年2018年題報告目錄1激光雷達（LiDAR）--競爭激烈的前沿科技產品，2018年是量產車使用激光雷TOC\o"1-5"\h\z達元年42018新款奧迪A8將搭載激光雷達，實現L3級自動輔助駕駛4圖表1：2018新款奧迪A8眾多傳感器幫助實現L34圖表2：美國汽車工程師協會（5八￡）自動駕駛分級5谷歌兄弟公司Waymo即將推出無司機的士服務，搭載激光雷達5圖表3：Waymo公司在美國鳳凰城推出的無司機出租車5百度宣布和金龍合作的無人車2018年7月量產5圖表4：百度無人車6.Velodyne2017年11月推出VLS-128TM，設立高性能激光雷達行業標桿6圖表5：Velodyne公司全新高性能激光雷達VLS-1287Innovusion300線激光雷達發布，分辨率可以和相機比擬7圖表6：Innovusion公司300線激光雷達7圖表7：Innovusion公司激光雷達的高清晰成像8業界首款能夠量產的3D固態激光雷達芯片LeddarCoreLCA2將在CES2018展出8圖表8：LeddarCORE集成電路邏輯92激光雷達是高級別自動駕駛（L4和L5）必須裝置9無人駕駛技術逐漸成熟，將成為汽車產業業績爆發點9圖表9：完全自動駕駛汽車銷量預計將在2035年爆發10無人駕駛技術需要不同種類傳感器互相配合10圖表10：安裝在汽車上的激光雷達對周圍物體進行3D測繪11圖表11：激光雷達的優點、缺點統計12圖表12：毫米波雷達的優點、缺點統計12圖表13：近距離物體探測激光雷達和毫米波雷達對比13圖表14：超聲波聲納的優點、缺點統計13圖表15：超聲波聲納在泊車中用于探測近距離物體14圖表16：相機圖像識別的優點、缺點統計14激光雷達是無人駕駛必需設備15圖表17：毫米波雷達、聲納和相機相結合，互相取長補短15激光雷達應用痛點——價格和體積問題將很快得到解決16圖表18：激光雷達市場預測17圖表19：激光雷達的價格下降預測173激光雷達硬件競爭——價格、體積和芯片1.7Velodyne作為行業龍頭，其機械旋轉式激光雷達是無人車研發測試首選18圖表20：VelodyneHDL-64激光雷達19圖表21：機械旋轉式激光雷達原理圖20圖表22:Velodyne機械式激光雷達產品線20Velodyne混合固態式激光雷達，降低成本同時提高設備可靠性20圖表23：VelodyneULTRAPUCK（VLP-32C）混合固態激光雷達21圖表24：基于MEMS掃描鏡的混合固態激光雷達原理圖21Quanergy固態激光雷達橫空出世，產品體積和價格有望大大縮小21圖表25：Quanergy固態激光雷達S322圖表26：S3采用光學相控陣（OPA）技術22LeddarTech公司提出全新固態激光雷達概念閃爍式（flash）激光雷達22圖表27：LeddarTech公司閃光激光雷達示意圖23圖表28：LeddarTech全固態激光雷達架構23圖表29：LeddarTech混合固態激光雷達架構24圖表30：LEDDARVU固態2D激光雷達24Ibeo的SCALA激光雷達實現量產，可以滿足自動輔助駕駛（ADAS）需求24圖表31：Valeo和ibeo公司聯合推出的SCALA激光雷達25光電探測器等核心器件，助力激光雷達應用25圖表32：全球激光雷達產業鏈251激光雷達（LiDAR）--競爭激烈的前沿科技產品，2018年是量產車使用激光雷達元年1.12018新款奧迪A8將搭載激光雷達，實現L3級自動輔助駕駛2017年7月，在巴塞羅那的展會上，奧迪宣布2018新款A8將通過率先搭載激光雷達實現L3等級自動駕駛，標志著激光雷達首次在量產車型上應用。按照美國汽車工程協會（5八￡）的自動駕駛分級標準（見圖2），L3意味著駕駛員的雙手可以離開汽車方向盤，但是注意力依然需要集中在道路狀況。截至目前，量產車中自動駕駛等級最高的系統為特斯拉配置的Autopilot，駕駛員的手在行駛過程中不可離開方向盤，屬于L2輔助駕駛等級。圖表1：2018新款奧迪A8眾多傳感器幫助實現L3AudiA8MHL!'l”的0sM精LlimhriUu-rrwr?i*闌中?南n4d4rivriwMrbthtich

