" 去年激光雷达在中国整车领域的渗透率大概 8%（300 万颗），这个数字包含了商用车。如果放到全球来看，渗透率仅为 3%，还远远没有达到饱和状态。"4 月 17 日，禾赛科技联合创始人、首席科学家孙恺向包括《每日经济新闻》在内的记者表示。

在行业快速放量的同时，业内对激光雷达的理解也正在发生变化。同日，禾赛科技联合创始人、CTO（首席技术官）向少卿给出了一个更具指向性的判断：" 禾赛科技远不只是一家激光雷达公司，我们更像是坐在一座金矿上，可能只发挥了 5% 的价值。"

在他看来，过去十年，激光雷达通过为自动驾驶等系统提供三维感知能力，让机器具备 " 感知世界 " 的能力；放眼未来，激光雷达的真正价值将体现在更广泛的空间智能与物理 AI（人工智能）场景中。

图片来源：企业供图

基于这样的判断，禾赛科技在当天的科技日上发布了 6D 全彩激光雷达超感光芯片 " 毕加索 "SPAD-SoC，搭载该芯片的 ETX 系列激光雷达最高支持 4320 线，将于今年下半年量产交付。此外，禾赛科技还首次对外展示了全新空间智能 AI 硬件产品 Kosmo 以及新战略方向机器人动力模组，战略边界进一步拓宽。

激光雷达竞争进入深水区，线数非唯一评判标准

随着渗透率持续提升，激光雷达正从 " 有没有 " 迈向 " 好不好 "。盖世汽车研究院数据显示，2025 年新能源乘用车激光雷达渗透率已达 21%，单月最高接近 28%。在规模快速放量的同时，市场也开始从早期的功能导入阶段，进入产品分层与竞争加剧阶段。行业竞争逻辑随之发生变化，从过去以成本为导向，逐步转向以性能为核心。

今年以来，" 线数 " 成为最受关注的指标之一。3 月，华为乾崑发布新一代双光路图像级激光雷达，线数达到 896 线。随后，东风品牌与华为乾崑合作打造的奕境汽车宣布，全系车型将标配该款激光雷达。行业普遍认为，激光雷达正迈入 " 千线时代 "，2026 年将在超高线数字化激光雷达领域展开新一轮较量。

针对行业热衷的 " 线数 " 指标，禾赛联合创始人、CEO（首席执行官）李一帆指出，线数并非衡量激光雷达好坏的唯一标准，分辨率、测距能力、噪点率、视场角、极端天气下的稳定性等综合指标同样关键。" 大家特别关注线数，是因为这是一个容易传播的指标。同等条件下线数越高越好，但好产品从来不是由单一指标决定的。"

图片来源：企业供图

在功能定位方面，李一帆进一步阐释了激光雷达在不同自动驾驶阶段的价值差异。在 L2 及以下阶段，激光雷达的核心定位是 " 安全冗余 "。而在 L3、L4 阶段，激光雷达不再是备用系统，而是多传感器融合体系中的核心感知组件，需要多系统同时决策、综合判断。

这一转变带来的直接结果，是单车搭载量的提升。孙恺预计，随着 L3 级自动驾驶逐步落地，单车激光雷达用量将从当前的 1 颗向 3 至 6 颗演进，行业出货量在未来 5 至 10 年仍将保持增长。

在规模扩张的同时，盈利结构正在出现分化。财报数据显示，2025 年禾赛机器人激光雷达出货量同比增长超过 400%，在整体业务中呈现出更高的盈利水平，并已成为拉动公司毛利结构的重要因素之一。这种以车载业务贡献规模、机器人业务改善盈利结构的分化趋势正在显现，也意味着激光雷达正从汽车供应链中的单一部件，演变为面向更广泛场景的通用感知能力。

从 " 感知世界 " 到 " 理解世界 "，物理 AI 正成为 " 车圈 " 下一个重要方向

在车载与机器人业务持续放量的同时，禾赛科技正将能力向更广阔市场延伸——以空间智能为起点，进一步拓展至物理 AI 等更高维度的应用场景。从行业趋势来看，物理 AI 正成为 " 车圈 " 的下一个重要方向。

截至目前，以小鹏汽车为代表的车企，以及元戎启行、轻舟智航等自动驾驶公司，均已宣布切入该赛道，试图将车端积累的感知与决策能力迁移至机器人等新场景。

面对从车载等成熟业务向物理 AI 的拓展，李一帆认为其底层逻辑在于研发的前置性。" 研发通常前置 2 至 3 年，市场推广还需 1 至 2 年，今天看到的产品往往是三四年前规划的结果。" 在他看来，当前激光雷达产品在价格和性能上已接近稳态，降本空间有限。" 我们已经把这道题做得比较明白了。这不是放弃车载市场，而是能力的外溢。"

不过，相比于市场预期的快速增长，物理 AI 的落地仍面临关键制约。其中最核心的问题，并不在算法而是数据。向少卿表示，当前面向世界模型与具身智能的训练过程中，正面临核心瓶颈：" 真实世界的三维空间数据较为稀缺，获取成本较高、标注效率较低，制约模型迭代速度。"

图片来源：每经记者 刘曦 摄

他进一步解释，当前以二维视频为基础训练的世界模型，在同一视角下理解较为准确，但一旦视角发生变化，对未采集到的信息理解会出现偏差。而传统仿真器构建的环境与真实世界也存在较大差异，当机器人在仿真环境中训练表现良好、成功率达到约 99.5% 时，在真实世界部署后，成功率可能下降至 60% 以下。

在他看来，解决这一问题的路径在于将真实世界进行高保真三维重建，使空间数据从 " 奢侈品 " 变为可规模化获取的 " 标准资源 "。

" 过去十年，我们解决的是让机器人看见世界。" 向少卿指出，" 接下来，我们希望让机器人理解世界。" 在他看来，从 " 空间感知 " 到 " 空间智能 "，激光雷达的角色正在发生变化，它不再只是自动驾驶中的一个传感器，而是正逐步成为物理 AI 时代的重要数据入口。

每日经济新闻