您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[德邦证券]:电子行业深度:激光雷达千亿蓝海,商用元年投资价值凸显 - 发现报告
当前位置:首页/行业研究/报告详情/

电子行业深度:激光雷达千亿蓝海,商用元年投资价值凸显

电子设备2022-04-06陈海进德邦证券劣***
电子行业深度:激光雷达千亿蓝海,商用元年投资价值凸显

激光雷达作为核心传感器具备高发展潜力:自动驾驶高速发展,尽管业内主要分为以特斯拉为代表的纯视觉,以及以激光雷达等多传感器融合为代表的两大阵营,然而通往L3级及以上级别的自动驾驶大概率对纯视觉方案下的算力能力提出极高且难满足的要求,与此同时随着激光雷达等多传感器融合为代表的方案技术不断革新,低成本方案逐渐成为可能,我们看好其作为L3级及以上智能驾驶的核心配置的高发展潜力。 降本促进大规模商业化,千亿蓝海市场可期:随着L3级自动驾驶的不断落地,激光雷达也将在乘用车市场持续渗透。从单价趋势看,激光雷达技术不断迭代进步、未来商用大规模量产可期,预计激光雷达价格将由2021年的1500美元/颗下探至2025年的400美元/颗。从乘用车市场激光雷达的需求看,预计全球的需求量将由2021年的19万颗提升至2025年的2704万颗;国内的需求量预计由2021年的10万颗提升至2025年的1399万颗。根据我们测算,2025年全球及中国车载市场激光雷达市场规模分别为127亿美元、66亿美元左右,两大市场2021-2025年CAGR均接近150%。 技术路径处于百家争鸣的状态,目前仍以 905nm 波长、ToF测距方式的半固态激光雷达为主,建议关注未来 1550nm 波长、FMCW测距方式的固态激光雷达的发展动态:车载激光雷达技术路径众多,核心关注能否过车规以及成本问题。按扫描方式分:主要有机械式、半固态式、固态式三类激光雷达,目前半固态方式以其相比于机械式方案更低的成本及满足车规要求而占据主流地位,从长期看,固态式方案采用半导体工艺将激光雷达一些核心部件集成于芯片进一步缩小体积,随着未来纯固态方案的进一步成熟,有望得到商业化大规模采用。按测距方法分:ToF性能优越,能克服三角测距法的距离限制问题,精度也更高,是目前车企的主流运用方案,FMCW理论优势更为显著,由于技术门槛导致价格较高,目前仍未量产,建议未来关注其较高发展潜力。按激光发射端分:EEL发光功率密度高但人工装调技术要求高导致成本高企,而采用半导体加工设备的VCSEL能够保障精度和质量一致性,国内外已有多家VCSEL激光器公司开发的多层结VCSEL激光器可以解决其发光密度功率较低的问题,我们看好EEL向VCSEL发展,此外PCSEL作为两者集成方案性能集成的良好发展前景,建议关注其未来商用化进程。按激光探测分:目前APD技术成熟,是应用最广泛的探测器,而SPAD /SiPM可以解决光子探测效率、工作电压要求低、采用成熟CMOS半导体工艺制造使其具备成本优势,看好从PD/ APD向SPAD /SiPM进发的趋势。按信息处理方式分:主流方案为FPGA,在未来线列、面阵规模发展之下,以及逐步升级的CMOS工艺节点,单光子接收端SoC的运算能力将更强、功耗更低、集成度更高,看好SoC的长期发展。 产业链上游国产品牌迎发展机遇:激光雷达上游主要为光学、电子元器件制造厂商,目前领先的元器件供应商欧美厂商入局较早且水平领先,海外龙头垄断上游芯片市场,收发及光学元件领域国产品牌崛起,未来前景乐观,上游产业链中激光发射器、探测器、扫描部件等领域投资机会丰富。激光雷达中游主要为激光雷达集成产品制造商,因激光雷达壁垒相对较高、技术路线尚未收敛,目前全球激光雷达竞争格局仍较分散,海外厂商具备先发优势,如法国Tier 1公司Valeo(法雷奥)作为全球首个发布车规级激光雷达Valeo SCALA并实现量产的厂商,以28%的市场份额居于全球首位,此外,中国速腾聚创、大疆、图达通、华为、禾赛等国内头部玩家也均有所突破。