激光雷达四强对比：禾赛速腾与Velodyne Ouster技术路线及选型指南

这些年做自动驾驶传感器相关的项目，被问得最多的问题之一就是：激光雷达到底选哪家？尤其是当“禾赛+速腾”和“Velodyne+Ouster”这两组名字摆在一起的时候，几乎每个团队都会陷入纠结。一边是国产双雄，一边是欧美老牌，表面看是四个品牌的选择题，实际上背后藏着两条完全不同的技术路线、两套供应链体系，以及两种对行业未来的判断。

这篇文章我想以一个实际接触过这几家产品、参与过装车测试和设备选型的从业者角度，把这组对比彻底聊透。从四个厂商的技术基因，到机械式、半固态、数字化三条路线的优劣，再到探测距离、角分辨率、功耗、价格这些硬指标的逐个拆解，最后给出不同场景下的选型建议和避坑经验。无论你是刚接触激光雷达的学生、创业团队的硬件负责人，还是正在做前装量产规划的工程师，相信都能从中找到自己需要的那部分答案。

1. 先搞清这四个名字代表什么

1.1 四个厂商的出身与技术基因

想看懂这个对比，首先得知道这四家公司各自的“出身”和积累路径，因为它们的基因决定了它们做什么样的产品。

Velodyne是做音响起家的，创始人最早发明了360度旋转的声呐系统，后来把这个旋转思路用在了激光雷达上。它在行业里的地位非常特殊——几乎所有早期自动驾驶项目用的都是它的HDL-64E，那颗挂着大黑壳子、顶部像水桶一样的64线机械雷达，一度是自动驾驶车辆的“标配顶饰”。当时Waymo早期车辆、百度早期的测试车，车顶上顶着的都是它。如果自动驾驶有编年史，Velodyne至少占了好几页。

Ouster则走了另一条路。这家公司强调的是“数字化”，它把激光雷达的信号处理从模拟域搬到了数字域，用一颗CMOS芯片配合多光束VCSEL激光器阵列，做出了一堆没有旋转电机、没有复杂光学组件的产品。它的OS系列在外观上就是一个方方正正的盒子，内部虽然保留了一个旋转的镜片结构，但发射和接收都是固态的。Ouster在成本和可靠性上做了很多文章，早期宣传时最喜欢对比的就是“我们比Velodyne便宜、轻、功耗低”。

禾赛科技起家于一家做气体检测激光器的公司，2013年前后转型进入激光雷达领域。它最早的产品是给测绘市场做的，后来切入了无人驾驶市场。禾赛在机械式雷达上一路做到了Pandar系列，并且很快推出了128线的Pandar128，把Velodyne最有优势的领域直接正面压了过去。而真正让它拉开差距的，是2021年推出的半固态产品AT128，这款产品直接面向乘用车前装量产，从性能、体积到价格都做了大幅度的优化。

速腾聚创早期的路线和禾赛有些像，也是从机械式雷达做起的，但它在半固态路线上走得更坚决。速腾在2020年前后推出的RS-LiDAR-M1，是全球第一款实现车规级量产交付的固态激光雷达。它没有机械旋转部件，直接用了MEMS微振镜方案，体积小到可以嵌入车顶、车灯或者后视镜附近，很多新车型发布会上那个“藏在车身里的隐形雷达”，背后就是速腾这类产品。

1.2 产品线的对位关系

把产品线拉齐来看，这四家的对位关系其实很有意思：

从这张表就能看出，Velodyne和Ouster的主要阵地其实集中在L4级自动驾驶的开发市场，而禾赛和速腾虽然也做机械式，但真正的重心已经转移到了乘用车前装量产市场。这不是简单的产品线差异，而是对“未来哪里会大量出货”这件事的判断差异。

2. 技术路线之争：机械式、半固态与数字化三条路的取舍

2.1 Velodyne的机械旋转方案：曾经的王座，今天的高成本包袱

Velodyne的技术路线可以用一个词概括：大力出奇迹。它的核心思路是把几十个激光收发模组垂直堆叠在一起，整套系统放在一个高速旋转的基座上，通过360度旋转来覆盖周围环境。这种方案的优势非常明显：点云覆盖范围完整、点频高、单帧数据量大，而且技术成熟度在早期自动驾驶测试中验证得非常充分。

