假設這樣一個場景：

一輛搭載高階輔助駕駛的汽車行駛在高速上，系統突然提示“激光雷達不可用”，輔助駕駛随之降級。這是用戶最容易感知的一類問題——傳感器失效了。

但還有另一類問題更隐蔽：激光雷達仍在正常輸出數據，車機沒有任何故障提示，但在強光、雨霧、低反射率目标或近距離障礙物面前，測距出現偏差或波動。系統“看見了”，卻沒有“看準”。這種誤差發生在高速場景，會影響算法對目标距離和運動狀态的判斷；發生在泊車或窄路通行場景，厘米級偏差就可能改變系統決策。

而這類問題真正的棘手之處在于——

算法可以通過多傳感器融合、濾波和模型能力提高系統魯棒性，但算法無法憑空恢複沒有被正确捕獲的物理信息。

這是理解激光雷達下一階段競争的前提。當激光雷達真正進入百萬級前裝時代，行業要回答的已經不隻是“能不能看得更遠”，而是三個更現實的問題：

能不能長期工作？能不能持續看準？能不能在數百萬輛真實車輛上保持一緻？

一、從“能上車”到“長期可靠運行”

NE研究院數據顯示，在國内新能源乘用車前裝量産口徑下，激光雷達裝機量已從2024年的159.5萬台增至2025年的331.6萬台，2026年上半年達到228.2萬台——僅半年就接近2025年全年的七成。

激光雷達正在從“能不能上車”的技術驗證期，走向“能不能規模化可靠運行”的産業成熟期。

而比規模增長更重要的，是評價體系正在變化。過去幾年，行業習慣用線數、探測距離、點頻定義一顆激光雷達的先進程度。但當設備真正進入百萬級市場後，一個問題變得無法回避：

這些參數，能否在三年、五年甚至更長的産品生命周期内持續兌現？

二、參數競賽還在繼續，但它不再是全部

參數當然仍然重要。更高線數、更高分辨率、更強的小目标探測能力，依然是智能駕駛走向複雜場景的基礎。但進入百萬台量産階段，三個變化讓“繼續堆參數”的邊際收益打上問号。

第一，在同等可靠性水平下，參數的邊際價值在衰減。從64線到128線，感知提升肉眼可見；從128線到1440線，像禾賽AT1440達到1440線、速騰聚創EM4做到1080線、華為推出896線産品，增量集中在少數極限場景，而付出的成本、功耗和算力開銷是日常性的。

第二，高參數不等于好性能。實驗室測得的最遠探測距離，與車輛在極寒、高溫高濕、強振動等真實工況下的表現往往差距明顯。參數是理想狀态下的能力上限，用戶每天面對的卻是雨霧、逆光、颠簸和髒污。

第三，高參數不再稀缺。禾賽CEO李一帆在2025年技術開放日給出的數據是：2017年一顆車載激光雷達價格在20萬元以上，2025年可以做到200美元，八年降幅99.5%；主流128線産品的批量采購價已進入千元級。當高線數人人可做、低價格人人可給，參數就從差異化武器變成了内卷的加速器。

這三點并不意味着參數不再重要，而是意味着：參數繼續向上的收益，越來越依賴可靠性和精準度是否跟得上。

理想條件下看見300米外的目标是一種能力；經曆高溫、低溫、雨霧、逆光、振動和長期老化之後仍能穩定測準，是另一種能力。後者不達标時，前者寫在規格書上也無法兌現。

而參數向上與價格向下同時發生，壓力最終會傳導到器件冗餘、驗證投入和料件選型上。這類妥協的特點是不會立刻顯形——它往往要等到幾年後、幾十萬輛車的真實運行中才浮出水面。

三、第一層是“不失效”，第二層是“不能測不準”

