（报告出品方/作者：万和证券，朱琳，潘子栋）
一、产业概括：激光雷达3D感知性能优越，应用市场广阔
（一）激光雷达：利用激光实现3D感知
激光雷达（Lidar）是利用激光实现3D感知的现代光学遥感技术。激光雷达的工作原理类似蝙蝠的回声定位，只不过以激光脉冲代替声波作为信号，通过向探测目标发射携带振幅、频率、相位等信息的激光束，分析、处理反射光束的时间差和相位差等信息，测算出目标的方位信息。
构成：包含测距系统、扫描系统和控制系统三部分。1、测距系统，由激光发射器、光电探测器和光学元件组成，其中激光发射器负责向目标物发射调制后的光波，光电探测器负责将经目标物反射回来的光信号处理为电信号，光学元件则用于校准发射的激光线束和聚焦反射回来的光线。2、扫描系统，用于控制激光线数在不同方位、垂直角度的转向变化，由点成面从而捕获空间内上百万个稠密且精准的点云数据，形成激光雷达的感知范围。3、控制系统，由主控芯片及信息处理单元组成，负责光电信号的控制和点云数据的处理。
特性：激光具有高亮度性、高方向性、高单色性和高相干性的特点，因此利用激光进行感测的激光雷达相较于摄像头、毫米波雷达等环境监测传感器具有一系列独特的优点。1、主动探测，能够自主提供光源，不依赖于外界光照条件，直接获取目标的距离、角度、反射强度、速度等信息；2、高分辨率，工作于光学波段，频率比微波高2～3个数量级以上，因此具有极高的距离分辨率、角分辨率和速度分辨率；3、强抗干扰，激光束发散角小、波长短、多路径效应小。
功能：空间中的任何一点都可由距离、方位角和仰角三个坐标确认，根据激光雷达的工作原理，可以准确的对目标物测距、测速、测角，由此形成激光雷达的主要功能。1、三维立体成像。在单点激光测距的基础上，通过线扫描和点阵扫描的方式，激光雷达每秒可捕获目标物在空间内上百万个稠密且精准的点云数据，继而得到目标动态的距离-角度-角度图像，又称为三维图像；2、高精度定位。激光雷达配合全球定位系统（GNSS）及惯性导航系统（INS），可以将点云方位数据处理成高度精确的地理配准（x、y、z）坐标，继而实现全局的高精度定位。
（二）发展历程：测绘起步，车载普及
激光雷达行业积累近60年，在功能上从测距发展到测角、测速，在设计上从单点发展到平面、3D，在应用上从军用延伸至商用、民用，具体来看主要历经以下四个阶段：航天与军事领域科研阶段（年代～年代）：世界上第一台激光发生器诞生于年，此后不久基于激光的探测技术开始得到发展。最早且最简单的激光雷达就是激光测距仪，由美国宇航局和美国军方开发，用于月球测距；此后又扩展到研究用于对洲际导弹等其他飞行器的瞄准和跟踪的激光雷达，年研制出用于导弹初始跟踪测量的激光雷达，同时测角、测距、测速，是世界上第一部完整而实用的激光雷达。
工业与商业测绘应用崛起（年代～年代）：激光雷达商业化技术起步，二极管系统提高了激光雷达的紧凑性、单线数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、GPS民用技术精度达到了厘米的量级促进了激光雷达测量技术与定位系统结合。这期间RIEGL及FARO（法如）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（西克）及Hokuyo（北洋）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。
无人驾驶领域初步探索（年代～年代）：21世纪，随着扫描、摄影、卫星定位及惯性导航系统的集成，利用不同的载体及多传感器的融合，实现了激光雷达三维影像数据获得技术的突破，激光雷达对三维环境高精度重建的应用优势得到了空前认可，并从政府技术垄断向大幅度商业化渗透。年开始的美国国防高级研究计划局无人驾驶挑战赛（DARPAGrandChallenge）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。车载激光雷达车规化发展也在这一时间起步，年Ibeo同Valeo（法雷奥）合作进行车规化激光雷达SCALA的开发，并于年实现量产，此后采用转境、MEMS、nm新型技术方案的激光雷达公司Innoviz、Luminar等相继出现。
