车载激光雷达十年混战：从DARPA到中国制霸的技术与商业逻辑

简介：这份资料是面向自动驾驶从业者、车辆工程与传感器方向学习者的一份车载激光雷达技术综述，围绕激光雷达从科研仪器走向量产上车的完整脉络展开，帮助读者建立对技术路线、系统方案与产业格局的整体认知。资源包内含1个PDF文件，压缩包约41.69MB，以图文并茂的课件形式呈现，便于系统阅读与知识梳理。内容从1960年激光发明讲起，串联DARPA无人车挑战赛中Velodyne HDL-64一战成名、国产厂商崛起等关键节点，并深入拆解按探测方式（dToF、iToF）与扫描方式（机械式、半固态、全固态）的分类逻辑，以及激光器、接收器、光学元件与测量原理等系统方案细节。同时梳理禾赛、速腾、华为、图达通等主要玩家的产品性能与市场格局，并借助Gartner曲线与Yole市场数据呈现行业周期与容量变化。目前已有1624人学习，适合希望快速补齐激光雷达技术全景与产业链认知的读者。

1. 车载激光雷达走到2024：一份资料把十年混战讲透了

车载激光雷达这个赛道，过去十年经历了从“一机难求”到“中国玩家制霸全球”的剧烈翻转。最近流出一份由资深从业者整理的《车载激光雷达技术综述》资料，把发展历程、分类、系统方案和主要玩家四条线一次性串了起来。它值得关注的原因不在于信息有多新，而在于它用一线研发视角把“为什么是这些技术路线活下来”讲清楚了——从1960年激光器诞生，到2004年DARPA挑战赛萌芽，再到2017年后国产厂商崛起、2023年Velodyne退出历史舞台，这条时间线上每一个转折点背后都有技术和商业的双重逻辑。对于正在做传感器选型、系统架构设计或产业链判断的从业者来说，这份资料提供的不是碎片新闻，而是一条可以反复对照的认知主线。

2. 发展历程：从DARPA赛场到中国厂商制霸，四个转折点值得重看

2.1 激光雷达和汽车发生关系，只用了三年

激光技术1960年问世后，在气象探测、地形测绘等科研领域沉寂了二十多年。20世纪80年代引入扫描结构后，Sick和Hokuyo的单线扫描式激光雷达开始用于工业测量。2000年以后进化到多线扫描，用于环境三维高精度重建。但直到2004年第一届DARPA无人车挑战赛，激光雷达和汽车之间才真正画上等号。

那届比赛上，一家做音响设备的公司Velodyne派队参加，创始人David Hall博士本来是为了推销音响产品，结果在比赛中发现了单线激光雷达的巨大潜力。比赛结束后立刻转向激光雷达研发。2005年第二届比赛，斯坦福团队的Stanley拿下冠军，车上装了5个Sick单线激光雷达负责前方25米范围内的路面探测。2007年第三届移师城市道路，7支完赛队伍中有6支搭载了Velodyne的64线束激光雷达HDL-64，Velodyne自此一战成名。

从“音响公司参赛”到“64线激光雷达成为无人车标配”，只用了三年。这个速度说明一个问题：当技术方案与场景需求精确匹配时，产业化的窗口期比大多数人预想的要短得多。

2.2 HDL-64E的八年垄断期，靠的不是技术壁垒

2009年Velodyne推出HDL-64E改进版，售价8万美金一颗，仍然一机难求。“能有多少自动驾驶车辆上路，就看Velodyne能生产多少激光雷达”——这句话在当时不是夸张。福特和百度甚至在2016年联合向Velodyne投资1.5亿美元，只为获得优先提货权。

这种局面持续到2017年。转折点不是Velodyne技术退步，而是速腾、禾赛等国产厂商开始崛起，以极高的性价比、优秀的售后服务及极快的交付周期迅速占据市场。从行业角度看，HDL-64E的垄断本质上是一种“产能垄断”而非“技术垄断”——机械式旋转激光雷达的架构并不神秘，难的是在需求爆发前建立起可量产、可交付的供应链。国产厂商恰恰在这一点上找到了突破口。

2.3 Gartner曲线上的两次降温，暴露了行业的真实节奏

资料中引用了自动驾驶和激光雷达两条Gartner曲线，把行业情绪波动标得很清楚：

值得注意的是，2023年初Velodyne宣布与Ouster合并，合并后公司仍以Ouster命名，“Velodyne”这个名字退出历史舞台。同一年，中国玩家在全球激光雷达市场中的份额持续扩大。从Yole《Lidar for Automotive 2024》的数据来看，中国厂商已经逐渐垄断市场。这组对比传递的信号很明确：行业降温期淘汰的是没有量产能力的玩家，而活下来的中国厂商恰好在这一阶段完成了从“能做”到“能大规模交付”的跨越。

2.4 从8万美金到千元级，成本曲线才是真正的产业推手

HDL-64E售价8万美金一颗的年代，激光雷达只是少数玩家的实验设备。而到了2020年前后，国产厂商把车载激光雷达的价格拉到了千元级，这才有了“激光雷达逐渐上车”的第二轮膨胀期。成本下降的背后是架构变化——从机械式旋转到半固态、再到全固态，每一步都在减少运动部件、降低装配难度、提高可量产性。

