激光雷达发展「光照射深度」

今天带来激光雷达发展「光照射深度」，关于激光雷达发展「光照射深度」很多人还不知道，现在让我们一起来看看吧！

（报告出品方：长江证券）

激光雷达：技术面静水流深，市场层百舸争流

激光探测优势众多，技术发展源远流长

激光雷达是利用激光作为信号波的一种探测装置。LiDAR（光探测和测距，Light detection and ranging）是激光雷达的简称，集激光、全球定位系统(GPS)、惯性导航 系统(INS)于一身。与普通雷达类似，激光雷达通过探测被物体弹回的信号波实现测 量，不同的是其利用激光作为信号波。由于激光具有高亮度、高相干性以及良好的单 色性和方向性，激光雷达常有测量准确、不易受扰等优势。

从结构上看，激光雷达分为四大部分，即发射模块、接收模块、扫描模块、控制模块。 在激光雷达工作时，发射模块负责发射激光，扫描模块负责对特定区域进行扫描，接收 模块探测回光，控制模块则对点云图进行处理，最终完成探测。

激光雷达历史悠久，近年在自动驾驶领域发展迅猛。1960 年，人类第一台激光器诞生。 1968 年，美国 Syracuse 大学的 Hickman 和 Hogg 建造了第一个激光海水深度测量系 统。20世纪90年代，激光雷达被用于地形勘测。1990年德国Stuttgart大学的Ackermann 教授研制出第一台激光断面测量系统，形成机载激光扫描仪。此后，星载激光雷达的技 术逐渐成熟。2003 年，NASA 提出将其用于测量两极冰面变化，正式将地学激光测高 仪列入地球观测系统。近年来，激光雷达被用于自动驾驶领域，迎来了全新的发展机会。

激光雷达下游应用广泛，民用场景逐渐拓宽，包括采矿、林业、考古学、地质学、地震 学、地形测量、林业勘测、灾害预警、AR/VR、无人驾驶、物联网等场景。从下游看， 因成本较高、体积巨大等因素，激光雷达主要用于军事或公共领域。但是近年来，随着 技术发展和产业链成熟，激光雷达也在民用领域逐渐展开拳脚，例如在手机、AR/VR、 自动驾驶等领域的普及加速。

分类尺度众多，技术原理复杂

以扫描模块为尺度，激光雷达可分为机械式、半固态式和固态式。 机械式激光雷达：带有机械式转台，通过转动发射模块可以实现 360 度的水平测量角 度。且机械式激光雷达扫描速度快，抗干扰能力强。但是机械式激光雷达依靠机械结构 转动实现扫描，有物理磨损严重、成本高昂、体积笨重等缺点。为了绘制更精细的点云 图，机械式激光雷达常配备多个发射和接收器，即常说的 16 线、32 线、64 线等。多线 束激光雷达的角分辨率较优，可捕捉远处较小的物体。

半固态式激光雷达各种方案均有长短。MEMS 方案的优点是成本较低，尺寸小，但是微 振镜通过单晶硅悬臂固定，系统相对脆弱。且信噪比、视场角、探测距离等方面也存在 一定限制。转镜方案中镜片绕圆心旋转，因此功耗低、耐用性强，易通过车规。但转镜 方案在信噪比、视场角、探测距离等方面也有待提升。棱镜方案可增加激光线束提高精 度和探测距离，但是中心点云密集，边缘稀疏，扫描图形复杂，后端算法成熟度较低。 从终端应用上看，各种方案均有较成熟的玩家。MEMS 方案玩家有 Innoviz、禾赛科技 等；转镜方案主要玩家有华为、法雷奥、Luminar、Innovusion 等；棱镜方案是大疆 Livox 览沃首创。

从汽车级应用看，固态式激光雷达是理想的选择，半固态式激光雷达是过渡产品。机械 式激光雷达虽然 FOV 大，性能优良，但是也存在诸多致命缺陷：1、 机械转台转动带来了物理磨损，设备损耗严重，平均失效时间仅 1000-3000 小时， 难以达到车规级的寿命要求。 2、 转台要求四周无遮挡，因此必须安装在车顶。一方面影响美观，另一方面难以很好 的防护日光、雨水及行车过程中高速流动的空气。 3、 成本昂贵，包括制造成本和调试成本。机械式激光雷达制造成本高昂，且需人工调 试，交货周期长，民用车辆显然无法承受。 长期看，固态式激光雷达不存在机械运动，使用寿命和体积的问题都可以解决，并且随 着大规模量产，边际成本可以降到很低，尤其是固态激光雷达的 OPA 方案是车规级激 光雷达的理想方案。半固态式激光雷达是机械式激光雷达和固态式激光雷达的折中，仍 然存在少量机械运动，目前半固态式各方案（棱镜、转镜、MEMS）均已有车规级产品， 逐渐实现上车。

905nm 的激光雷达探测距离可达 150m 左右，基本可以覆盖日常驾驶场景。通过公开 数据，干燥水泥路面的附着系数约 0.7~1.0，潮湿水泥路面的附着系数大约 0.4~0.6， 下雨刚开始时的附着系数约 0.3~0.4。假设反应时间为 0.5 秒，g 为 9.8m/s^2，根据物 理学路程公式可计算出制动距离。在车速 100Km/h 时，三种路面的制动距离均低于 150m，而车速 150Km/h 时，仅在干燥路面上制动距离小于 150m。根据《中华人民共 和国道路交通安全法实施条例（2017 年颁布）》，高速公路应当标明车道的行驶速度,最 高车速不得超过每小时 120 公里,最低车速不得低于每小时 60 公里。因此，150m 的 探测距离可覆盖几乎所有驾驶场景，再通过设置智能驾驶系统，让车速在下雨时自动 衰减便足以保证安全。

以探测原理为尺度，激光雷达可分为三角测距法、飞行时间法(TOF)、连续调频法(FMCW) 等等。

三角测距法：激光经过不同位置的物体被散射后返回的光线被透镜聚焦在光电器 件的不同位置上，通过计算便可得出被测物体之间的距离。常见的三角测距法有直 射式和斜射式等，直射式指激光垂直于被测物体表面射入，斜射式指激光入射时保 持一定倾斜。三角测距法的分辨率会随着距离变化而波动。且由于利用几何关系来 实现探测目的，每次变化都需要光电器件读取出位置信息，故响应速度提升较为困 难。

飞行时间法：即 TOF（Time of Flight)，激光从发射器发出后经被测物体弹回再被 接收，由于光速是确定的，因而激光飞行的时间差便包含了物体的位置信息。其中， TOF 方案可分为 dTOF 和 iTOF 两种，其中 dTOF 直接测量飞行时间，iTOF 则通 过测量相位间接得到飞行时间。相比较下，dTOF 的抗干扰力较好，有效测量距离 更远，而 iTOF 的图形分辨率较高。总体看，TOF 方法响应速度快，探测精度高。 但是工作条件较为苛刻，比如脉冲发射峰值较大、回波信号微弱等。TOF 方法发 展较为成熟，是目前车规级激光雷达的主流技术。