车载应用逐步铺开（年～）：随着智能驾驶向L3阶段进阶，激光雷达行业也随之进入高速发展期，在高级辅助驾驶领域的应用得到不断发展，激光雷达技术开始朝向芯片化、阵列化发展，境外激光雷达公司迎来上市热潮，同时不断有巨头公司加入激光雷达市场竞争。
（三）下游应用：领域广泛，车载前景可观
凭借优越的三维成像和高精度定位功能，激光雷达已广泛应用于科学研究和社会发展的各个领域，早期主要被广泛应用在航空航天、测绘、风电等领域，随后受汽车智能化的驱动，在车载领域迅速发展，具体来看：市场规模：根据MordorIntelligent数据，-年激光雷达市场总规模为15.35-16.37亿美元，预计到年激光雷达市场总规模将达到57.92亿元，-年复合增长率高达20.89%。应用占比：传统的环境测绘是激光雷达最主要应用，年市场规模已有10.85亿美元，占比高达66.28%，用于地形测量、风速监测、农林测绘等；其次是工业测量应用，年市场规模有4.15亿美元，占比25.35%，用于工业自动化、物流、智能楼宇等场景；汽车应用占比最小，但潜力可观，年市场规模约为1.38亿元，占比8.43%。
市场潜力：根据MordorIntelligent数据，随着智能汽车的快速上量，辅助驾驶（ADAS）系统市场占比快速提升，-年复合增长率高达.46%，除此之外无人驾驶领域依旧是激光雷达的车载主战场，-年复合增长率达12.87%；工业及环境测绘增长较慢，-年复合增长率分别为6.42%和4.34%。
二、产业阶段：高阶智能驾驶呼之欲出，激光雷达蓝海开启
（一）技术阶段：智能驾驶需求逐级递进，激光雷达必要性显现
感知层是智能驾驶的起点，传感器是感知层的核心美国汽车工程师学会（SAE）将智能驾驶的发展按驾驶控制权的归属分为六个阶段：L0-L2为较低阶辅助驾驶阶段，由驾驶员主导、系统辅助完成；L3-L5为高阶智能驾驶阶段，驾驶决策责任方逐步由驾驶员过度到系统。智能驾驶按技术架构分为感知、决策和执行三个层次。感知层是汽车的“眼睛”，主要负责对环境信息和车内信息的采集与处理；决策层是汽车的“大脑”，依据感知信息来进行驾驶决策判断；执行层相当于汽车的“四肢”，按照决策结果对车辆进行控制。这其中，感知层是实现智能驾驶的基础和前提，在信息传输上归纳为三个层面：1、物理信息，包括姿态、速度、形状、温度、能耗等；2、语义信息，辨别物体的类别；3、行为预测，预测物体的行为。
智能传感器是感知层的硬件核心。感知层通过传感器实现对信息的感知，根据作用机理不同分为传统传感器和智能传感器，前者主要负责车辆对自身状态的感知，安装在动力总成、底盘系统等汽车关键部位，该类传感器多以MEMS工艺生产，具有低成本、高可靠性、小体积等优势。后者负责从车辆外界获取信息，是智能驾驶感知层的硬件核心，主要包括车载摄像头、毫米波雷达、激光雷达、超声波雷达四大类别的硬件传感，具备两个显著特征：1）量少价高，与传统传感器相比，智能传感器数量少且价格高，基本都在百元以上，占据了汽车传感器总成本的绝大部分；2）量随级升，随着汽车SAE等级提升，为了提高感知冗余，所需配备的智能传感器数量随之增多。
激光雷达感知性能优越，帮助提升智能驾驶安全冗余
