汽车激光雷达这个180多亿美元的市场，以Luminar当前技术和市场垄断性优势，足够成长起一家千亿市值的公司。

汽车自动驾驶一直雷声大雨点小，生活中实际看到的不多，但是随着自动驾驶出租车在北京和深圳运行，大众可以越来越多的接触到自动驾驶。

随着特斯拉FSD的测试版发布，是个大的突破性进展，自动驾驶离实际使用越来越近了。2021年应当是自动驾驶进入大众生活的元年。

汽车制动驾驶离不开激光雷达，虽然Musk说不用激光雷达，那是因为激光雷达贵，如果激光雷达能够达到1000美元或是500美元，我相信会Musk也会用激光雷达的。除了Musk之外，几乎所有的汽车厂商的自动驾驶都在测试激光雷达。

今年上市的激光雷达企业有Velodyne、Luminar，快要上市的Aeva，激光雷达市场由于巨大的潜力，成为资本的宠儿，2020年也是激光雷达兴起的元年。

今天我们谈谈自动驾驶激光雷达的行业颠覆者---Luminar（LAZR.US），我们不是指激光雷达行业，而是专指自动驾驶的激光雷达行业，这个是激光雷达行业最大的市场，可以养出激光雷达市场最大的鱼。

在开始讲之前，先确定几个共识：

1、根据线数的不同，激光雷达又具体分为2D、2.5D（1，4，8线）和3D（16，32，64线）三类产品，自动驾驶要3D，至少16线以上，一般64线以上，最新要求100线以上，或是对应的分辨率。固态的更多会是分辨率，Luminar已经达到300线。

2、按照目前全球主要汽车制造商的预估，1000美元以下是L4自动驾驶的激光雷达规模化采购的价格目标，而L2+、L3的价格目标在500美元以下。

3、激光雷达要想成为“车规”级产品，必须要同时满足“成本够低”、“可靠”以及“可量产”三个重要条件。

我们从投资的角度来分析Luminar。首先，我们要看行业。

01 行业适用性问题：激光雷达是不是自动驾驶必备

既然Musk在自动驾驶领域鄙视激光雷达，只用视觉方案加毫米波雷达。目前的FSD效果还不错，那自动驾驶是不是不需要激光雷达？这是要首先解决的问题，事实上，除了特斯拉，几乎所有的其他汽车厂商都在测试准备使用激光雷达。

激光雷达解决什么问题，最核心的问题就是天气、视线不好、视觉算力不足、视觉Corner情况(各种边界)的时候，激光雷达还可以继续支持自动驾驶，可以构造出三维立体图像，把自动驾驶的安全性从99%提升到99.99%。

1、激光雷达在恶劣天气的时候有优势，很多人第一直观的感觉是激光雷达不适合差天气？

这个是传统激光的认识，需要再学习汽车激光雷达知识。

普通雷达传感器可用于汽车的自适应巡航控制或者前车碰撞预警等场景，包括倒车雷达，对于毫米波雷达来说这样的工作完全可以胜任，但它受到天气的影响较大。

例如，大于天气这样的雷达的性能会大打折扣，这对于无人值守的自动驾驶汽车是致命的，一下大雨因精度下降它就不得不罢工了。所以就要求技术更高的设备，这就是激光雷达传感器。

激光雷达采用主动测距法，接收到的是物体反射回来的激光脉冲，激光雷达直接测量被测物体到雷达的距离，与立体视觉复杂的视差深度转换算法相比更为直接，而且测距更为准确。激光雷达还具有视角大、测距范围广等优点。

由于激光雷达脉冲在一定距离外会开始扩散，而且半透明物体也可进行部分反射，如车窗、下雨、雾天都会引起水滴对脉冲的某些反射，造成反射信号中的噪声。激光雷达通常通过调整发射功率及接收器敏感度来降低这种影响。

这些就需要1550nm的激光雷达了，1550 nm波长LiDAR可以加大功率，附加的软件模块能够过滤LiDAR探测的点云数据，评估扫描可靠性，以确保车辆能够在雨、雪、雾天气中的正常运行。

1550nm激光雷达在浓雾中的视野还只有30m，905 nm LiDAR传感器无法在浓雾中有效工作，新款1550 nm LiDAR是唯一能在浓雾中帮助车辆做出正确转向操作的传感器，这也是今天的主角—Luminar的主攻方向。

2、全视觉可以搞定，比如特斯拉，没必要搞激光雷达?