讨論激光雷達可靠性，行業首先想到的往往是“壞沒壞”。這是底線。進入大規模生産後，供應鍊批次差異、工藝漂移、裝配公差和長期老化都會被放大。幾千、幾萬台規模下極低概率出現的問題，當基數擴展到百萬級，就會從實驗室裡的概率變成具體的售後案例。規模擴大改變了問題的性質：過去是在實驗室證明“它能工作”，現在要在數百萬次真實使用中證明“它能長期穩定地工作”。

但“沒有失效”不等于“感知可靠”。算法使用的不是一個“雷達在線”的狀态位，而是一組組真實的距離、強度和空間信息。于是第二層要求出現了：數據是否準确，而這種準确性能否在不同工況和整個生命周期中保持穩定？一個完全失效的傳感器，系統至少有機會識别異常并降級；而如果傳感器仍在持續輸出數據，卻出現系統性漂移、噪聲增加或特定工況下精度下降，算法面對的問題反而更複雜——它甚至不知道自己該不該相信輸入。

所以進入高階輔助駕駛階段後，對激光雷達的要求正在從Availability（有沒有數據），變成Availability + Accuracy + Consistency（既要一直在，還要測得準、每一台都一樣）。可靠性回答“能不能一直在”，精準度回答“測得準不準”，一緻性回答“每一台是不是都一樣”。

四、攝像頭走過的路，激光雷達可能也要走一遍

攝像頭負責“看像”，畫面像不像、清不清楚，人眼和算法都容易校驗；激光雷達負責“測距”，算法直接把它的輸出當作物理世界的真實坐标來用。要求更苛刻，但演進路徑未必不同——回看汽車攝像頭過去十餘年，這條路并不陌生。

早期攝像頭解決的是“能不能看見”和分辨率問題。随着ADAS成為汽車核心功能，單純提高像素已經不夠，HDR、高低照度表現以及LED Flicker Mitigation（LFM）逐漸取代像素，成為車載圖像傳感器的核心競争維度。

但這次遷移真正的關鍵，不是行業“意識到”了複雜工況的重要性，而是這些能力最終被規格化了——HDR動态範圍有dB可寫，LFM有可複現的測試條件，它們能進入Spec、進入RFQ，能被逐項打分、橫向比較。評價體系的遷移，本質上是從一組指标切換到另一組同樣可測量的指标。

五、缺失的那把尺子：精準度一緻性該怎麼量

而這恰恰是激光雷達目前最欠缺的一環。行業已經在談可靠性和精準度，但除失效率之外，“精準度一緻性”至今沒有一套公認的、可寫進規格書的度量。它至少應該包含幾類可定義的量：

測距偏差包絡——不是最優條件下的單點精度，而是全溫區、全反射率區間内的偏差上界；

強光下的精度衰減率——十萬lux級環境光中，測距偏差相對暗環境放大多少倍；

生命周期末期的精度漂移——經過車規老化試驗後，相對初始狀态還剩多少精度餘量；

批次之間的偏差分布——不是均值，而是分布的寬度。

這些量今天大多存在于各家内部的可靠性報告裡，而不在對外規格書上。誰先把它們定義清楚、并且敢于公開，誰就在下一輪競争中握住了話語權。而這件事隻能從底層器件端發起——因為這些偏差的物理來源，絕大部分在芯片裡。

六、競争正在從整機參數深入到底層芯片

激光雷達本質上是高度複雜的光、機、電、算系統。随着産業向芯片化發展，越來越多原本由分立器件承擔的功能正被集成到底層半導體中。其中SPAD、SiPM等單光子探測器件承擔微弱回波光信号的捕獲，是影響探測距離、精度、抗環境光能力和長期穩定性的關鍵環節。

2025年6月，Sony發布面向車載LiDAR的堆疊式SPAD深度傳感器IMX479。按其公開口徑，該産品具備520個dToF測距單元、最高20 fps幀率，940 nm下光子探測效率達37%，距離分辨率提升至5厘米間隔；在10萬lux以上強背景光條件下仍可實現約300米高精度探測，并可在250米處識别25厘米高的路面小目标。