圖表2:美國汽車工程師協會位人￡）自動駕駛分級SAE分^自動化程度SAE定義0無而動化有人類駕駛者全權攜作汽車，在行駛過程中可以仔到挈哈租保護善統的輔助.1駕駛輔助通過冕城環境列方向起和加或速出的一項操作提他雪峽支援.其他的茸駛劫佛都由人類篤映員進行操作S2部分自動化通過駕歧壞境可另向盤/加減速中的多項操作提他駕駛支援，其他的駕駛動作都由人類駕駛茴進行操作。3有條件自動化由無人駕駛系玩完成所有的駕收操作.根據系統請求，人關鴛收者提供迨當的應答.4高度自動化有W人駕獨系鼠完成所有的鷲枝操作.松握系統請求，人類駕收者不一就需里”所有的系簿諳求戳出應雜，限定道路和班境條件第，5蔻全自動化由無人駕獨系坑完成所有的人類篤最者可以充成的探作.任所存的道路和環境條件下句裝.1.2谷歌兄弟公司Waymo即將推出無司機的士服務，搭載激光雷達2017年11月9日，與谷歌同屬于Alphabet公司的Waymo,展示了位于美國亞利桑那州鳳凰城的無司機的士項目。乘客可以通過提前申請來體驗無司機的士服務，此外Waymo和打車應用Lyft達成合作協議，無人車的叫車服務指日可待。該款出租車的車型是克萊斯勒Pacifica，在圖中可以看到車頂搭載的激光雷達。該款激光雷達是Velodyne公司的HDL-64，在激光雷達的幫助下，Waymo出租車實現了L4等級自動駕駛。圖表3：Waymo公司在美國鳳凰城推出的無司機出租車百度宣布和金龍合作的無人車2018年7月量產2017年12月3日，第四屆世界互聯網大會在烏鎮開幕，百度公司董事長兼首席執行官李彥宏在接受采訪時表示，明年7月份，百度和金龍的量產無人車就會面世。此前百度總裁張亞勤在接受福布斯雜志采訪時就曾表示，搭載百度Apollo系統可以在高速公路上自動駕駛的無人車將在2019年向消費者發售，百度的L4級無人車將在2021年推出。與Waymo公司無人車一樣，目前百度無人車也搭載了Velodyne公司的HDL-64激光雷達。圖表4：百度無人車Velodyne2017年11月推出VLS-128TM,設立高性能激光雷達行業標Velodyne公司一直是激光雷達行業的領跑者，在時下新技術頻出、量產近在眼前的關鍵時期，推出一款行業標桿產品意義重大。新推出的VLS-128TM是128線激光雷達，其探測距離相較于其64線產品提升了1倍，探測精度提升了10倍，體積卻減少了70%?？梢詫ΜF有路測無人車的激光雷達實現逐步替代，使得量產車的外觀設計在早期就可以實現。

圖表5:Velodyne公司全新高性能激光雷達VLS-128Innovusion300m?nmw”””2017年12月12日，在硅谷的華人初創企業Innovusion宣布推出300線激光雷達，在探測清晰度（高分辨率）方面取得重大進展。高分辨率帶來的益處是，可以對車輛前面的行人及障礙物返回更多掃描點，能夠更準確識別被測物體。高分辨率激光雷達在遠距離成像上具備相機不可比擬的優勢，有助于高速行駛無人車的應用場景。圖表6：Innovusion公司300線激光雷達圖表7:Innovusion公司激光雷達的高清晰成像業界首款能夠量產的3D固態激光雷達芯片LeddarCoreLCA2將在CES2018展出隨著自動駕駛技術走向更高級別，對車載和激光雷達用芯片的需求逐步提高，除了傳統芯片廠如英特爾和英偉達加速自動駕駛專用芯片研發，激光雷達等廠商也開始嘗試自己研制專用ASIC芯片，以求降低成本和搶占市場領先地位。加拿大激光雷達廠商LeddarTech將在CES2018（2018年1月9~12日在美國拉斯維加斯）推出LeddarCoreLCA2芯片，將以前激光雷達使用的多個分立芯片集成到單個芯片里，有助于激光雷達的汽車嵌入式應用，并且大大提升激光雷達系統開發效率以及幫助解決現有的功耗和散熱等問題。應用LeddarCoreLCA2芯片，可以有效控制激光脈沖收發，并且對接收的脈沖信號進行模/數轉換。