1 自动驾驶技术路径：激光雷达是否具有必要性？

当前在单车智能驾驶方案内部，对于自动驾驶传感器的选择，市场上存在着两种不同 路径：一种是由摄像头主导、配合毫米波雷达等低成本元件组成，构成纯视觉计算，典型 代表为特斯拉、Mobileye 和国内唯一自动驾驶纯视觉城市道路闭环解决方案——百度 Apollo Lite（Apollo Lite 不再使用激光雷达，使用了纯视觉方案）；另一种是由激光雷达主 导，配合摄像头、毫米波雷达等元器件进行融合感知，典型代表为谷歌 Waymo、国内的 华为、百度 Apollo（除 Apollo Lite）、小马智行、文远知行等头部自动驾驶厂商。

从 2022 年开始，随着国内乘用车开始布局高阶自动驾驶解决方案，我们看到基本所 有高阶 ADAS 乘用车都选择了包含了激光雷达的混合感知解决方案。虽然成本仍然是这套 高阶解决方案的主要痛点，但车企仍选择依靠提升单车售价的方式来推广自身的智能化解 决方案，反映出了车企对依靠自动驾驶能力吸引消费者，构筑品牌影响力的信心。

视觉算法：单目相较双目/三目更成熟，纯视觉算法应对特定场景存在弊端

摄像头是最早的自动驾驶传感器之一，Mobileye 是业内最早与实力最强的研发者。Mobileye 是诞生于以色列的单目视觉公司，现已被 Intel 收购，有着在汽车高级辅助驾驶 系统领域 12 年的研发经验，提供芯片和计算机视觉算法运行辅助驾驶功能。在 Mobileye 研发下，单目摄像头已经可以较完善的实现包括车道偏离警告 (LDW)、基于雷达视觉融合 的车辆探测、前部碰撞警告 (FCW)、车距监测 (HMW)、行人探测、智能前灯控制 (IHC)、 交通标志识别 (TSR)、仅视觉自适应巡航控制 (ACC) 等功能；根据 Mobileye 于 2019 年 统计的数据测算，Mobileye 的产品占据全球 L2 及以下市场超过 70%的份额。

继承自 Mobileye，特斯拉是摄像头算法的另一大拥护者。自 2016 年 7 月 Mobileye 不再为特斯拉 Autopilot 提供技术支持后，特斯拉的全自助驾驶 FSD（原称 Autopilot）沿 用了与 Mobileye 合作时发展的视觉算法体系，以摄像头作为主要感知器，特斯拉的视觉 算法的感知配件包括 8 个摄像头——后方的一个倒车摄像头，前方的一个三目总成件，两 侧的两个环绕摄像头，此外还包含一个毫米波雷达。

随着单目摄像头的发展，业内也发现了其对于特殊场景处理困难的劣势，并且 Mobileye 的垄断地位也使得新入局玩家希望通过其他技术路径实现弯道超车，双目摄像头、 多目摄像头等技术在近年快速发展。而限制各种技术路径发展的当前主要难题是处理摄像 头数据的芯片。Mobileye 用了十年才制造出了满足汽车电子规范要求的芯片，难度极大。双目、多目摄像头当前仍然只能使用定制化的 FPGA，因此单目摄像头是业内最成熟的技 术路径。

特斯拉应用了三目摄像头，但算法后置到 FSD 芯片上的 Autopilot。2016 年以前， Tesla 的 Model S采用的是 Mobileye 的 Eye Q3 芯片与单目摄像头，此后特斯拉转为自研。Model 3 Tesla 的三目摄像头是纯 OEM 硬件，摄像头采集完数据后发给 Autopilot 控制器。三个摄像头分别对应 60m、150m、250m 覆盖范围。特斯拉的摄像头模块将所有 CMOS 传感器嵌入到 PCB 中，而将图像处理交给 Autopilot 的控制器完成。与特斯拉不同的是， 其他车企采用的三目摄像头多来自采埃孚这一 Tier 1 供应商，采埃孚的三目摄像头搭载的 是 Mobileye 的算法能力。

但是在 L4 级自动驾驶传感器选型上，纯视觉方案会存在精度、稳定性和视野等方面 的局限性，无法满足高级自动驾驶对于传感器的性能要求。特斯拉的几次重大安全事故频 繁发生在白色大型货车相关的场景中，主要原因在于单目或三目摄像头无法像双目摄像头 一样通过视觉差判断距离，纯靠 AI 算法穷举会在新场景上遇到 Corner case，很有可能对 距离判断失误。与此同时，静止不动的物体会在算法上被毫米波雷达忽视。摄像头和毫米 波双双可能遇到失效的场景，使得特斯拉频繁出现与白色静止货车相撞的事故。

总结来看，纯视觉方案存在部分问题难以通过单纯的算法提升而弥补。包括如测距精 度有限，对于强光场景处理难度大，视野范围有限，摄像头机械稳定性差等。这些问题使 得使用包括激光雷达、摄像头、毫米波在内的多传感器融合的方案更有优势。

当前较为成熟的算法方案，即使选用了多传感器融合，也大多以摄像头输入数据作为 主要建模数据，其他传感器起到补盲的作用。因此激光雷达等传感器与摄像头并不是排他 关系，激光雷达的使用，恰恰是为了解决摄像头方案难以解决的 corner case 问题。不过 我们需要强调的是，自动驾驶算法的首要考虑是安全，因此遇到摄像头处理不了的问题虽 然是小概率事件，但在保护整车安全的角度来看，激光雷达的重要性十分显著。

马斯克坚持拥护视觉算法而排斥激光雷达技术的原因主要可能有以下几点：一是商业 成本的考量，在特斯拉决定开发 FSD 纯视觉方案时，彼时市场上的激光雷达主要以 Velodyne 的机械式激光雷达为主，解决方案价格昂贵且难以进行大规模量产，视觉算法的 硬件价格远低于激光雷达解决方案价格。即使到了 2022 年，上车的激光雷达售价仍普遍 在 800-1000 美元左右，比纯视觉方案要贵不少。二是快速响应的因素，特斯拉的自动驾 驶利用影子模式等技术实现小步快跑，需要大量装车来获取更多数据进行迭代，如果要加 装激光雷达，对于激光雷达的规模发货能力是一个很大的考验，激光雷达在 2022 年刚开 始规模交付，显然很难满足特斯拉大批量装车的需求。

