今年新能源车企一直在做两件事，降价和智能化升级。

碳酸锂从60万吨降到现在的9万吨，对于上游矿企和锂盐厂来说是一场灾难，但却给了车企明年继续降价的充分理由。

与此同时，智能化的进度正在加快，车企今明两年将开启“滚动地图”模式。按照理想CEO的说法，“到2024年，NOA有没有城市，就像买一栋20-30层的高楼，有没有电梯。”

一方面，车企将NOA功能在城市的范围扩大到更多的城市。另一方面，越来越多的车型配备了具有高级智能驾驶功能的硬件配置，比如激光雷达。虽然饱受技术争议，但仍存在于大多数车企的智能驾驶方案中。

【/h/】可以预测，明年L3级高级智能驾驶配置的性价比会随着材料成本的降低和需求的扩大而提高，甚至可能在20万以下的车辆中看到，所以lidar的出货会更加灵活。

虽然技术路线空仍有明显进展，但昂贵的激光雷达却被崇尚纯视觉方案、急于优化成本的特斯拉过早抹去。

随着高精度地图的淘汰，激光雷达也面临着同样的困境。成熟的自动驾驶算法和不断堆积的计算能力，最终会让一些车企拆除“辅助轮”，转向更经济的解决方案。

激光雷达企业在快速降低成本、大规模量产、替代技术路线拦截的三重压力下，正在亏损运营。虽然出货量大幅增长，但股价依然没有在资本市场得到体现。

生存还是毁灭？

激光雷达面临永久失去ADAS市场的风险。即使技术好，份额高，如果不能确认为未来智能驾驶方案的标准，长期出货量也不明确，增长空之间还是一个问号。

一个或三个“罪行”

感知层的路由之争最终还是要回归到数据和算法上，成本、规模和精度之间的权衡依然是“不可能的三位一体”。在车辆制造中，只有控制硬件成本，才能最大化用户体验。攻击激光雷达的原因主要有三个:成本高，替代品被挤压，没有必要。

市区路况和高速差别很大。交通信号灯的变化、潮汐车道、行人轨迹预测和非机动车轨迹预测...对企业的软硬件综合能力有极高的要求，对计算能力和代码量的要求都呈指数级增长。

高精地图的存在，可以预测车道线、路标等交通要素的位置，为自动驾驶系统提供道路预验证信息，成为车企快速进入NOA的“捷径”。

地图很容易使用，但是很难制作。

地图采集和维护成本相当高，而且很难取得测绘资质。后期随着城市的扩大，收集成本也会相应增加，道路每天都在变。长期覆盖不足必然导致系统鲁棒性差。依靠高精地图跑遍NOA市既费时又费力，车企等不起。

去除地图的底气是算法层可以容纳庞大参数的大模型给的。

下半年以来，车企纷纷喊出“无地图”的口号。小鹏计划在年底前扩展到50个城市，华为将在年底前覆盖全国大多数城市。今年3月，它宣布了自动驾驶的理想，NOA，一个没有地图的城市，将在年底前生产。

感知层有两种流行的技术路线。特斯拉就是代表，只用摄像头的纯视觉方案，依靠强大的算法和数据积累。还有多种传感器，利用各传感器的优势互补，提高测量精度，减轻算法层的计算压力。国内车企更多选择了这条路线。

【/h/】单个激光雷达价格在4000 ~ 5000元，车企在批量压低价格。与过去几年相比，单价大幅下降，迫使激光雷达厂亏本销售，不断降低成本。体验也是有限的。时间长了性能会下降，震动和不良驾驶习惯会加重磨损程度，升级算法只能打补丁，整体更换会很贵。

这还不包括自动驾驶系统的隐形成本。车企应该像互联网公司一样租用服务器为智能终端提供计算支持。海量数据存储和处理是一个成本黑洞。多传感器方案对不同数据处理的要求甚至比纯视觉路线更复杂。

