产业链位置

Aeva Technologies, Inc. 是一家纳斯达克上市的 4D FMCW LiDAR 感知公司，不是传统 ToF 激光雷达厂，也不是已经规模盈利的 AI 芯片公司。公司在 10-K 中把自身技术定义为集成在 silicon photonics chip module 上的 FMCW 4D LiDAR，可同时给出距离和每个像素的即时速度信息，并强调抗干扰、低光功率和远距性能，SEC 10-K 由此确认了真实业务。

Serenity 盯 AEVA 的核心不是“车载 LiDAR 复苏”这么简单，而是把它放到 Physical AI、世界模型、人形机器人和工业自动化的传感层。她在 2026-02-09 明确称 AEVA 是“4D Physical AI + World Models”的多头，在 2026-03-22 又把它与 Sivers 上游激光、LG Innotek、Boston Dynamics 供应链可能性相连，原推、原推。这类判断必须弱化为“供应链映射与可选项”，因为公开文件没有披露 Boston Dynamics 或 Apple Watch 的确定收入。

产品与业务

Aeva 的产品是 FMCW 4D LiDAR 感知平台，商业化路径包括汽车、工业、国防和机器人。公司 2025 全年业绩新闻稿称其推出 Omni，用于更宽视场、短距、面向 physical AI 的 FMCW LiDAR，并披露 Forterra 选择 Aeva 4D LiDAR 用于自动驾驶防务车辆，公司 2025 全年业绩稿 说明它已从单纯汽车开发项目扩展到多场景设计导入。

与 LG Innotek 的合作是业务从样机走向制造可行性的关键节点。Aeva 官方披露，LG Innotek 最高约 5000 万美元投资包括股权、非稀释产品开发资金和产能投资，并由 LG Innotek 制造和供应 Aeva Atlas Ultra 4D LiDAR，Aeva-LG Innotek 官方公告。Serenity 提到“LG 5000 万美元、humanoids、Boston Dynamics vision supplier”时，真实锚点是这份合作公告；后半段供应链外推仍需要后续客户订单验证。

上下游分析

上游看激光器、硅光芯片、光学封装、SoC 和代工/模组制造。FMCW 路线对窄线宽连续波激光、相干探测和光电集成有更高要求，因此 Serenity 反复把 AEVA 与 Sivers 的 DFB/CW 激光供应链联系起来，原推。但公司官方材料没有确认 Sivers 为供应商，所以正文只能写“公开观点源的供应链假设”，不能写成已披露客户/供应商关系。

下游看三个层次：汽车 ADAS/自动驾驶是最传统市场；防务无人车和工业移动设备是较早商业化的增量；人形机器人和世界模型是高弹性但最不确定的远期叙事。Aeva 的真实经营瓶颈，是把技术领先转化为量产收入、毛利率和现金流，而不是只证明 FMCW 物理原理。

同业竞争格局

竞争对象包括 Ouster、Luminar、Hesai、RoboSense、Mobileye/Intel 视觉方案、Tesla 纯视觉路线以及工业传感器厂。Aeva 的差异点是 FMCW 直接速度测量；传统 ToF 方案通常从多帧位移推导速度，这正是 Serenity 说“确定性 Physical AI”相对“概率式深度数据”的技术叙事来源，原推。

但竞争格局不能只按技术参数排序。自动驾驶和机器人客户更看重成本、可靠性、供应连续性、软件栈适配和量产认证。FMCW 若成本高、体积/功耗或供应链复杂度不达标，仍可能被 ToF、视觉、毫米波雷达融合方案替代。

护城河分析

Aeva 的护城河来自三层：第一，FMCW 光电架构和芯片级集成；第二，汽车/工业客户认证周期；第三，与 LG Innotek 这类制造伙伴绑定后形成的量产学习曲线。SEC 10-K 对技术差异有明确描述，SEC 10-K，LG 合作则补上量产与资本支持，官方公告。

