假设这样一个场景：

一辆搭载高阶辅助驾驶的汽车行驶在高速上，系统突然提示“激光雷达不可用”，辅助驾驶随之降级。这是用户最容易感知的一类问题——传感器失效了。

但还有另一类问题更隐蔽：激光雷达仍在正常输出数据，车机没有任何故障提示，但在强光、雨雾、低反射率目标或近距离障碍物面前，测距出现偏差或波动。系统“看见了”，却没有“看准”。这种误差发生在高速场景，会影响算法对目标距离和运动状态的判断；发生在泊车或窄路通行场景，厘米级偏差就可能改变系统决策。

而这类问题真正的棘手之处在于——

算法可以通过多传感器融合、滤波和模型能力提高系统鲁棒性，但算法无法凭空恢复没有被正确捕获的物理信息。

这是理解激光雷达下一阶段竞争的前提。当激光雷达真正进入百万级前装时代，行业要回答的已经不只是“能不能看得更远”，而是三个更现实的问题：

能不能长期工作？能不能持续看准？能不能在数百万辆真实车辆上保持一致？

一、从“能上车”到“长期可靠运行”

NE研究院数据显示，在国内新能源乘用车前装量产口径下，激光雷达装机量已从2024年的159.5万台增至2025年的331.6万台，2026年上半年达到228.2万台——仅半年就接近2025年全年的七成。

激光雷达正在从“能不能上车”的技术验证期，走向“能不能规模化可靠运行”的产业成熟期。

而比规模增长更重要的，是评价体系正在变化。过去几年，行业习惯用线数、探测距离、点频定义一颗激光雷达的先进程度。但当设备真正进入百万级市场后，一个问题变得无法回避：

这些参数，能否在三年、五年甚至更长的产品生命周期内持续兑现？

二、参数竞赛还在继续，但它不再是全部

参数当然仍然重要。更高线数、更高分辨率、更强的小目标探测能力，依然是智能驾驶走向复杂场景的基础。但进入百万台量产阶段，三个变化让“继续堆参数”的边际收益打上问号。

第一，在同等可靠性水平下，参数的边际价值在衰减。从64线到128线，感知提升肉眼可见；从128线到1440线，像禾赛AT1440达到1440线、速腾聚创EM4做到1080线、华为推出896线产品，增量集中在少数极限场景，而付出的成本、功耗和算力开销是日常性的。

第二，高参数不等于好性能。实验室测得的最远探测距离，与车辆在极寒、高温高湿、强振动等真实工况下的表现往往差距明显。参数是理想状态下的能力上限，用户每天面对的却是雨雾、逆光、颠簸和脏污。

第三，高参数不再稀缺。禾赛CEO李一帆在2025年技术开放日给出的数据是：2017年一颗车载激光雷达价格在20万元以上，2025年可以做到200美元，八年降幅99.5%；主流128线产品的批量采购价已进入千元级。当高线数人人可做、低价格人人可给，参数就从差异化武器变成了内卷的加速器。

这三点并不意味着参数不再重要，而是意味着：参数继续向上的收益，越来越依赖可靠性和精准度是否跟得上。

理想条件下看见300米外的目标是一种能力；经历高温、低温、雨雾、逆光、振动和长期老化之后仍能稳定测准，是另一种能力。后者不达标时，前者写在规格书上也无法兑现。

而参数向上与价格向下同时发生，压力最终会传导到器件冗余、验证投入和料件选型上。这类妥协的特点是不会立刻显形——它往往要等到几年后、几十万辆车的真实运行中才浮出水面。

三、第一层是“不失效”，第二层是“不能测不准”

讨论激光雷达可靠性，行业首先想到的往往是“坏没坏”。这是底线。进入大规模生产后，供应链批次差异、工艺漂移、装配公差和长期老化都会被放大。几千、几万台规模下极低概率出现的问题，当基数扩展到百万级，就会从实验室里的概率变成具体的售后案例。规模扩大改变了问题的性质：过去是在实验室证明“它能工作”，现在要在数百万次真实使用中证明“它能长期稳定地工作”。

但“没有失效”不等于“感知可靠”。算法使用的不是一个“雷达在线”的状态位，而是一组组真实的距离、强度和空间信息。于是第二层要求出现了：数据是否准确，而这种准确性能否在不同工况和整个生命周期中保持稳定？一个完全失效的传感器，系统至少有机会识别异常并降级；而如果传感器仍在持续输出数据，却出现系统性漂移、噪声增加或特定工况下精度下降，算法面对的问题反而更复杂——它甚至不知道自己该不该相信输入。

所以进入高阶辅助驾驶阶段后，对激光雷达的要求正在从Availability（有没有数据），变成Availability + Accuracy + Consistency（既要一直在，还要测得准、每一台都一样）。可靠性回答“能不能一直在”，精准度回答“测得准不准”，一致性回答“每一台是不是都一样”。

四、摄像头走过的路，激光雷达可能也要走一遍

摄像头负责“看像”，画面像不像、清不清楚，人眼和算法都容易校验；激光雷达负责“测距”，算法直接把它的输出当作物理世界的真实坐标来用。要求更苛刻，但演进路径未必不同——回看汽车摄像头过去十余年，这条路并不陌生。

早期摄像头解决的是“能不能看见”和分辨率问题。随着ADAS成为汽车核心功能，单纯提高像素已经不够，HDR、高低照度表现以及LED Flicker Mitigation（LFM）逐渐取代像素，成为车载图像传感器的核心竞争维度。