激光雷达技术：直接提供距离信息克服视觉算法弊端，L3 以上必备传感器

与雷达工作原理类似，激光雷达通过测量激光信号的时间差或相位差来确定距离，其 最大优势在于能够利用测距来创建出目标清晰的 3D 图像。激光雷达通过发射和接收激光 束，分析激光遇到目标对象后的折返时间，计算出到目标对象的相对距离，并利用此过程 中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息，快速得到出被 测目标的三维模型以及线、面、体等各种相关数据，建立三维点云图，绘制出环境地图， 以达到环境感知的目的。为了看清楚前方障碍物的情况，我们希望激光雷达产生的点云图 越密越好，对于传统的机械式激光雷达来说，激光雷达线束（激光发射-接收器对数）越多， 点云越密，车辆行驶的安全性越高。

相比于可见光、红外线等传统被动成像技术，激光雷达技术具有如下显著特点：一方 面，它颠覆传统的二维投影成像模式，可采集目标表面深度信息，得到目标相对完整的空 间信息，经数据处理重构目标三维表面，获得更能反映目标几何外形的三维图形，同时还 能获取目标表面反射特性、运动速度等丰富的特征信息，为目标探测、识别、跟踪等数据 处理提供充分的信息支持，降低算法难度；另一方面，主动激光技术的应用，使得其具有 测量分辨率高，抗干扰能力强、抗隐身能力强、穿透能力强和全天候工作的特点。

激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统。首先由激光 发射系统中的激光光源周期性地驱动激光器，发射激光脉冲；扫描系统（可以是轴承、转 镜、MEMS 振镜等多种形式）通过稳定的转速进行旋转实现光线的分散发射；激光接收系 统中光电探测器接受目标物体反射回来的激光，收到回馈的接收光信号；信息处理系统中 接收信号经过放大处理和数模转换，经由信息处理模块计算，获取目标表面形态、物理属 性等特性，最终建立物体模型。

由于特斯拉至今没有采用激光雷达，因此业界对于 L3 以上自动驾驶是否需要激光雷 达仍存在争议。但从众多车厂实际量产情况来看，激光雷达将会成为主流的 L3 级及以上 自动驾驶必备传感器。相比毫米波雷达和摄像头，激光雷达在目标轮廓测量、角度测量、 光照稳定性、通用障碍物检出等方面都具有极佳的能力。因此在一些难点场景下，例如城 区非规范行人、非规范道路，甚至是非规范驾驶的行为，激光雷达相比其它传感器可以更 容易进行判断。可以说激光雷达是解决连续自动驾驶体验的关键传感器，可以带来更好的 驾驶体验，也使得当前大部分整车厂与 Tier 1 供应商选择了激光雷达为 L3 以上的必备传 感器。激光雷达是当前传感器中最为昂贵的一种，但其价格也在技术改进和规模量产下大 幅下降。

激光雷达是解决各种驾驶 Corner Case 的一种重要手段。我们认为，未来主流自动 驾驶解决方案将会融合摄像头、激光雷达、毫米波、超声波等多种传感器，激光雷达的融 合将会更好的应对各种突发情况。

远距小障碍物场景：毫米波雷达的角分辨率不够，摄像头对远端的通用障碍物识 别不够，而这种场景下激光雷达就可能及时识别。

近距离加塞场景：毫米波雷达的角分辨率不够，摄像头通常来说需累计多帧，需 要几百毫秒才可以确认加塞，而激光雷达由于精确的角度测量能力和轮廓测量能 力，可以 2-3 帧确认加塞，百毫秒内做出判断。

近端突出物场景：激光雷达相较于毫米波雷达和摄像头可以做出快速判断。

隧道场景：摄像头在光线亮度发生突然变换的场景有致盲情况发生，而毫米波雷 达一般不识别静止物体，如果隧道口刚好有一个静止车辆，这时就需要激光雷达 的准确识别能力。

十字路口无保护左拐场景：需要激光雷达的大角度全视场测量能力，同时满足大 视场和远距测量能力。

地库场景：毫米波雷达由于多径反射性能不佳，而光线强弱变化又会影响摄像头的性能，因此激光雷达是最优解决方案。

2 市场规模分析：四大应用场景，高速增长赛道

2022 年被市场认为是激光雷达真正的市场元年，市场规模迅速扩张。咨询机构 Yole 预计，激光雷达应用是目前汽车行业增长最快的行业之一。从出货量来看：Yole 数据显示， 2020 年全球激光雷达出货量约 34 万个，预计 2025 年全球激光雷达出货量约 470 万个， 2030 年全球激光雷达出货量约 2390 万个。从销售额来看：2020 年全球激光雷达销售额 约 12.95 亿美元，2025 年全球激光雷达销售额将达到约 61.9 亿美元，2030 年全球激光雷 达销售额将达到约 139.32 亿美元。

未来，随着自动驾驶技术的进一步普及，预计激光雷达市场规模将会进一步扩大，而 单车价值量下降将会进一步有利于激光雷达的量产使用，预计 2030 年全球激光雷达市场 规模将超百亿美金。

根据应用场景，激光雷达下游应用领域可以分为 Robo-Taxi(后装)，量产乘用车 ADAS （前装）、服务机器人、车联网四个下游应用场景。其中 ADAS 料将会是长期成长空间最 大的方向。

从应用时间上来看，2017 年后激光雷达开始小批量的应用于 Robotaxi 与 ADAS 场景 中，在工业上亦有小规模应用；但无论规模还是技术成熟度，2022 年都是显著的分水岭。随着大批量的乘用车开始装配激光雷达作为车规级 ADAS 传感器，激光雷达的生态链条已 经成熟，投资开始进入回报周期。

由于应用场景和搭载激光雷达载体有明显差异，其对激光雷达的性能、价格、体积等 维度均有不同需求。

Robotaxi 后装市场：低价格敏感度高毛利的稳态市场，2025 年空间 35 亿 美金

Robotaxi 当前厂商多为算法运营公司：国内的主要厂商如百度 Apollo、滴滴、小马 智行等对于产品价格及与车身的集成度要求较低，并且对使用时长并没有车规级的要求， 但对激光雷达的精密度要求较高。Robotaxi 对于自动驾驶等级要求高，且对成本不敏感， 是目前激光雷达厂商的主要收入来源。ReportLinker 预计，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 53.5 万辆。

Robotaxi 厂家加速商业化落地，支撑市场空间。2020 年 10 月，Waymo 宣布通过旗 下的叫车软件 Waymo One 提供完全无人驾驶服务，全球领先。国内百度 Apollo、文远知 行、图森未来、智加科技等公司也在加速落地商用化，去年百度在北京开放了无人驾驶出租 车服务，乘客可免费试乘 Apollo GO，文远知行当前在广州的无人驾驶运营及测试车队数量 达260 台。