FMCW 法：将发射激光的光频进行调制，通过回波信号与参考光相干并利用混频 探测技术可得到频率差，间接得到飞行时间从而算出目标物距离，若被测物体正在 移动，则结合多普勒效应可测出物体的速度。FMCW 法具有很强的抗干扰性，但 是由于技术难度高，目前在研居多。

TOF 方案性能优于三角测距法，目前是车规级应用的主流。三角测距法成本较低，但是 性能较差。TOF 方案可在短时间内发射出大量激光，并且接受回光进行分析，具有扫描 速度快、扫描区域广、精度较高等优点。 FMCW 方案性能优越，但技术难度大，成本很高，目前在研居多。TOF 方案不能直接 获取被测物体的速度，且雨雪天易受干扰，车辆之间的串扰问题也不容忽视。FMCW 方 案可直接测出物体的移动速度，且不易受到干扰，因此信噪比高，在灵敏度等方面也有 优势。但是 FMCW 法集成难度高，对分立器件的依靠较强。尽管如此，随着半导体技 术的发展，FMCW 集成程度可以更加彻底从而享受到摩尔定律的红利。此外，FMCW 对通道要求较高，这直接使其成本居高不下，短期内很难降下来。长期看，成本降低要 求规模量产、供应链成熟等。 综上所述，从技术角度看，1550nm FMCW OPA 方案是激光雷达的理想方案，但是短 期内 905/1550nm TOF 半固态/Flash 的方案将占据主流市场。随着汽车智能化的发 展，TOF 方案面临的串扰会日渐突出，FMCW 的优越性会逐步展露，而且 FMCW 方案 天然的适合 OPA。当然这些都是在理想情况下，要实现量产还须具备条件：（1）技术成 熟度提升。（2）规模化量产，降低边际成本。

市场空间广大，竞争格局相对分散

激光雷达市场规模 2025 年将达 135.4 亿美元，2019~2025 年 CAGR 达 64.5%。一般 而言，自动系统需监测外界变化并作出决策，而获取信息的途径便是各种各样的探测器。 激光雷达作为探测家族中的重要一员，有着难以替代的优势。随着自动驾驶、物联网、 无人机、AR/VR 等领域的快速发展，激光雷达需求迎来爆发增长。根据沙利文研究的数 据，激光雷达市场 2019 年为 6.8 亿美元，2025 年将达 135.4 亿美元，GAGR 达 64.5%。

激光雷达技术门槛高筑，但市场竞争格局相对分散。激光雷达技术壁垒较高，但除 Valeo 外市场较为分散。根据 Yole 的测算，汽车与工业激光雷达市场中 Valeo 有绝对优势， 市场份额达到 28%，这主要是因其积淀多年。但除 Valeo 外，市场集中并不十分显著， 尤其近年汽车智能化的快速发展给很多新玩家带来了机会。

技术方面，905nm 和机械式激光雷达是当前市场主流。从激光波长角度看，905nm 的 激光雷达是当前市场主流，份额达到 69%；从扫描方式看，机械式激光雷达是当前市场 的主流，市场份额达 66%，其次是 MEMS 激光雷达，市场份额达 17%。

下游应用：新势力成长，构筑 LiDAR 确定性

自动驾驶等级划分逐渐清晰，L3 及以上才能被称自动驾驶。为了应对自动驾驶行业出 现的新变化，美国汽车工程师协会（SAE）于 2021 年修订了之前对自动驾驶的划分， 在新的标准中，自动驾驶被分为 6 个等级（L0~L5）。L3 及以上的功能才能被称为自动 驾驶，L0~L2 仅属于驾驶员支持功能。在自动驾驶汽车中，汽车的智能系统是汽车的 实际驾驶者。但是，L3 中人类驾驶员需根据需要提供接管；L4 中自动驾驶功能的实现 有特定条件（比如环境等）；L5 可以实现完全的、无限制条件的自动驾驶。我国工信 部也根据本土情况对自动驾驶等级进行了划分，与 SAE 的标准没有本质区别。

环境感知主要依靠摄像头、超声波、激光雷达、毫米波雷达等，是自动驾驶之眼。从硬 件架构看，自动驾驶真正的落地存在短板效应。感知、决策、控制任何一个环节掉链子 都会直接影响到最终的成败。感知层作为信息搜集的环节，是决策层进行正确决策的基 础。

单纯从传感器看，各种传感器各有优缺点。

摄像头是市场增长确定性最强的传感器，纵观自动驾驶车企，摄像头均呈现数量增 长、像素增加的趋势。光线经光学镜头聚焦在光电器件上，摄像头中的光电器件常 用 CMOS 传感器，CMOS 传感器会将光线转换为电信号，电信号经过滤波、放大 等一系列处理后可形成图像。摄像头的优势，是可以获得图像信息，从而模拟人类 驾驶员最真实的驾驶状态。缺点是探测距离较短，容易受到雨雪等天气的影响，夜 间的识别能力大大下降。

毫米波雷达：是指工作在毫米波波段【30～300GHz 频域(波长为 1～10mm)】的 雷达。毫米波穿透性强，受到雨、雪、灰等因素的影响较小，具有全天候的优点。 此外，毫米波雷达具有抗干扰能力强，体积小，易集成，成本低等优势，但是毫米 波雷达对静止物体的识别能力较差，空间分辨精度低。

超声波雷达：利用超声波作为信号波进行测量。超声波雷达的优点是穿透性强，测 距方法简单，成本较低。缺点是探测距离近，精度低等。

新势力一直是自动驾驶的先锋，包括特斯拉、蔚来、理想、小鹏等，旗下车型在自动驾 驶方面持续发力。我们认为新势力在自动驾驶上大力投入的原因至少有几点。（1）自动 驾驶代表了新的一轮技术变革，是近年来人工智能、5G、物联网等技术快速发展在乘用 车领域渗透的表现，技术变革符合新势力的品牌定位。（2）传统油车的汽车架构已经成 熟，惯性较强，在自动驾驶上发力涉及改变电子电气架构、油电转换、软硬件耦合等问 题。双碳政策下政府对电车补贴甚多，新势力的产品都是电车，可利用能源上的优势设 计合适的电气架构以支持智能驾驶系统运转，从而快速抢占传统油车的市场。（3）在商 业宣传上捕捉消费者猎奇的心理，尤其是年轻人追求时尚、新潮、创新的心态，以取得 事半功倍的宣传效果。 激光雷达是自动驾驶技术路线争议的焦点，由此分化出视觉派和激光雷达派。视觉派以 特斯拉为代表，坚持不使用激光雷达；激光雷达派吸纳大部分新势力厂商，认为使用包 括激光雷达的多传感器融合才是正确的道路。从目前新势力的主流车型来看，搭载的摄像头数量在 8~13 个，超声波雷达 12 个左右，毫米波雷达 1~5 个左右，激光雷达也渐 渐上车，在 0~2 个左右。