不仅如此，激光雷达还面临着替代产品的围攻。但就像高精度地图可以被更先进的神经网络算法取代一样，车企也没有停止让激光雷达“光荣退休”的尝试。

【/h/】4D毫米波雷达不仅提供速度、距离、方位等三维数据，还“进化”出类似激光雷达的点云成像效果，还能弥补纯视觉算法较弱，无法覆盖全场景的问题。在清晰度方面，有些指标已经接近激光雷达的16线，虽然目前最好的激光雷达产品已经达到了128线。

由于激光雷达在精度、分辨率和数据采集方面的优异优势，也导致了相对较高的成本。将单个激光雷达的成本降低到2000元以下仍然很难，而4D毫米波雷达的成本只有它的十分之一。从更换线号更低的激光雷达开始，Ideal、宝马等公司相继完成了毫米波雷达的布局，就连原本坚持纯视觉路线的特斯拉也回归了毫米波雷达。

更为“激进”的车企，如百度和吉利合资的汽车品牌越吉，在10月份发布了其国内首个BEV+Transformer的“纯视觉”高级智能驾驶技术方案，但该方案并非真正的纯视觉，仍需在高精地图覆盖的场景中开启，然后逐渐向无地图方向发展。

【/h/】之前有性价比更高的4D成像毫米波雷达，BEV+Transformer方案比较晚才成熟。即便如此，车企也没有足够的勇气与高精地图和激光雷达同时告别。

第二，还有余热吗？

是否在无地图模式下配置激光雷达，不仅取决于车企的预算和需求，还取决于安全冗余。激光雷达可以部分弥补高精度地图中空的不足，每一束激光束都反射三维坐标信息，可以实现实时定位和地图构建。

从年初的理想系列，小鹏G6，SAIC智机LS6，旺旺U8，到华为文杰系列，长安奥伊塔等，激光雷达的出货量迎来大幅增长。今年，大量整车厂指定的速腾激光，第三季度销量达到9.3万辆，甚至超过了过去三年的销量。

但是仔细想想，支持纯视觉路线的观点不一定是反对激光雷达的理由。

纯视觉路线需要大量的数据积累和计算能力支持。特斯拉通过影子模式建立了数据收集和训练机制，每年销量超过百万辆。自建数据中心和自研芯片已经在自动驾驶上投入超过100亿，FSD beta累计行驶里程超过5亿公里。在国内，目前几乎没有车企的数据能达到这个临界水平。

特斯拉演示了如何在自动驾驶上建立优势，但功课真的很难抄。

智能竞争也是计算能力的竞争。小鹏、理想和吉利都建立了自己的智能计算中心。这是头部车企在自动驾驶的竞争中必须付出的昂贵成本。他们需要销售更多的汽车和订阅服务来平抑成本，就像移动应用需要更多的付费用户来平抑带宽成本一样。

还存在数据重复收集和有效性的问题。单个场景的模拟重复无数次没有太大意义。所以，像角案这样的长尾场景对于补充有效数据尤为关键。“不怕一万，就怕万一。”

在城市的NOA舞台上，仍然有许多复杂的场景无法通过纯视觉方案来解决。

激光雷达可以直接获取目标和角度，弥补了相机在强光或夜间性能变差的缺陷，以及微波雷达对金属物体敏感，在人车混合场景下难以识别行人的缺陷。

在某些特定场景下，准确率优势会被放大。

比如路上有一个凸起的井盖，凸起的井盖高度可能只有3-5 cm左右。市面上905nm波长的激光雷达在0-200米之间的精度在5 cm左右，1550nm的精度更高。

如果计算能力相同，数据越精确，结果就越准确。相比摄像机二维画面计算出的立体信息，激光雷达的安全冗余更大。尤其是L3立法后，明确了责任方，车企在安全上更加不敢懈怠。

虽然相比视觉+激光雷达需要融合两组数据，但一套硬件和一个算法在数据采集、标注、分发和训练上显然更高效，车企甚至可以不同程度地“提取”激光雷达的信息后，作为“参考答案”，起到验证视觉网络训练的作用。

