激光雷達競爭加速升維，禾賽CTO向少卿：從“看見世界”到“理解世界”，物理AI落地仍面臨關(guān)鍵制約

“去年激光雷達在中國整車領(lǐng)域的滲透率大概8%（300萬顆），這個數(shù)字包含了商用車。如果放到全球來看，滲透率僅為3%，還遠遠沒有達到飽和狀態(tài)。”4月17日，禾賽科技聯(lián)合創(chuàng)始人、首席科學(xué)家孫愷向包括《每日經(jīng)濟新聞》在內(nèi)的記者表示。

在行業(yè)快速放量的同時，業(yè)內(nèi)對激光雷達的理解也正在發(fā)生變化。同日，禾賽科技聯(lián)合創(chuàng)始人、CTO（首席技術(shù)官）向少卿給出了一個更具指向性的判斷：“禾賽科技遠不只是一家激光雷達公司，我們更像是坐在一座金礦上，可能只發(fā)揮了5%的價值。”

在他看來，過去十年，激光雷達通過為自動駕駛等系統(tǒng)提供三維感知能力，讓機器具備“感知世界”的能力；放眼未來，激光雷達的真正價值將體現(xiàn)在更廣泛的空間智能與物理AI（人工智能）場景中。

圖片來源：企業(yè)供圖

基于這樣的判斷，禾賽科技在當(dāng)天的科技日上發(fā)布了6D全彩激光雷達超感光芯片“畢加索”SPAD-SoC，搭載該芯片的ETX系列激光雷達最高支持4320線，將于今年下半年量產(chǎn)交付。此外，禾賽科技還首次對外展示了全新空間智能AI硬件產(chǎn)品Kosmo以及新戰(zhàn)略方向機器人動力模組，戰(zhàn)略邊界進一步拓寬。

激光雷達競爭進入深水區(qū)，線數(shù)非唯一評判標(biāo)準(zhǔn)

隨著滲透率持續(xù)提升，激光雷達正從“有沒有”邁向“好不好”。蓋世汽車研究院數(shù)據(jù)顯示，2025年新能源乘用車激光雷達滲透率已達21%，單月最高接近28%。在規(guī)模快速放量的同時，市場也開始從早期的功能導(dǎo)入階段，進入產(chǎn)品分層與競爭加劇階段。行業(yè)競爭邏輯隨之發(fā)生變化，從過去以成本為導(dǎo)向，逐步轉(zhuǎn)向以性能為核心。

今年以來，“線數(shù)”成為最受關(guān)注的指標(biāo)之一。3月，華為乾崑發(fā)布新一代雙光路圖像級激光雷達，線數(shù)達到896線。隨后，東風(fēng)品牌與華為乾崑合作打造的奕境汽車宣布，全系車型將標(biāo)配該款激光雷達。行業(yè)普遍認為，激光雷達正邁入“千線時代”，2026年將在超高線數(shù)字化激光雷達領(lǐng)域展開新一輪較量。

針對行業(yè)熱衷的“線數(shù)”指標(biāo)，禾賽聯(lián)合創(chuàng)始人、CEO（首席執(zhí)行官）李一帆指出，線數(shù)并非衡量激光雷達好壞的唯一標(biāo)準(zhǔn)，分辨率、測距能力、噪點率、視場角、極端天氣下的穩(wěn)定性等綜合指標(biāo)同樣關(guān)鍵。“大家特別關(guān)注線數(shù)，是因為這是一個容易傳播的指標(biāo)。同等條件下線數(shù)越高越好，但好產(chǎn)品從來不是由單一指標(biāo)決定的。”

圖片來源：企業(yè)供圖

在功能定位方面，李一帆進一步闡釋了激光雷達在不同自動駕駛階段的價值差異。在L2及以下階段，激光雷達的核心定位是“安全冗余”。而在L3、L4階段，激光雷達不再是備用系統(tǒng)，而是多傳感器融合體系中的核心感知組件，需要多系統(tǒng)同時決策、綜合判斷。