摄像头、毫米波雷达、超声波雷达以及最新出现的激光雷达特色鲜明，在探测精度、感知范围、环境抗干扰及成本等方面各有所长，组成了智能驾驶感知系统的“主力阵容”。摄像头：技术成熟成本可控，成为最主要的视觉传感器。摄像头类似人眼，可对物体几何特征、色彩及文字信息进行识别，借助算法可实现对障碍物距离的探测，技术成熟成本可控，因而成为L2及以下ADAS系统中最主要的视觉传感器，但受光照及恶劣天气影响大，识别准确率在长尾场景存在安全隐患。毫米波雷达：全天候性能佳，但探测精度有限。毫米波雷达工作原理类似激光雷达，具有同时测距和测速的功能，有效探测距离可达m，由于波长较长，对烟雾、灰尘的穿透力、抗干扰能力强，可全天候工作，但角度分辨能力通常较弱，难以判断障碍物的具体轮廓，对小尺寸障碍物的判断更加模糊。
超声波雷达：最早上车，适用近距离停车辅助。技术成熟、成本低，抗干扰能力强，但测量精度差，测量范围通常小于5m，主要用于停车辅助，是最早上车且应用数量最多的智能传感器。激光雷达：技术难度大、成本高，尚未规模量产。测量精度高、范围广，可以实时构建车辆周边环境3D模型，受限于技术难度大、成本高，目前尚未大规模量产上车。激光雷达与对其他智能硬件传感器不是替代而是功能的补充叠加。相较摄像头和毫米波雷达，激光雷达所见即所得，能够实现三维实时感知，避开了对算法和数据的高度依赖，在探测精度、可靠性和抗干扰能力等方面具备特色优势，能够规避部分长尾场景存在的感知失灵情况，可显著提升智能驾驶系统的可靠性和冗余度，因而被大多数整车厂、Tier1认为是L3+智能驾驶（功能开启时责任方为汽车系统）必备的传感器。
多传感器融合成趋势，L3+阶段激光雷达后来居上
智能驾驶需要传感器满足成本、可靠性、距离、精度等不同维度的需求，由于各类传感器互有优劣，难以替代，因此多传感器融合已成为大势所趋。要实现高级别的智能驾驶，仅靠不同传感器之间简单的堆叠和并列是远远不够的，通过主次分明、有机统一的传感器融合方案，激发核心传感器之间的“化学反应”，实现更优异的感知表现，并使辅助传感器对系统整体能力做到恰到好处的补充，才是打造智能驾驶车辆感知系统的必要之举。目前对于智能驾驶的感知层融合配置，市场上主要有两大技术流派：
一类是“摄像头主导”方案，感知系统由摄像头主导+毫米波雷达组成，轻感知重算法，以特斯拉为典型代表；另一类是“激光雷达主导”方案，感知系统由激光雷达主导+摄像头+毫米波雷达组成，重感知轻算法，以Waymo、百度等无人驾驶型企业和蔚来、小鹏、理想等造车新势力为典型代表。
“摄像头主导”方案依赖人为干预，在L2以及下阶段占据优势。“摄像头”方案采用“摄像头”+“算法”完全模拟“人眼”+“人脑”的纯视觉驾驶行为，依赖大量的数据训练来提高感知的准确度，在技术成熟度、成本上具备优势，但在精度、可靠性上都有局限，尤其在应对汽车高速行驶等长尾场景时，摄像头+毫米波的组合对于非标准静态的物体也有一定的识别障碍，需要驾驶员的大量干预。因此，在L2及以下的智能驾驶阶段，“摄像头主导”方案占据优势。现阶段特斯拉已凭借先发销量优势，通过数据积累上的高墙垒筑，在L2阶段便与其他新势力拉开了差距，独占绝对优势。
“激光雷达主导”方案增强感知系统冗余，助力L3+智能驾驶的实现。“激光雷达”方案重感知重算法，精度高、抗干扰能力强，配合高精度地图更能实现精准定位。随着智能驾驶向L3进阶，驾驶员的参与度会大幅度减少，单纯的“眼见为实”已不再满足车辆智能驾驶的需求。激光雷达具备高精度、高可靠性，配合摄像头和毫米波雷达，能增强系统的可靠性、冗余性，有望在L3+阶段成为汽车传感器中不可或缺的一部分，并且借助差异化竞争优势，也有望成为除特斯拉外的造车新势力实现弯道超车的有效手段。
（二）时间节点：年激光雷达迎来规模量产元年
年车企普遍规划从L2向L3级别智能驾驶进阶路径。自年起全球范围内L3级辅助驾驶量产车项目就处于快速开发之中：BMW（宝马）预计在年推出具有L3级智能驾驶功能的BMWVisioniNEXT；Mercedes-Benz（梅赛德斯-奔驰）首款L3级智能驾驶系统将于年在新款S级车型上推出；Volvo（沃尔沃）预计在年推出配备激光雷达的智能驾驶量产车型，实现没有人工干预情况下的高速行驶；Honda（本田）计划于年在其Legend车型上提供L3级智能驾驶系统。