由于机械式激光雷达下游仅限于 Robataxi 厂商，该激光雷达本身市场空间、增速发展 有限。Robataxi 厂商采用机械式激光雷达主要是因为机械式激光雷达点云质量高，能更好 的训练算法，长期来看，该种激光雷达的市场空间反而会随自动驾驶算法趋近成熟而减少。因为算法一旦成熟，批量上车的时候就要考虑成本问题，会更多采用其它形态的车规级激 光雷达。

机械式激光雷达是当前最为成熟的激光雷达样式，满足 Robotaxi 场景需求。机械式 激光雷达作为技术成熟，最早量产出货。由于 Robotaxi 厂商需求的激光雷达主要架设于车 辆顶部，且对光路质量要求较高，机械式激光雷达最为合适。

此外，机械式激光雷达的缺点在 Robotaxi 厂商可以接纳的范围之内。机械式主要问 题在于价格昂贵，且可用时间仅 2-3 年。而对于后装形式，列装激光雷达的 Robotaxi 厂商 是可以接受的。、稳定性这些方面没有太多要求，应对的场 景就是测试这样一个环境。

2019 年前，Robotaxi 的激光雷达市场处于 Velodyne 一家垄断的局面。垄断性市场 地位加之产业链不成熟带来的较高成本，使得 Velodyne 的产品定价极为高昂，64 线激光 雷达价格最高时接近 70 万元。但随着国产厂商迅速在 Robotaxi 市场开疆拓土，机械式激 光雷达价格出现大幅下降。国内厂商禾赛科技与速腾聚创分别从高端 64 线和低端 16 线激光雷达展开产品研发，产业链上下游也迅速成熟，众多厂商开始选择与国内厂商合作。如 百度 Apollo 选择与激光雷达公司禾赛科技达成合作，将与禾赛共同研发新一代激光雷达产 品，搭载于其第五代 Robotaxi 中。（报告来源：未来智库）

ADAS：量产车前装贡献未来 700 亿美金以上庞大市场

车载激光雷达前装与后装的需求差异较大：以 Robo-Taxi 为代表的后装需求，直接应 用于 L4~L5 完全自动驾驶开发，其在全球需求量级有限，且价格普遍较高，一般都选用高 性能的机械式激光雷达；以 ADAS 乘用车为代表的前装需求，应用于乘用车 L2+/L3 (ADAS 高级辅助驾驶/ AD 自动驾驶)的车规激光雷达，对尺寸、价格、生产制造性、稳定性有严 格要求，性能方面则是在满足了车规级的基础上逐步迭代升级。由于其直接面向消费者， 且作为未来自动驾驶汽车渗透率最高的零部件，市场空间最为广阔。

激光雷达最早应用于 2017 年乘用车，但彼时法律与技术仍不成熟。2017 年，奥迪 A8 搭载法雷奥 Scala 激光雷达，虽然只有 4 线，但帮助奥迪 A8 实现了 Traffic Jam Pilot 的 L3 级别功能。但由于过于超前，全球对于 L3 级别汽车的上路政策仍然不完备，奥迪 A8 面临各种法律问题，市场推广不及预期，使得此后三年内全球车企均未装配激光雷达。

激光雷达料将在 2022 年进入全面爆发期。在 2020CES 展会上，大部分激光雷达供 应商新推出的激光雷达价格都已降至 1000 美元以下，标志着激光雷达价位进入乘用车量 产时代。而在整个 2021 年中，大量车企公布了搭载激光雷达的自动驾驶车型，其中大部 分计划将在 2022 年正式量产，整个行业迅速走向成熟期。

由于激光雷达的重要性，部分车企开始通过共同研发乃至直接入股的方式，与激光雷 达企业达成深度合作关系。如蔚来与图达通实现了股份的强绑定，并为其提供了十万级别 的订单，驱动图达通迅速成熟。由于激光雷达本身技术仍处于不成熟期，站在激光雷达厂 商角度，同样也希望与头部智能化车企合作开发，帮助自身技术快速走向车规级落地。

当前单车主流的激光雷达配置数量在 1-3 个左右。全车方案中最核心的激光雷达为前 向主激光雷达，承担了主要的前向驾驶信号感知的工作，车企会选用线束高能力强的激光 雷达，当前这一主激光雷达的价格仍然高达 800-1000 美金。进入 L4 自动驾驶等级后，部 分车企方案中加设了 1-2 个侧向的激光雷达，目的为了覆盖前向激光雷达的死角，侧向激 光雷达的探测距离只需要在 100m 左右，主要用于处理侧向死角的变道车辆，因此价格会 下降到 500 美金左右，是主激光雷达的一半。从长城的沙龙机甲龙来看，还有可能在尾部 加设 1-2 个激光雷达，单价预计与侧向激光雷达近似或略低，但是当前主流解决方案中并 没有采取这一设计。

市场空间估算：长期来看，根据 IHS 的数据，2019 年全球汽车销量为 0.91 亿辆，全 球乘用车市场空间相对已经稳定。假设智能汽车覆盖率高度成熟，渗透率达到 70%，激光 雷达方案达到 80%市占率，每辆汽车平均搭载 2.5 个激光雷达，按照激光雷达单价长期下 降至 500 美元/个计算，对应的市场空间约 679 亿美元。

中期来看，预计至 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。

Yole 预计 Robotaxi 无人驾驶与 ADAS 将会在未来三年内迅速成为激光雷达主要应用 方向，在 2018 年工业领域应用 83%，而到 2024 年，车载激光雷达将会占到 70%以上。

机器人与车联网市场：空间相对有限，性价比成为主要考量因素

服务机器人场景复杂度低，对性能要求适中但对价格敏感。服务型机器人主要应用范 围包括无人配送、无人清扫、无人仓储、无人巡检等，越来越多的电商、消费服务业巨头及 初创公司投入该领域。当前，服务机器人落地应用主要集中在校园、社区和工业园区等相对 封闭场景。2019 年 12 月，美国自动驾驶送货科技公司 Nuro 与零售巨头 Kroger(酷乐客)合作， 在休斯顿为顾客提供无人送货服务；2020 年 7 月，京东物流无人配送车正式上线；2020 年 10 月，美团正式发布智慧门店 MAIShop，集成了无人微仓与无人配送服务；在 2022 年 CES 展厅中，国内初创企业擎朗智能等亦展示了应用了激光雷达技术的送餐、酒店、广告 引领和消毒机器人等商用服务机器人产品。

