感知类车载光学算法与芯片投入更高，商业模式与价值分配会向哪端倾斜？

在车载光学领域，商业模式与价值分配整体向感知类应用所依赖的算法与芯片环节倾斜。成像类应用（如360°环视影像捕捉、车道偏离信息收集）更接近油车时代的被动辅助功能，价值更多集中在硬件与整车集成端；而感知类应用偏向主动安全，对画面、芯片、算法等要求更高，其价值重心随之上移至算法与芯片。这一分化源于两类应用在功能定位、技术门槛与单车搭载逻辑上的根本差异。

两类应用的价值分配逻辑

成像类车载光学对应的是过去油车上已有的辅助功能，功能定位偏被动，对画面、芯片、算法等的要求相对较低，因此价值更多沉淀在硬件制造与整车集成环节。

感知类车载光学则偏向主动安全，对画面、芯片、算法等的要求更高。从成本结构看，车载摄像头模组中图像传感器占比最大，其次为模组封装与光学镜头，这也解释了为何价值分配会向芯片等核心环节集中。随着镜头厂营收占比逐步从成像类转为感知类，单体价值量上升是较为确定的方向。

量价双升推动感知类成为增量市场

在量的维度上，随着自动驾驶等级的提升，单车搭载的感知类摄像头数量会大幅上升，而成像类数量相对稳定。这意味着感知类车载光学更接近一个增量市场，而非陷于存量竞争。

在价的维度上，高像素感知类摄像头的应用趋势带来单体价值量的大幅上升。以理想One 2021款为例，5个摄像头中仅1个用到800万像素，其余4个环视均为130万像素；而蔚来ET7的前视、侧视、后视、环视则均采用800万像素。像素差异直接带来造价与客单价的不同。

制造工艺壁垒强化芯片与算法话语权

像素提升直接改变了封装工艺路径：500万像素向上必须采用COB形式。COB将镜头、芯片等部件直接封装在一起，成本低、节约空间、生产流程短，但对生产工艺要求较高，一旦污染便无法返工。这一工艺特性使得原本就采用COB封装的消费电子厂商在模组环节占据优势。

在镜头制作环节，ADAS镜头必须使用模造玻璃，且只能用非球面镜片，对尺寸与精度要求很高，全球具备量产能力的厂商并不多。工艺壁垒的存在，进一步强化了掌握芯片与算法能力的一方在价值分配中的话语权。

常见问题

感知类与成像类车载光学的核心区别是什么？

成像类更接近油车上已有的被动辅助功能，如360°环视影像捕捉、车道偏离信息收集；感知类则偏向主动安全，对画面、芯片、算法等的要求更高。这一功能定位差异直接决定了两类应用在价值分配上的不同走向。

为什么价值分配会向算法与芯片端倾斜？

感知类应用对画面、芯片、算法要求更高，而车载摄像头模组成本中图像传感器占比最大。随着镜头厂营收占比从成像类转向感知类，单体价值量上升，价值重心自然向芯片与算法环节集中。

感知类车载光学的增长逻辑是什么？

感知类车载光学在量价两端均有支撑：量方面，随自动驾驶等级提升，单车感知类摄像头数量大幅上升；价方面，高像素感知类摄像头的应用带来单体价值量上升。两者叠加，使其更接近增量市场。