緊接著的信號處理模塊會提高信號的分辨率，并且給出脈沖收發時間和由此計算出的被測物距離。圖表8:LeddarCORE集成電路邏輯2激光雷達是高級別自動駕駛（L4和L5）必須裝置2.1■■■■■■■■■■■■■■■■■■■■■■■自動駕駛技術在加速來到所有人的身邊，并且將多層次的改變眾多人的生活方式。自動駕駛技術的迅猛發展是諸多因素共同促進的結果。據世界衛生組織（WHO）估計，2013年世界范圍內因車禍造成的意外死亡事故多達125萬人，錯誤駕駛和注意力分散是導致這些事故的主要原因，而自動駕駛技術可以避免這些因素。自動駕駛技術也將大大節省人們的時間，根據美國人口普查數據，美國人一生平均有500天時間花在上下班的交通上，如果乘坐無人車可以節省下來這些時間。自動駕駛技術還可以幫助沒有駕駛資格的人擁有自己的汽車，比如未成年人、老年人以及行動不便的人。無人車的大量應用也會降低人們的交通開支，因為整體交通運行將更加有效率，并且共享汽車將大大增加也會進一步降低大眾購車成本。除去這些客觀需求，傳感器技術的進步和人工智能技術尤其是機器學習的長足進步，使得無人車的實現有了客觀的技術可行基礎。時下，99.9%的汽車并沒有自動駕駛技術，美國財富雜志預測，以目前發展速度，在2020年之前自動駕駛汽車不會成為路上汽車的主流。但是雜志同時認為，在2040年時，新生產的汽車中95%也就是9630萬輛將實現自動駕駛））這是一個3.6萬億美元的市場。波士頓咨詢的預測相對保守一些，認為可以完全自動駕駛的無人車（L4、L5等級）將在2025年上路，在2035年有自動駕駛技術的新車占據總銷量的25%。而從業的科技公司非常樂觀，提供自動駕駛核心計算芯片的英偉達公司CEO黃仁勛認為2022年，L4或L5等級的無人車將實現量產。特斯拉的創始人馬斯克甚至表示公司的Autopilot系統在2018年就可以實現L4、L5等級自動駕駛。無人駕駛技術除了帶來汽車、半導體和傳感器領域的革新，又可以帶動保險、貨運、共享汽車和停車場服務等領域，這些服務擁有一個巨大的增量市場。美好的市場前景吸引了高強度的競爭，像上文中講述的，無論是傳統車企還是互聯網巨頭抑或芯片廠商，都迅速集結資金和人力在無人駕駛技術的研發。圖表9：完全自動駕駛汽車銷量預計將在2035年爆發■Parlidly貓屯■Parlidly貓屯n內而二四t-srs■Fully￡ut&rortous.cars2.2■■■■■■■■■■■■■■■■■■■24-J2M16161d1350白042O如圖表1所示，L3級自動駕駛汽車已經在其四周布置了許多個不同種類傳感器，包括激光雷達、毫米波雷達、超聲波聲納還有相機，這些傳感器共同配合對路況、車輛和行人進行全面檢測，來指導自動駕駛系統有效的控制車量。激光雷達(LightDetectionAndRanging，簡稱為LiDAR)在短時間內向周圍環境發射大量光子，通過測量反射回來光子的飛行時間(TOF,TimeofFlight)，計算與周圍物體的距離。按線束數量的多少，激光雷達又可分為單線束激光雷達與多線束激光雷達。顧名思義，單線束激光雷達掃描一次只產生一條掃描線，其所獲得的數據為2D數據，因此無法區別有關目標物體的3D信息。多線束激光雷達細分可分為2.5D激光雷達及3D激光雷達。2.5D雷達與3D激光雷達最大的區別在于激光雷達垂直視野的范圍，前者垂直視野范圍一般不超過10°，而后者可達到30°甚至40°以上。圖表10:安裝在汽車上的激光雷達對周圍物體進行3D測繪通常激光雷達的角分辨率不低于0.1m,也就是說可以分辨3km距離上相距0.3m的兩個目標，并可同時跟蹤多個目標；距離分辨率可達0.1m；速度分辨率能達到10m/s以內。如此高的距離和速度分辨率意味著激光雷達可以利用多普勒成像技術獲得非常清晰的圖像。激光直線傳播、方向性好、光束非常窄，彌散性非常低，因此精度很高。與微波、毫米波雷達易受自然界廣泛存在的電磁波影響的情況不同，自然界中能對激光雷達起干擾作用的信號源不多，因此激光雷達抗有源干擾的能力很強。激光雷達探測遠距離物體有絕對優勢，但是不適合超近距離應用?，F在阻礙激光雷達大規模應用的主要因素是價格過于昂貴以及體積過大無法嵌入汽車車身。