但机械式的代价也极其沉重。首先，每个激光收发模组都需要独立的光学对准和调校，一台64线雷达的生产和标定时间非常长，这直接导致成本居高不下。HDL-64E早期的售价一度高达8万美元左右，后来即便降到4万美元级别，对于量产车型来说依然是天方夜谭。其次，旋转结构意味着它一定有机械磨损，有寿命限制。自动驾驶出租车可以用，因为车队规模小、有专人维护，但乘用车用户不可能接受开两三年就得换一颗雷达的保养成本。

Velodyne其实不是不知道这些问题，它也尝试过推出半固态产品Velarray，但这时候一个致命的问题暴露出来：它的技术积累全部围绕机械式架构展开，从供应链到生产制造、再到研发团队的思维模式，都很难快速切换到固态化赛道。结果就是Velarray迟迟没能形成规模量产，Velodyne在老路上跑了太久，等到想转身的时候，市场已经被抢走了。

2.2 禾赛与速腾的固态化路线：从“能用”到“好用”的关键一跳

禾赛和速腾之所以能崛起，核心在于它们准确判断了行业风向的转变：激光雷达的下一个大市场不是自动驾驶测试车，而是量产乘用车。这决定了产品形态必须向“体积小、成本低、车规可靠、可以嵌入车身”的方向演进。

禾赛的AT128走的是“转镜”方案。它在内部用一块多面旋转棱镜来偏转激光束，代替了整机旋转。这样做的好处是，发射和接收模块都可以固定不动，只有一颗棱镜在转，结构可靠性大幅提升，同时可以把128个收发通道集成到很小的空间里。AT128发布的参数是200米探测距离、120度水平视场角，而它的体积和功耗都控制得非常优秀，整机厚度仅不到60毫米，功耗在15瓦以内。这样的形态，车企才有办法把它藏进前挡风玻璃后方的黑匣子里。

速腾的M1走的是MEMS微振镜路线。一颗边长几毫米的硅基微振镜在静电力驱动下高频摆动，把单束激光在垂直方向上扫描成一个面。M1的优势是极致的小型化和低成本，内部没有电机、没有多棱镜，只有一颗很小的振镜在动，整体结构简单到可以当消费电子产品来制造。速腾M1在2021年就拿到了多家车企的量产定点，成为全球首款实现真正大规模交付的车规级MEMS激光雷达。

这两家其实代表了半固态的两条主流路线，各有优势。转镜方案的激光通道数可以做得更多，点云更密；MEMS方案的体积和成本潜力更极致，但振镜的摆动幅度和可靠性需要更长时间验证。无论哪条线，都比机械式更适合量产。

2.3 Ouster的数字化架构：听上去很美，落地时撞墙

Ouster的数字化方案曾经让我眼前一亮，它的理念确实很超前：传统激光雷达用模拟信号传输，每个激光器都需要一颗对应的跨阻放大器和模拟处理电路，通道一多，电路板面积和功耗就蹭蹭往上涨。Ouster的做法是把所有通道的信号处理全部集成到一颗数字SoC芯片里，激光器阵列和探测器阵列直接贴装在这颗芯片上面，结构非常简单，制造也更快。

从账面上看，Ouster这套方案在物料成本上确实有优势，OS1系列早期报价就比同线数的Velodyne便宜了接近一半。但实际测试中我发现，数字化方案的探测能力有一个绕不开的限制：为了控制成本，每个激光通道的峰值功率有限，而905纳米波段的激光在大气中衰减快、对高反目标容易饱和。结果是Ouster在近距离、室内场景表现非常好，点云干净、噪声低，但在远距离探测上明显吃亏，同为一颗64线雷达，Ouster对黑色车辆的探测距离常常只有禾赛Pandar64的一半左右。

这让Ouster陷入了一个尴尬定位：L4场景远距离不够用，量产场景价格和体积又打不过半固态。它后来推出的全固态产品也一直停留在发布状态，没有真正形成规模交付。理念领先不代表产品就能赢，落地这件事，光是讲架构故事是不够的。