护城河的脆弱处也很清楚：公司仍处商业化早期，收入规模小，客户集中和项目延期会放大波动；Serenity 自己也把 AEVA 称作“venture bet on 4D AI”，并指出它不像 RDDT 那样产生大量自由现金流，原推。因此这不是低风险价值股，而是技术路线布局。

误读纠偏

误读一：AEVA 是机器人确定性赢家。纠偏：公开资料只支持“FMCW 4D 感知是 Physical AI 候选技术”，不支持写成 Boston Dynamics、Apple 或所有人形机器人已经采用。

误读二：LG 投资等于收入已经确定爆发。纠偏：LG 合作提升制造可信度，但财务兑现仍要看量产项目、交付节奏、毛利率和现金消耗。

误读三：FMCW 技术先进就必然赢。纠偏：传感器行业最终比的是系统成本、可靠性、车规/工业认证、客户切换成本和生态适配。AEVA 的看点是真实存在，但仍处高执行风险阶段。

Worker B 产业链位置加厚

Aeva 在本轮补厚中的定位是「FMCW LiDAR 与机器感知传感器」。它不是孤立的股票标签，而是 AI/半导体/能源/软件/数据中心资本开支进入实物世界后的一个供给节点。研究这个节点时，第一步要问的不是“是否沾 AI”，而是它在客户架构里解决哪一个不可绕开的瓶颈：算力密度、网络带宽、电力转换、储能时长、先进封装、关键材料、数据授权、边缘感知，还是工程交付。Aeva 的产业链价值只有在这些瓶颈转化为订单、认证、量产、毛利和现金流时才成立。

位置维度	本文口径	需要验证的事实
上游依赖	原材料、晶圆、封装、光学、电力设备、云/数据或项目资本	供应是否紧张、价格是否可转嫁、交期是否拉长
公司环节	FMCW LiDAR 与机器感知传感器	是否具备客户认证、产能、良率、软件/服务附着或项目交付能力
下游客户	自动驾驶、工业自动化、机器人与空间感知	客户是否从试点进入批量采购、长期合同或标准架构
竞争替代	Luminar、Innoviz、Hesai、Ouster、Mobileye 方案	竞品是否以更低成本、更高效率或更强渠道替代
财务出口	设计赢单、量产 SOP、传感器 ASP、现金 runway	收入增长是否伴随毛利率、现金流和营运资本改善
聪明钱连接	Serenity 的物理 AI 主题可延伸到机器人/自动驾驶感知，AEVA 需要用量产客户验证	观点是否能被后续公开经营数据证实

这类节点的共同特征是“需求强，但兑现路径长”。AI 数据中心和半导体周期会制造急迫感，但急迫感不等于利润。若公司只是被放进概念篮子，却没有真实客户、交付能力或财务闭环，产业链卡位要下调；若公司在客户架构中从可选供应商变成默认供应商，且能把规格提升转为毛利和复购，卡位才会增强。

竞争格局与替代路线

Aeva 面对的竞争不是单一公司，而是一组替代路线：Luminar、Innoviz、Hesai、Ouster、Mobileye 方案。在 AI 资本开支周期里，客户通常不会为了叙事买单，而会在性能、供货、价格、认证、服务、风险和供应链安全之间做权衡。供应商若要保住价值，需要同时通过技术规格和商业交付两道门。

竞争问题	判断口径	对 Aeva 的含义
性能是否领先	功耗、效率、带宽、寿命、可靠性、良率或响应速度	领先必须转化为设计赢单或项目中标
成本是否可接受	BOM、TCO、安装、运维、折旧和融资成本	价格过高会被替代方案压制
客户是否认证	车规、云厂商、数据中心、公用事业或国防认证	未认证阶段只能算 option value
产能是否可靠	产线爬坡、供应商多元化、交期和质量控制	需求强但交付弱会伤害客户信任
生态是否兼容	标准、软件、封装、接口、运维和渠道	不兼容会增加客户迁移成本
议价权是否存在	毛利率、预付款、长期协议和复购	没有议价权的增长容易变成低质收入