截至年上半年已经有汽车厂商已经推出具有L3级智能驾驶功能的车型：年3月本田正式发售了全球首款获法律许可的L3级智能驾驶的车辆LegendEX，可在日本本土指定路况下使用L3级智能驾驶功能；年3月长安汽车发布了全新车系“引力”下的首款车型UNI-T，实现L3级智能驾驶车型量产；年4月，宝马已经推出具备了L3级智能驾驶可能的全新BMW7系；年5月初，奔驰宣布支持L3级（有条件）智能驾驶功能的DRIVEPILOT智能领航系统将于德国市场率先上市，涉及车型为S级轿车与全新纯电动EQS。除了传统车企外，一些造车新势力像特斯拉的ModelY已经达到L2+级别，国内蔚来的ET7、小鹏的P5也已实现L3级别的智能驾驶。
年激光雷达有望规模量产并迎来装车小高潮。随着乘用车逐步发展到L3+阶段，“视觉计算”方案不再满足智能驾驶的感知要求，乘用车市场在迎来了激光雷达装车小高潮，像小鹏新一代P7搭载大疆Livox激光雷达，该车型目前已经于年3月开始预售；年12月法雷奥官方宣布其第二代SCALA激光雷达将搭载于新款奔驰S级之上，可实现L3级智能驾驶；蔚来ET7搭载Innovusion图达通激光雷达在年1月9日就已经正式上市，并于年3月28日开启交付；除此之外Luminar、Cepton、Aeva、华为、大疆、速腾聚创、一径科技、禾赛科技等激光雷达公司已经拿到或正在交付前装量产订单。
（三）市场空间：车载激光雷达市场有望达到百亿级别
参照第一部分MordorIntelligent预测数据，激光雷达在辅助驾驶（ADAS）汽车+无人驾驶汽车市场总规模将从年的1.05亿美元增长到年的37.90亿美元，复合增长率达到66.72%。考虑到激光雷达作为智能汽车L3级别以上自动驾驶传感器的关键，即将迎来行业向上拐点，市场增长潜力可观，我们依据激光雷达的出货量、价格变化数据，在年的数据基础上，重新测算激光雷达在在乘用车和无人驾驶车领域的市场空间。
参照FrostSullivan提供的数据，年约有10万台激光雷达被用在乘用车和无人驾驶车上，到年激光雷达上车数量将达到万台，按照机械式、半固态/固态（MEMS、3DFlash/OPA、FMCW）划分，机械式激光雷达将从年的$5,均价逐步下降到年的$2,，MEMS和3DFlash/OPA激光雷达将从年的$1,均价逐步下降到年的$，FMCW激光雷达将在年首次上车，均价将从年的$1,下降到年的$。我们通过“机械式Lidar出货量×机械式Lidar均价+半固态/固态Lidar出货量×半固态/固态Lidar均价”来测算全球车载激光雷达的市场空间，得出年全球车载激光雷达市场规模将达到约70.3亿美元，到年更是有望达到.7亿美元。
三、产业趋势：技术尚未收敛，车规和成本决定发展
从激光雷达产业发展趋势来看，我们认为技术决定性能，是激光雷达行业的“敲门砖”；车规认证可靠性，是激光雷达行业的“入场券”；而成本制约量产，是激光雷达规模化量产的“催化剂”，在产业发展的过程中主机厂商将会一直寻找性能、可靠性、成本三者可行的有效均衡。现阶段激光雷达上车早期尚处于技术驱动阶段，性能是首要考量因素，随着技术的成熟和产业的发展，可靠性和低成本将成为接下来验证和量产阶段的角逐重心，这也是激光雷达上车和量产的决定因素。
（一）技术路径：技术尚未收敛，路线百花齐放
激光雷达目前尚处技术驱动阶段，技术路线百花齐放，需要随着产品的量产持续验证。按照激光雷达的构成和原理，测距原理、激光波长、发射装置、接收装置、扫描方式是激光雷达的五大技术维度，不同的维度衍生出不同的技术发展方向，下游主机厂依照这五个维度设计组合形成特色技术方案，不同的技术路径又导致激光雷达成品在测距、测速、测角、精度、范围、功耗、集成度等性能上的差异，继而决定了各主机厂的产品能力和远期潜力。
