·聚焦:人工智能、芯片等行业
激光雷达曾被资本市场寄予厚望，连接自动驾驶与智能世界。如今，随着量产车型、机器人和具身智能成为真实需求，国内头部企业正走向不同轨道。
激光雷达三强同题交卷
8月中下旬，禾赛科技、图达通、速腾聚创相继发布半年度财报。三份财报相隔不过一周，揭示出一个事实：中国激光雷达三强，已不再讲同一个故事。
禾赛上半年净收入15.41亿元，同比增长25.1%，净利润8890万元，同比增长234.9%，ADAS与机器人激光雷达合计出货110万台。速腾聚创上半年营收10.20亿元，同比增长30.2%，激光雷达总销量71.92万台，其中机器人业务销量28.26万台，同比暴涨510.4%。图达通上半年出货约45.09万台，同比增长364.8%，收入1.387亿美元，毛利率提升至11.2%。
三家财报表现亮眼，但内在逻辑截然不同。禾赛正用车载业务利润孵化“物理AI基础设施”；速腾聚创将增长引擎实质性切换至机器人；图达通则忙于摆脱单一大客户依赖、修复盈利模型。同一张牌桌上的玩家，开始打三副不同的牌。
车载基本盘：从增长故事到现金奶牛
要理解三强为何集体“变阵”，需先看清车载激光雷达市场的处境。2026年一季度国内乘用车激光雷达总装机量超98.5万颗，但格局已高度固化：禾赛以34.9%份额居首，华为以32.3%紧随其后，图达通与速腾聚创分列三四位，前四家占据92%市场，牌局进入巨头相持阶段。
与份额固化同步发生的是价值稀释。激光雷达价格一路下探至千元级，装进8万至10万元价格带车型。价格是渗透率的前提，代价则写在财报里：禾赛2026年一季度出货同比猛增140.9%，营收却只增长29.6%，增收与增量裂口扩大。
车载业务下一次价值抬升机会在于L3车型普及的“1颗主雷达+多颗补盲雷达”方案，单车价值量有望跃升至500至1000美元，但兑现时点大概率在2026年底至2027年。因此，车载业务在三强战略版图中集体转为“现金奶牛”。以禾赛为例，已连续五个季度实现GAAP盈利，国内车载主激光雷达市场份额达44%。主业稳固后，核心问题变为：赚来的利润投往何处？
机器人第二曲线：交卷速度分层
机器人成为几乎所有玩家的共同答案，而速腾聚创是起跑最早的一个。2026年一季度，其机器人激光雷达销量达18.55万台，同比暴增1458.8%，占比升至56%，首次超过ADAS业务。支撑增速的并非人形机器人，而是割草机器人、无人配送等务实场景。
相比之下，禾赛追赶迅速。上半年其机器人激光雷达出货26.07万台，二季度单季以14.24万台反超速腾聚创的9.71万台。图达通上半年出货约3.46万台，增速惊人但基数尚小。
需要注意的是，机器人激光雷达窗口期可能远短于车载市场。赛道技术门槛更低、客户更分散，且竞争者众多（如奥比中光）。车载市场用五年走完的“蓝海到红海”，机器人市场或许两三年就会重演，先发优势的保鲜期有限。
第三曲线的分野：有人给标尺，有人讲故事
比第二曲线更能体现战略分化的是对激光雷达之外的想象。
禾赛动作最彻底，宣布战略升级为“空间智能”，财报拆分为激光雷达与战略增长业务（SGI）。二季度SGI首次贡献收入，动力模组全面投产，空间智能平台Kosmo完成首批交付。禾赛给出了明确的财务标尺：2026年SGI营收指引上调至2至3亿元，预计2027年达约7亿元并实现盈亏平衡。
速腾聚创同样指向物理AI，搭建了空间相机、触觉传感器、关节模组矩阵，并于三季度起陆续交付。但差别在于，速腾聚创尚未给出第三曲线的收入规模和盈亏平衡时点，市场缺乏校验战略兑现程度的财务标尺。
图达通则更为现实，核心任务仍是补齐第二曲线。一边推进客户多元化，将蔚来交付占比从97.3%压降至86.2%；一边修复盈利模型，首次实现正年度毛利率。前两家已在第三曲线下注，图达通在战略节奏上慢了一个身位。
分化背后被低估的变量
出货量是最易误导人的指标。判断三强分化成色，有三组数字更值得关注：
① 毛利结构：速腾聚创敢于承受上半年净亏损，在于机器人业务单价与毛利率均优于车载，形成利润缓冲垫。图达通11.2%的整体毛利率在同行中垫底，暴露了成本管控与制造效率的短板。
② 减亏质量：图达通上半年研发费用率仅15.6%，低于速腾聚创的34.0%和禾赛的28.3%。压缩费用换来的减亏代价可能是失去下一代产品（SPAD-SoC数字化芯片、全固态架构）的技术入场券。
③ 现金储备：截至2026年中，禾赛现金储备约70.5亿元，速腾聚创约20.6亿元，图达通仅7.6亿元。现金垫决定了新业务的培育期，以及在车载价格战升级时的耐受力。
总结与展望：
三强重排业务重心，表面是抢占“物理AI”新大陆，实际比拼的是：谁的现金牛足够强壮，能为新业务输血至盈亏平衡。禾赛用钱买时间，速腾聚创用先发换空间，图达通用聚焦换生存。2026年的中报只是分化的开始，到2027年各家新业务交卷时，今天的战略差异将真正兑换成行业座次。
参考资料：高工智能汽车、盖世汽车、佐思汽车研究、Yole Group、Frost & Sullivan