圖表11：激光雷達的優點、缺點統計LidarS-PflSDF5'iJPProximityDetectianSenscwCostWork、ieLidarS-PflSDF5'iJPProximityDetectianSenscwCostWork、ieda「kProvidesmini』/ContrastWorlvin弓nowi/wq-fKsin電口rM毫米波是頻率在30GHz300GHz的電磁波，對應波長在10到1毫米因而被稱作毫米波。毫米波雷達的優點是探測距離遠、晝夜無差別工作以及對霧雨雪的良好穿透能力。這些優點再結合其體積小價格低的特點，毫米波雷達從70年代就已經在一些高級車型上使用，在自動駕駛汽車領域更是成為必要的傳感裝置。圖表12：毫米波雷達的優點、缺點統計RadarProximityDetection5*Rangp-SensorsueflesalutionVJarkiind^fkWflpksinsriowr/fag/5#RadarProximityDetection5*Rangp-SensorsueflesalutionVJarkiind^fkWflpksinsriowr/fag/5#P「ovkfEECofour/ContrasWQiksnIjright毫米波雷達分辨率不是很高，在探測距離近的物體時無法準確分辨位置。如圖表13所示，毫米波雷達無法分辨相鄰兩車道上的汽車，但是激光雷達可以。

圖表13：近距離物體探測雖雖激光雷達和毫米波雷達對比超聲波聲納雖然探測距離非常有限，但是因為對近距離物體的良好分辨率，被廣泛應用在倒車雷達系統，它是現在自動泊車系統的重要傳感器（如圖表15所示）。作為自動駕駛系統的傳感器，聲納同激光雷達和毫米波雷達一樣不受氣候影響，并且不提供被測物的顏色、對比度和其他光學特征。圖表14：超聲波聲納的優點、缺點統計UltrasonicResolutionPrtaimityDelationDetects^peedProvidesColour/Corur之貿

圖表15：超聲波聲納在泊車中用于探測近距離物體相機圖像識別系統近些年逐漸具備便宜、小巧和高分辨率的特點，結合人工智能算法和機器學習技術，在自動駕駛系統中擁有重要和不可替代的作用。另外它對顏色和圖案信息的識別能力也是其他傳感器所不具備的。在遠距離探測能力上相機不及激光雷達，近距離探測能力上不及超聲波聲納，另外相機動態范圍遠遠不及人眼，在強光和弱光環境下也難以分辨物體。相機在機器學習系統的幫助下可以增強速度識別能力，但是依然不如激光雷達和毫米波雷達精確。圖表16：相機圖像識別的優點、缺點統計PassiveVisualProximityDetectionWorksinsnowr/fogJrainProvidesColour/Contras!■■■■■■■■■■■■■圍繞高級別自動駕駛的解決方案，主要有兩類，一類是特斯拉正在使用的Autopilot系統，另一類是Waymo代表使用的無人車方案，兩類方案最大的不同點在于是否使用激光雷達。共同使用的傳感器包括毫米波雷達、聲納和相機。除了激光雷達以外，其他三種傳感器都已經可以低成本量產，特斯拉公司研究了這些傳感器，認為把毫米波雷達、聲納和相機結合起來，可以不使用激光雷達卻依然實現所有需要的功能（如圖表17所示）。特斯拉的Autopilot1.0可以實現L2級自動輔助駕駛，新推出的Autopilot2.0據稱可以幫助實現L5級完全自動駕駛。但是L4和L5自動駕駛級別對系統提出的要求遠超人類駕駛水平，這就需要比人眼更優秀的傳感器以及傳感器冗余度。