2023年中国激光雷达市场分析：图达通市场份额下滑至第四位

蔚来汽车是其主要客户之一。这一点可以从土大通官网的介绍中得到证明。介绍重点是其与蔚来的合作。图大通车规级超远距离主视激光雷达Falcon已被用作蔚来NT2.0平台的Aquila超感知单元。该系统在批量生产中作为标准交付，并安装在许多车型上，例如 ET7、ET5、ES7、ES8、EC7、ES6、ET5T 和 EC6。公告称，图大通汽车级激光雷达解决方案主要服务于当前全球L2+ ADAS市场。

截至目前，图大通产品包括猎鹰K1、猎鹰K2、灵雀E1X、灵雀W、OmniVidi，涵盖广角激光雷达、超远距离激光雷达、远距离激光雷达、全链路感知服务软件平台等。 ，应用领域包括辅助驾驶/自动驾驶、低速无人驾驶汽车、智慧城市、智慧高速公路、智慧航运等场景。同时为整车厂和自动驾驶公司提供车侧和路侧传感解决方案，包括蔚来、英伟达、百度、陌陌车联、天翼交通等。

不过，与大多数激光雷达和自动驾驶公司一样，图大通也缺乏造血能力。

公告披露的财务数据显示，2021年、2022年、2023年及截至2024年6月30日，土大通未经审计的总收入分别为460万美元、6630万美元、1.211亿美元和6610万美元，但税前同期亏损分别为1.138亿美元、1.882亿美元、分别为2.19亿美元和7870万美元。三年半的时间总计亏损5.997亿美元（约合人民币43亿元）。

从公告内容来看，亏损与研发成本较高有关。相关公告称，由于持续投入新产品和自动驾驶技术的研发，图大通已产生巨额研发支出。虽然土大通的成本控制有所改善，但规模经济并未完全实现，导致业绩损失。

事实上，目前的性能损失在激光雷达行业并不是独一无二的。参考最新业绩数据，2024年前三季度，“中国激光雷达第一股”禾赛科技前三季度实现净利润13.57亿元，同比增长3.16% %;净亏损2.49亿元。速腾巨创前三季度实现总营收约11.35亿元，同比增长91.5%，超过去年全年营收；归属于股东的净利润仍亏损3.51亿元，但同比收窄69.03%。

不过，艾睿大中华区联席主管、亚洲汽车咨询业务负责人戴家辉对记者表示，得益于光模块一体化设计，在规模效应和产业链集群的支撑下，中国激光雷达的成本优势正在不断改进。例如，禾赛科技的招股书显示，其2022年前9个月的毛利率将在44%左右，远超海外竞争对手。

国内企业占据全球84%的市场份额

事实上，如果图大通通过借壳合并成功上市，将成为继禾赛、速腾钜创之后又一家上市的国内激光雷达企业。

根据Yole集团发布的《2024年汽车激光雷达市场报告》，国产激光雷达占据全球84%的市场份额，全球前三名均是中国企业。从2023年厂商市场份额来看，禾赛科技、速腾钜创、图大通占据全球前三，华为、大疆蓝沃分别排名第五、第七。上述五家中国厂商合计占据全球激光雷达市场的84%，同比增长11个百分点。

高工智能汽车研究院数据显示，今年1-9月，车辆预装标准激光雷达数量达到99.42万台，同比增长202.10%。 9月月交付量首次突破15万台，达到15.62万台； 10月份继续增长，达到16.04万辆。标配激光雷达的在售车型数量达到76款，同比增长181.48%。

长期来看，中投咨询预计，中国预计将在2024年和2030年占据全球ADAS应用激光雷达解决方案市场的最大份额，分别达到10亿美元和111亿美元。期间复合增长率年增长率为50.1%。其中，全球激光雷达解决方案市场，尤其是汽车级激光雷达解决方案市场（目前涵盖ADAS应用）预计将大幅增长。

记者不完全查阅发现，目前，鉴于财务数据有待完善，上述激光雷达企业也在机器人、工业等赛道加速布局。

据公开资料显示，禾赛计划推出一款新型迷你高性能3D激光雷达，专为机器人和工业市场设计。记者也尝试联系禾赛获取更多信息，但尚未得到回复。速腾捷创在此前的三季度业绩会上也表示，目前正在继续探索机器人、无人机等领域新的市场空间。预计明年机器人领域的出货量将超过六位数。土大通还在前述公告中透露，公司也在推广新产品，并对现有产品进行优化升级。约40%的PIPE资金还将用于研发、升级新的激光雷达架构、设备和软件，以及扩大团队以支持目标集团的研发活动。

纯视觉VS激光雷达，谁是答案？

作为纯视觉解决方案的坚定支持者，特斯拉首席执行官马斯克曾多次批评激光雷达解决方案。

12月2日，马斯克在社交平台上重申了对激光雷达技术的批评，称其是“错误的解决方案”。马斯克表示，在复杂的道路驾驶环境中，模拟生物神经网络和眼睛的视觉系统是最有效的技术路径。

马斯克认为，基于显式光子计算的视觉系统比雷达和视觉的组合在感知上更加准确和可靠。他强调，雷达和视觉数据之间的冲突会导致系统不确定性，从而可能威胁自动驾驶安全。特斯拉的自动驾驶依靠摄像头获取路况，利用神经网络将其处理成三维场景，然后利用计算机进行分析并做出决策，模仿人类的驾驶风格。

据记者介绍，纯视觉解决方案依靠摄像头采集的图像数据，通过深度学习算法进行处理分析，实现环境感知和决策。激光雷达解决方案通过发射激光束来测量物体和设备之间的相对距离，以获得精确的三维环境信息。

在这项技术的背后，特斯拉这样的纯视觉玩家其实依赖的是算力和数据的多维度支撑。这使得纯视觉技术路线对大算力、大数据、大算法有着很高的需求。这也为“玩家”创造了很高的门槛，要求厂商不断加大GPU采购规模，这意味着端到端的模型训练非常昂贵。

车百智库研究院报告显示，截至2023年第一季度，特斯拉云算力已达到35 EFLOPS，超过华为汽车BU、百度极岳等车企的总和。数据方面，截至2024年4月，特斯拉全球保有量超过600万辆，FSD累计行驶里程达到12.5亿英里。特斯拉采用纯视觉感知方案，各车型均采用标准化硬件配置，保证采集数据格式统一。 FSD累计学习的优质视频片段已超过2000万条。如此大量的数据采集成本只需要50亿到50亿。 80亿元。

“目前智能驾驶领域的主流技术路线是在决策前采用多传感器融合方式，如毫米波雷达、摄像头、激光雷达等，实现数据融合和处理。这种方案结合了多种传感器，旨在增强系统冗余和意识。”普华基础.软件股份有限公司副总经理、战略研究所所长张小贤在接受《每日经济新闻》记者采访时表示，目前智能驾驶的解决方案有很多，端到端的解决方案也很多。高端大车型纯视觉解决方案是新的方向，但它也有其缺点，目前还不清楚它是否是最终的驾驶解决方案。

“基于大模型训练生成的结果在大多数情况下是正确的，但是否存在极端或难以想象的情况是不正确的？这个永远无法验证。所以对于汽车行业来说，我们最担心的风险是已知的风险可以处理吗？”与，但是未知的风险呢？”张小贤认为，从开发方法论来看，端到端的大车型智能驾驶技术还不够完善。