测距原理：测距方式分为TOF和FMCW
激光雷达主要有两种测距方法，一种是基于时间的测量方法，通过计算发射激光脉冲和接收激光脉冲所需的时间得到目标距离，称作飞行时间法（TOF，time-of-flight）；另一种是基于频率的测量方法，将发射的激光进行调制后测量往返光波的频率差与相位差测得目标距离，称作连续波调频相干检测法（FMCW，frequency-modulatedcontinuouswave），结合多普勒效应还可以同时计算出物体每个像素点的速度数据。ToF工艺成熟、成本合理，是目前市场车载中长距激光雷达的主流方案；FMCW具有可直接测量速度信息以及抗干扰（包括环境光和其他激光雷达）的优势，未来随着FMCW激光雷达整机和上游产业链的成熟，ToF和FMCW激光雷达将在市场上并存。
发射端：nm半导体激光器是主流，nm光纤激光器是趋势
从光源上看，市场上激光雷达最常用的波长方案是nm和nm。激光是一种单一颜色、单一波长的光，根据发生器的不同可以产生紫外线（10-nm）到可见光（-nm）到红外线（-1nm）波段内的不同激光。车载激光雷达波长的选择主要考量三个因素：
人眼安全：为避免可见光对人眼的伤害，激光雷达选用的激光波长一般不低于nm，nm激光工作于近红外（NIR）波段，接近可见光nm-nm频率，可穿透角膜和晶状体，聚焦在视网膜上，所以发射功率需先在在对人无害的范围内。而nm激光工作于中红外波段（SWIR），主要被角膜上的液体吸收，无法在视网膜上聚焦成点，相对更加安全。功率上限：nm激光对应的器件功率受到限制，进而影响了激光雷达的探测距离和雨雾抗干扰能力；nm激光更加安全，对应的功率上限相应提高，其探测距离和抗干扰能力也显著提高。
适配器件：波长与发光材料物理特性有关，nm激光器多用砷化镓GaAs作为发光材料，配备半导体激光器即可，nm多用磷化铟InP作为发光材料，其工作波段需配备体积较大的光纤激光器。此外，特定的波长需要特定材料制成的探测器吸收，nm波长的激光可被硅基材料吸收，nm波长的激光需要铟镓砷InGaAs材料才可高效率吸收。
从激光器种类上看，当前阶段主要方案有边发射激光器（EdgeEmittingLaser，EEL）、垂直腔面发射激光器（VerticalCavitySurfaceEmittingLaser，VCSEL）和光纤激光器。其中，前两者均属于半导体激光器，具有电光转换效率高（最高可达到60-70%），体积小、重量轻（常用产品体积仅仅为立方厘米量级），寿命长、可靠性高（高功率亦可实现上万小时），集成度高、成本低（同一片半导体晶圆上实现大量激光二极管芯片的集成）的特点。
EEL激光器长期占据主流。EEL作为探测光源具有高发光功率密度的优势，但EEL的激光是沿平行于衬底表面发出，其发光面位于半导体晶圆的侧面，使用过程中需要进行切割、翻转、镀膜、再切割的工艺步骤，往往只能通过单颗一一贴装的方式和电路板整合，而且每颗激光器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，极为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激光器逐步成熟。VCSEL出光方向垂直于衬底表面，发光面与半导体晶圆平行，具有面上发光的特性，其所形成的激光器阵列易于与平面化的电路芯片键合，在精度层面由半导体加工设备保障，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。传统的VCSEL激光器存在发光密度功率低的缺陷，导致只在对测距要求近的应用领域有相应的激光雷达产品（通常50m）。近年来国内外多家VCSEL激光器公司纷纷开发了多层结VCSEL激光器，将其发光功率密度提升了5-10倍，这为应用VCSEL开发长距激光雷达提供了可能。