圖表17：毫米波雷達、聲納和相機相結合，互相取長補短indarkWorksrnbrightSensorCostDet^ts3P中年dProvidesColour/ContrastProximityindarkWorksrnbrightSensorCostDet^ts3P中年dProvidesColour/ContrastProximityDetectionWork-sinincw/fog/rasnR也：口luti白力基于視覺系統的車道線檢測有諸多缺陷。首先是視覺系統對背景光線很敏感，諸如陽光強烈的林蔭道，車道線被光線分割成碎片，致使無法提取出車道線。其次，視覺系統需要車道線的標識完整，有些年久失修的道路，車道線標記不明顯，不完整，有些剛開通幾年的道路也是如此。第三，視覺系統需要車道線的格式統一，這對按照模型庫識別車道線的系統尤其重要。有些車道線格式很奇特，比如藍顏色的車道線，很窄的車道線，模型庫必須走遍全國將這些奇特的車道線一一收錄，才能保證順利檢測。第四，視覺系統無法處理低照度環境，尤其是沒有路燈的黑夜。第五是速度，一般LKW要求時速在72公里以上才啟動，原因之一是速度比較高時人不會輕易換道，另一個原因就是比較低的車速意味著視覺系統的取樣點不足，擬合的車道線準確度較低。而激光雷達的有效距離一般是視覺系統的4-5倍，有效的采樣點比較多，車速較低時檢測準確度遠高于視覺系統。最后，如果車道線表面被水覆蓋，視覺系統會完全無效。激光雷達物體識別的最大優點是可以完全排除光線的干擾，無論白天還是黑夜，無論是樹影斑駁的林蔭道，還是光線急劇變化的隧道出口，都沒有問題。其次，激光雷達可以輕易獲得深度信息，而對攝像頭系統來說這非常困難。第三，激光雷達的有效距離遠在攝像頭之上，更遠的有效距離等于加大了安全冗余。最后，激光雷達也可以識別顏色和車道線。本文認為特斯拉作為率先實現L2級輔助自動駕駛的OEM廠商，在激光雷達可以低價量產前不會裝配。另外為了增強消費者對其技術的信心，必須強調Autopilot系統的智能和完善。有朝一日激光雷達大批量裝配其他量產車時，特斯拉會大概率裝配激光雷達。激光雷達應用痛點價格和體積問題將很快得到解決正如上文指出，激光雷達暫時由于價格高體積大而無法在量產車上應用，但是各大公司正在積極研發新產品來解決這兩個問題，量產前景樂觀。圖表18中展示了激光雷達未來5年的市場規模預測，除了測繪、工業傳感和機器人的傳統市場會保持快速增長，在2022年，用于自動駕駛的激光雷達將擁有近2億美元的市場，占總市場的六分之一。圖表18：激光雷達市場預測圖表19圖表19展示了激光雷達價格的快速下降趨勢，從2007年的8萬美元售價，降到了今年的120懦1g%120懦1g%375美元，只用了十年時間價格下降幅度超過99%。預計未來三年，激光雷達的售價會逐步降到100美元，這將為量產車使用激光雷達鋪平道路。圖表19：激光雷達的價格下降預測90000-80000-7OT00-60000-500004000030000-20000100003激光雷達硬件競爭，，價格、體積和芯片現階段各家激光雷達廠商的競爭集中在成本降低、體積減小和專用集成電路設計。百度和Waymo測試用的VelodyneHDL-64E激光雷達造價高達75000美元，無法應用在量產車中。HDL-6412.7kg的重量和30cm的高度，使其只能放置在車頂，無法嵌入在車身中。另外這款激光雷達的機械旋轉部件和其他分立器件，包括控制和檢測電路，都需要安裝人員手動調試，無法批量生產和安裝。在保持測量精度的前提下解決這三類問題，是現在各家公司競爭的核心?？v觀各家公司產品，激光雷達按有無機械旋轉部件，分為機械激光雷達、混合固態和固態激光雷達。機械激光雷達帶有控制激光發射角度的旋轉部件，混合固態激光雷達通過MEMS工藝制作控制激光角度的旋轉部件，而固態激光雷達則依靠電子部件來控制激光發射角度，無需機械旋轉部件。機械激光雷達在L4和L5級別無人車訓練的過程中起到了很重要的作用，但是未來量產車的激光雷達，一定會采用混合固態或者純固態設計。自動駕駛等級的提高，對應著系統數據量的大幅提高，這一方面要求機器學習芯片的工藝進步，另一方面對芯片集成或者芯片數量的減少也有更高的要求。