禾賽的未來，在于讓“機器覺醒”

UT OF COMMON

/不寫平庸的故事/

東方不亮，西方亮

文/林書

編輯/劉宇翔

禾賽雙重上市的時機，挑選得非常巧妙。

9月15日，禾賽科技宣布與一家美國領先的頭部Robotaxi公司深化合作，簽訂價值超過4000萬美元的激光雷達訂單，將作為該公司唯一激光雷達供應商，訂單計劃于2026年底前完成交付。

次日，挾好消息的禾賽就正式在香港聯交所主板掛牌，成為首家實現”美股+港股”雙重主要上市的激光雷達企業，募資約41.60億港元，創下近四年來中概股回港最大IPO規模。

當天，禾賽科技美股盤前股價強勢拉升，漲幅超6%至30.29美元，港股開盤后股價迅速拉升，兩分鐘內漲幅突破10%，市值一度超過350億港元。

近期，高盛發布研報稱，隨著激光雷達今年在中國市場加速普及，并于2026至2027年開始在全球車企實現大規模量產，預測至2030年海外ADAS激光雷達出貨量將達300萬臺，相當于中國市場2025年的規模。高盛首次給予禾賽港股“買入”評級，目標價281港元，美股目標價由26.3美元由上調至36美元，評級亦為“買入”。

但截至9 月 26 日午盤，禾賽港股股價為 227.2 港元，較發行價212.8港元，僅微漲，距離高盛給出的目標價更是甚遠。

這家在激光雷達領域做到全球出貨量第一的企業，一個更深層的問題正在浮現：在越來越多乘用車車企轉向純視覺路線的當下，激光雷達的未來，究竟在哪？

01

自動駕駛技術有兩條路線：一是多傳感器融合路線，使用激光雷達、攝像頭等多種傳感器協同工作，感知全面，但硬件成本高；二是純視覺路線，主要依靠攝像頭和視覺算法，硬件成本低，但對算法要求高。

隨著激光雷達成本大幅降低，此前，第一條路線似乎更有前景。但近期，以特斯拉為“祖師爺”的純視覺方案正在吸引越來越多的追隨者。2025年，小鵬汽車董事長何小鵬明確表示，小鵬將全面轉向純視覺方案，甚至連改款SUV G7也去掉了激光雷達。

同樣地，比亞迪的部分車型，例如10萬級的海豚智駕版、海豹EV智駕版，也已經放棄了LiDAR，搭載“天神之眼C”純視覺方案。從價格區間來看，在15萬元以下市場，激光雷達不再是“剛需”，純視覺方案正成主流選擇。

路線轉變的原因之一，是純視覺路線能進一步降低成本。

早期一套激光雷達系統售價高達70 萬，妥妥的高檔貨，之前，特斯拉FSD系統的硬件成本曾約為Waymo的七分之一。但現在，禾賽等國產廠商已經把激光雷達成本降到白菜價，2025年部分國產激光雷達已降至500美元（約合人民幣3500元）以內，部分企業通過技術優化可將成本控制在千元級。

即使便宜到這份上，但在激烈的競爭下，車企追求極度的成本控制、規模化量產，成本能省則省，特斯拉趟出純視覺方案的可行性后，會激勵更多車企嘗試。

除了成本外，安全性問題，也一直是激光雷達VS純視覺繞不開的焦點。

從數據上看，特斯拉FSD系統每百萬公里約有0.15起事故，而Waymo約有1.16起，在事故率方面，特斯拉事故率約為Waymo的七分之一。

乍一看，純視覺路線反而還比激光雷達“安全”不少。

然而，表面的差距之下，卻是統計口徑的巨大差異：特斯拉主要報告安全氣囊展開的嚴重事故，且其自動駕駛主要運作在高速公路等相對簡單的場景；而Waymo報告所有事故，且運營在”完全無人+城市復雜路網”的環境下。

這種“完全無人”的特點，正是L4級自動駕駛最重要的指標。

在L4級自動駕駛領域，激光雷達與純視覺的技術路徑分歧已演化為深層次的系統性差異。

相較于復雜的融合路線，特斯拉的純視覺路線的優勢在于，更易于建立數據驅動的閉環系統，以攝像頭圖像為唯一輸入，數據一致性好，車隊采集的海量真實視覺數據可以直接用于訓練和優化AI模型，使得整個系統能夠像人類學習一樣持續進化，迭代速度非?？?，逐漸被認為更有可能實現類人的智能駕駛。