随着全球服务型机器人出货量快速增长，以及激光雷达在服务型机器人领域渗透持续 提升，IDC 预计 2025 年激光雷达在该领域的市场规模将达到 7 亿美元，2019-2025 年的 CAGR 达 57.9%。

除车侧装配激光雷达外，在交通设施装配支持车路协同应用的激光雷达，可以实现城 市交通动态精准感知与智能向导，为驾驶者和政府交管部门提供更多数据支撑。欧司朗称 智慧交通可使车辆安全事故率降低 20%以上，交通堵塞减少约 60%，短途运输效率提高 近 70%，现有道路网的通行能力提高 2-3 倍。V2X 激光雷达数据也可以支撑车辆的自动驾 驶，为驾驶员提供全面的出行信息服务等应用。

车辆网场景的激光雷达厂商多需具备优秀算法能力：车联网应用对车规化和集成度要 求较低，但路端应用需要基于激光雷达点云实现目标物聚类和跟踪，因而对激光雷达供应 商配套感知算法能力要求较高。

由于单车智能水平与探测距离始终受限，使用单车智能叠加 V2X 信号后的混合感知 算法，有望成为 L4+级别的自动驾驶技术的落地方向。2020 年 2 月国家发改委、工信部、 科技部等 11 部委联合印发的《智能汽车创新发展战略》，要求到 2025 年车用无线通信网络 LTE-V2X 实现区域覆盖，新一代车用无线通信网络 5G-V2X 在部分城市、高速公路逐步开 展应用。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，对车路协同 V2X 的实现至关重要。

市场空间：随着智能城市、智能交通项目的逐步落地，该市场对激光雷达的需求将呈 现稳定增长态势。IDC 预测到 2025 年，全球激光雷达在路测激光雷达的市场规模将超 45 亿美金，2019-2025 年 CAGR 达 48.5%。但由于不同国家和地区的通信与自动驾驶路径差 异，可能会出现不同市场渗透率差距非常大的情况。受限于疫情影响及各国经济状况等因 素，我们认为未来三到五年，单车智能化水平提升仍将是自动驾驶实现的主要路径。

于国内在基础设施建设以及 V2X 推进方面领先全球，我们认为路测激光雷达的主 要市场可能会在中国率先发力。根据国内“十四五”规划，我们假定 2025 年 V2X 能够实 现国内核心路段和核心城市覆盖，其中需要进行改造的 AB 级路口及部分 C 级路口智慧路 口共有 25 万个，单个路口需要至少两个激光雷达覆盖，路测激光雷达成本相对较低，假 设为 4000 元单个，则市场空间有望达到 20 亿元人民币。

3 从技术路径看估值差异：应用场景与技术积累

不同激光雷达技术路径不尽相同，且当前并不存在明确的最优解路径。激光雷达的各 个环节几乎都有不同的执行方式；按照测距原理，可以分为依赖飞行时间的脉冲 ToF 型， 或是不基于时间的连续波 FMCW 型。我们常见的产品多为脉冲 ToF 型，依赖于探测激光 飞行的时间来确定距离长度，在硬件上由四部分构成，分别是激光的发射器、接收器、扫 描器和数据处理芯片。

激光雷达厂商设计与 Know-how，以及决定激光雷达外部形态、功能实现的是其扫描 系统。由于光发射端与接收端主为光器件产业链，而主控模块部分依赖半导体产业链，均 相对成熟，使得扫描系统成为当前激光雷达厂商最主要的分类方向。当前针对激光雷达的 特定需求，产业也在向更适合的方向进行研发迭代。

扫描系统：半固态/固态成为 ADAS 最优选，Flash 方案短期内难以实现

ToF 激光雷达宏观上可以分为两类，针对是否需要改变光的传播方向，分为需要更改 传播方向的 beam steering（光束控制式）与不改变光传播方向的 fixed beam（固态）。其中 beam steering 激光雷达通常又可分为机械式激光雷达与半固态激光雷达两种，半固 态雷达以转镜式、振镜式（MEMS）、双棱镜式三类为代表；而固态激光雷达包括 OPA、 Flash 等技术方向。总体上，改变光传播方向总会对光带来损耗，因此纯固态在长期来看 是激光雷达的最优解；而在进行光传播方向改变时，则是进行物理动作的零部件越少则耗 损越慢，且等效线数相同的情况下，需要使用的发射/接收组件对数越少越利于控制成本。但是实际使用上，则要考虑到技术成熟度，成本，算法成熟度，与其他传感器的适配等多 个层面因素，才能决定哪种方案是当下的最优解。机械式激光雷达在上文中已经做过阐述， 因此本节主要介绍半固态和固态激光雷达。

半固态激光雷达：转镜/MEMS 成为当前热门量产技术路径

1) 转镜式激光雷达：高成熟度，落地主力

转镜式激光雷达是当前半固态激光雷达中最成熟的一类。原理是保持收发模块不动， 让电机在带动转镜运动的过程中将光束反射至空间的一定范围，从而实现扫描探测，其技 术创新方面与机械式激光雷达类似。但依靠转镜的表面垂直角度不同，转镜式激光雷达可 以将光源发出的光束路径进行倍数级放大，从而大幅减少光学组件的应用数量，达到与机械式激光雷达纯粹依靠堆叠激光/接受器对数近似的图像效果。

转镜式激光雷达技术较为成熟。Ibeo/Valeo 的 Scala 一代与二代使用的就是转镜扫描 方式，在 2017 年已经应用于 Audi L3 智能驾驶车型中，并在工业领域亦有应用，是除机 械式激光雷达外快速实现量产的选择。华为应用与北汽极狐上的 96 线激光雷达同样属于 这一技术路径，转镜式激光雷达虽然相较于 MEMS 激光雷达应用激光器数量较多；但是 技术路径成熟，量产压力较小，成为华为第一代量产激光雷达的技术选择。

从 BOM 成本上来看，转镜式激光雷达的成本下降主要得益于产量提升的驱动。根据 法雷奥的测算，平均每年一百万台的产出下，单台的 BOM 成本有望下降至 105 美金（Scala GEN 1 是 4 线激光雷达）。在 GEM1 当中，BOM 成本中当前 45%来自主要硬件模块，这 一比例在更高线束的激光雷达中会更高，超过 50%以上——包括发射-接收组件，FPGA 板，主控板与电源模组等。应用成熟上游激光器与接收器的激光雷达厂商在该部分的成本 降低空间有限，随着大规模量产预计有 20%-30%降幅；而应用 1550nm 收发组件的厂商 仍有部分降本空间。BOM 成本排第二的是光学模块组件——由反射镜、透镜、棱镜、窗口玻璃等构成的光通道，成本占比在 25%左右；除此之外的 BOM 成本包括了结构模块：支撑了硬件模块与光学模块的支架，电机，轴承（这一部分 占比在不同类型激光雷达中差距较大）等。