2.4 为什么最终半固态赢了

回头看这条技术路线的演进，你会发现一个清晰的脉络：机械式解决了“能不能看到”的问题，半固态解决了“能不能上车”的问题，而数字化试图解决“能不能更便宜”的问题，但过于激进的设计牺牲了探测性能。

在2024年这个时间点，行业里几乎已经形成共识——乘用车前装市场，半固态是唯一现实的方案。机械式体积大、成本高，只适合少量测试车；纯固态虽然理想，但SPAD阵列和光学相控阵技术仍未成熟到可以量产的程度。半固态在性能、体积、成本之间找到了一个当前技术条件下最优的平衡点，禾赛AT128和速腾M1的量产交付量就是最好的证明。

3. 核心参数逐个掰开看

3.1 探测距离与点频：参数表上最会骗人的两项

选激光雷达，最先看的一定是探测距离。但这里藏着一个行业内公开的秘密：标称的“200米”和实际的“200米”，中间隔着一整条反射率曲线。

所有厂商标注的探测距离，默认都是对“90%反射率的白板”而言。这是什么概念？就是马路上一辆白色的、干净的车，而且是对着雷达正面的那种大面积平面。如果换成一辆黑色的车，或者一条脏兮兮的货车侧面，反射率可能只有5%到10%，实际可探测距离直接腰斩，200米变成80米甚至更短。这是因为激光雷达的接收功率和目标的反射率成正比，反射率下降一个数量级，有效距离就会急剧收缩。

我测试过Velodyne VLS-128和禾赛Pandar128，同样是在夜晚的高速公路上，对同一辆深色轿车，VLS-128能稳定跟踪到约150米，Pandar128大约在140米左右。差距不大。但如果换到Ouster OS1-64，这个数字会掉到70米上下，差距就非常明显了。所以看参数表的时候，一定要问清楚：你的标称距离是在什么反射率条件下测的？如果你做的是高速场景，至少要看10%反射率下的实测数据，而不是那个工业标准下的数字。

再一个容易混淆的是点频。点频等于激光雷达每秒钟发出的激光脉冲数，它决定了点云的密度和帧率。点频高，同样的视场角下角分辨率就高，远处的小目标也能被更多点覆盖到。Velodyne的VLS-128点频我记得能到300万点每秒，在当时已经是顶级水平。禾赛Pandar128点频也做到了340万点每秒。速腾M1点频约59万点每秒，虽然低了不少，但因为它只覆盖120度视场而非360度，换算成单位立体角的点云密度，足够满足城区辅助驾驶的需求。所以比较点频一定要结合视场角来看，数字大的不一定就更强。

3.2 角分辨率与线数：理解“等效XX线”的真正含义

线数是激光雷达最经典的衡量维度，机械式雷达把激光器按垂直方向排列，多少个激光器就是多少线。64线和128线的差距直观理解就是：在同样的视场角里，128线在垂直方向的线间距更小，点云在垂直方向上更密集，远距离时能保证车辆和行人轮廓的还原更完整。

但线数只是表面参数，真正决定点云质量的是角分辨率，包括水平角和垂直角。例如同样标称128线，如果垂直视场角都是25度，那么每相邻两线之间的垂直角分辨率就是25/128，大约是0.195度。这个数值越小，意味着垂直方向能分辨的细节越丰富。Velodyne VLS-128的垂直角分辨率在关键中间区域做到了约0.17度，禾赛Pandar128做到了0.19度，差距很小。

半固态产品因为扫描方式不同，线数的说法开始变得模糊。比如速腾M1官方说的“等效144线”，实际机制是单束激光靠MEMS振镜在垂直方向扫描出这么多条扫描线，并没有144个物理激光器。这算不算“真144线”？从我实际看点云的角度说，等效线数只要扫描够快、扫描线够密，视觉上确实可以实现接近多线机械雷达的效果，但它的扫描线是时序上错开的，对动态物体的边缘还原会有一点点时间畸变。这个畸变在80km/h的相对速度下大约会造成厘米级的误差，对感知算法来说基本可以忽略，但搞研究写论文的话，得知道这个细节。