比如华为在第一次和第二次融合中使用lidar数据补充和验证视觉数据。另一方面，小鹏剥离激光雷达数据作为后期融合的补充，以测试前一阶段视觉网络的准确性。两种方法各有利弊，华为的方案在架构上更依赖激光雷达数据。

车企考虑的不仅仅是用成本换取时间，激光雷达目前的存在，作为一种安全方案和教官模式，在预算、规模和数据精度的约束下，还是有一定发挥的空。

前两三年配备激光雷达的车型普遍集中在30万甚至40多万的中高端车型。随着锐蓝L7、小鹏G6、智极LS6等新车的上市，激光雷达也降到了20万元的区间。

到今年9月底，中国在售车型数量占整个市场在售车型总数的比例不到5%。透过率的提高刺激了lidar出货量的增长，但相比100元级别的相机，lidar用起来还是很贵的。

第三，倒计时

在L2逐渐过渡到L3的过程中，车企纷纷嵌入硬件进行高端智能驾驶布局，这是lidar公司的甜蜜一年。

三季度国内车载激光雷达龙头何塞科技的交付量翻了五倍，已经积累了50多个型号的激光雷达生产定点，但大部分还是依靠大客户理想销量的增长。前三季度标配交付激光雷达超过30万台，何塞、途达通、速腾聚创三家公司占高集中度的85%。

出货量的增加也提高了公司的造血能力。今年以来何塞现金流已经连续三个季度为正，但净亏损却持续扩大至1.42亿元，其中销售、管理和研发费用几乎在飙升。

车载ADAS的激光雷达产品价格比无人驾驶产品低十倍，使公司毛利率从去年同期的37.1%降至30.6%。车企对降低成本有明确要求。激光雷达公司要想吸引更多的业务，扩大出货量，降价是必然的，销量多，毛利低，投入越来越多，利润的不确定性还是很大的。

除了自动驾驶技术路线的改变，激光雷达的普及率也是由其自身的降本速度决定的，要么通过技术降本，要么量产。

芯片集成是降低激光雷达成本的最关键因素。

主控芯片的成本在激光雷达中仅次于光学元件。行业领先的公司借鉴了芯片厂使用先进封装集成芯片的理念，将激光雷达中的数百个电子元件集成到几个芯片中。与传统的分立设计相比，芯片制造可以提高产品集成度和标准化，减少供应商数量，降低成本。

芯片集成意味着更小的封装体积可以容纳更多的晶体管，单位性能的成本会随着物流和安装成本的降低而降低。

当产量翻倍，以更低的价格刺激需求时，可以消化更多的产量，这是一个良性循环。

【/h/】龙头企业在从L4/L5级别的无人驾驶领域转向目前市场需求更大的L3级别的自动驾驶时，已经完成了平台能力的转化，使得厂商可以将激光雷达分解为可以迭代升级的独立功能模块，进而衍生出满足汽车企业灵活配置需求的产品。

智能驾驶类渗透率的提升是激光雷达出货量增长的驱动因素。L2、L3和L4智能驾驶等级所需的激光雷达数量分别为0、1和5。

据Forst &；沙利文研究公司(Sullivan research)预计，2026年，ADAS领域使用激光雷达的产业规模有望达到12.9亿美元，其中中国、美国和其他地区分别为6.7/350/2.7亿美元。以2025年单价降至3500元，每辆车平均建造1.9部雷达，普及率7%，乘用车3500万辆计算，预计我国激光雷达市场规模将达到113亿元。

汽车企业之间的价格战对上游供应商的影响很明显，既要价格又要性能，高端制造的人力成本还是很贵的。

价格方面，如果能降低激光雷达的BOM，车企智能驾驶的利润会更大空，可以在计算能力上投入更多的预算；在性能方面，当激光雷达的作用不明显，或者替代方案足够多的时候，车企自然会像淘汰高精地图一样告别激光雷达。

正如《创新者的困境》中所描述的，面对层出不穷的科技变革，企业必须始终在泥流中保持前进，就像在泥流中求生存一样。如果它们稍停片刻，就会遭遇灭绝的命运。在自动驾驶市场，激光雷达还有余热，但已经在倒计时了。