国内的头部厂商之一，禾赛科技的半固态激光雷达 AT128 即为车规级的转镜式激光 雷达，具备 200 米@10%的测距能力，而且最远地面线可以达到 70 米。通过芯片化 128 通道的固态电子扫描，实现了“真 128 线”的结构化扫描，避免了二维高速机械扫描对产品 可靠性和寿命带来的影响的同时，实现了点云在水平和垂直方向完整视场角无拼接均匀分 布，形同摄像头的结构化数据可以给后期算法带来非常大的便利。当前禾赛的 ATB128 产 品已经接到了超过 150 万台的车企定点，预计将在 2022 年实现大规模量产交付。除禾赛 科技外，华为当前也采用了转镜式的激光雷达，为等效 96 线产品。

2) MEMS 激光雷达：当前落地最多产品，成熟度已满足规模量产

MEMS 激光雷达通过 MEMS 振镜来实现光线偏转，打出光面实现扫描过程，最大程 度地减少了例如电机、轴承等可动机械结构带来磨损，同时也消除了光电器件因为机械旋 转可能造成故障，可以很好的解决机械式激光雷达面临的物料成本高+量产成本高的问题。

MEMS 激光雷达应用 MEMS 微振镜进行扫描。MEMS 激光雷达通过硅基芯片上微振 镜以一定谐波频率的振荡，来反射激光器的光线，从而以超高的扫描速度形成高密度的点 云图。由此改变单个发射器的发射角度进行扫描，形成较广的扫描角度和较大的扫描范围。其核心光束操纵元件为 MEMS 微振镜，大大减少了激光雷达的尺寸，减少激光器和探测 器数量，极大地降低成本，具有高性能、稳定可靠、易于生产制造等优点，兼顾车规量产 与高性能的需求。

MEMS 技术优势在于：第一，MEMS 微振镜摆脱了笨重的马达、多棱镜等机械运动 装置，毫米级尺寸的微振镜大大减少了激光雷达的尺寸，同时也一定程度上提高了使用寿 命限制。

第二，MEMS 微振镜的引入可以减少激光器和探测器数量，极大地降低成本。对 于 MEMS 激光雷达，发射和接收激光器大幅度减少，即使做到等效上百线，有些只有几 个发射，接收可以用单线的 SiPM，也可以用阵列，比较灵活。BOM 成本大幅度降低，其 主要成本集中在 MEMS 振镜上，大规模量产 MEMS 振镜可以降低到 30-50 美元，基于振 镜和光源不同，MEMS 激光雷达 BOM 成本目前约 300-1200 美元。Innoluce 曾发布一款 MEMS 激光雷达设计方案，采用 MEMS 微振镜，并将各种分立芯片集成设计到激光雷达控制芯片组，将激光雷达的成本控制在 300 美元以内。从国内当前厂商来看，速腾聚创的 最新产品基于 MEMS 振镜的 M1 激光雷达的售价在 5000 元左右。

第三，MEMS 在投影显示领域商用化应用多年，技术较为成熟。车规级的 MEMS 芯 片对抗振动、工作温度、尺寸等都有要求，需要针对车规级需求的定制化研发。但是 MEMES 仍有缺点：其光路较复杂，微振镜结构较为脆薄，影响整个激光雷达的寿命；激光扫描范 围受微振镜面积限制，视野相对较窄。针对这些缺点，振镜厂商正在做出进一步的改良， 电磁式 MEMS 振镜相较静电式，体积大，悬臂强度高，可以做到 300G 以上的抗冲击， 远超车规要求的 50G。

国内在 MEMS 技术当中最领先的玩家是速腾聚创，这也使得它成为了当前最受自主 品牌欢迎的国内激光雷达厂商。速腾聚创在 2016 年即开始布局 MEMS 技术，在 2018 年 CES 推出 MEMS 雷达 M1 的早期版本，2021 年 3 月宣布落成国内首条车规级固态激光雷 达产线。除了落地进度领先外，速腾聚创在 MEMS 技术基础上，研发了基于 MEMS 二维 扫描芯片技术的可智能变焦的“凝视”功能，使得 M1 可以任意改变横向和纵向的扫描速 度从而改变扫描形态，且在收到指令后的下一帧即可完成切换，帮助车辆聚焦于重点感知 区域，提升自动驾驶性能。这一特性使得速腾聚创产品在一般的 MEMS 产品外更具备自 身特色。除国内的速腾聚创外，应用 MEMS 技术的头部厂家包括了海外的 Luminar、Innoviz。

3) 双棱镜式激光雷达：成本最优，优劣势均突出

除了转镜式和振镜式，较为独特的双棱镜式激光雷达主要应用者为大疆 Livox。扫描 系统采取两个棱镜来改变光路，光电发射组件不进行旋转，因此归为混合固态激光雷达。技术路径的优势在于其易过车规（旋转部件较少，不易损）、性价比高（实现等效线数需 要的激光/接收组件比 MEMS 式更少）。Horizon 等效为 64 线激光雷达，Tele-15 等效为 128 线以上的激光雷达。大疆揽沃的优势使其成为所有问世的激光雷达当中价格最为低廉的， 最早的 MID 系列即以 4000 元售价出售，新款产品价格与此类似，也使其成为最早在国内 上车上路的激光雷达产品之一。（装配于小鹏的 P5 系列当中）

双棱镜式的缺点同样较为明显。一是非重复扫描的帧率较低，点云密度需要较长的扫 描时间，对于注重反应时间的 ADAS 场景来说存在较大缺陷；二是双棱镜下点云会呈现出 与其他方式均不同的“万花筒”式结构，使用神经网络等 AI 技术的自动驾驶公司若想使用 该类激光雷达，需要使用新的算法，并与其他传感器数据进行匹配。

固态激光雷达：或为长期趋势，但短期内落地难度大

在激光雷达技术演技路线层面，基于转镜和 MEMS 方式的固态激光雷达是最有希望 快速落地的成熟方案，OPA 与 Flash 则是明日之星，但落地进度持续不及此前业内的期 望，发展进度缓慢。基于 OPA 的固态激光雷达主要利用光的干涉原理，通过改变不同缝 中入射光线的相位差即可改变光栅衍射后中央明纹的位置，尽管有着扫描速度快、精度高、 可控性好的优点，但其生产难度较高。