视觉派和激光雷达派的针锋相对由来已久，本报告无意一分高下。但是通过梳理主要成 员的技术路径和发展历史，我们可以得出如下结论。 1、 特斯拉坚持纯视觉路线有其天然优势和发展惯性，短期内不会改变技术路线转向激 光雷达派，且特斯拉在新势力中龙头地位短期内难以撼动。 2、 特斯拉的商业模式难以复制，激光雷达派没有特斯拉一样的海量数据和超算中心。 强感知方案可以降低对算法的依赖，整合供应商优势以寻求商业破局。由此给激光 雷达的市场带来确定性增长。

视觉派：特斯拉拒绝“激光雷达”的底层逻辑

特斯拉是汽车新势力的典型代表，创立于 2003 年。在早年，特斯拉发布了首款汽车 Roadster，2010 年公司在美国纳斯达克上市。在随后的几年时间里，Model S、Model 3、Model Y 相继发布。2022 年，特斯拉柏林工厂正式开工。

特斯拉产销两旺，市值方面已经远远甩开丰田，成全球第一大车企。销量方面，特斯拉 全球销量一直稳步提升。2021 年特斯拉全球销售 93.6 万辆，同比 87%。2022 年在中 国市场局部疫情波动、欧洲市场俄乌战争的背景之下，上半年特斯拉全球交付约 56.4 万辆。产能方面，目前特斯拉有六大工厂，分别是加州工厂、上海工厂、柏林工厂、德州 工厂、纽约工厂、内达华工厂。 自动驾驶方面，特斯拉是全球唯一一家核心领域全栈自研的公司。 芯片层：特斯拉早期和 Mobileye、英伟达等公司合作，随后走上自研道路。在 2019 年 特斯拉发布的 HW3.0 中搭载了自研的 FSD 芯片，算力一路升至 144TOPS。 感知层：相对于国内动辄十余个摄像头的厂商，特斯拉搭载的传感器较为保守。从 2016 年发布的 HW 2.0 到现在的 HW 3.0，均搭载了一个三目前向摄像头，5 个环视摄像头， 12 个超声波雷达和一个毫米波雷达。在 2022 年，特斯拉宣布 5 月开始在美国市场销售 的 Model 3 和 Model Y 将取消前毫米波雷达，改由摄像头提供的纯视觉方案完成驾驶 辅助功能。

“既然各种传感器都有优点和缺点，那么在系统里使用多种传感器，通过传感器的互补 才能实现自动驾驶？”--实际上，这可能只是一种外行人的思维惯性，或者并非通向罗 马唯一的道路。自动驾驶的运算非常复杂，并非简单的加法，本文前面提到过，感知层 获取数据后经过决策层运算做出指令。因此额外添加的数据可能提升了决策的正确率， 也可能为决策带来了噪音，影响了正确的决策。

我们可以举一个简单的例子说明额外的传感器不一定能对系统起到增益的作用，甚至有 可能拖累系统。在后融合算法中，是对不同传感器产生的结果进行仲裁，那么我们假设 系统中有两种传感器，当结果中概率大于 0.8 时就会触发紧急制动。

正常情形下：传感器 B 识别为危险目标的概率为 85%，若系统中仅有 B 传感器， 那么由于结果大于 0.8，此时触发紧急制动。当加入传感器 A 时，由于传感器 A 的 性能较差，对结果进行仲裁时赋予 A 的权重越大，则系统的结果越不可靠。

极端情形下：传感器 B 未识别出危险目标（概率值 70%），系统不会触发紧急制 动。加入的传感器 A 虽然性能很好，但是由于赋予的权重不够，A 的结果并没有 起到作用。

我们所举的例子是基于后融合算法。前融合算法或许可以改善这一问题。但我们不能忽 略前融合算法的其他问题。前融合算法中的模型需要大量的数据来训练，对芯片、通讯 等硬件的要求很高，也会面临新的问题，如坐标对齐等。目前的 ADS 算法也正在从后 融合算法向特征级前融合算法转化，多采用 CNN、RNN、Transformer、GNN 多网络结 构的组合，算法非常复杂。而特斯拉便是采用“前融合”的思路，将车身周围的多个摄 像头获得的数据直接进行融合，再通过神经网络将 2D 的图像信息映射为 3D 的空间。

特斯拉拒绝激光雷达的理由二：特斯拉天然优势：海量数据 超强算力。 数据库的建立是成功的前提。我们可以把计算机理解为一个勤奋的笨小孩，机器学习的 模型训练就是用数据不断的告诉这个笨小孩什么样的场景应该怎么做，但尽管如此，当 遇到全新的场景，这个笨小孩还是会一头雾水。因此，路况信息的搜集是成功的前提。 前面提到，特斯拉 2021 年全球汽车销量达 93.62 万辆，2022 年上半年在大环境承压的 情况下交付量仍超 56 万辆。如此庞大的销量远非其他新势力可以比拟。这些汽车行驶 在世界各地，为特斯拉搜集到了海量的路况数据，建立起了庞大的数据库体系。 特斯拉“影子模式”，首次实现数据有效采集。影子模式是指无论驾驶员是否开启了自 动驾驶功能，系统及传感器依然在工作。系统算法一直在对汽车的驾驶进行模拟决策， 一旦驾驶员的操作与系统算法做出的决策相矛盾，该场景便会被定义为极端路况，进而 将数据传到特斯拉的服务器修正模型。 超强算力是训练优质模型的基础，特斯拉打造世界上最快的 AI 训练计算机 ExaPOD。 特斯拉 2021 年发布了自研 AI 训练芯片 Dojo D1。这款芯片采用了纳米技术，片上集成 了500亿个晶体管，单片FP32的算力可达22.6TOPS，BF6/CFP8算力可达到363TOPS。 在 D1 的基础上特斯拉在系统层面设计训练模块，再由 120 个训练模块共同构成 ExaPOD 超级计算机。该计算机总算力达 1.1EFLOPS，是世界上运算速度最快的 AI 训 练计算机。

从数据的采集到模型的训练，从感知到决策，特斯拉构筑起来的城墙很高，竞争对手在 短期内很难跨越。通过纯视觉方案采集的数据，再辅以超强计算机的模型训练，其在自 动驾驶领域仍处于领先地位。

特斯拉拒绝激光雷达的理由三：性价比，轻量化的商业模式。 第一性原理是指根据原子核和电子相互作用的原理及其基本运动规律，运用量子力学原 理，从具体要求出发，经过一些近似处理后直接求解薛定谔方程的算法。通俗的理解“第 一性原理”就是为道日损，返本归元。而在特斯拉发展过程中“第一性原理”熠熠生辉， 简而言之就是降本增效，例如简化设计，省去不必要的器件等。 在激光雷达的问题上，机械式激光雷达一度动辄数万美金的价格让民用车辆高不可攀。 近年来，随着半固态方案逐渐商业化落地，激光雷达的价格直线下降，但是目前为止， 激光雷达价格相对于摄像头而言还是很高，目前市场上的激光雷达价格在 1000 美金左 右，而一个车载摄像头的价格仅数十美元。搭载激光雷达将使得单车成本上升，阻碍其 轻量化普及的进程。因此，如果激光雷达不能配合后端算法出现较大的性能飞跃，盲目 搭载或许并非明智选择。