光纤激光器配套nm发光功率要求。光纤激光器体积较大，由种子源、泵浦源、以及增益光纤构成，所生产的激光光束质量优异，功率高、调制速度快，可以实现超远距离感测，但价格也较为高昂，主要取决于nm技术的突破和需求的放量。
综合而言，nm半导体激光器是当下的主流选择，nm光纤激光器是未来发展趋势。波长为nm的激光雷达采用EEL/VCSEL半导体激光器为发射源，具有成本较低和技术成熟的优势，但考虑到人眼安全要求，激光功率受到明显限制，使得传感器在探测距离和信噪比上物理受限。波长为nm的激光雷达一般配备光纤激光器，其发出的激光远离人眼吸收的可见光光谱，安全功率达到纳米的40倍，可以发射更高的功率增加探测距离、点云分辨率和抗干扰能力，但无法被常规的硅探测器吸收，需要外部电源、复杂的电子控制装置以及配套的接收器，因此体积庞大、技术面临着更大的复杂性。
接收端：APD是当前主流，SPAD/SiPM是未来趋势
光电探测器利用光电效应将光信号转变为电信号。灵敏度、反应速度和抗干扰性是衡量光电探测器的主要指标，从类别上区分，传统探测器为PIN光电二极管和APD（雪崩二极管），新型探测器有SPAD（单光子雪崩二极管）和SiPM（硅光电倍增管）；从材料上区分，探测材料有Si基CMOS工艺，主要用于nm波长探测，也有灵敏度较高的InGaAs探测器，主要用于nm波长探测。一般而言，光电探测器的选择取决于其接收到的激光波长。
PINPD：针状光电二极管，由P-I-N结组成，工作于反偏压，无增益，探测距离较短；APD：雪崩二极管，PN结加大反向电压后会产生雪崩现象，在低于击穿电压的偏置电压下工作，对微弱光电流产生放大作用，但工作电压较大，噪声也被放大；SPAD：单光子雪崩二极管，工作在盖革模式（远高于击穿电压的反向偏置电压）下的雪崩二极管，具有单光子检测的能力；SiPM：硅光电倍增管，由APD阵列组成，具有增益高、工作偏置电压低、受温度影响小、对磁场不敏感、能够实现高度集成化的优势。
nm激光器探测APD是主流方案，SPAD/SiPM是未来趋势。APD采用分立器件模式，技术较为成熟，在nm探测的PDE可优化达到80%，成为目前使用最为广泛的光电探测器件。单光子雪崩二极管（SPAD）和硅光电倍增管（SiPM）在增益能力、大尺寸阵列的实现和易用性上较APD更加优越：1）SPAD或者SiPM/MPPC是工作在盖革模式下的APD，理论上增益可达到APD的万倍以上，但系统成本与电路成本均较高；2）SiPM是多个SPAD的阵列形式，可通过多个SPAD获得更高的可探测范围以及配合阵列光源使用，更容易集成CMOS技术，具备规模量产的成本优势；3）由于SiPM工作电压较低，不需要高压系统，易于与主流电子系统集成，内部的百万级增益也使SiPM对后端读出电路的要求更简单。
扫描方式：半固态率先上车，纯固态为最终趋势
从线束转向（或称扫描）方式来看，激光雷达技术路径正朝着机械式-半固态-纯固态的方向不断迭代。其中，机械式激光雷达产品已经在无人驾驶领域得到了广泛应用；半固态式激光雷达式是机械式和纯固态式的折中方案（较机械式只扫描前方一定角度内的范围；较纯固态式仍有一些较小的活动部件），是目前阶段量产装车的主流产品，具体包括微振镜方案、转镜、棱镜方案；纯固态激光雷达工艺级别最高，具体包括相控阵（OPA）方案、Flash方案等，有望成为终极方案。
纯机械旋转式：高性能与高成本并存，最早上车的激光雷达。原理：通过不断旋转发射头，将速度更快、发射更准的激光从“线”变成“面”，并在竖直方向上排布多束激光，形成多个面，从而达到动态扫描并动态接收信息的目的。性能：机械雷达是研发最早、发展最成熟的激光雷达，由于带有机械旋转结构，可以通过°物理旋转进行3D扫描，而缺点也很明显，一是高频的转动和复杂的机械结构致使其平均的失效时间仅1-3小时，难以达到车规级设备最低13小时的要求；二是机械式激光雷达复杂的结构也不易控制成本，高昂的售价也是影响其广泛装备量产车型的一大因素。