但讓模型真正達到類人的程度，模型算法還需優化，并且需要更強的算力做支撐，以及符合監管合規性、安全冗余設計要求。

畢竟，對特斯拉這類乘用車而言，眼下所采用的自動駕駛技術，更準確的說法是“輔助駕駛”，更強調人類司機必須時刻監督，必要時進行接管。這就給發生事故時，進行責任認定留下了一定回旋余地。

對L4級的Robotaxi而言，由于車輛完全由智駕系統控制，一旦發生事故，責任的主體則完全落在了運營方。這是在安全方面，二者面臨的最大不同。

所以，在車企朝純視覺轉向的時候，Robotaxi 企業依舊選擇禾賽就不足為奇了。

禾賽的Robotaxi 客戶相當多，除了新簽約的，它早已與全球前十大Robotaxi公司中的八家建立了合作關系，包括Zoox、Aurora、Apollo、滴滴、小馬智行（PONY）、文遠知行（WRD）等。

02

Waymo作為多傳感器融合路線的標桿企業，其第五代自動駕駛系統（Waymo Driver）采用了堪稱行業最為復雜的感知架構：5顆激光雷達（4顆長距激光雷達+1顆近距補盲激光雷達）、8個高分辨率攝像頭、以及最新的4D毫米波雷達陣列。系統激光雷達點云密度達1500萬點/秒，在夜間、雨霧等極端條件下仍能實現厘米級精度的環境重建。

這種”過度工程化”的設計理念背后，不僅是對L4級系統”零容錯”要求的深刻理解，更多是來自監管與法規的壓力。

美國NHTSA（國家公路交通安全管理局）在2025年發布的《L4級自動駕駛系統安全評估指南》中，明確將”感知系統冗余性”列為核心評估指標。指南要求L4級系統必須具備”在任何單一關鍵傳感器失效情況下仍能維持安全運行”的能力。

這一要求實質上確立了激光雷達在L4級系統中的”準剛性”地位——盡管法規條文并未明確指定特定傳感器類型，但激光雷達獨有的測距精度和環境適應性，使其成為滿足冗余要求的最優解。

同樣地，歐盟委員會在2025年3月發布的《汽車產業重振計劃》中，也進一步強化了這一趨勢，要求在歐盟境內運營的L4級車輛必須通過”極端天氣適應性測試”，包括暴雨、大霧、逆光等場景下的感知能力驗證。

這些測試條件下，激光雷達往往有著視覺難以匹敵的優勢。

除了安全、監管方面的剛性要求外，激光雷達在L4級Robotaxi與乘用車市場的不同地位，本質上反映了兩種截然不同的商業模式和責任承擔機制。

Waymo等Robotaxi運營商，雖然與特斯拉一樣都想追求規?；咭幠；那疤釁s不同：由于Robotaxi承擔完全的法律責任和事故風險。如果沒有足夠的安全背書，政府就不給路權，保險商就不給承保，公眾也不敢乘坐。

在此情況下，其商業模式就會陷入“不許上路→ 無法規模化 → 無法攤薄成本 → 無法盈利的死循環”。

相比之下，乘用車市場卻遵循完全不同的發展邏輯。車企可以采用”漸進式”策略，從L2級輔助駕駛開始，通過OTA升級逐步提升自動駕駛能力。在這種模式下，駕駛責任仍由人類承擔，系統失效的后果相對可控。

因此，在乘用車的商業模式里，車企完全可以先積累用戶，等規模起來后，再用用海量用戶數據+OTA不斷修補。

特斯拉的FSD發展路徑，完美詮釋了這種模式。

在美國（尤其加州、德州），對L2系統的監管極其寬松，只要求“駕駛員手放在方向盤上”，沒有強制數據上報或事故深度調查。

特斯拉利用這種寬松，讓車輛在真實世界高頻運行FSD Beta（測試版），把公共道路變成“免費試驗場”。并由此不斷積累數據，從而逐漸構建起了世界上最大的實車數據收集網絡。其端到端神經網絡通過海量真實駕駛數據的訓練，在某些場景下已接近人類駕駛員水平。

禾賽與Robotaxi 走得越來越近，不是技術路線的勝利，而是商業模式選擇的必然。激光雷達被Robotaxi選中，并不是它比攝像頭+AI 算法“更聰明”，而是因為它是“安全稅”和“準入門票”。

