达产品的 测远能力以及点频的要求不断提升，但由于受到激光安全阈值的限制以及产品功耗与 发热的限制，目前已经很难通过简单堆砌通道数目去满足这个需求。为了突破现有瓶 颈，需要通过技术的改进以及实现核心收发芯片的升级换代，提升能量利用率，用更 少的能量实现更远的单点测距能力。针对上述问题，公司发挥技术创新能力，规划了 V1.0、V1.5、V2.0、V3.0 代核心收发单元芯片化的发展战略，V1.0、V1.5、V2.0 芯片研究成果面向当前机械式、微振镜式、转镜式技术方案，是这些产品系列升级迭代的共 同技术支撑，V3.0 面向纯固态式激光雷达 PandarFT 的开发及应用。公司于 2017 年末 成立了芯片部门，开展激光雷达专用芯片的研发工作。激光雷达专用芯片化研究包括 激光驱动芯片、模拟前端芯片、数字化技术和芯片以及 SoC 芯片，其在激光雷达系统 的功能如下图所示。目前芯片化 V1.0 成果多通道激光驱动芯片及多通道模拟前端芯片 已完成量产，并应用于多个激光雷达研发项目和 PandarXT 的量产项目。高精度数字化 技术已应用于公司产品，模拟数字转换芯片已进入开发后期，公司在 SoC 芯片方面已 有技术储备。

公司高度重视研发，募集资金用于智能制造中心和激光雷达算法项目。截至 2020 年 9 月 30 日，公司共有研发人员 270 人，占总员工数量的 53.78%。研发投入不断增 加，最近三年累计研发投入占最近三年累计营业收入的比例为 51.84%；2017-2019 年三 年累计研发投入 25,964.15 万元。本次募集资金除用于激光雷达专属芯片项目外，还包 括智能制造中心项目和激光雷达算法的研发。智能制造中心项目将帮助公司在激光雷 达各产品线的生产工艺优化以及测试环境等方面，实现业内领先的生产能力，为大规 模量产做好准备，激光雷达算法研发项目将提升公司激光雷达相关的算法能力，以为 乘用车、车联网等领域的客户提供产品及算法的解决方案，所面向领域均为激光雷达 的研发设计、产品方案、生产制造等关键环节。

3.5 多种技术路线与自有生产线创造超车优势

行业内主要的激光雷达公司包括美国的 Velodyne、Luminar、Aeva、Ouster，以色列的 Innoviz，德国的 Ibeo，以及国内的速腾聚创、镭神智能、华为、览沃科技等。公司当前激光雷达以机械式为主，积极布局半固态和全固态激光雷达开发。

Luminar、Aeva、Innoviz、Ibeo 主要面向无人驾驶和量产乘用车 ADAS 市场，开发相应 的（半）固态激光雷达，其技术特点各有不同；Velodyne、Ouster 等主要是机械式旋转 多线激光雷达的供应商，产品面向无人驾驶和服务型机器人市场。Velodyne 在这个领 域具有先发优势，在 2006 年到 2017 年一度是机械旋转激光雷达市场的最主要提供方。 公司于 2017 年开始向市场出售产品，逐渐赢得无人驾驶高线数激光雷达市场的客户。 在技术方向上，公司注重芯片的底层研发。Ouster 从创立开始就选择数字化的芯片方 案，该方案架构先进，但产品的整体性能非常依赖芯片架构和器件的成熟度，Ouster 当 前的产品性能和成本尚不具备优势。凭借量产出货的技术积累，包括公司在内的四家 主要的机械旋转雷达公司，也都在积极布局半固态和全固态激光雷达的开发。

Velodyne 仍为市场龙头，公司正迎头赶上。从产业应用及市场占有率来看， Velodyne 当前仍是市场营收总额最高的激光雷达公司；Luminar 2019 年的销售台数在 百台量级；Aeva 和 Innoviz 在 2020 年预期营业收入均为 500 万美元，市场占有率较低。 2017 年之前 Velodyne 几乎是市场上唯一的高线数激光雷达厂商，公司进入激光雷达领 域后，国外厂商的市场占有率不断降低，无人驾驶市场占 Velodyne 2017 年营收的 50% 以上，近期下降到约 25%。凭借优秀的产品性能，公司建立了良好的口碑，销售数量 及营业收入均实现较快增长。

生产模式国外公司以代工合作为主，公司自有生产线把握生产和成本控制权。从 生产模式来看，部分国外激光雷达公司倾向采用代工或与制造厂合作的生产模式。 Velodyne 已与 Fabrinet、尼康、Veoneer 等签署多年代工协议，从自主生产模式逐渐转 向增加欧洲及亚洲第三方工厂代工的生产模式。Innoviz 与捷普合作进行产品代工，同时针对宝马项目与 Magna（麦格纳）开展合作。与大型代工厂或者 Tier1 合作能够降低 激光雷达厂商对生产资源的投入，但也会削弱激光雷达厂商对生产环节和生产成本的 把控，激光雷达作为新兴的精密传感器，迭代速度快，而且尚无确定的行业标准和成 熟稳定的工艺，生产环节包括多步针对产品特性的精准装调和测试工序，需要激光雷 达厂商对生产环节具有较强的把控能力，规模化生产能力会逐渐成为激光雷达企业的 核心壁垒之一。禾赛科技所有激光雷达产品均为自主生产，解决了诸多工艺问题，积 累了生产经验。同时结合行业特点，制定了自动化生产线及智能化生产工厂的技术发 展路线，随着新制造中心的落成与使用，生产优势将进一步提升。

3.6 广泛深入的商业合作

禾赛科技已服务国内外众多的重量级客户，广泛分布于无人驾驶、高级辅助驾驶、 机器人与车联网等领域。

1）在无人驾驶方面，公司的 40 线、64 线机械式激光雷达产 品性能出色，受到了世界范围内头部无人驾驶公司的广泛认可。Robotaxi 已于国内外 众多优质客户开展深度合作，博世的无人驾驶测试和服务试点，百度在长沙开放的无 人驾驶出租车试乘等，均采用了公司的激光雷达产品；Robo Truck 则于图森未来等头 部无人驾驶卡车公司展开合作。

2）在高级辅助驾驶方面，公司 V1.5 的激光雷达芯片 化架构将于 2021 年应用于面向 ADAS 市场的产品中，并将于博世在 ADAS 领域的激 光雷达产品展开一系列的合作。

3）在服务机器人方面，公司已与国内专攻无人配送的 白犀牛智达及生活服务电商巨头美团等公司合作，其无人配送车搭载了公司的激光雷 达产品。

4）在车联网方面，2020 年 10 月的“2020 C-V2X 大规模先导性应用示范活动” 中，公司作为唯一的激光雷达传感器提供方，使用 PandarMind 产品，联合搭建了行人 横穿场景的网联环境，打通了从激光雷达探测行人到 RSU 将行人信息以 V2X 消息格 式进行广播的链路，在国内首次实现了基于边缘感知算法进行行人横穿 V2X 应用场景 的公开测试。