激光雷达派：成本鸿沟渐填平 ，落地上车正当时

为什么特斯拉外的众多新势力及传统主机厂都加入了激光雷达派的阵营？我们认为至 少有下列三大理由：

理由一：纯视觉方案在感知层的缺陷非常明显，特斯拉短期内也无法解决。 纯视觉的方案缺陷众多，不是所有车企都有特斯拉一样强大的背景。毋庸置疑摄像头 是不可或缺的，因为摄像头可以模拟人类驾驶员真实的状态，获取交通标志、红绿灯 等颜色信息，这些是其他传感器无法做到的。但是摄像头的缺点也很突出，比如受雨 雪雾天气影响大，夜间性能直线衰减。在很多情形中，纯视觉方案可能会因缺乏位置 信息导致失效，例如： 情形一：纯视觉方案可能将汽车外粘贴的广告人物识别为行人，从而触发紧急制动， 导致“幽灵刹车”的发生。 情形二：当大量的白色背景出现，会给算法带来难度。例如特斯拉曾经撞向停在路边 的白色货车，可能原因就是视觉系统将其识别做白云之类的物体。 纯视觉方案的缺陷归根结底是位置信息的缺失，激光雷达正好可获得位置信息。激光雷 达收集回光绘制点云图，可以直接获得物体的距离信息。例如，在情形一中，由于广告 画中的人是平面的，因此不可能是行人。而情形二中，车辆本身是一个立体的物体，与 环境存在差异。因此，若激光雷达将位置信息告知智能系统，则这些错误或许可以补救。

理由二：激光雷达成本是阻碍普及的最大障碍，但目前已直线下降至绿灯区。 早期的激光雷达价格昂贵，Velodyne 公司 64 线机械式激光雷达的售价约 8 万美元， 32 线激光雷达售价约 2 万美元。随着技术发展，激光雷达逐步过渡到半固态或固态方 案，当前的激光雷达价格已经降低至 1000 美元以下，已经进入汽车主机厂可接受的绿 色区间。根据公开信息，Ouster、Luminar、速腾聚创、华为、大疆 Livox、图达通等 公司的激光雷达均已降至 1000 美元以下，并逐渐量产上车。

理由三：特斯拉的商业模式是不可复制的，搭载激光雷达差异化竞争，或许是弯道超 车的最好机会。 特斯拉的全栈式自研模式并非一蹴而就，而是发展多年才逐步建立。在特斯拉发展早 期受限于资金和研发实力，芯片也是外购 Mobileye。Mobileye 是全球自动驾驶方案的 龙头厂商，在交货时采用“黑箱子”模式，即将算法和芯片集成在一起，这种模式使 得 Mobileye 把握了主动权，留给车企的空间很少。随后特斯拉投向了自由度更大的英 伟达阵营，最后才开始自研，并建立其宏伟的数据库和庞大的数据中心。 特斯拉销量是其他新势力的数倍，数据搜集能力远非其他新势力可比。仅在中国，特 斯拉 2020 年/2021 年分别销售 14.7 万辆/32.3 万辆，是蔚来、理想、小鹏的数倍。从 车型来看，特斯拉主力车型是 Model Y 和 Model 3，2021 年分别销售 17.1 万辆、 15.1 万辆。仅在中国市场上特斯拉便与其他新势力拉开了差距，放眼全球来看，特斯 拉 2021 年全球销量 93.6 万辆，更是优势超然，高墙难越。

特斯拉有全球拔尖的超算中心和领先的图像处理能力，这点其他新势力也存在差距。 对于新势力及想在自动驾驶寻求破局的传统主机厂而言，相比特斯拉已经丧失了先发 优势，复制特斯拉的商业模式是昂贵的。绝大部分车企没有特斯拉一样雄厚的资金、 技术和人才实力，即便他们斥巨资建立起特斯拉一样的超算中心，在数据库的丰富度 上也和特斯拉相差甚广，毕竟特斯拉有数以百万计的车辆奔跑在世界各地，这些车辆 每天都将数据传送回特斯拉的服务器，且特斯拉在自动驾驶模型上已经聚集了经验丰 富的工程师深耕多年。因此，特斯拉的商业模式是不可复制的，对于绝大部分车企而 言，在发展早期将算法和芯片的研发交给自动驾驶方案厂商，利用相对成熟的自动驾 驶方案提供商弥补自己的短板，逐步积累资金、技术，建立起数据库，慢慢争取主动 权是上选。选用搭载激光雷达的“强感知方案”，可以减轻对决策层算法的依赖，以期 弯道超车。就用激光雷达弥补纯视觉方案这一问题而言特斯拉并不擅长，除了在宣传 上实现差异化以捕捉消费者心理外，或许真的可以在技术上发掘出崭新的道路。 综上所述，非特斯拉厂商将主动或被动加入激光雷达派，从而拉动激光雷达需求。

2022 年是激光雷达上车元年，蓝海从此开启。各厂商生产的激光雷达已经陆续上车， 所搭载车型包括蔚来 ET7、飞凡 R7、小鹏 G9、理想 L9、极狐阿尔法 S 华为 HI 版、哪 吒 S、沙龙机甲龙、威马 M7、阿维塔 11、智已等等。从搭载数量看，若所搭载激光雷 达性能较高则搭载 1 颗（如蔚来 ET7、非凡 R7），若所搭载激光雷达稍微逊色，则以量 取胜，搭载 1~4 颗不等。自动驾驶发展趋势确定无疑，2030 年有望实现 L4，激光雷达 市场快速增长。当前汽车市场主流车型多为 L3 以下，随着自动驾驶的发展，激光雷达 市场将深度受益。

上游器件：国外龙头主导，国内厂商发展迅速

从产业链看，前文提到激光雷达主要由发射模块、接收模块、扫描模块、控制模块四大 部分组成，上游主要是光学和电子元器件，包括准直镜、扩散片、分束器、窄带滤光片、 激光器、光电探测器、扫瞄镜（如有）、FPGA 等。中游主要负责集成，下游应用包括汽 车、机器人、工业、测绘、军事等领域。

半导体激光器：EEL 和 VCSEL 市场主流

激光器原理：微观粒子具有特定的能级结构，在与光子相互作用时，粒子发生能级跃 迁会相应的吸收或者辐射光子。激光即“粒子受激辐射的光”，原子中的电子吸收能量 后从低能级跃升到高能级，再从高能级回落到低能级会以光的形式释放能量。这一过 程中释放的光子特性高度一致，因此单色性、相干性、方向性等方面表现优良。 激光器主要由光学系统、电源系统、控制系统和机械结构四部分组成。其中光学系统主 要由泵浦源、增益介质、谐振腔等光学材料组成。增益介质中的粒子受到泵浦源的激励 后从基态变为激发态，由于激发态是一种不稳定状态，会释放能量再次回到基态。这个 过程中能量以光子形式释放，因此形成激光。