OPA 激光雷达：这种固态激光雷达有着扫描速度快、精度高、可控性好、抗振性能好、 体积小、量产一致性高、成本更低等优点。但仍有易形成旁瓣效应、光信号覆盖有限、环 境光干扰、测距较短等问题，而且加工难度较高。

Flash 激光雷达也被称为深度相机。其原理是通过短时间直接发射出一大片覆盖探测 区域的激光，再以高度灵敏的接收器完成对环境周围图像的绘制。Flash 雷达虽然稳定性 和成本不错，但由于其功率密度太低，导致有效距离一般难以超过 50 米。要改善其性能， 需要使用功率更大的激光器，或更先进的激光发射阵列，让发光单元按一定模式导通点亮， 以取得扫描器的效果。

Flash 长期优势显而易见，受到厂商追捧，包括：最容易通过严格车规、体积最小、 安装位置最灵活、全芯片化、成本最低（单价可轻松做到 100 美元以下）、性能挖掘潜力 最大（深度相机不仅可以用于车载领域，也可以用于其他固态 3D 感测领域，还有 AR/VR）。

发射端（VCSEL）和接收端（SPAD）设备都已经做成了芯片级部件，再加上一个驱 动器和主板即可做成雷达本体，因为内部没有了精密的旋转部件，且收发端实现了芯片级 设计，所以又解决了过车规以及成本的问题。

在这些原因推动下，全球科技巨头纷纷选择了直接投入这个可能是激光雷达“终局” 的赛道，全球科技界在全局 Flash 领域的研发投入远远高于其他类型的激光雷达：包括博 通（特斯拉的合作伙伴，在 2020 年 11 月 EPIC 在线会议上推出车载 Flash 激光雷达 用 SPAD 或 SiPM 阵列芯片）、苹果（iPhone12 Pro 的超广角镜头的上下两部分构成了激 光雷达的 VCSEL+SPAD 设计）、索尼、三星、意法半导体、英飞凌、AMS、Lumentum、 东芝、松下、佳能、滨松、安森美、电装以及丰田都在开发 Flash 车载激光雷达。

较为成熟的固态激光雷达厂商包括 Quanergy、ibeo 等。其中 Quanergy 的新产品 S3 自称为全球首款全固态 LiDAR，可广泛应用于无人机、智能机器人、安防、智能家居 及工业自动化应用。Ibeo 在与法雷奥合作的机械式激光雷达产品 SCALA 系列大获成功后， 于 2016 年被 ZF 收购 40%股份，开始着力研发固态激光雷达产品，Ibeo 预计于 2022 年 实现成熟的固态激光雷达量产。传统的以机械式为主要路径的厂商均开始尝试发力固态雷 达，以小型化、低成本、可靠性高作为未来发展方向。

Flash 激光雷达的最大痛点是短期内难以顺利落地量产。核心原因在于 Flash 技术需 要的 VCSEL 芯片功率难以顺利提升。作为这一赛道的头部厂商，Quanergy 的产品推进进 度持续不及预期，一定程度上降低了市场对于纯固态激光雷达快速投入使用的期望。

总结来看，机械式激光雷达虽然是当前主流且技术成熟，但预计不会成为未来车厂 OEM 的量产产品；转镜式以及 MEMS 振镜成本较低，技术也相对成熟，较适合大规模应 用；Flash 激光雷达不再需要扫描设备，避过了各类扫描设备的所有缺点，但由于当前技 术受到激光器功率限制，未来随着激光器技术演进可能是主流技术。当前量产下，转镜和 MEMS 量产较多。

在车规量产和高性能需求下，固态激光雷达技术快速发展。目前，激光雷达正从机械 旋转式到混合固态，再到纯固态方向演进。但由于纯固态受限于上游材料学因素，当前市 场主流选择为混合固态的激光雷达。

虽然当前 ADAS 领域，混合固态占主导，长期来看，固态更有优势：Yole 预计固态 激光雷达和 Flash 激光雷达出货量将从 2021 年起逐渐增多，到 2025 年，固态/Flash 出货 量约为 50 万个，机械式约 290 万个，比例为 1：5.8；从 2029 年开始，固态/Flash 出货 量将超过机械式激光雷达，到 2030 年，固态/Flash 出货量约为 1200 万个，机械式约 730 万个，比例为 1.64：1。

在 Robotic Cars 领域，机械式占主导，前期以机械式激光雷达为主，Yole 预计固态 激光雷达和 Flash 激光雷达出货量在 2023 年起逐渐增多：2025 年，固态/Flash 出货量约 为 5 万个，机械式约 120 万个，比例为 1：24；到 2030 年，固态/Flash 出货量约为 54 万个，机械式约 400 万个，比例为 1：7.4；从销售额的角度，2025 年固态/Flash 约为 7300 万美元，机械式约 45.82 亿美元；到 2030 年，固态/Flash 销售额约为 6.46 亿美元，机械 式约 58.94 亿美元。

总的来看，根据 Yole 预测，固态激光雷达的销售额占比将会从 2025 年的 4.78%增 加到 2030 年的 37.25%，销量占比将会从 2025 年的 11.83%增加到 2030 年的 52.6%。

激光器划分差异：1550nm 安全性优于 905nm，EEL 开始向 VCSEL 过渡

VCSEL（垂直腔面发射激光器）芯片的消费者级生产线已经非常完备。自从 2017 年 苹果将 VCSEL 应用在前置结构光方案实现人脸识别功能之后，VCSEL 开始在消费电子领 域得到广泛的关注和应用。2020 年，苹果在新款 iPad Pro 和 iPhone 12 Pro 上先后采用 后置激光雷达方案，依然采用了 VCSEL 作为核心的激光光源。

激光雷达厂商也开始从 EEL 激光器（边发射激光器）向 VCSEL 激光器过渡，从发光 角度而言，EEL 是边发光的，因此需要使用分立的光学器件进行光束发散角的压缩和独立 手工装调，极大地依赖产线工人的手工装调技术，生产成本高且一致性难以保障。VCSEL 发射的是平行光，采用面发光，无需再进行每个激光器的单独装调，且易于和面上工艺的 硅材料微型透镜进行整合，提升光束质量。拥有窄脉冲宽度，更小光束发散角的大功率 VCSEL 二极管成为固态激光雷达的最优选择。

VCSEL 面临的主要问题在于光功率密度不足，传统做法是凭借增大阵列发光点个数 来增加光功率。但是在激光雷达应用中，通过增加面积的方式增加光功率，对系统带来的 收益并不大，只有更高的光功率密度才能让激光的探测距离更远。2020 年，各大 VCSEL 厂商纷纷发布多结 VCSEL 技术方案。多结 VCSEL 技术就是通过增多发光量子层部分来 提升单位电流下的光功率，从而提高器件的光功率密度。