应用：机械旋转多线激光雷达的主要供应商有Velodyne、速腾聚创、禾赛科技，产品主要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6年到年一度是机械旋转激光雷达市场的最主要提供方，其在7年便推出了64线机械式激光雷达产品，成为首个商业化大规模量产的3D激光雷达。
转镜方案：最早实现车规级应用，有望阶段性率先起量。原理：转镜方案将激光收发模组固定，在前方布置两面可旋转的镜子，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，从而实现限定范围内的探测扫描。在转镜方案中，存在一面扫描镜（一维转镜）和一纵一横两面扫描镜（二维转镜）两种技术路线。一维转镜线束与激光发生器数量一致，而二维转镜在一维转镜的基础上增加了俯仰的转动，可以实现等效更多的线束，在集成难度和成本控制上存在优势。性能：转镜方案在功耗、散热等方面有着更大优势，但是存在信噪比低，有效距离短，FOV视场角受限等问题。
应用：年7月，奥迪A8搭载的法雷奥四线转镜式激光雷达SCALA1是业内首款车规级激光雷达产品，华为的等效96线激光雷达用的就是二维转镜技术。目前转镜方案代表品牌有华为、法雷奥、禾赛、Innovusion等。
棱镜：大疆一枝独秀，绑定小鹏P5。原理：棱镜激光雷达也称为双楔形棱镜激光雷达，内部包括两个楔形棱镜，激光在通过第一个楔形棱镜后发生一次偏转，通过第二个楔形棱镜后再一次发生偏转，累积的扫描图案形状若花朵，而并非一行一列的点云状态。性能：相比MEMS微振镜和转镜方案，棱镜激光雷达可以通过增加激光线束和功率实现更高的精度和更远的探测距离，不过也存在中心区域点云密集，两侧点云相对稀疏的情况，机械结构也相对更加复杂，体积较前两者更难以控制，存在轴承或衬套的磨损等风险。应用：目前发力棱镜激光雷达的主要有大疆旗下的Livox览沃，从车规级应用来看，小鹏P5配备2颗大疆Livox车规级棱镜式激光雷达，另外大疆Livox也获得了一汽解放量产项目的定点。
微振镜：现阶段量产上车主流。原理：MEMS（Micro-Electro-MechanicalSystem）微振镜方案通过控制微小的镜面平动和扭转往复运动，将激光反射到不同的角度，以此达到等效机械式更多线束的扫描覆盖。性能：MEMS将扫描单元变成了毫米级尺寸MEMS微镜，具有尺寸小、可靠性高、成本可控、分辨率高等优势，但也存在信噪比低、有效距离短、寿命短等问题。应用：Luminar、Innoviz、速腾聚创、雷神科技等。
OPA光学相控阵：工艺难度极高，尚处实验室阶段。原理：OPA（opticalphasedarray）光学相控技术运用相干原理，采用多个光源组成阵列，通过控制各光源发光时间差，合成具有特定方向的主光源，并在在程序的控制下可使一束或多束高强度光束按设计指向特定空域扫描。特性：采用纯固态器件，具有体积小、耐久度高的优点。但是，对激光调试、信号处理的运算力要求很大，同时对材料和工艺的要求都极为苛刻，因此成本也相应的居高不下。应用：多处于实验室或初步测试阶段，Quanergy于年发布的S3型固态激光雷达是业内第一款使用相控阵技术的产品。
Flash闪光：目前纯固态激光雷达的主流技术方案。原理：Flash激光雷达的原理类似于黑夜中的照相机，不是通过扫描的方式，而是在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度灵敏的接收器实现对环境周围图像的绘制，最终生成包含深度信息的3D数据。性能：结构简单，能快速记录整个场景，但在探测精度和探测距离上会受到较大的影响。应用：主要用于较低速的无人驾驶车辆，例如无人外卖车、无人物流车等，对探测距离要求较低的智能驾驶解决方案中，代表品牌包括Ibeo、大陆、Ouster等。