英特爾公司早早進入這個領域，長期和Waymo公司合作，提供無人車計算用芯片，近期更是收購了擅長視頻AI處理的Mobileye公司，布局未來自動駕駛芯片市場。英偉達公司推出自動駕駛專用DRIVEPX平臺，發揮其并行計算處理傳感器數據的能力。特斯拉公司Autopilot1.0使用MobileyeEyeQ3芯片，Autopilot2.0改用英偉達DRIVEPX2平臺，今年12月馬斯克宣布特斯拉在開發全新AI芯片用于自動駕駛。自動駕駛專用芯片技術門檻低于通用芯片，預計未來這一領域的競爭會加大。3.1Velodyne作為行業龍頭，其機械旋轉式激光雷達是無人車研發測試首選Velodyne公司成立于1983年，最初是一家擅長生產重低音音響的音頻公司。直到2005年公司才涉足激光雷達領域，首創360度機械旋轉式激光雷達，這款設計因為其遠距離探測和全方位掃描的優點，一直沿用至今。以其最廣泛應用的產品HDL-64激光雷達舉例，它有64束脈沖激光束，不同的激光束之間有固定的縱向夾角，64束激光經過反光鏡（見圖表21）發射出上透鏡，以26.9度的縱向角度范圍投射在遠處物體上，從物體反射回來的激光信號透過下透鏡被接收器接收。于此同時，激光發射和接收端口360度高速旋轉，實現對周圍環境的3D建模。HDL-64探測距離為120米，測距精度2厘米，橫向和縱向測量精度分別為0.08度和0.4度，每秒掃描點為220萬個，這些特性使得它非常利于無人車在各種環境和速度條件下對周圍情況進行3D測繪。但是一臺HDL-64造價高達75000美元，并且重量和體積很大，決定了它只適合用于無人車算法開發，但是無法應用在量產車上。隨著無人車算法和路測數據的逐步完善，Velodyne公司適時地推出了小型化低價產品，包括HDL-32E和VLP-16系列（如圖表22）。這些產品把旋轉部件隱藏到設備內部，減小了設備體積并且降低了其損壞風險。VLP-16的售價低于1000美元，體積僅僅是HDL-64的6%，已經可以被量產車市場接受。但是體積縮小的代價是探測距離和精度的降低，使得它無法應用在高速行駛的車輛上。圖表20：VelodyneHDL-64激光雷達

圖表21：機械旋轉式激光雷達原理圖圖表22:Velodyne機械式激光雷達產品線3.2Velodyne■■■■■■■■■■■■■■■■■■■■■■■為了在縮小體積的同時保持遠距離和高精度探測能力，Velodyne推出了ULTRAPUCK（VLP-32C）這款產品，由于使用了混合固態技術，該款產品的探測能力大大提升，探測距離達到了200米，探測精度更是HDL-64的10倍。這主要是因為使用MEMS掃描鏡替代了傳統機械掃描鏡，基于微納加工工藝的

MEMS掃描鏡提升了激光掃描的效率，比傳統機械掃描鏡穩定牢固。福特汽車公司正在使用這款激光雷達來研制自己的自動駕駛汽車。圖表23:VelodyneULTRAPUCK（VLP-32C）混合固態激光雷達圖表24：基于MEMS掃描鏡的混合固態激光雷達原理圖3.3Quanergy■■■■■■■■■■■■■■■■■■■■■■■■Quanergy公司是2015年在硅谷成立的初創公司，推出內部無任何旋轉部件的激光雷達S3，號稱是全球第一家可以量產固態激光雷達的公司。該設備相比Velodyne公司產品，重量、體積和價格都大大降低，探測距離達到150米。S3生產線將于2018年9月投產，公司預計在量產規模達到10萬個以上時，單個固態激光雷達的價格可以降到250美元以下。S3激光雷達使用了光學相控陣技術，只需要控制電信號就可以改變激光在陣列不同位置的位相，而不同位相的激光在設備外經過干涉相長或者干涉相消，可以形成可控制的單一角度。因而掃描不同的角度只需要設置不同的電子信號，不需要任何機械掃描鏡，即可實現類似于機械掃描的效果。相控陣技術節省了加工成本，整個系統也更加緊湊，擁有低廉的整體造價，量產價格將低于250圖表25:Quanergy固態激光雷達S3圖表26:S3采用光學相控陣（OPA）技術LeddarTech公