03

禾賽選擇在此時進行港股IPO并獲得大額訂單，可以說是“恰逢其時”。

從法規層面看，無論中美兩國，關于智駕相關的法規都已逐步完善。在技術層面，支持L4的集中式計算平臺正在成熟。英偉達下一代車載中央計算平臺NVIDIA DRIVE Thor將在2025年實現量產，該平臺最高算力可達2000TOPS，專門面向L4級自動駕駛設計。

從時間上看，2026年對于L4級自動駕駛而言，是一個關鍵的時間窗口。

然而，禾賽并沒有完全將寶都押在L4這一條賽道上。

在乘用車市場面臨純視覺沖擊的同時，禾賽正在積極布局激光雷達技術具備天然優勢的封閉及半封閉應用場景。2025年以來，其在工業自動化、智能物流、港口運營等B端市場的布局顯著加速。

一個顯著的例子是，浪潮推動下，AGV（自動導引車）和AMR（自主移動機器人）正成為智能制造的核心組件。禾賽的激光雷達產品在這一領域展現出獨特的技術優勢。

2025年，全球AGV/AMR市場規模已達到68億美元，其中約60%的高端產品采用激光雷達作為主導感知方案。禾賽的JT系列迷你激光雷達專門針對此類應用優化，支持±10mm毫米級定位精度，能夠在復雜的倉儲、工廠等高動態場景中實現穩定的SLAM（即時定位與地圖構建）功能。

同樣地，港口自動化等場景，也是激光雷達技術在大型工業中最剛需的應用。與道路環境的復雜性不同，港口作為相對封閉的工業環境，為激光雷達提供了理想的部署條件。

在封閉工業場景中，激光雷達相比純視覺方案具備多項不可替代的技術優勢。因為工業環境往往伴隨粉塵、水霧、強光照射等極端條件，激光雷達的主動探測特性使其能夠在這些條件下保持穩定性能。

而在無人配送方面，無人配送車作為”低速+封閉/半封閉”場景的典型應用，正在成為激光雷達技術商業化的重要突破口。禾賽與新石器無人車的深度合作就是這一趨勢的典型代表。

雙方于2021年9月簽署戰略合作協議，并合作持續至今，包括Hesai32/PandarXT系列LiDAR集成，2025年，新石器車輛仍依賴Hesai傳感器，并在上海等地商業運營。

而激光雷達之所以能滿足無人配送的需求，主要原因在于配送場景的特殊性：在動態復雜場景（如交叉路口、擁擠倉庫），視覺推斷易受光照、遮擋影響，但激光雷達卻能將誤差縮小到1米以內。

從技術角度看，禾賽在車載激光雷達領域積累的固態激光雷達技術、自研芯片能力以及SLAM算法優化經驗，在AGV/AMR、無人配送等場景中同樣適用，甚至在某些方面（如定位精度、穩定性要求）更容易實現技術突破。

通過在車載、機器人、工業等多個領域的同步發力，使其能夠在更大的產銷規模上分攤研發成本，加速技術迭代，并通過供應鏈整合進一步降低制造成本。

2025年，機器人及工業應用已占到禾賽總營收的25%，預計2026年這一比例將提升至40%。這種收入結構的多元化有效降低了其對單一市場的依賴風險。

禾賽激光雷達多場景應用

從深層次看，禾賽的多賽道布局，實際上是為應對市場變化，構建一個以激光雷達為核心的機器感知技術生態，避免所有賭注都寄托在載人車上。

當然，技術是相通的，通過在不同應用場景中的技術驗證和迭代優化，禾賽正在建立起跨越多個垂直領域的技術護城河。其背后反映的是，在成本急劇降低，利潤空間大幅縮小的壓力之下，激光雷達技術被迫從單一應用向多元化生態演進。

當激光雷達帶來的感知能力下沉至工廠、港口、物流與城市毛細血管。爭奪已非在乘用車智駕技術路線對錯上，在于定義下一代智能體如何“看見”并“理解”物理世界的標準與話語權，更在于能否在更多場景上消化產能。

激光雷達的未來，不是與攝像頭的零和博弈，而是從“車輪上的奢侈品”蛻變為“機器世界的通用眼睛”，讓機器“覺醒”。

由于公號改版，為了您和最話的再次見面

請關注賬號，點亮星標

擁抱高德的商家，正在投出中國的谷歌地圖

宗馥莉的第二次“自傷式襲擊”

小米汽車的“必修課”迎來小考