对于前装ADAS来说，性能指标还有另一种需求：视场前方正中间区域的感知必须非常清晰。半固态雷达把扫描资源集中在车辆前方的120度视场内，相比360度的机械雷达，同等点频条件下单位区域的点云密度要高3倍。这就是为什么速腾M1虽然总点频只有59万点，但实际前向感知效果不输甚至超越一些360度机械雷达的原因。

3.3 功耗、体积与价格：量产车最在乎的三件事

这三项参数放在一起说，因为它们共同决定了激光雷达能不能真正进入量产车型。

先说功耗。机械式雷达因为有很多高功率激光器和模拟电路，功耗普遍偏高。Velodyne HDL-64整机功耗大约60瓦，VLS-128更高，在100瓦附近。这意味着它在车上工作一小时，就要消耗0.1度电，约增加200克左右的燃油消耗（或者影响纯电续航约0.5公里）。对运营车队来说完全不是问题，但放在量产车上，用户会直接感受到续航变短，车企绝不会接受。禾赛AT128整机功耗大约15瓦，速腾M1大约8瓦，这个量级就可以接受了，相当于多开两个座椅加热。

体积和外观同样关键。机械雷达的造型就是一个水桶，你必须把它架在车顶才能保证360度视野，这是早期Robotaxi的经典形象。量产车用户不会接受车顶长出一个这样的“蘑菇”，影响风阻、影响造型、影响洗车。半固态雷达的竞争力之一就是高度可以压缩到非常薄，AT128厚约56毫米，M1更薄，可以直接嵌入车顶的鲨鱼鳍装饰件或者挡风玻璃黑区。从工程角度看，这让整车的设计自由度大了很多。

价格是最敏感的部分。Velodyne当年VLS-128报价约10万美元，HDL-64约8万美元，Ouster试图用数字化的成本优势把64线降到1万到2万美元的水平，但依然离量产需求很远。禾赛AT128在2022年量产时主动把价格定在了几百到一千美元层级，速腾M1也验证了MEMS方案可以将成本压进量产车企的心理价位。行业里有一句话叫“激光雷达的价格曲线是手机摄像头曲线的重演”，从8万美元到几百美元，这个下探速度比很多人的预期快得多。

3.4 车规可靠性与量产成熟度：实验室里测不出的差距

参数表上有写的东西，可以通过对比测试获得；但可靠性这种东西，需要靠时间才能真正验证。这也是中国厂商相较于早期海外品牌最大的差异化优势。

机械式雷达因为内部有高速旋转的电机和滑环，存在绝对的磨损寿命问题。Velodyne官方给的大部分机械雷达都在说明书里注明了累计运行2万到3万小时之后需要保养或者更换旋转部件。对自动驾驶测试车队来说，这个周期大约就是两年左右，说长不长，说短不短，但运营成本很高。我记得有一个做Robotaxi运营的团队跟我抱怨过：每台车顶上的Velodyne每隔一年半就要返厂一次清洁和润滑，返修周期动辄三四周，车队调度直接被拖垮。

半固态雷达因为省掉了大电机的旋转，可靠性理论上大幅提升，寿命目标从几万小时提升到了车规级电子零部件的水准。禾赛AT128和速腾M1都通过了车规级验证测试，包括非常严苛的高温高湿、温度冲击、机械振动和盐雾测试。速腾在M1的量产过程中花了很多精力解决MEMS微振镜在长期振动环境下的疲劳问题，这些工作虽然没有写在参数表上，但它们才是决定一颗雷达能否装车的关键。

可靠性的另一层含义是供应链稳定性和产能爬坡速度。Velodyne在被合并前，长期受困于产能瓶颈和供应链成本问题，交付周期长、产能不足。禾赛和速腾都是靠自己的工厂和供应链体系推进量产的，在设计之初就把制造友好性放在了非常重要的位置。在2023年的交付数据里，禾赛和速腾的年度出货量已经达到数十万台级别，远超所有海外品牌之和。这个量级带来的规模效应又会反过来进一步降低它们的采购成本和制造成本，形成正循环。

