车载激光雷达渗透率仅8%，禾赛市占率超50%，连续13月第一

车载激光雷达市场并没有随着渗透率提升和价格下探进入平静期。华为开年刚把竞争推向896线的更高线数参数，禾赛科技转身抛出了另一种答案：给激光雷达加上“颜色”。

日前，禾赛科技发布全球首款6D全彩激光雷达超感光芯片。按照官方说法，这款芯片将传统激光雷达只能感知物体位置和形状的能力，拓展至同步感知物体色彩，可直接生成彩色点云。在同样的激光功率下，搭载该芯片的激光雷达产品能探测到更远的距离、更小的目标和看清更暗的环境。

禾赛科技联合创始人及首席科学家孙恺向界面新闻等媒体解释，这一产品的核心思路，是让摄像头数据和激光雷达数据实现空间和时间的更好融合，让系统同时获得激光雷达的空间感知能力和摄像头的语义信息，从而增强自动驾驶算法模型对真实环境的理解能力。

华为和禾赛分别代表了两种不同的技术发展方向。华为沿着智能驾驶硬件熟悉的路径，继续抬高参数上限；禾赛则试图改写激光雷达的产品边界，让这项原本主要服务于测距和建模的传感器，开始承载更丰富的空间和语义信息。

通常自动驾驶系统需要多类传感器协同工作，包括摄像头、毫米波雷达和激光雷达等。但行业一直存在纯视觉和激光雷达两条技术路径之争。前者把摄像头作为核心传感器，类似于人类用眼睛感知道路情况；后者主张采用激光雷达、摄像头等多种传感器，构建比人类感官更强大的感知系统。

部分自动驾驶研发人员向界面新闻指出，在各类传感器中，摄像头的语义识别能力最强，红绿灯、指示牌等信息只有摄像头能提供。摄像头数据训练得越好，很大程度上可以替代激光雷达。此外，激光雷达和摄像头的数据采样频率不同，需要借助复杂算法融合，容易产生错位。

特斯拉和小鹏汽车是纯视觉路线的代表。小鹏汽车CEO何小鹏在一次直播节目中提到，纯视觉以统一的视觉模态提升响应效率与驾驶安全性，搭配大算力、大模型驱动的高质量连续数据流，可以更加高频地获取全面的数据，让模型决策更准。

禾赛试图缩小激光雷达和摄像头之间的边界。其搭载超感光芯片的ETX系列激光雷达，输出的每一个点云都带有颜色信息，它不再只提供距离和轮廓，也开始补充颜色和纹理线索，让系统在理解三维空间的同时，可以更早识别红绿灯、车道线和施工标识等目标。

不过，禾赛没有把这项技术定义为对摄像头的直接替代。禾赛科技联合创始人兼CEO李一帆接受界面新闻等媒体采访时表示，ETX系列产品现阶段不会替代摄像头；即便未来效果进一步提升，最多也只是替代部分前视摄像头。在他看来，至少从长期方向看，多传感器融合仍会是行业主流路线。

李一帆认为，作为安全冗余部件，激光雷达的价值始终成立，尤其是在当前L2级辅助驾驶阶段。在摄像头受限、而驾驶员又未必能及时接管的场景下，激光雷达仍能提供额外的安全边界。按照他的说法，这类场景的覆盖比例在不同定义下可能达到20%至90%。

值得注意的是，禾赛并没有回避和华为在线数维度上的竞争。ETX系列可以支持1080线、2160线、4320线等多种高线数方案。该产品预计将在今年下半年量产交付，并计划于2027年至2028年进入多款旗舰车型。

一位激光雷达行业的从业者向界面新闻表示，增加线数的核心意义在于提高分辨率，让障碍物轮廓更清晰，使其在复杂场景中承担更强的兜底能力。对车载场景而言，这仍是激光雷达最直接、也最容易被汽车公司接受的价值。

但线数竞争存在边界。孙恺坦率承认，4000线激光雷达其实“既没必要，也没有用”。在他看来，500线对应300米测距，已经是一个相对合理的水平。线数继续增加，分辨率会更细，测距能力也要同步提升，否则对远距离小目标识别的改善会迅速递减。

李一帆向界面新闻等媒体补充指出，消费者更容易记住线数，是因为它最直观，也最容易传播。激光雷达还有分辨率、测距能力、噪点率、视场角、检测物体类型等多重指标。线数越高当然不是坏事，但好的激光雷达产品不会由单一的性能指标决定。

另一方面，参数继续上抬，硬件成本也会随之增加。上述激光雷达从业者表示，高线数激光雷达也会带来更大的数据处理压力。“分辨率越高，后处理和融合环节对算力的要求就越高，算力抬升又意味着更高规格的芯片和更高整车成本。”

去年，禾赛科技出货量达到160万台，成为全球首家全年盈利的激光雷达企业，连续三年净现金流为正。在车载激光雷达领域，禾赛科技市占率已经超过50%，连续13个月保持行业第一。小米、理想等汽车公司都是禾赛的客户。

从数据来看，这仍是一门远未触及天花板的生意。2025年，中国汽车销量为3440万辆，激光雷达的渗透率只有8%；而在全球市场，激光雷达在整车的渗透率只有3%，还远未到饱和的状态。另一方面，伴随L3自动驾驶时代到来，激光雷达的单车所用数量也在倍增。

但是，禾赛的目标已不止于车载激光雷达。这家以车载激光雷达为核心业务的公司宣布战略升级，从空间感知扩展至空间智能，面向世界模型、具身智能、AI硬件、沉浸式交互等下一代AI核心场景，提供连接数字世界与物理世界的入口。

在禾赛科技CTO向少卿看来，激光雷达的价值并没有被完全挖掘。当前大多数内容采集和交互系统仍建立在二维影像之上，高质量三维内容依然稀缺。另一方面，现有3D采集设备普遍价格高、体积大，采集和处理门槛也较高，这使三维世界的数据供给长期不足。

基于这一判断，禾赛首次发布AI硬件产品KOSOMO。向少卿向界面新闻等媒体表示，这款产品能够完整拍摄和记录3D世界，并随着后续迭代，未来有望成为一款面向更广泛用户的“口袋相机”。不过，李一帆强调，KOSOMO与大疆和影石等公司的现有产品，瞄准的不是同一市场。

这款产品当前更现实的意义在于为物理AI训练提供数据支持。按照禾赛的设想，KOSOMO可以帮助机器人更接近真实世界地学习空间关系和环境规律，为机器人厂商提供当前相对稀缺的高质量空间数据，用于世界模型训练。与纯仿真数据相比，这类接近真实场景的三维数据有助于降低训练偏差，也能以更低成本扩充机器人的训练样本。

李一帆解释称，禾赛并非因为车载激光雷达渗透率不足、增长空间有限，才选择向机器人等新领域延伸。他指出，车载激光雷达产品已基本满足现阶段市场需求，成本也下降到相对合理稳态的水平。在主营业务具备了较高确定性的前提下，公司可以将既有研发能力延展到其他产品和行业场景。

禾赛的另一项战略方向聚焦机器人动力模组，并将其视为物理AI时代的重要基础设施。据悉，禾赛已深入动力模组底层架构，自主研发并掌握了相关核心技术，整体性能较目前行业现有水平实现数倍提升。