半导体激光器发展速度接近摩尔定律，性能及成本每十年改善十倍以上。1962 年，通 用电气公司的罗伯特•霍尔带领的团队展示了砷化镓半导体的红外发射，这是世界上第一个激光半导体。1985 年最先进的半导体激光器可以将 105 毫瓦的功率耦合到 105 微 米的芯径光纤中。现在最先进的半导体激光器可以产生超过 250 瓦、拥有单一波长的 105 微米光纤，这意味着每八年增长 10 倍。非常巧合的是这与摩尔定律提出的速度近 乎一致，即高功率半导体激光器以类似摩尔定律的速度将光子融入光纤。

激光器市场稳定增长，车载激光雷达拉动需求。根据 Laser Focus World 的数据，2022 年中国激光器的市场规模将达到 147.4 亿美元，同比 16.25%。从下游占比来看，2020 年激光器的主要需求来自材料加工与光刻市场、通信与光存储市场、科研与军事市场。 随着激光雷达逐渐上车，激光器需求有望快速拉升。

国外企业起步较早，技术上有领先优势。半导体激光器及芯片以贰陆集团、朗美通、 恩耐集团、IPG 光电等国外企业为主，国内实力较强的企业有武汉锐晶、炬光科技、 长光华芯、凯普林、星汉激光等。

光电探测器：国外厂商主导

光电探测器需配合光源使用，目前的探测器主要是基于硅（Si）和铟镓砷（InGaAs）衬 底材料。Si 属于第一代半导体，工艺成熟度稍高，常配合 850nm、870nm、905nm、 940nm 等波段。从技术上看，激光雷达的探测器主要有 PD、APD、SiPM/MPPC、SPAD 等。 SPAD、APD、PD 属同族产品，但工作在不同的电压区间，增益也各不相同。PD 外加 较小的反向电压， 因此没有增益。APD 工作在线性区间，增益达到 100 倍左右。SPAD 工作在盖革区间，由于光子此时光电二极管接受雪崩后不会自动停下（需要猝灭电路）， 理论上增益可以达到无穷大，即可以探测到远处微弱的光芒。 SiPM/MPPC，即硅光电倍增管（Silicon photomultiplier)/ MPPC(根据原理又名 multipixel photon counter)，由 SPAD 串联猝灭电阻后并联在一起组成。SPAD 单位内像素 面积比 MPPC 高，但 MPPC 信号可以反映强弱。故 SPAD 分辨率更高，MPPC 帧速更 快。

各种探测器性能差异较大，SiPM 和 MPPC 的增益最高。根据滨松的资料，PD、APD、 MPPC 的测距范围依次增大。在增益方面，PIN 无增益，APD 的典型增益是 10~100，MPPC 的增益可以达到 10^5。工作电压方面，PIN 工作在 10V 左右，APD 工作在 100~200V，MPPC 的工作电压可达数十福特。 国外厂商主导领先，国内厂商争相布局。激光雷达探测器目前国内有布局的厂商有灵明 光子、京邦科技、阜时科技、芯视界等，而国外厂商有索尼、安森美（收购 SensL）、滨 松、佳能等，尤其索尼和安森美实力最强。APD 是目前激光雷达市场的主流，SPAD/SiPM 是重要的发展趋势，但是工艺难度较高，车规级产品较少。

MEMS 微振镜：国内企业青萍风起

MEMS 激光雷达通过激光器和 MEMS 微振镜相互配合来实现探测。MEMS 激光雷达仅 需把单个激光器发出的脉冲扫描成的点阵组成多线就可以实现机械式激光雷达的多光 束效果，不需要额外配备收发模组，因此成本直线下降。更进一步的，MEMS 微振镜采 用半导体工艺，规模效应很强，因此量产后成本可以进一步下降。

技术变革加速，市场规模稳增长。根据 Yole 的数据，2020 年 MEMS 市场规模为 121 亿美元，在 2026 年将达 182 亿美元，CAGR 为 7.2%。细分来看，消费电子是 MEMS 传感器最大市场，2020 年市场规模为 71.3 亿美元，2026 年将为 112.7 亿美元，GAGR 为 7.9%。汽车市场 2020 年的市场规模为 20.3 亿美元，2026 年将为 28.6 亿美元， CAGR 达 5.8%。 竞争格局方面，美日德三足鼎立。根据 Yole 的数据，2020 年全球收入最高的 MEMS 企 业均为欧美日企业，包括 Bosch、Broadcom、Qorvo、STMicroelectronics、TI、Goermicro、 HP、Knowles、TDK、Infineon 等。目前能够生产 MEMS 微振镜的企业包括博世、英飞 凌、滨松、意法半导体、Mirrorcle 等。

国内企业青萍风起，量产制造仍靠代工。MEMS 传感器的开发分为设计、制造、封测三 个环节，国内已逐步建立了产业链。在科研领域有苏州纳米所、中科院电子所等。在市 场上涌现出歌尔股份、敏芯股份、瑞声科技等优质企业。MEMS 微振镜技术早已出现， 近年因无人驾驶而爆火。国内企业相关产品布局较晚，目前能提供 MEMS 微振镜的企 业有西安知微传感、无锡微奥科技、常州创微电子、上海微技术工研院等。同时，敏芯 股份等企业也开始了早期研发，英唐智控 2022 年拟发行股票融资进行 MEMS 微振镜 的研发及产业化项目，项目总投资预计 2.51 亿元。

终端：后起之秀乘势起，建议关注国产势力

Velodyne：业界老牌龙头，实力不可小觑

Velodyne 始于 1983 年，创始人 David Hall 创立了 Velodyne Acoustic，从事低音炮设 计和生产。2004 年，Velodyne 参加了美国国防高级研究计划局资助举办的无人驾驶挑 战赛，从此开辟了自动驾驶的道路，次年发明了实时 3D 激光雷达。2007 年，HDL 64E 成为第一个商用、大规模生产的实时 3D 激光雷达。此后 Velodyne 的产品矩阵不断完 善，2014 年推出 Puck；2016 年推出三款 Puck 系列产品；2017 年推出 Alpha Puck； 2019 年推出 VelaDome；2020 年推出 Velabit、Velarray M1600、Velarray H800；2021 年推出下一代 Velabit 传感器。

产品矩阵完善，软硬件兼备。Velodyne 产品设四个一级分类，包括机械式雷达（环绕雷 达）、固态雷达、基础设施、雷达软件等等。其中，环绕式雷达主要用于汽车，包括 Alpha Prime、Ultra Puck、Puck、Puck Hi-Res、HDL-32E 等；固态雷达主要用于机器人、 ADAS 等，包括 Velarray M1600、Velarray H800、Velabit 等。