竞争格局的关键不是写“谁更强”，而是写客户为什么不能轻易替换。若替换成本来自认证、软件集成、场站设计、封装协同或长期服务，护城河更可信；若替换成本只来自短期供给紧张，周期回落后议价权可能消失。

上游约束与供应链弹性

上游约束决定 Aeva 能否把需求转化为交付。AI 产业链里常见的上游瓶颈包括先进制程、封装产能、光学元件、电力设备、变压器、晶圆材料、关键化学品、工程施工、云算力、数据权利和高端人才。不同公司暴露的瓶颈不同，但分析框架一致：供给约束若由公司掌握，可能形成议价权；若由供应商掌握，则可能侵蚀利润。

上游项目	正面作用	风险边界
关键材料	稀缺性可能提高供应链安全价值	价格波动会吞噬毛利或导致客户延迟
制造产能	自有产能可提高交付确定性	利用率不足会放大固定成本
外包伙伴	降低资本开支并加速 ramp	交期、质量和客户信息可能受制于人
工程/安装	项目交付能力构成门槛	现场延迟会推迟收入确认
软件/控制	提升服务附着和差异化	若只是硬件附属，客户未必付溢价
政策资源	本土化和安全供应链加分	政策周期和审批节奏不可完全控制

供应链弹性的验证指标包括多供应商策略、长期采购协议、产能扩张进度、良率改善、返修率、质保负债和客户验收反馈。只要这些指标没有公开改善，就不能把供给瓶颈直接写成护城河。

下游客户与采用路径

Aeva 的下游采用路径通常分为评估、设计导入、试点、量产/项目交付、复购和平台化六步。每一步的证据强度不同。新闻稿中的合作或样品送测只能证明“进入漏斗”；批量订单、长期合同、客户复购和财报确认收入才证明“进入预算”。

阶段	证据强度	研究处理
白皮书/联合展示	低	只说明技术方向，不计入确定收入
样品/试点	中低	关注客户质量和下一阶段时间表
设计赢单/项目中标	中	需要跟踪 SOP、交付和取消条款
批量出货/验收	高	可作为收入和毛利验证核心
长期协议/复购	高	可提高客户粘性和收入可见度
平台化/标准化	很高	可能形成客户切换成本和生态位

对 AI/数据中心相关公司，客户采用还要看“是否进入标准架构”。一次性采购可能只是项目机会，进入标准架构才意味着后续扩容会自然带来追加需求。对能源和电力设备公司，还要看并网、施工、融资和验收；对半导体公司，还要看封装、可靠性、客户 qualification 和良率。

护城河、反证与误读纠偏

Aeva 的潜在护城河来自技术、认证、供应链、项目经验、数据、渠道或资本成本，但每一种护城河都需要反证条件。把“需求大”直接写成“护城河强”是常见误读。真正的护城河应表现为客户难以替换、毛利率不易被压缩、复购稳定、交付记录可验证。

常见误读	纠偏
只要 AI capex 增长，公司就会受益	必须证明它在客户架构中有可获得份额
订单等于收入	订单还要经过交付、验收、回款和毛利确认
技术领先等于商业成功	客户认证、成本、产能和服务同样关键
本土化等于永久溢价	政策支持有价值，但不能替代经营质量
小市值弹性一定更高	小规模也意味着融资、客户集中和执行风险更高
私有/海外公司披露少可以用传闻补齐	未披露数字必须保持资料边界，不做伪精确

反证清单：车厂项目延期、LiDAR 价格战、技术路线替代、融资压力。若这些风险开始在财报、订单、客户反馈或现金流中出现，产业链叙事需要下调。若公司连续多个季度在收入、毛利、订单质量、客户复购和现金流上同时改善，才说明叙事开始变成经营事实。