当前，无论是 EEL 激光器还是 VCSEL 激光器，适合的波长仍是 905nm。业界目前普遍认为，1550nm 将是未来激光雷达的必要选择。1550nm 的优势主要在于人眼安全性， 由于 905 纳米与可见光范围的最高波长接近（850nm 光通常可以被视为暗红色），如果需 要增加激光雷达的探测距离，需要增加 905 纳米激光雷达的能量，这将会对人眼有一定的 损害。400-1400nm 波段内激光穿过玻璃体，聚焦在视网膜上，视网膜温度上升 10℃就会 造成感光细胞损伤。低于 400nm 或高于 1400nm 的激光会被晶状体和角膜吸收，因此高 功率的激光会造成白内障或晶体状烧伤。

相对于 905nm 的硅光电探测器，1550nm 的 InGaAs 安全系数和对人眼的保护程度 大大增加。在雨雪雾天，物体的反射率会降低，这导致激光雷达的有效探测距离缩短， 1550nm 激光雷达可以通过提高光功率解决天气问题。Luminar 的 1550nm 产品能够做到 即使 10% 反射率的物体有效探测距离达到 250 米，并具备最高 500m 的最大探测范围；还可以克服 MEMS 信噪比较低的缺点，功率密度极高。Luminar 的最新固态 MEMS 1550nm 方案的产品 Iris 预计将在 2022 年 Q3 实现量产。

材料学方面的限制使得 1550nm 的 VCSEL 芯片较难量产。VCSEL 的半导体多层模 反射镜 DBR 是由 GaAs/AlAs 构成的，经蚀刻使之成为 air-post（台面）结构。按照波长划分，可以分为 340nm、640-670nm、750-780nm、850nm、980nm、1300nm、1550nm 波段 vcsel，以及可调谐 vcsel。GaAs/AIGaAS 是当前应用最为成熟的材料，对应的是 850nm、980nm 的 VCSEL 芯片，而在 InP 基的 VCSEL 中，InGaASP/InP、AlGalnAs/InP 四元系材料热导率低，折射率差小，为获得高的反射率就需要很多对 DBR(>30 对)，给材 料的生长带来了困难。这使得 1550nm 的 VCSEL 实现较为困难。其中，1550nm 的 VCSEL 芯片应用与长距离、宽带高速光纤通信当中，相较于消费级应用，市场空间较小，技术目 前并不成熟。

此外，探测器端，1050nm 需要在探测器用到 InGaAs 材料。解决材料学降价问题成 为 Luminar 核心优势确立来源之一。针对 InGaAs 材料的昂贵使产品成本居高不下的问 题，Luminar 于 2017 年收购铟镓砷接收器生产商 Black Forest Engineering，通过大幅度 降低单个激光雷达上铟镓砷材料的用量，使得 1550nm 的激光雷达成本能够得到有效控制， 用于 L3+的激光雷达的单台售价可以控制在 1000 美元以内，符合乘用车的选择范围。

接收器划分差异：APD 向 SPAD 过渡

探测器指利用光电效应将光信号转化为电信号，实现对光信号进行探测的装置。可分 为调频连续波类（FMCW）和飞行时间类（ToF）。前者主要包括无增益能力的 PIN PD（二 极管），后者则包括 APD（雪崩式光电二极管）、SPAD（单光子雪崩二极管）和 SiPM（硅 光电倍增管，类似 SPAD），为激光雷达领域常用的接收器。

SPAD 替代 APD 基本达成行业共识。目前 APD 是使用最广泛的探测器，具有多元 化的应用场景，但其在增益能力和大尺寸阵列方面均在明显劣势，SPAD 可以有效解决增 益能力问题，而 SiPM 为多个 SPAD 集成管，可以有效解决大尺寸阵列问题，但其本质仍为 SPAD，因此 SPAD 替代 APD 趋势明显。SPAD 的主要问题是敏感度过高，针对特 定天气环境下可能出现误判，这一点需要通过算法以及传感器融合感知的方案来弥补。

车载激光雷达 SPAD 方面相较于 APD 方案有着增益能力强，更容易实现 CMOS 大 尺寸阵列集成等优势。日本厂商在 SPAD 领域拥有压倒性优势，是全球 SPAD 的领头羊。索尼在 2022 年 CES 展上发布了基于 SPAD 技术的首颗车规级激光雷达接收传感器 IMX459，且像素达到了 11 万的级别，优势其一是感光能力更强，也就是在使用相同激 光发射端的情况下，SPAD 传感器能感知到更微弱的光，感知距离更远；其二是计算距离 的延迟更低，索尼做到了 6 纳秒。（报告来源：未来智库）

4 投资分析：技术路径带来估值差异，核心元器件存在投资机遇

激光器：Lumentum 龙头地位显著，国内公司布局已经显现

VCSEL 体积小，成本低，易控制，但功率比较低。几家 VCSEL 大厂都在努力开发高 功率 VCSEL 阵列，进展最快的是苹果主供应商 Lumentum，也是全球第一大 VCSEL 厂 家，根据 Yole 数据，其市场占有率大约 45%。目前试验产品最高可以做到 10 瓦功率， 30-50 瓦功率就可以与非 Flash 激光雷达效果打平，届时 Flash 激光雷达将成为首选。

905nm 与 1550nm 或将长期共存，建议区分波长关注国内初创企业。905nm 与 1550nm 各具优劣，均具有一定的提升空间。905nm 虽在车载应用领域受限，但其在智能 手机应用广泛；使用硅作为原材料，具备成本优势；未来可以通过工艺改良提升性能。同 时，1550nm 可以通过批量生产，借助规模优势降低成本。我们认为，二者或将长期共存， 因此建议区分波长关注企业。

1、长光华芯：聚焦半导体激光行业。长光华芯成立于 2012 年，主要产品包括高功率 单管系列产品、高功率巴条系列产品、高效率 VCSEL 系列产品及光通信芯片系列产品等。公司目前已形成由半导体激光芯片、器件、模块及直接半导体激光器构成的四大类、多系 列产品矩阵，逐步实现高功率半导体激光芯片的国产化及进口替代。

公司产品可广泛应用于：光纤激光器、固体激光器及超快激光器等光泵浦激光器泵浦 源、激光智能制造装备。国家战略高技术、科学研究、医学美容、激光雷达、3D 传感、 人工智能、高速光通信等领域逐步实现了半导体激光芯片的国产化及进口替代。