全视觉+毫米波雷达=静止的“公路杀手”。

相对静止的物体似乎是自动驾驶和辅助驾驶在技术升级之路上的一大障碍。

a、2016年5月，美国佛罗里达州一位男子驾驶开启着Autopilot系统的特斯拉Model S，撞上一辆正在马路中间行驶的半挂卡车，导致驾驶员当场死亡；

b、2018年初，在洛杉矶405高速公路上，一辆特斯拉Model S撞上了一辆停在路边的消防车，司机正在使用AutoPilot功能；

c、2018年，中国发生的首例“特斯拉自动驾驶”车祸致死案，车辆同样是在开启AutoPilot模式下撞上一辆停泊在高速路旁的道路清扫车；

d、2019年3月，还是在美国佛罗里达州，一辆特斯拉Model 3以110km/ h的车速径直撞向一辆正在缓慢横穿马路的白色拖挂卡车，驾驶员不幸罹难。

如果从结果上来看，这些都是处于AutoPilot开启状态的汽车无法识别被测物体而导致的意外事故。但在技术层面上，早期特斯拉产品的传感器配置和如今特斯拉产品的传感器配置已经发生了质的改变。

2016年之前的Model S使用的芯片是Mobileye公司的EyeQ3芯片技术，以单摄像头为主，辅以毫米波雷达等传感设备。

而如今Model 3使用最新的英伟达自动驾驶芯片，处理速度远超当年芯片水平。同时，Model 3车头安装了一颗前置毫米波雷达，车身四周布置8颗摄像头和12个超声波传感器。

无论是从硬件配置还是软件层面，两款产品已经不能同日而语，但最新的产品在面对类似情况时还是“无法处理”，可见，相对静止的物体仍是自动驾驶前行道路上的一大瓶颈。

理想汽车首席执行官李想曾在社交平台发表观点称：“目前摄像头+毫米波雷达的组合像青蛙的眼睛，对于动态物体判断还好，对于非标准的静态物体几乎无能。视觉在这个层面的进展几乎停滞，哪怕是动态，车辆以外的识别率也低于80%，千万别真当自动驾驶来使用。“

但分析原因大致可分为两种情况：传感器未能检测到物体；或传感器检测到了物体，但AutoPilot尚无能力及时处理这种场景。

毫米波的问题----毫米波雷达并不是不能检测静止物体，但是会过滤掉静止物体

事实上，静止物体是有意被滤波算法去除的，毫米波雷达对速度的感知是通过多普勒效应来实现的，所有物体都会产生回波，而只有去除杂波，才可以关注于真正需要跟踪的物体，一旦这个物体被跟踪上，即使它突然停住，雷达依然对它保持持续“关注。

如果不去掉静止物体，车就会在隧道口刹停。

现在量产毫米波雷达的信号天线基本只在二维方向上装备，即使有了elevation天线，对检测到的物体依然缺少高度信息，这使得街上的路牌，路边的花坛，甚至停车场的举起来的杆，隧道前的墙很难与路面上的车区分开，所以为了关注路面上的车，不得不去掉静止物体产生的回波。

摄像头的所有能力都是由历史数据训练的，实际场景不可能被全部训练过。

见过路上有水牛的人估计没多少，这种数据怎么采集？没有数据就会导致系统识别问题，场景再少也不意味着现实中没有可能出现。没有遇到之前可能是99.999%的可靠性，遇到了那就是100%的事故。

特斯拉在自动驾驶数据采集方面，是绝对的业界龙头，waymo的资金拉满也就支撑600辆车的车队，特斯拉是第一个实现数据闭环，实现由用户直接贡献数据的模式，数据量如此大也顶不住一辆侧翻的货车。

这就是自动驾驶中经典的长尾效应。事实上由于长尾效应，自动驾驶系统不可能100%安全，这一点必须被认识而且接受。你可以无限往99.9之后加9，但是你永远也无法得到100。

但是激光雷达构建三维立体环境，可以避免这些问题。

3、特斯拉的FSD全视觉自动驾驶目前测试效果很好，是不是不需要激光雷达

观看了很多FSD的实测视频，在高速上，还没有发现静止物体自动避让，目前都是在非高速下有静止物体自动避让。

高速的计算要求更高，目前的计算能力应当是难以胜任各种Corner情况的自动驾驶，可以实现一般的自动驾驶。而激光雷达可以通过构建三维图像解决这个问题。这也是为什么Luminar的创始人Russel说主攻高速自动驾驶。

就算特斯拉通过巨大的算力解决了高速自动驾驶的物体识别问题，包括静态物体识别，汽车行业其他公司恐怕没有这么强的算力。

就算用英伟达或是Mobileye的芯片，由于这两家的芯片是独立的，而自动驾驶算法是个汽车厂商的，导致无法软硬件一体化调优。

而特斯拉是可以软硬件一体化调优，加上有海量的路跑视觉数据，这些都让其他厂商无法重复特斯拉的模式，还是需要依靠激光雷达。

02 汽车激光雷达的市场规模

解决了自动驾驶需求激光雷达的问题，就看这个行业的规模。

Velodyne的S1文件显示，到2022年，激光雷达预计将成为一个价值120亿美元的庞大产业，仅汽车这一部分就有望在2026年增长到近170亿美元。6年内能达到170亿美元，是个巨大的产业。

170亿美元的市场足够支撑一个千亿市值的大公司。

随着新能源汽车的发展，自动驾驶高速