（二）上车节奏：车规是第一要义，优先选择成熟度高的转镜/MEMS方案
“车规级”认证是激光雷达从0到1阶段的前提
车规是短期要义，是进入汽车行业的门槛。车规级是指能够通过车企的一系列认证测试，拿到项目定点资格。对于车载应用，汽车电子元件需要在极其严苛的环境下长时间地工作，加上汽车的车型生命周期较消费级产品要长得多，单个器件的失效率叠加上汽车较大的销量及长期的使用便会急剧放大，因而衍生出各类电子元器件有关生产制造和性能的特定行业标准。业内主要相关的车规认证标准有IATF、ISO、AEC-Q系列等，从功能、质量、稳定性等各个维度采取铁腕级标准，要求各个部件能够在多样化的压力及动态环境下保持长期稳定、高效的工作状态。其中，AEC-Q系列认证是车规元器件的通用测试标准和基本门槛，ISO是全球公认最权威的汽车功能安全标准，IATF则是世界范围内共同和唯一的汽车行业质量管理体系的基本要求，像Quanergy、速腾聚创等已获得其认证。
激光雷达技术差异大，暂无标准化且量化的车规级准入标准，新进入企业即使通过车规级认证，还需要经过下游汽车厂商长时间的测试和认证，才算达到“车规级”标准。一般而言，一个车规级元器件从发布到量产需经历器件规划→工程样片→量产→停产的生命周期。从器件规划到工程样片阶段，Tier2制定规划（Roadmap），并经与Tier1及OEM调研后进行产品开发设计，一般需1年以上时间；从工程样片到量产阶段，Tier2厂商一方面需获取车规认证，满足量产基准要求，此过程约1年以上时间，另一方面需同步推进下游验证，Tier2先向Tier1提供免费工程样片满足其预研（advance）项目设计导入，此阶段需要1年以上时间，接着Tier2提供量产芯片/元件，Tier1用其进行DV（Designvalidation设计验证），最后采用新器件的Tier1的项目SOP（StartOfProduction，代表具有大批量成熟生产工艺的产品件），OEM采用此Tier1产品的车型也同步量产，此过程也需1年以上时间；从量产到停产阶段，一般能够保持10-15年的稳定供货时间。
参照以上流程，我们可以将激光雷达产品的车规级定义为满足如下四个条件：1、产品所采用的所有电子元器件获得车规级认证（AEC-Q系列认证）；2、产品满足汽车电子设计开发要求；3、产品满足大型车企测试要求；4、产品实现批量前装。
全产业链深度合作加快激光雷达上车进程。从激光雷达的实际上车流程来看，参照Velodyne、Luminar和速腾聚创梳理，激光雷达厂商需经历Pre-RFI（提前信息获取）→RFI（信息获取）→RFQ（报价获取）→ProductionContract（生产订单）四个阶段，仅考虑Pre-RFI到ProductionContract阶段，激光雷达厂商需提供Demo、A样、B样、C样…、SOP等多次样品迭代，一般而言Demo和A样属于原型样件，主要是用于基本功能的验证和工程测试，B样属于产品研发主要阶段，持续时间长，决定产品绝大部分功能设计，一般并引入样板线，C样代表采用量产工艺的试生产样件，已通过相应的可靠性验证，将对生产工艺持续改进；SOP代表具有大批量成熟生产工艺的产品件。
Velodyne预测整个流程可能会长达两年多，若加上前期调研及立项，还有4月-1年的时间；Luminar规划的IRIS激光雷达从工程研发到批量生产也历时两年半。而要完成这样的流程，传统的整车厂、Tier1、Tier2这样链式的供应商关系已经不足满足，激光雷达产业链正走向深度合作，比如Innovusion与上游供应商之间是在产品研发环节就进行不断的磨合，与下游整车厂蔚来在整个开发过程中，就互相进行了资金以及资源的协调，使得激光雷达的产品性能与上车速度提升更快。