从行业角度看，激光雷达的竞争从来不只是“谁测得更远、谁点云更密”，而是“谁能用更低的成本把足够好的性能稳定交付”。这个逻辑在毫米波雷达领域已经验证过一次，激光雷达只是重走了一遍。

3. 分类与系统方案：探测方式和扫描方式决定了谁能笑到最后

3.1 探测方式：dToF和iToF的分岔路

按照探测方式，车载激光雷达主要分为dToF和iToF两条路线。资料中特别提到FMCW是iToF技术中的一种。这里需要先厘清一个容易混淆的概念：3D感知中的“3D”指的是X/Y/Z三维信息，单目摄像头只有2D信息，双目摄像头可以增加深度信息。这和毫米波雷达中“3D”指径向距离/速度/水平角度有所不同。

dToF直接测量飞行时间，原理直观，对算力要求相对低，是目前车载激光雷达的主流方案。iToF通过测量调制信号的相位差来间接计算距离，FMCW作为其中的一种实现方式，可以同时获取距离和速度信息，且抗干扰能力更强。但从行业角度看，FMCW的工程化难度和成本仍然偏高，短期内难以成为主流。

3.2 扫描方式：机械式、半固态、全固态的三级跳

按照扫描方式，车载激光雷达分为机械式、半固态和全固态三类。机械式靠旋转部件实现360度扫描，HDL-64E是典型代表，缺点是体积大、成本高、寿命受轴承限制。半固态方案减少了运动部件，比如MEMS微振镜方案，在成本和可靠性之间取得了平衡，是当前上车的主流选择。全固态方案完全取消运动部件，理论上成本最低、寿命最长，但在探测距离和视场角上仍有工程挑战。

从系统方案的角度看，激光器、接收器、光学元件和测量原理四个模块的选型组合，决定了激光雷达的性能上限和成本下限。资料中详细讲解了各组件的工作原理和技术特点，这部分内容对于做传感器选型和系统架构设计的从业者来说，是可以直接对照参考的。

注意：分类方式不是非此即彼的标签，实际产品往往是多种技术的组合。判断一个激光雷达方案是否可行，关键看它在探测距离、分辨率、成本、可靠性四个维度上的平衡点是否匹配目标场景。

3.3 系统方案里的“黑匣子”：为什么同样的参数跑出不同的效果

激光雷达的标称参数——比如探测距离200米、角分辨率0.1度——在实际装车后往往打折扣。原因在于系统方案中的光学元件设计、接收器灵敏度、激光器功率和测量原理之间存在复杂的耦合关系。同样是用dToF方案，不同的光学路径设计和信号处理算法会导致完全不同的点云质量。

从行业角度看，这解释了为什么一些厂商的激光雷达“参数好看但上车翻车”。参数表上的数字是在理想条件下测得的，而实际道路环境中的雨雾、强光、多雷达干扰才是真正的考验。选型时不能只看参数表，要看实际场景下的点云稳定性和一致性。

4. 主要玩家：国产厂商崛起背后的三个被低估的信号

4.1 从“一机难求”到“中国玩家制霸全球”

资料中引用的Yole《Lidar for Automotive 2024》数据显示，从2019年开始激光雷达市场容量持续快速增加，中国玩家逐渐垄断市场。禾赛、速腾、华为、图达通等厂商在国内外市场都占据了重要位置。这个格局的形成不是偶然的。

第一个信号是供应链优势。国产厂商在光学元件、激光器、接收器等核心器件的国产化替代上进展迅速，成本控制能力远超海外同行。第二个信号是交付周期。国内厂商的响应速度和交付周期明显优于海外厂商，这在车企快速迭代车型的节奏下是决定性优势。第三个信号是售后服务。激光雷达上车后需要持续的标定、维护和OTA升级，本地化服务能力直接影响车企的采购决策。

4.2 Velodyne退出历史舞台，给所有技术型公司提了个醒

2023年Velodyne与Ouster合并，“Velodyne”这个名字退出历史舞台。这家公司曾经定义了车载激光雷达这个品类，最终却没能守住市场。从行业角度看，Velodyne的困境不在于技术不行，而在于它把太多精力放在了高端机械式方案上，没有及时向半固态和全固态转型，也没有建立起成本优势。

这个案例给所有技术型公司的提醒是：在一个快速迭代的市场里，技术领先窗口期比想象中短。如果不能在窗口期内把技术优势转化为成本优势和交付能力，就会被后来者用性价比和交付速度反超。激光雷达行业如此，其他传感器领域也遵循同样的规律。

4.3 市场集中度提升，对从业者意味着什么

随着中国玩家逐渐垄断市场，激光雷达行业的集中度在提升。对于从业者来说，这意味着几个变化：第一，传感器选型的可选范围在收窄，主流方案越来越集中在少数几家厂商；第二，系统架构设计需要更早地考虑与特定激光雷达方案的适配，而不是先设计架构再选传感器；第三，产业链上下游的整合在加速，做域控制器、感知算法和系统集成的团队需要更紧密地与激光雷达厂商协作。