激光雷达下游主要应用领域为无人驾驶、高级辅助驾驶、机器人、车联网、测绘、高精度地图、消费服务业等,目前产能稀缺导致供不应求,激光雷达整机制造商对下游定价权较强,行业整体盈利空间较大。 投资建议:我们认为随着激光雷达商用元年到来,整体放量节奏加快,产业链上游相关供应商及中游激光雷达整机制造商将显著受益于激光雷达行业的高景气度。 尤其是产业链上游激光发射器领域与光学部件领域,前者有国内厂商在日欧美等海外厂商积淀已久情形下已经逐渐取得一些突破,后者有国内成熟的产业链造就的领先成本优势。中游整机厂商也凭借后发优势推出具有竞争力的产品,已经获得众多车企定点。 1)产业链上游元器件领域受益确定性较强,建议关注: 激光发射器端:激光发射器端在激光雷达整体BOM成本占比较高。国内激光器供应商入局虽晚但发展势头迅猛,建议关注国内领先的EEL、VCSEL发射模组供应商如炬光科技、高功率半导体激光芯片国内龙头长光华芯、光纤激光器领先企业光库科技等。 光学扫描部件:光学扫描部件在激光雷达整体BOM成本占比仅次于主板及激光发射器。相关光学元器件对不同激光雷达技术路径的通用性较强,且激光雷达视窗、透镜、转镜、滤光片、准直镜等光学元器件国内产业链成熟,国内厂商相较国外具有明显的成本优势,与中游整机厂商合作并获得车企定点的光学元件供应商将受益明显。建议关注如舜宇光学、永新光学、腾景科技、联创电子等。 2)产业链中游整机厂商国内品牌凭借逐渐崛起,建议关注: 激光雷达整机厂商主要以国外公司如Velodyne、Luminar、Innovusion、Innoviz、Valeo、大陆集团为主,国内中游整机厂商的产品竞争力渐显。建议关注性价比较高、从机械式向半固态式激光雷达产品拓展的禾赛科技、速腾聚创、以及发展进程较快的华为、已获得主流商用车应用的万集科技等。 风险提示:自动驾驶推进节奏不及预期、激光雷达技术路径收敛情况不及预期、激光雷达市场需求不及预期。 1.自动驾驶推高激光雷达关注度,量产元年迎拐点 1.1.多传感器融合为L3级及以上自动驾驶感知层方案的未来发展趋势 1)自动驾驶主要分为L0-L5五个级别,L3级以上提升对系统感知的要求。 国际自动机械工程师学会(SAE)将自动驾驶分为L0-L5五个级别,其中系统在L1-L3级阶段主要起辅助作用。从L2级升至L3级,车辆的操作控制对象发生了主要变化,L2级及以下仍旧由驾驶员负责环境的感知;L3级及以上则由系统负责环境的感知和系统全部动态驾驶任务,驾驶员不需要一直对方向盘进行掌控,仅需在特殊情况发生时对系统提出的干预请求进行回应。当自动驾驶级别上升至L4级车辆驾驶便全由系统负责,L5与L4的区别在于是在特定场景还是全场景的应用。 L0:完全人类驾驶。L1:辅助驾驶,增加了预警提示类的ADAS功能,包括车道偏离预警(LDW),前撞预警(FCW),盲点检测(BSD)等。L2:部分自动驾驶,具备了干预辅助类的ADAS功能,包括自适应巡航(ACC),紧急自动刹车(AEB),车道保持辅助(LKA)等。L3:有条件自动驾驶,具备了综合干预辅助类功能,包括自动加速、自动刹车、自动转向等。L4:高度自动驾驶,没有任何人类驾驶员,可以无方向盘、油门、刹车踏板,但限定区域(如园区、景区内),或限定环境条件(如雨雪天、夜晚不能开)。L5:完全自动驾驶,是真正的无人驾驶阶段,司机位置无人,也没有人的车内或车外的认知判别干预;无方向盘和油门、刹车踏板;全区域、全功能。 图1:SAE自动驾驶分级 2)智能驾驶的上游主要分为感知-决策-执行层三个层级 自动驾驶可以分为感知层、决策层、执行层,其中感知器主要包括车辆运动、环境感知两大类。车辆运动传感器为车辆运行过程中相关速度、角度提供全姿态的信息参数和高精度的定位信息,环境感知传感器主要由激光雷达、毫米波雷达、超声波雷达、摄像头等组成,将感知的数据融合提供给决策处理层,决策层通过中央处理系统、芯片、算法等将接收到的数据进行处理,最终输出相应的操作与指令任务给执行层,执行层则负责对此完成相应的动力供给、方向控制、车灯控制等动作。 