经过多年的研发和产业化积累，针对半导体激光行业核心的芯片环节，公司已建成覆 盖芯片设计、外延、光刻、解理/镀膜、封装测试、光纤耦合等 IDM 全流程工艺平台和 3 吋、 6 吋量产线，目前 3 吋量产线为半导体激光行业内的主流产线规格，而 6 吋量产线为该 行业内最大尺寸的产线，应用于多款半导体激光芯片开发，是少数研发和量产高功率半导 体激光芯片的公司之一。同时，依托公司半导体激光芯片的技术优势，公司业务向下游延 伸，开发器件、模块及终端直接半导体激光器，上下游协同发展，公司在半导体激光行业 的综合实力逐步提升。

2、炬光科技，从光源到光学器件再到激光雷达，增长空间不断扩大。1）公司成立于 2007 年，最初业务主要是半导体激光器，此后在 2017 年收购了德国 LIMO 公司并成功完 成技术消化吸收，拓展了光学器件业务。目前公司正在从上游向中游扩展，开拓激光雷达 等新业务。2）业绩方面，2018-2020 年公司营收一直在 3.5 亿元左右，但新业务有望带 动营收增长。利润方面已经越过拐点，2020 年扭亏为盈后，2021 年前三季度利润达 5439 万元，大幅超越 2020 全年的 3358 万元。同时公司毛利率从 2019 年的 38.15%大幅提升 至 2021 年前三季度的 54.63%。3）细分业务方面，2018-2019 年半导体激光产品占公司 营收一半以上，2020 年以来光学元器件成为第一大营收来源，未来激光雷达有望接棒增 长。除光学系统外各项业务均有较高毛利率，2021 前三季度光学元器件业务毛利率达到 61.07%，半导体激光业务毛利率达到 50.42%，激光雷达业务毛利率 47.5%。

激光雷达：核心增长点，炬光科技具备技术壁垒。1）必要性：激光雷达已经成为自 动驾驶必选组件，当前除特斯拉外，车厂主流方案均为包含激光雷达的多传感器融合。2） 市场规模：工信部于 2019 年预测 2025 年 L2 级别车辆销量占比达 25%以上，市场空间有 望超过 40 亿美元，长期来看市场空间将达百亿美元以上。3）竞争格局：国内激光雷达发 展快于国外。国内分为三大梯队，第三梯队尚未进入车厂合作研发，第二梯队受限于技术 路线，预计第一梯队市场份额将持续扩大。炬光科技作为华为激光雷达核心供应商有望受 益，也有望受益于 Ouster 与侧向激光雷达的发展。4）产业链定位：炬光科技提供用于转 镜式和 flash 激光雷达的发射模组、光源与光学器件，全面覆盖激光雷达发射端。5）核心 优势：公司在热管理与光学精密设计加工领域存在技术壁垒，本土技术团队长期深耕散热 技术，LIMO 在光学器件领域技术领先。

在激光雷达上游，激光发射模块方面，炬光科技提供了用于驾驶舱内监控的 AT 系列 （视场角可达 160 度）、用于 flash 激光雷达的 AL01 系列、AX02 系列，以及用于扫描式 激光雷达的 LX01 系列和 BeamRazor LE02 系列。光学部件方面包括用于扫描式激光雷达 的准直镜以及用于 flash 激光雷达的面透镜。

3、纵慧芯光，起源于斯坦福，是中国第一家拥有自主知识产权的 VCSEL 芯片公司， 产品处于世界领先地位。

纵慧芯光于 2015 年底成立，总部位于江苏常州，并在美国硅谷、中国台湾新竹成立了全 资子公司。截至目前，公司具备 940nm 量产芯片、940nm TOF 模组、VCSEL 等多款产 品。其中，单结 VCSEL 在 75℃下 PCE（电光转换效率）为 40%，105℃下 PCE 超过 30%， 可满足汽车激光雷达光源对较宽温度范围（-40 ~ 105℃）的高 PCE 性能要求；单结 2W VCSEL 的加速老化测试结果为 2600 小时，等效于全天 24 小时工作的条件下持续发光 24 年，产品已通过 AEC-Q102 认证。

公司优势包括：1）提前布局下一代多结 VCSEL。相比单结 VCSEL，多结 VCSEL 具有更高的峰值功率、更佳的信噪比、更小的工作电流，且在相同光功率需求下芯片尺寸 更下凹，成为未来光源的最佳选择。2）下游客户丰富度高。截至 2020 年 9 月，公司在全 球拥有 100 余家客户，其中消费电子领域客户包括国内多家手机 OEM 厂商、方案商和模 组厂；车载应用领域已通过车规级质量体系认证，并与多家 Tier-1 厂商展开密切合作。3） 2020 年 6 月，华为旗下哈勃科技入股纵慧芯光，为公司持续发展注入强大资金支持。

4、昂纳科技，深耕光通信行业 20 余载，同时布局光通信泵浦激光器与工业级光纤激 光器。1）昂纳科技成立于 2000 年 10 月，为国家火炬计划重点高新技术企业，总部位于 深圳，坚持全球化布局，在北京、杭州、香港、北美和欧洲设有多家分公司。公司核心业 务包括光网络产品和工业应用产品，产研管线丰富。激光器领域，公司具备光通信泵浦激 光器与工业级光纤激光器，前者主要包括 1999CVB、1999CHB/SHB 等，后者则包括光纤 激光器、Panda NT 和多款不同功率的光纤激光系统。2）借助 5G 机遇，加快光领域数据 中心布局，持续发力光模块技术升级。2020 年 9 月，公司展出 200G/400G 光模块新产品， 其基于成熟 PAM4 激光器方案，采用昂纳量产封装平台，具有高密度，高可靠性和优异的 连通传输性能的显著优点。产品内置最新 7nm DSP 芯片，除了提供 CDR 能提供的数字时 钟恢复功能之外，还可以降低功耗，对产品进行色散补偿操作，去除噪声、非线性等干扰 因素，产品信道误码率（BER）抵达 1E-11 以下，为客户应用场景提供充足余量。3）2020 年 10 月，在董事长兼 CEO 那庆林先生的安排下，公司通过协议方式完成私有化，有利于 整合资源，优化配置，提升业务灵活性。

探测器：SPAD 替代趋势成共识，聚焦本土创新企业

SPAD 红外方面的国产替代需求较为强烈。国外在上世纪 90 年代就开始研究 SPAD 了，大概在 4-5 年前才开始真正实现规模化商业落地；而国内起步较晚，国内 SPAD 的研 究则始于 4-5 年前。