从行业角度看，市场集中度提升是产业成熟的标志，但也意味着创新空间在收窄。对于做前沿技术研究的团队来说，可能需要把注意力从“激光雷达本身”转向“激光雷达与其他传感器的融合”以及“激光雷达数据的深度利用”。

5. 常见误读：关于车载激光雷达的五个容易踩的坑

5.1 误判一：线束越多越好

误判点：认为64线一定比32线好，128线一定比64线好。

为什么：线束数量确实影响垂直分辨率，但实际感知效果还取决于角分辨率、探测距离、点云质量和算法处理能力。高线束激光雷达产生的数据量更大，对后端算力和算法的要求也更高。如果后端处理能力跟不上，高线束的优势发挥不出来。

怎么看：选型时先明确感知任务的需求——是近距离盲区补盲还是远距离前向探测？是低速园区场景还是高速场景？根据任务需求反推需要的线束和分辨率，而不是反过来。

5.2 误判二：全固态是终极方案，应该等

误判点：认为全固态激光雷达一旦成熟就会全面替代半固态，现在上车半固态是过渡方案。

为什么：全固态在成本、寿命和可靠性上确实有理论优势，但在探测距离和视场角上仍有工程挑战。而且从半固态到全固态的切换不是简单的替换，涉及系统架构、算法适配和供应链的全面调整。

怎么看：技术路线选择要看量产时间节点和车型生命周期。如果车型在未来两三年内量产，半固态是更务实的选择。全固态值得跟踪，但不值得等待。

5.3 误判三：激光雷达会被纯视觉方案替代

误判点：认为随着视觉算法进步，激光雷达会像毫米波雷达一样被逐步边缘化。

为什么：视觉方案在成本上有天然优势，但在测距精度、恶劣天气下的可靠性和功能安全等级上，激光雷达仍有不可替代的价值。而且从行业规律看，传感器融合才是主流方向，而不是单一传感器包打天下。

怎么看：关注激光雷达在功能安全中的角色定位，而不是简单比较“视觉vs激光雷达”。在多传感器融合架构中，激光雷达的价值不在于替代其他传感器，而在于提供其他传感器无法提供的冗余和精度。

5.4 误判四：国产替代只是价格战

误判点：认为国产激光雷达厂商的崛起主要靠低价。

为什么：价格确实是重要因素，但国产厂商在交付周期、售后服务、定制化响应上的优势同样关键。而且从HDL-64E到国产半固态激光雷达，成本下降的背后是架构创新和供应链整合，不是简单的降价。

怎么看：评估激光雷达厂商时，除了价格，还要看产能爬坡能力、质量一致性、功能安全认证进展和长期技术支持能力。

5.5 误判五：Gartner曲线降温意味着行业不行了

误判点：看到投融资下降、行业关注度降温，就认为激光雷达赛道不行了。

为什么：Gartner曲线的理性回归期恰恰是行业从概念验证走向规模量产的关键阶段。第一轮降温期（2019-2020）之后，迎来了第二轮膨胀期（2020-2021）的激光雷达上车潮。第二轮降温期（2022-2023）之后，中国厂商的市场份额反而在扩大。

怎么看：降温期淘汰的是没有量产能力的玩家，活下来的厂商会获得更集中的市场份额。对于从业者来说，降温期反而是看清技术路线和产业格局的好时机。

6. 趋势判断：激光雷达的下一个五年，竞争焦点不在硬件

从这份资料梳理的发展脉络来看，车载激光雷达行业已经走过了“能不能做出来”和“能不能量产”两个阶段，正在进入“能不能用好”的第三阶段。前两个阶段的核心竞争力是硬件设计和制造能力，第三个阶段的核心竞争力会转向数据利用和系统融合。

具体来说，几个趋势值得关注。第一，激光雷达的硬件规格会逐步收敛，主流方案在探测距离、分辨率和成本上会形成几个标准档位，就像毫米波雷达的77GHz和24GHz一样。第二，竞争焦点会从硬件参数转向点云质量、抗干扰能力和与感知算法的适配度。第三，激光雷达与毫米波雷达、摄像头的前融合会成为系统架构设计的重点，单独的激光雷达感知方案会越来越少。

对于从业者来说，这意味着几个实际的变化。做传感器选型的工程师需要更早地介入系统架构设计，而不是等到架构定了再选传感器。做感知算法的团队需要更深入地理解激光雷达的物理特性，而不是把点云当成另一种图像来处理。做系统集成的团队需要建立更完善的传感器标定和健康管理流程，因为激光雷达上车后的维护成本可能比采购成本更值得关注。

我自己的血泪经验是：每次做传感器选型，都强制走一遍“场景需求→性能指标→成本约束→供应链评估”的完整流程，而不是先看参数表再找场景。这个习惯帮我避开了好几次“参数好看但上车翻车”的坑。希望帮到你。

本文还有配套的精品资源，点击获取