4. 选型建议与避坑心得

4.1 不同场景怎么选：Robotaxi、ADAS、无人配送各有答案

很多朋友拿到这四家的产品列表之后，最直接的困惑是：到底选哪家？我的经验是先明确场景，再谈参数。

如果你是做L4级Robotaxi，需要一辆车360度无死角覆盖周围环境，那么机械式雷达依然是当前最稳妥的方案。测试场景最看重的是点云质量、探测距离和成熟度，对体积和功耗可以适当妥协。这个场景下，禾赛Pandar系列和已经停产的Velodyne VLS系列都值得考虑。考虑到售后、备件和算法适配的成本，我更推荐禾赛，毕竟它的产品还在持续迭代，而Velodyne的产品线已经处于维护状态而不是开发状态，算法团队长期跟随要面临较大的变更风险。

如果你是做乘用车ADAS或者机器人出租车的前向主雷达，那直接跳过机械式，看半固态就好。追求点云密度和远距离性能，禾赛AT128是优选；追求极致的体积和成本，速腾M1是他的候选者。AT128的128个物理通道决定了它在点云质量上有先天优势，对远处的小目标（比如路面上掉落的轮胎、锥桶）识别更稳定。M1的优势则在于可以藏得更深、价格更低，如果你的车型对顶部高度的限制特别敏感，M1会是更合适的选择。

如果你是做封闭园区的无人配送车或者低速清扫车，对性能要求不高但非常重视成本，Ouster的OS系列其实可以考虑。它在近距离的点云质量稳定、功耗低，而且价格相比同线数的机械式雷达有优势。不过这里有个提醒：Ouster现在经营策略变动较大，产品线和技术支持的不确定性需要仔细评估，采购安全也需要关注。

4.2 选型时最容易踩的几个暗坑

参数暗坑方面，第一要盯住反射率条件。很多产品在宣传物料上会把“最远200米”放大加粗，但小字才写着“90%反射率”。真实道路上大量目标都是低反射率的，一定要向厂商要10%反射率的实测数据，最好是原始点云而不是渲染过的视频。

第二是“等效线数”的水分。以前买机械雷达，直接问线数就行。现在买半固态，厂商会用“等效144线”这类话术。仔细看它的垂直视场角和扫描线分布，有些产品的等效线数在边缘区域是稀疏的，只在中间一小块视场里实现了高线数。这不是说它不好，而是你要问清楚：你的关键感知区域到底覆盖了多少线？

第三是点云稳定性的评估方式。很多人测雷达只看静态点云图，觉得点云好看就完了。实际上，动态场景下点云在时间轴上的稳定性更重要，比如在颠簸路面上的抖动、过隧道时光线变化时的噪声表现、高反射率物体旁边的拖尾现象。建议测试时一定要装到车上实际跑一段典型工况，用感知算法的输出指标来评估，而不是肉眼看点云。

第四是售后和校准资源。激光雷达用久了，内部的微机电结构可能会出现轻微偏移，点云会发生漂移，需要定期做重新标定。你要问清楚厂商提供什么样的售后和校准服务、备件价格如何、标定周期多长。机械式雷达在这方面痛点最多，半固态好一些，但一旦出现问题，国内厂商的响应速度远比海外厂商快，这一点在项目周期紧张时会体现得非常明显。

4.3 供应链与生态适配：算法和工具链才是最长的磨合

很多团队选择激光雷达时只看硬件参数，却忽略了软件生态，这是我在实际项目里踩过的最大的教训。

Velodyne虽然衰落得厉害，但它依然是行业里点云数据公开集、算法适配工具最丰富的品牌之一，很多开源感知算法栈的默认输入格式都兼容它。如果你用的是旧的开源项目，Velodyne可以让你少改很多代码。Ouster的SDK做得也相当不错，它的Python和C++接口设计得非常清爽，点云处理和数据可视化体验在几个品牌里是最好的之一。

