車載激光雷達滲透率僅8%，禾賽市占率超50%，連續13月第一

車載激光雷達市場并沒有隨著滲透率提升和價格下探進入平靜期。華為開年剛把競爭推向896線的更高線數參數，禾賽科技轉身拋出了另一種答案：給激光雷達加上“顏色”。

日前，禾賽科技發布全球首款6D全彩激光雷達超感光芯片。按照官方說法，這款芯片將傳統激光雷達只能感知物體位置和形狀的能力，拓展至同步感知物體色彩，可直接生成彩色點云。在同樣的激光功率下，搭載該芯片的激光雷達產品能探測到更遠的距離、更小的目標和看清更暗的環境。

禾賽科技聯合創始人及首席科學家孫愷向界面新聞等媒體解釋，這一產品的核心思路，是讓攝像頭數據和激光雷達數據實現空間和時間的更好融合，讓系統同時獲得激光雷達的空間感知能力和攝像頭的語義信息，從而增強自動駕駛算法模型對真實環境的理解能力。

華為和禾賽分別代表了兩種不同的技術發展方向。華為沿著智能駕駛硬件熟悉的路徑，繼續抬高參數上限；禾賽則試圖改寫激光雷達的產品邊界，讓這項原本主要服務于測距和建模的傳感器，開始承載更豐富的空間和語義信息。

通常自動駕駛系統需要多類傳感器協同工作，包括攝像頭、毫米波雷達和激光雷達等。但行業一直存在純視覺和激光雷達兩條技術路徑之爭。前者把攝像頭作為核心傳感器，類似于人類用眼睛感知道路情況；后者主張采用激光雷達、攝像頭等多種傳感器，構建比人類感官更強大的感知系統。

部分自動駕駛研發人員向界面新聞指出，在各類傳感器中，攝像頭的語義識別能力最強，紅綠燈、指示牌等信息只有攝像頭能提供。攝像頭數據訓練得越好，很大程度上可以替代激光雷達。此外，激光雷達和攝像頭的數據采樣頻率不同，需要借助復雜算法融合，容易產生錯位。

特斯拉和小鵬汽車是純視覺路線的代表。小鵬汽車CEO何小鵬在一次直播節目中提到，純視覺以統一的視覺模態提升響應效率與駕駛安全性，搭配大算力、大模型驅動的高質量連續數據流，可以更加高頻地獲取全面的數據，讓模型決策更準。

禾賽試圖縮小激光雷達和攝像頭之間的邊界。其搭載超感光芯片的ETX系列激光雷達，輸出的每一個點云都帶有顏色信息，它不再只提供距離和輪廓，也開始補充顏色和紋理線索，讓系統在理解三維空間的同時，可以更早識別紅綠燈、車道線和施工標識等目標。

不過，禾賽沒有把這項技術定義為對攝像頭的直接替代。禾賽科技聯合創始人兼CEO李一帆接受界面新聞等媒體采訪時表示，ETX系列產品現階段不會替代攝像頭；即便未來效果進一步提升，最多也只是替代部分前視攝像頭。在他看來，至少從長期方向看，多傳感器融合仍會是行業主流路線。

李一帆認為，作為安全冗余部件，激光雷達的價值始終成立，尤其是在當前L2級輔助駕駛階段。在攝像頭受限、而駕駛員又未必能及時接管的場景下，激光雷達仍能提供額外的安全邊界。按照他的說法，這類場景的覆蓋比例在不同定義下可能達到20%至90%。

值得注意的是，禾賽并沒有回避和華為在線數維度上的競爭。ETX系列可以支持1080線、2160線、4320線等多種高線數方案。該產品預計將在今年下半年量產交付，并計劃于2027年至2028年進入多款旗艦車型。

一位激光雷達行業的從業者向界面新聞表示，增加線數的核心意義在于提高分辨率，讓障礙物輪廓更清晰，使其在復雜場景中承擔更強的兜底能力。對車載場景而言，這仍是激光雷達最直接、也最容易被汽車公司接受的價值。

但線數競爭存在邊界。孫愷坦率承認，4000線激光雷達其實“既沒必要，也沒有用”。在他看來，500線對應300米測距，已經是一個相對合理的水平。線數繼續增加，分辨率會更細，測距能力也要同步提升，否則對遠距離小目標識別的改善會迅速遞減。

李一帆向界面新聞等媒體補充指出，消費者更容易記住線數，是因為它最直觀，也最容易傳播。激光雷達還有分辨率、測距能力、噪點率、視場角、檢測物體類型等多重指標。線數越高當然不是壞事，但好的激光雷達產品不會由單一的性能指標決定。

另一方面，參數繼續上抬，硬件成本也會隨之增加。上述激光雷達從業者表示，高線數激光雷達也會帶來更大的數據處理壓力。“分辨率越高，后處理和融合環節對算力的要求就越高，算力抬升又意味著更高規格的芯片和更高整車成本。”

去年，禾賽科技出貨量達到160萬臺，成為全球首家全年盈利的激光雷達企業，連續三年凈現金流為正。在車載激光雷達領域，禾賽科技市占率已經超過50%，連續13個月保持行業第一。小米、理想等汽車公司都是禾賽的客戶。

從數據來看，這仍是一門遠未觸及天花板的生意。2025年，中國汽車銷量為3440萬輛，激光雷達的滲透率只有8%；而在全球市場，激光雷達在整車的滲透率只有3%，還遠未到飽和的狀態。另一方面，伴隨L3自動駕駛時代到來，激光雷達的單車所用數量也在倍增。

但是，禾賽的目標已不止于車載激光雷達。這家以車載激光雷達為核心業務的公司宣布戰略升級，從空間感知擴展至空間智能，面向世界模型、具身智能、AI硬件、沉浸式交互等下一代AI核心場景，提供連接數字世界與物理世界的入口。

在禾賽科技CTO向少卿看來，激光雷達的價值并沒有被完全挖掘。當前大多數內容采集和交互系統仍建立在二維影像之上，高質量三維內容依然稀缺。另一方面，現有3D采集設備普遍價格高、體積大，采集和處理門檻也較高，這使三維世界的數據供給長期不足。

基于這一判斷，禾賽首次發布AI硬件產品KOSOMO。向少卿向界面新聞等媒體表示，這款產品能夠完整拍攝和記錄3D世界，并隨著后續迭代，未來有望成為一款面向更廣泛用戶的“口袋相機”。不過，李一帆強調，KOSOMO與大疆和影石等公司的現有產品，瞄準的不是同一市場。

這款產品當前更現實的意義在于為物理AI訓練提供數據支持。按照禾賽的設想，KOSOMO可以幫助機器人更接近真實世界地學習空間關系和環境規律，為機器人廠商提供當前相對稀缺的高質量空間數據，用于世界模型訓練。與純仿真數據相比，這類接近真實場景的三維數據有助于降低訓練偏差，也能以更低成本擴充機器人的訓練樣本。

李一帆解釋稱，禾賽并非因為車載激光雷達滲透率不足、增長空間有限，才選擇向機器人等新領域延伸。他指出，車載激光雷達產品已基本滿足現階段市場需求，成本也下降到相對合理穩態的水平。在主營業務具備了較高確定性的前提下，公司可以將既有研發能力延展到其他產品和行業場景。

禾賽的另一項戰略方向聚焦機器人動力模組，并將其視為物理AI時代的重要基礎設施。據悉，禾賽已深入動力模組底層架構，自主研發并掌握了相關核心技術，整體性能較目前行業現有水平實現數倍提升。