但这次迁移真正的关键，不是行业“意识到”了复杂工况的重要性，而是这些能力最终被规格化了——HDR动态范围有dB可写，LFM有可复现的测试条件，它们能进入Spec、进入RFQ，能被逐项打分、横向比较。评价体系的迁移，本质上是从一组指标切换到另一组同样可测量的指标。

五、缺失的那把尺子：精准度一致性该怎么量

而这恰恰是激光雷达目前最欠缺的一环。行业已经在谈可靠性和精准度，但除失效率之外，“精准度一致性”至今没有一套公认的、可写进规格书的度量。它至少应该包含几类可定义的量：

测距偏差包络——不是最优条件下的单点精度，而是全温区、全反射率区间内的偏差上界；

强光下的精度衰减率——十万lux级环境光中，测距偏差相对暗环境放大多少倍；

生命周期末期的精度漂移——经过车规老化试验后，相对初始状态还剩多少精度余量；

批次之间的偏差分布——不是均值，而是分布的宽度。

这些量今天大多存在于各家内部的可靠性报告里，而不在对外规格书上。谁先把它们定义清楚、并且敢于公开，谁就在下一轮竞争中握住了话语权。而这件事只能从底层器件端发起——因为这些偏差的物理来源，绝大部分在芯片里。

六、竞争正在从整机参数深入到底层芯片

激光雷达本质上是高度复杂的光、机、电、算系统。随着产业向芯片化发展，越来越多原本由分立器件承担的功能正被集成到底层半导体中。其中SPAD、SiPM等单光子探测器件承担微弱回波光信号的捕获，是影响探测距离、精度、抗环境光能力和长期稳定性的关键环节。

2025年6月，Sony发布面向车载LiDAR的堆叠式SPAD深度传感器IMX479。按其公开口径，该产品具备520个dToF测距单元、最高20 fps帧率，940 nm下光子探测效率达37%，距离分辨率提升至5厘米间隔；在10万lux以上强背景光条件下仍可实现约300米高精度探测，并可在250米处识别25厘米高的路面小目标。

值得注意的是，这份发布口径里绝大部分仍是参数，可靠性方面只有“提升了汽车应用所需严苛温湿度条件下的可靠性”这样的定性表述。这本身就说明了问题：即便是头部玩家，今天也还没有一套成熟的语言来对外表达可靠性与精准度一致性。行业共识已经形成，度量方式却还没有。

但这些参数指向的方向是清楚的：今天对一颗车载激光雷达接收芯片的要求，已经同时包含更高灵敏度、更远探测、更高精度、更快读出、更复杂环境适应，以及长期车规可靠性。

国内芯片企业也在持续进入这一市场。灵明光子已形成覆盖线阵SPAD、面阵SPAD及SiPM的车载激光雷达接收芯片布局，阜时科技等企业也在SPAD方向持续投入。过去主要发生在整机参数表上的竞争，正在深入晶圆、SPAD器件结构、读出电路、信号处理以及车规可靠性能力。

七、不同玩家，都在回答同一道题

从产业格局来看，并不存在唯一正确的技术路线。整机与系统层面，禾赛、华为、速腾聚创、图达通等企业沿各自路线推进性能、芯片化与规模制造；底层芯片端则出现两类路径：整机企业强化垂直整合，通过自研芯片优化系统协同、成本与迭代效率；Sony、灵明光子、阜时科技等专业半导体及光电芯片企业，持续聚焦SPAD、SiPM等底层器件。

路线不同，但要回答的是同一道题：

做出一颗性能优秀的样片，与长期、稳定地制造百万颗、千万颗一致的器件，是两个完全不同的工程命题。

前者考验设计能力，后者考验工艺控制、测试覆盖、失效分析和质量反馈闭环。而汽车工业最终需要的是后者。

八、车规认证是起点，而不是终点

AEC-Q100、AEC-Q102以及ISO 26262等体系，为汽车芯片和光电器件建立了重要的可靠性与功能安全门槛。但认证解决的是“是否通过规定的测试条件”，真正长期的考试发生在认证之后——一颗芯片进入几十万辆、上百万辆汽车之后，要面对低温、高温高湿、道路持续振动、城市强背景光，以及数年持续工作的老化过程。

因此，“车规级”最终不只是一张证书，而应该是一条完整的能力链：

设计可靠性 → 车规验证 → 批量制造一致性 → 实际工况数据 → 长生命周期追踪

这条链条上很多环节还没有统一的表达方式。FIT、DPPM等失效率指标相对成熟，但精度一致性、批次分布、复杂工况下的性能衰减，各家口径不一、横向不可比。这不是某一家公司能单独解决的问题，它需要芯片企业、整机企业和主机厂共同建立一套可测量、可比较、可追溯的指标体系——就像十余年前摄像头行业为HDR和LFM所做的那样。

对底层器件企业而言，这既是要求，也是责任：把原本只写在内部可靠性报告里的数字，逐步变成可以对外承诺的规格。

九、百万级上车之后，真正的分水岭才刚刚出现

过去几年，激光雷达从少数高端车型上的昂贵配置，走向大规模前装。百万台上车证明了它“有用”；下一阶段需要证明的，是它能够长期可靠、持续精准，并且可以被规模化复制。

参数竞赛不会结束。线数还会增加，探测距离仍可能刷新，价格也会继续下降。但真正决定行业座次的，很可能还有另一组数字：失效率是多少？极端工况下精度衰减多少？不同批次之间偏差多大？实际运行了多少时间和里程？发生异常之后能不能完整追溯？

参数决定一颗激光雷达能看多远。

可靠性，决定它能不能一直看见。

精准度，决定它看到的世界能不能被算法真正相信。

而这两件事的物理基础，绝大部分沉在芯片里。

百万级上车之后，竞争的主战场正在下移。