禾赛和速腾早期在SDK和算法生态上相对薄弱，但近几年进步很快。禾赛提供了非常完整的驱动和点云处理工具，而且针对自家点云特征做了大量感知算法的适配优化；速腾也发布了多传感器融合工具包，和主流自动驾驶计算平台的兼容性都做得比较到位。从我的个人经验看，如果你从零开始做项目，用禾赛或者速腾的配套工具去搭建感知栈，开发效率完全不输给Ouster。再加上国内厂商通常愿意提供更深入的技术支持，很多定制化的需求（比如修改点云输出格式、调整内触发时间戳）都能快速响应，这是海外品牌很难做到的。

生态适配的核心矛盾在于：你的算法团队熟悉哪个平台，这个平台对应的传感器品牌通常就是最低风险的选择。所以选型最好不要只看参数对比，留出至少两周时间做一轮软件开发测试，让感知团队实际跑一遍识别、跟踪、融合全流程，用数据说话。

5. 格局变化带来的启示

5.1 从8万美元到几百美元的演进曲线

站在2024年回望激光雷达的这段历史，会觉得很有意思。2007年Velodyne第一颗64线机械雷达原型机诞生时，世界上几乎只有它一个选择，定价8万美元，性能确实无可替代。2015年前后，激光雷达开始成为自动驾驶行业刚需，Velodyne吃到了最大的市场红利，但也在这时候种下了隐患——它的高价格和低产能限制了整个自动驾驶行业的扩张速度。

2018年到2020年，禾赛和速腾先后崛起，用接近性能、三分之一价格的产品切入市场，Velodyne的份额开始肉眼可见地下滑。2021年乘用车前装市场开始放量，半固态成为主流路线，老牌厂商的反应速度和产品迭代明显跟不上，市场份额进一步崩塌。Velodyne和Ouster被迫合并，本质上是一场收缩求生。

价格方面，激光雷达主流产品的均价已经从前几年的上万美元级别，降到了几百美元级别。这个曲线背后，是国产供应链的完整崛起。光学镜片、激光器、探测器、电机、电路板、结构件，每一个环节都实现了本土化，成本结构发生了根本性改变。更重要的是，这种降本不是靠牺牲可靠性实现的——AT128和M1在车规验证上的通过率，用实打实的量产数据证明了质量并没有因为降价而妥协。

5.2 国产替代真正的胜负手

很多人讨论“国产激光雷达超越欧美品牌”时，喜欢把原因归结为“便宜”，但在我看来这只是表象。真正的胜负手其实是两个层面的事情。

第一，是对客户需求的响应速度。禾赛和速腾在服务模式上非常接近软件公司的打法，愿意根据车企的需求去调整产品定义，甚至为某个特定车型定制视场角、接口和结构。这种灵活度对海外品牌来说很难做到，Velodyne当年的产品就是“爱用不用”的风格，它的市场策略是高傲的，而这种傲慢最终在竞争中付出了代价。

第二，是工程化能力的积累。激光雷达不是一个可以闭门造车的行业，要有大规模量产才能暴露出足够多的工程问题。国内厂商通过几轮大客户定点的打磨，把一套完整的产品迭代闭环跑通了：发现问题、分析归因、修改设计、重新验证、快速发布。这套闭环每跑一圈，产品的成熟度就上一个台阶。截至2024年的交付数据显示，中国激光雷达厂商在全球ADAS前装市场的占有率已经超过八成，这种规模的工程迭代速度，海外品牌很难追得上。

我个人在实际操作中的体会是，选择传感器品牌不必被“崇洋媚外”或者“国产情怀”绑架，一切以项目目标和实际测试数据为准。但在当前这个时间节点上，如果你要考虑的是量产项目、是长期供货保障、是持续的服务迭代，那么禾赛和速腾这一侧的优势确实更明显。Velodyne和Ouster作为行业先驱当然值得尊重，但市场不会因为过去的光环而照顾任何人的情怀。

最后再分享一个建议：不管最终选了哪家品牌，都一定在项目早期做至少一台车的横向对比测试。不要只看参数表，把不同雷达安装在同一条测试路线上，跑同样的场景，录同样的数据集，用你自己的算法去评估。毕竟参数是厂商写的，路试的感受才是你自己的。