Velodyne 激光雷达主要分为机械式和固态式。早期的 HDL-64/HDL-32 是机械式激光 雷达，性能较高，但是产品价格昂贵，体积笨重，主要用于测绘领域。目前官网上在售 的机械式激光雷达还有 Alpha Prime、Ultra Puck、Puck、Puck Hi-Res 等，线束从 16 线到 128 线不等，激光波长在近红外区域。固态激光雷达包括 Velarray M1600、Velarray H800、Velabit，探测范围最远达 200m。

公司业绩下滑，但在激光雷达领域仍有绝对优势。2019 年、2020 年、2021 年营业收入 分别为 1.01 亿美元、0.95 亿美元、0.62 亿美元，而毛利润分别为 0.30 亿美元、0.25 亿 美元、-0.06 亿美元。分地区来看，北美、亚太、欧洲和非洲等地均有不同程度下滑。公 司业绩下滑部分受疫情、供应链的影响，但是公司的市占率依然很高。据年报信息显示， Velodyne21 年亏损除了前面提及的原因外，还因为下调了激光雷达的价格，并且加大 研发投入，为了激光雷达大规模商用做出努力。

客户资源强大，AwV 项目助力。Velodye 发展多年，积累了深厚的技术底蕴和客户资源。 Velodyne 旗下的 AwV 项目（Automated with Velodyne）致力于推动基于 Velodyne 激 光雷达的下一代自动化解决方案迈向商业化应用，合作伙伴已经超过 100 家，包括英伟 达、西门子、LG 等著名厂商。凭借 Velodyne 在行业内的卓越地位，公司有望享受行业 发展红利，在汽车智能化的潮流中勇进。

Ibeo：业界首创 4D 激光雷达，2022 年开启量产

Ibeo 汽车传感公司成立于 1998 年，2000 年 SICK AG 成为了公司的主要股东。2010 年 管理层完成了收购和成立。2016 年 ZF Friedrichshafen 成为了公司的大股东。2017 年 和 2019 年公司在荷兰和美国底特律分别成立了子公司。2021 年，Ibeo 与瑞声科技达 成合作。

项目方面：2007 年 Ibeo 参加了 DARPA 城市挑战赛，在 2008 年、2015 年、2019 年 与 Rinspeed 公司多个项目开展合作，2016 年与 Local Motors 合作。2020 年，Ibeo 拿 下自主包裹递送研究项目，并被长城汽车提名为首家 LiDAR 系列供应商。 产品方面：2000 年公司推出 LD-ML LiDAR 和 ALASCA LiDAR，2005 年公司推出 ALASCAXT，这是第一个带有 FPGA 的 Ibeo 传感器。2008 年推出了 ibeoLUX，2019 年公司推出 ibeoNEXT，其样本于次年进入市场。2022 年推出 ibeoNEXT SOP。

公司目前提供两款 LiDAR，分别是 ibeoNEXT 和 ibeo LUX。其中 ibeo LUX 推出时间 较早，有 ibeo LUX 4L、ibeo LUX 8L、ibeo LUX HD 三款，10%反射率下探测距离在 30~50m 不等，水平 FOV 为 110°。这款雷达使用了 905nm 的激光，距离分辨率为 4cm。

ibeoNEXT 是公司的旗舰产品，没有任何机械结构，是一款固态激光雷达。ibeoNEXT 是业界首创 4D 传感系统，可以创建一个 3D 点云外加一个图像表示强度，在空间中具 有 0.05°的角分辨率。同时，ibeoNEXT 采用连续闪光技术，可以对环境进行扫描，每 次扫描都包含数千次测量。此外，ibeoNEXT 具有强大的模块化功能，根据不同的需求 在开发中选择不同的视场角、探测距离等参数（通过搭配不同的光学组件）。例如可以选 择的水平 FOV 有 11.2°、32°、60°、120°。

Luminar：天才创始人领航，追光 1550nm

Luminar 于 2020 年 12 月成功登录美国纳斯达克，成为继 Velodyne 之后全球第二上市 激光雷达股票，并且在市值上超越了 Velodyne。创始人奥斯汀·拉塞尔（Austin Russell） 迄今 26 岁（2022 年），他在 11 岁时开发了第一个视觉系统，构建了超算原型以及光学 系统，并且思考如何将其用于实践。12 岁时他申请了第一个专利，后来进入斯坦福大学 学习，不久后退学创业。 Luminar 旗下 Iris 是 1550nm 二维振镜的高性能产品。Luminar 的激光雷达 Iris 将于 2022 年量产交付。Iris 激光雷达性能优异，由于采用了 1550nm 的激光，因此可以在保 护人眼安全的前提下实现更远探测距离，在 10%的反射率下探测距离达 250m。扫瞄镜 的选择上，Iris 采用了二维振镜，水平 FOV 达到 120°，垂直 FOV 达 20°。接收器件 上，Iris 使用的 ASIC 相对于 ADC 性能优越且成本更低。追踪方面 Iris 可以探测到 80m 的道路和可行使空间、150m 的车道标记、250m 的车辆等。 客户开拓顺利，营收增长迅速。在客户方面，Luminar 已覆盖全球十大 OEM 厂商的八 个，并且其激光雷达已经落地上车。营收方面，2021 年公司营收 0.32 亿美元，同比128.97%，其中以北美为主。

速腾聚创：首款车规级固态激光雷达抢先量产

速腾聚创成立于 2014 年，创始人邱纯鑫系哈尔滨工业大学控制科学方向博士，曾在国 内外知名期刊上发表了多篇论文。在完成了相关课题的研究后，意识到激光雷达的光明 前景并创办了速腾聚创，此后公司先后量产大批优质产品，一路获得产业和资本的青睐。 2018 年获得阿里菜鸟、上汽、北汽战略融资，2022 年获得比亚迪、宇通、香港立迅、 小米长江产业基金等战略融资。

速腾聚创产品以机械式为主，但其固态激光雷达 RS-liDAR-M1 是全球首款量产的车规 级固态激光雷达。速腾聚创的产品图谱中机械式占据了半壁江山，线束从 16~128 线不 等，探测精度、FOV、角分辨率等方面各有优劣。从技术特点上看，速腾聚创激光雷达 的波长均为 905nm（除发布较早的 Seeker），探测原理均为 TOF。RS-liDAR-M1 是全 球首款激光雷达的量产 SOP,搭载 M1 的广汽 AION LX Plus、路特斯 ELETRE 等车型 也陆续上市。

速腾聚创虽是年轻的玩家，但发展迅猛，抢先发布量产固态车规激光雷达，已经与多家 名企建立了合作，包括上汽、吉利、一汽、广汽埃安、比亚迪、ZEEKR、威马汽车、宇 通汽车、地平线等整机厂和方案厂商，有望实现业绩迅猛增长。