图2:智能驾驶的感知-决策-执行层架构 3)自动驾驶的传感器配置,业内主要有纯视觉路线和多传感器融合两大阵营 目前自动驾驶主要分为两派,一派走的是以特斯拉为代表的纯视觉路线,另一派走的是以激光雷达等多传感器融合为代表的路线。 纯视觉路线以摄像头为主导,由于摄像头精确度较低,所以一般对于算法和计算能力的要求更高。特斯拉通过“D1人工智能芯片+Dojo超级计算机群+无监督学习算法”打造纯视觉路线的底层支撑,D1芯片作为Dojo超级计算机系统的一部分,可以将摄像头内收集到的视频数据进行无监督学习算法的模型训练,减少人工标注的工作量。摄像头成本较低,但劣势在于摄像头在黑暗环境中精度有所下降,因此对数据样本库的容量和模型的精度要求较高。超声波雷达、毫米波雷达、激光雷达等雷达类测距传感器融合方案精确度更高,但是由于技术尚未完全成熟,量产的成本高昂。 激光雷达性能表现优越,在目标轮廓测量、角度测量、光照稳定性和通用障碍物检出等方面突出。激光雷达由激光发射机、光学接收机、转台和信息处理系统等组成,激光雷达是以激光为工作光束,并工作在红外和可见光波段的雷达。 激光雷达通过激光器将电脉冲变成光脉冲发射出去,在探测目标的表面引起散射并由接收器将反射回来的光脉冲还原成电脉冲并送到显示器。根据激光测距原理(包括脉冲激光和相位激光)便可以瞬间测算出从激光雷达到目标点的距离,利用三维激光扫描技术不断扫描目标物获得空间点云数据,根据目标物体表面反射的能量大小、波谱幅度、频率和相位等信息可以最终建立结构精确复杂的三维立体图像。 我们认为以激光雷达等多传感器融合为代表的方案将随着技术的进步、成本的不断下探,未来预计成为L3/4级及以上智能驾驶的核心配置。目前L2级及以下级别的自动驾驶使用的方案以视觉派为主,未来随着自动驾驶向L3级及以上迈进,自动驾驶系统将负责环境感知、系统决策等功能,若沿用纯视觉方案,摄像头摄取的图形数据量将过大,基于视觉的神经网络算法将对运算能力提出极高的要求。特斯拉Model3采用的传感器为"8个摄像头(3个摄像头组成的前视摄像模组+1个后视摄像头+2个侧前视摄像头+2个侧后视摄像头)+1个毫米波雷达+12个超声波传感器",汽车大脑FSD计算机满足运算需求;采用多传感器融合的主流车企在激光雷达的配载上基本采用短程+中程+远程三种激光雷达,以及摄像头+毫米波+互补传感器来形成互补。 图3:特斯拉Model 3部署的汽车传感器位置图 图4:特斯拉Model 3自动驾驶传感器配置 1.2.激光雷达应用领域不断迭代拓宽,自动驾驶市场关注度走高 激光雷达发展历史久远,从测绘领域不断拓展,下游应用场景丰富。1960年代-1990年代初期,激光器问世,早期广泛应用于探测领域的激光雷达价格高昂。 2000年代初期-2010年代早期,海外激光雷达厂商崛起,高线数激光雷达应用于无人驾驶领域。2016年-2018年,海内外初创公司入局研究高线数激光雷达并取得突破者众多,此外激光雷达技术也从机械式逐渐创新扩展至半固态式或固态式,如半固态MEMS激光雷达、固态OPA激光雷达等,下游应用领域不断拓展至高级辅助驾驶和服务机器人领域,且已在下游应用中进行小范围商业试点。2019年至今,激光雷达发展迅速,激光雷达技术朝向芯片化、阵列化发展,Ouster推出基于VCSEL和SPAD阵列芯片技术的数字化激光雷达;调频连续波(FMCW)激光雷达技术方案开始受到市场关注,2020年海外激光雷达市场迎来上市潮。 图5:激光雷达发展历程 1.3.众多车企已实现L3级自动驾驶车辆的量产,全球自动驾驶加速渗透 目前车企要实现L4级自动驾驶技术的量产主仍存在一些难点,L3级自动驾驶量产成为近三年大部分国内自主车企的选择。目前要实现L4级自动驾驶技术的量产,主要有1)安全:传统车企经过漫长的时间发展已经在客户心中建立了较为成熟的品牌效应,历史基因决定其将安全放在首位,任何的安全事故都会对长久以来车企塑造的可靠品牌产生不可磨灭的影响。2)成本:L4级自动驾驶的产业链尚不成熟,且零部件成本高昂,短期内难以达到车企的量产条件。3)技术:L4级自动驾驶对于传感器要求更高,短期大多数车企无法一下子从L2级跨度到L4级。4)路权:政府路权对于自动