值得注意的是，這份發布口徑裡絕大部分仍是參數，可靠性方面隻有“提升了汽車應用所需嚴苛溫濕度條件下的可靠性”這樣的定性表述。這本身就說明了問題：即便是頭部玩家，今天也還沒有一套成熟的語言來對外表達可靠性與精準度一緻性。行業共識已經形成，度量方式卻還沒有。

但這些參數指向的方向是清楚的：今天對一顆車載激光雷達接收芯片的要求，已經同時包含更高靈敏度、更遠探測、更高精度、更快讀出、更複雜環境适應，以及長期車規可靠性。

國内芯片企業也在持續進入這一市場。靈明光子已形成覆蓋線陣SPAD、面陣SPAD及SiPM的車載激光雷達接收芯片布局，阜時科技等企業也在SPAD方向持續投入。過去主要發生在整機參數表上的競争，正在深入晶圓、SPAD器件結構、讀出電路、信号處理以及車規可靠性能力。

七、不同玩家，都在回答同一道題

從産業格局來看，并不存在唯一正确的技術路線。整機與系統層面，禾賽、華為、速騰聚創、圖達通等企業沿各自路線推進性能、芯片化與規模制造；底層芯片端則出現兩類路徑：整機企業強化垂直整合，通過自研芯片優化系統協同、成本與疊代效率；Sony、靈明光子、阜時科技等專業半導體及光電芯片企業，持續聚焦SPAD、SiPM等底層器件。

路線不同，但要回答的是同一道題：

做出一顆性能優秀的樣片，與長期、穩定地制造百萬顆、千萬顆一緻的器件，是兩個完全不同的工程命題。

前者考驗設計能力，後者考驗工藝控制、測試覆蓋、失效分析和質量反饋閉環。而汽車工業最終需要的是後者。

八、車規認證是起點，而不是終點

AEC-Q100、AEC-Q102以及ISO 26262等體系，為汽車芯片和光電器件建立了重要的可靠性與功能安全門檻。但認證解決的是“是否通過規定的測試條件”，真正長期的考試發生在認證之後——一顆芯片進入幾十萬輛、上百萬輛汽車之後，要面對低溫、高溫高濕、道路持續振動、城市強背景光，以及數年持續工作的老化過程。

因此，“車規級”最終不隻是一張證書，而應該是一條完整的能力鍊：

設計可靠性 → 車規驗證 → 批量制造一緻性 → 實際工況數據 → 長生命周期追蹤

這條鍊條上很多環節還沒有統一的表達方式。FIT、DPPM等失效率指标相對成熟，但精度一緻性、批次分布、複雜工況下的性能衰減，各家口徑不一、橫向不可比。這不是某一家公司能單獨解決的問題，它需要芯片企業、整機企業和主機廠共同建立一套可測量、可比較、可追溯的指标體系——就像十餘年前攝像頭行業為HDR和LFM所做的那樣。

對底層器件企業而言，這既是要求，也是責任：把原本隻寫在内部可靠性報告裡的數字，逐步變成可以對外承諾的規格。

九、百萬級上車之後，真正的分水嶺才剛剛出現

過去幾年，激光雷達從少數高端車型上的昂貴配置，走向大規模前裝。百萬台上車證明了它“有用”；下一階段需要證明的，是它能夠長期可靠、持續精準，并且可以被規模化複制。

參數競賽不會結束。線數還會增加，探測距離仍可能刷新，價格也會繼續下降。但真正決定行業座次的，很可能還有另一組數字：失效率是多少？極端工況下精度衰減多少？不同批次之間偏差多大？實際運行了多少時間和裡程？發生異常之後能不能完整追溯？

參數決定一顆激光雷達能看多遠。

可靠性，決定它能不能一直看見。

精準度，決定它看到的世界能不能被算法真正相信。

而這兩件事的物理基礎，絕大部分沉在芯片裡。

百萬級上車之後，競争的主戰場正在下移。