禾赛科技：MEMS 已过车规，芯片化发展路线

禾赛科技 2014 年成立于上海，2016 年开始自主研发激光雷达。2017 年公司获得了百 度领投的 B 轮融资，2019 年获得博世领投的 C 轮融资，2021 年获得高瓴、小米、美团 领投的 D 轮融资，累计获融资额超过 5 亿美元。创始人毕业于清华、斯坦福等海内外一 流名校，除具备强大的技术实力之外还具有强大的车规级规模化生产能力。2022 年将 投产“麦克斯韦”超级智造中心。

禾赛科技激光雷达有四个系列，分别是 AT 系列、Pandar 系列、QT 系列、XT 系列。 其中，AT 系列下仅有一款产品 AT128，是基于 MEMS 微振镜的半固态激光雷达，主打 外形轻薄，性能超群。Pandar 系列下有四款产品，均是机械式激光雷达，为无人驾驶的 主雷达设计，探测距离在 10%反射率下为 120~200m 不等，线数在 40~128 线，精度、 FOV 等各有特点。QT 系列主打超广角，垂直 FOV 可达 105.2°；XT 系列主打高精度， 水平角分辨率达 0.09°。

技术创新全面发展。禾赛科技在未来的发展方向主要有四个，即芯片化研究、FMCW 开 发，测试系统和算法研发。其中，公司芯片化发展规划中，在发射器上，禾赛科技将用 VCSEL 取代 EEL，并且 VCSEL 将由线阵向面阵发展;在接收器上，禾赛科技确立 APD- -SiPM--SPAD 的发展路线，在注重激光雷达高性能的同时，发挥集成化、规模化优势。

客户合作渐入佳境，落地上车奋勇向前。禾赛科技已经与多家公司建立了合作关系，包 括整车厂、Tier1 供应商、自动驾驶方案商等。禾赛科技的激光雷达也已落地上车，包括 理想、集度、高合、爱驰、零跑等部分车型。

大疆 Livox：首创棱镜方案

前文提到，棱镜方案是大疆 Livox（览沃）独创。由于装备的可靠性与运动方式的复杂 度负相关，而传统机械类的运动复杂，运动部件较多，因此大疆希望在这个方向上突破， 从而可以为合作伙伴提供可量产、稳定可靠的车规级雷达，于是棱镜方案应运而生。棱 镜方案通过电磁力驱动光楔运动改变光路，其中电子器件完全不参与运动。

棱镜方案性能优于传统激光雷达。大疆览沃的激光雷达使用的扫描方式是非重复性扫描， 轨迹相互叠加。一般而言，单位立体角内平均采样率=全 FOV 内采样率/FOV 覆盖的立 体角，经计算可知 Mid 系列在 100ms 的积分时间内，视场覆盖率可与 32 线传统激光雷 达相近。Horizon 与 Tele 则有更高的视场覆盖率。

大疆览沃目前官网在售产品共 6 款，HAP 性能优越。官网在售产品包括 HAP、览道-70、 AVIA 傲览、浩界 Horizon、泰览 Tele-15、览道 Mid-40/Mid100。大疆览沃的产品均使 用 905nm 激光，探测距离在 90~320m 不等，距离误差小于 2cm。价格方面，最便宜的 览道 Mid-40/Mid100 仅 3999 元起售，而车规级的 HAP 售价为 7999 元。从性能而言， HAP 目前可以探测到 150 米外的黑色车辆，以及 120 米外穿黑衣服的行人，可满足目 前整车厂的需要。大疆览沃合作伙伴包括挚途，小鹏、宇通客车等。

产业链：技术为基拓展客户，先发优势较强

就产业链而言，国内激光雷达业务上市公司大多从事光学组件、激光器等相关业务，由 于行业尚处于发展初期，技术路径并未统一，业内公司大多配合下游客户做技术迭代， 早期厂商的评价维度较为单一在技术能否匹配，即技术领先可获得厂商订单。未来激光 雷达降本势在必行或将苛求上游供应商进一步做好成本管理，考验厂商批量化生产制造 能力。我们认为，落实在投资层面，可以优选技术壁垒足够高、绑定大客户、具备系统 方案能力的厂商，如舜宇光学、炬光科技、长光华芯等。

舜宇光学：光学领域龙头，技术底蕴深厚

光学领域龙头厂商，历史悠久始于 1984 年。全球领先的综合光学零件及产品制造商。 公司成立于 1984 年，主营业务为光学镜片以及影像模组，于 2007 年港交所上市（股 票代码：2382.HK）。公司下游遍布手机、汽车、安防、VR/AR、显微仪器、工业等诸多 领域，拥有行业内全球知名客户且合作稳定。公司在光学领域技术积累深厚，自身定位 于设计专家配合客户进行产品创新，成为大客户的“名配角”。

舜宇营收 2021 年小幅回落，但利润不降反增。2021 年局部疫情反弹，叠加缺芯、宏观 经济承压、大宗材料成本上涨等因素，舜宇营业收入为 374.97 亿元，小幅下调 1.33%， 但归属净利润为 49.88 亿元，同比增长 2.39%。近几年公司毛利率、净利率稳步增加， 2021 年毛利率、净利率分别为 23.3%/13.5%，同比 0.4pct/0.5pct。

生产基地/研发中心遍布海内外，全球化布局稳步推进。公司目前国内生产基地分布在浙 江余姚市、广东省中山市、上海市及河南省信阳市。同时，为推进全球布局，公司在印 度和越南设立了生产基地，印度基地生产如计划进行，越南基地第一期建设也已基本完 成并逐步投产。研发中心方面，公司在中国、美国、韩国设立研发中心，提供技术辅助。 舜宇技术底蕴深厚，车载相关产品发展迅猛。公司车载业务包括车载模组、激光雷达镜 头等。2021 年公司车载镜头出货量同比 21.0%至 6798 万件，同时已经完成含有多片 塑料镜片的 200 万、300 万像素的玻塑混合镜头研发。多款基于英伟达、高通、地平线 平台的 800 万像素 ADAS 车载镜头已经通过认证，并且获得了众多车厂的平台化项目， 其中部分已经量产。此外，舜宇自主研发的具有除霜除雾功能的 ADAS 镜头已经获得数家车厂 L3/L4 级自动驾驶的平台化项目。激光雷达方面，公司提供收发镜头零组件、收 发模块、光学视窗、多边棱镜等光学零件，2021 年定点合作项目超 20 个，其中两个已 经量产。 车载营收快速增长，激光雷达布局渐入佳境。从营收来看，公司 2021 年车载相关产品 营收 29.61 亿元，同比 17.87%。从产品来看，公司在激光雷达的主要产品包括镜头、 光学视窗等。镜头方面，公司具备多年的研发设计经验和强大的工程制造能力，能够提 供基于各种激光雷达方案的镜头解决方案，光学视窗方面，公司能生产各种形状的视窗， 具备良好的不透光、高硬度防冲击、高透过率、加热除霜除雾、电磁屏蔽等性质。