這一轉(zhuǎn)變帶來的直接結(jié)果，是單車搭載量的提升。孫愷預(yù)計，隨著L3級自動駕駛逐步落地，單車激光雷達用量將從當(dāng)前的1顆向3至6顆演進，行業(yè)出貨量在未來5至10年仍將保持增長。

在規(guī)模擴張的同時，盈利結(jié)構(gòu)正在出現(xiàn)分化。財報數(shù)據(jù)顯示，2025年禾賽機器人激光雷達出貨量同比增長超過400%，在整體業(yè)務(wù)中呈現(xiàn)出更高的盈利水平，并已成為拉動公司毛利結(jié)構(gòu)的重要因素之一。這種以車載業(yè)務(wù)貢獻規(guī)模、機器人業(yè)務(wù)改善盈利結(jié)構(gòu)的分化趨勢正在顯現(xiàn)，也意味著激光雷達正從汽車供應(yīng)鏈中的單一部件，演變?yōu)槊嫦蚋鼜V泛場景的通用感知能力。

從“感知世界”到“理解世界”，物理AI正成為“車圈”下一個重要方向

在車載與機器人業(yè)務(wù)持續(xù)放量的同時，禾賽科技正將能力向更廣闊市場延伸——以空間智能為起點，進一步拓展至物理AI等更高維度的應(yīng)用場景。從行業(yè)趨勢來看，物理AI正成為“車圈”的下一個重要方向。

截至目前，以小鵬汽車為代表的車企，以及元戎啟行、輕舟智航等自動駕駛公司，均已宣布切入該賽道，試圖將車端積累的感知與決策能力遷移至機器人等新場景。

面對從車載等成熟業(yè)務(wù)向物理AI的拓展，李一帆認為其底層邏輯在于研發(fā)的前置性。“研發(fā)通常前置2至3年，市場推廣還需1至2年，今天看到的產(chǎn)品往往是三四年前規(guī)劃的結(jié)果。”在他看來，當(dāng)前激光雷達產(chǎn)品在價格和性能上已接近穩(wěn)態(tài)，降本空間有限。“我們已經(jīng)把這道題做得比較明白了。這不是放棄車載市場，而是能力的外溢。”

不過，相比于市場預(yù)期的快速增長，物理AI的落地仍面臨關(guān)鍵制約。其中最核心的問題，并不在算法而是數(shù)據(jù)。向少卿表示，當(dāng)前面向世界模型與具身智能的訓(xùn)練過程中，正面臨核心瓶頸：“真實世界的三維空間數(shù)據(jù)較為稀缺，獲取成本較高、標(biāo)注效率較低，制約模型迭代速度。”

圖片來源：每經(jīng)記者 劉曦 攝

他進一步解釋，當(dāng)前以二維視頻為基礎(chǔ)訓(xùn)練的世界模型，在同一視角下理解較為準(zhǔn)確，但一旦視角發(fā)生變化，對未采集到的信息理解會出現(xiàn)偏差。而傳統(tǒng)仿真器構(gòu)建的環(huán)境與真實世界也存在較大差異，當(dāng)機器人在仿真環(huán)境中訓(xùn)練表現(xiàn)良好、成功率達到約99.5%時，在真實世界部署后，成功率可能下降至60%以下。

在他看來，解決這一問題的路徑在于將真實世界進行高保真三維重建，使空間數(shù)據(jù)從“奢侈品”變?yōu)榭梢?guī)模化獲取的“標(biāo)準(zhǔn)資源”。

“過去十年，我們解決的是讓機器人看見世界。”向少卿指出，“接下來，我們希望讓機器人理解世界。”在他看來，從“空間感知”到“空間智能”，激光雷達的角色正在發(fā)生變化，它不再只是自動駕駛中的一個傳感器，而是正逐步成為物理AI時代的重要數(shù)據(jù)入口。