炬光科技：激光器布局较早，客户涵盖国外知名企业

激光领域深耕细作，技术雄厚产品优质。炬光科技于 2007 年注册成立，次年公司生产 的第一批半导体激光器问世。2009 年，公司通过 ISO9001 质量体系认证，并交付首款 百千瓦级面阵半导体激光器。随后公司产品矩阵逐渐拓展，拿下一系列项目和奖项。2015 年，公司主导制定两项半导体激光器国家标准。2017 年，公司收购了微光学领域全球 领先的 LIMO。2019 年公司成立了汽车事业部，正式进军激光雷达领域。2020 年公司 快轴准直镜月产破万，并于 2021 年登陆科创板。

从“产生光子”、“调控光子”到“光子应用模块和系统”，公司业务不断在产业链拓展。 炬光科技主要从事激光行业上游的半导体激光元器件（产生光子）、激光光学元器件（调 控光子）的研发、生产、销售，正在拓展中游的“光子应用模块和系统”业务。下游应 用广泛，包括先进制造、医疗健康、科学研究、汽车应用、信息技术、光通信、光存储 等。

公司产品谱系全面，工程经验丰富。炬光科技主营业务包括半导体激光器、激光光学、 汽车解决方案、系统应用解决方案四大类，是半导体激光行业的垂直产业链公司，产品 包括有源器件、无源器件、先进材料、光纤耦合材料、快轴准直镜、光束转换器、激光 雷达发射端、光束整形解决方案、舱内监控 VCSEL 发射模块等。公司核心技术涉及半 导体激光和激光光学两大领域，包括共晶键合技术、热管理技术、光束转换技术、光场 匀化技术等。

研发已进入稳定期，三费率逐渐企稳。公司 2021 年研发费用 0.68 亿元，同比3.02%。2021 年研发费用率为 14.25%，同比-5.18pct，研发费用率快速降低除公司研 发逐步稳定外还因营收迅速增长致分母拔高。截至 2022 年 5 月，公司有境外专利 113 项，境内发明专利 123 项、实用新型专利 150 项目、外观设计专利 32 项。三费率方 面，公司近年来三费率逐步企稳。2019 年、2020 年、2021 年公司三费率分别为 32.27%、24.13%、24.34%。

激光雷达相关产品布局较早，产品已经进入多家知名企业。炬光科技 2016 年开始研发 的高峰值功率激光雷达面阵光源已经与汽车客户签订合同，现已进入量产阶段。炬光科 技产品已经通过 IATF16949 质量管理体系认证、德国汽车工业协会 VDA6.3 过程审核， 在车规级产品的设计研发和工程制造上积累了大量经验，客户涵盖 Velodyne LiDAR、 Luminar、Argo AI 等等知名厂商。公司 2021 年发布的多款线光斑激光雷达发射模组产 品已经为多家客户送样，并且拿到一家国内激光雷达头部客户项目定点，预计 22Q3 量 产。

长光华芯：优质光源企业，横向拓展纵向延伸

长光华芯在 2010 年由海归团队建立项目小组，2012 年依托长春光机所和战略投资者公 司正式成立。2013 年，高能激光芯片、模块、阵列、系统等产品全面投产。2017 年， 公司率先提出和推行 976nm 光纤激光器泵浦方案。2018 年成立了 VCSEL 事业部并建 立了 VCSEL 芯片 6 吋线；同年成立激光系统事业部，推出多款产品。2019 年推出 15w 高功率半导体单管芯片，推出一款 976nm 的光纤耦合模块及各系列直接半导体激光器。 2020 年推出 18w、25w 高功率半导体单管芯片、VCSEL 面发射半导体激光芯片，导入 InP 光通信芯片制造工艺和产线。2021 年实现 30w 高功率半导体单管芯片的量产。

科研专家坐镇，核心技术人员皆任公司高管。长光华芯披露的核心技术人员共有四名， 分别是闵大勇、王俊、廖新胜、潘华东，毕业于华中科技大学、McMaster 大学、中科 院、复旦等名校，有多年的科研或从业经历，其中闵大勇享受国务院津贴，王俊是四川 大学客座教授及国防科大兼职教授，廖新胜是国防科大兼职教授。四名核心人员均担任 公司高管，可见公司对科研的重视程度。 产品分布广泛，覆盖多个领域。长光华芯产品有光纤耦合模块、阵列、器件、直接半导 体激光系统、高功率激光芯片、光通信芯片等大类，每个大类下设不同系列产品，应用 广泛，覆盖多个下游。

公司营收成倍递增，毛利率/净利率迅猛增长。2021 年长光华芯共实现营业收入 4.29 亿 元，同比 73.59%；2021 年实现归属净利润 1.15 亿元，同比大幅 340.49%。盈利能力 方面，2021 年公司毛利率/净利率分别是 52.82%、26.87%,同比分别 21.46pct、16.28pct。近年来公司净利率稳中有升，2019 年净利率大幅下降是因为确认了股份支 付费用。

研发投入逐步走高，三费率逐渐企稳。公司研发费用近年来高速增长，公司 2021 年研 发费用为 0.86 亿元，同比 42.43%。2021 年研发费用率达 20.03%，同比-4.38pct。三 费率方面，有逐步下降的趋势。其中，2019 年管理费用率上升是因确认了股份支付费 用。若剔除股份支付的影响，2018 年、2019 年、2020 年期间费用率分别为 59.90%、 52.80%、35.05%。

公司注重创新，技术实力雄厚助力国产化。公司已逐步实现高功率、高可靠性、高效率、 宽波长范围单管芯片的国产化，技术水平对标国外先进厂商。公司边发射单管芯片成功 导入锐科激光、创鑫激光、大族激光等主流激光器及设备厂商；高功率巴条芯片电光转 换效率 63%以上，波长包括 808nm、940nm，广泛运用于固态激光器泵浦源。同时， 公司守正出奇，由边发射芯片技术不断向面发射芯片扩展，构建了边发射和面发射两种 结构的技术工艺平台，扩展了高效率 VCSEL 激光芯片和高速光通信芯片两大产品芯片 平台。其中，VCSEL 芯片基本覆盖了主流芯片市场需求，包括接近传感器、结构光、 TOF 等，且下一代 dTOF 技术 VCSEL 产品正在开发。在光通信芯片领域，公司已经具 备晶圆制造、芯片加工、封装测试全流程生产能力。

发展道路清晰，布局激光雷达等领域。经多年发展，公司已经建立半导体激光芯片砷 化镓 GaAs 和磷化铟 InP 两大材料体系，构建边发射和面发射两大芯片结构工艺技术 和制造平台。展望未来，公司将秉承“一个平台，一个支点，横向扩展，纵向延伸” 发展战略。一个平台：公司与苏州高新区政府共建的苏州半导体激光创新研究院。 一个支点：公司已具备高功率半导体激光芯片的核心技术及全流程制造工艺。 横向拓展：从高功率半导体激光芯片扩展至 VCSEL 芯片及光通信芯片，将产品 应用领域拓展至消费电子、激光雷达等。 纵向延伸：纵向延伸至激光器件、模块及直接半导体激光器。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。未来智库 - 官方网站