来源：新智驾

作者 ：苏珊珊

为了在2025年实现消费级别的自动驾驶，Mobileye都做了什么？

Mobileye近日在CES 2021展会上进一步分享了其在ADAS及全自动驾驶领域的战略规划，并详细介绍了Mobileye为实现消费级别的全自动驾驶和“挽救生命”愿景所研发的几项技术，其中涵盖了芯片、雷达、地图、安全驾驶模型等各个方面。

搭建消费级别的全自动驾驶系统

为了实现全球范围内自动驾驶规模化的目标，Mobileye一直致力于打造一套低成本的全自动驾驶解决方案。

在Mobileye的设想中，公司将会在2025年推出成本更低、技术更先进的消费级别的自动驾驶。

• 成像雷达取代激光雷达

据介绍，Mobileye目前采用的是摄像头子系统和雷达-激光雷达子系统并行的方案。这两个系统有着相同的性能，都可以实现全面的端到端的自动驾驶，且每个子系统内部都还有更多的冗余。

Mobileye CEO Amnon Shashua教授解释说，这个方案并非是将所有传感器结合起来做简单的低级融合，而是在将雷达和激光雷达作为附件添加进去的情况下，在后续的发展中真正解决摄像头系统独立运作的能力。

目前这个摄像头子系统已经转化成了L2级别的驾驶辅助产品SuperVision。Mobileye将和吉利合作推出该系统的第一个产品，预计将在今年第四季度面世。

与此同时，考虑到激光雷达的价格几乎是普通雷达的十倍，Shashua教授表示，在2025年推出的自动驾驶系统中，除了车辆的正前方，其他方向都将以普通雷达代替激光雷达。

为此，Mobileye专门研发了软件定义的成像雷达，成本比激光雷达低，但分辨率会比目前的普通雷达高很多。

这个雷达将拥有2304条通道，100dB的动态范围和40dBc的旁瓣电平，使其能够构建一个可以支持自动驾驶策略的传感状态。

Shashua教授相信，到2025年一圈的成像雷达再加上一个前置激光雷达就足够形成有效的雷达-激光雷达子系统，成本将大幅降低。

• 小尺寸的激光雷达系统集成芯片

据介绍，Mobileye自主研发的雷达使用的是FMCW，即调频连续波技术。

值得注意的是，在此次大会上，Mobileye介绍了其研发的一种全新的激光雷达系统集成芯片——LiDAR SoC。这一芯片使用的正是FMCW技术。

据悉，LiDAR SoC是利用硅光子工艺集成激光器的芯片，可以依靠FMCW技术计算物体距离、速度和运动的方向，比发送离散的激光脉冲的ToF方案更为有效。

“硅光子的优势在于小尺寸解决方案，这能为其它车载设备省下更多空间，安装布局也更加灵活。”斯坦福大学博士后研究员Kiyoul Yang曾解释道，“如果所有的东西都能以更小的外形集成在芯片中，那么其生产成本必然会大幅降低。”

与此同时，受益于英特尔在硅光子技术上的优势，LiDAR SoC也将进一步降低自动驾驶系统的成本。

“光子集成电路（PIC）是一项变革性的技术。它有184条通过光学原理进行移动的垂直线，有能力制造这种电路的工厂是极少数的，这意味着英特尔在激光雷达制造领域具备显著优势。”Shashua教授说道。

在他的预计中，每个 LiDAR SoC 的成本将维持在数百美元，比现在的系统要便宜得多。

据悉，该芯片将于2025年正式推出。

达成“挽救生命”的使命

要实现全自动驾驶的普及化，除了要考虑消费者的购买能力和产品成本，自动驾驶的安全性也是必须考虑的因素之一。

因此，除了致力于降低全自动驾驶系统的成本，Mobileye还希望借助其高精地图技术和责任敏感安全模型，进一步提高系统的安全性和可靠性。

• REM高精地图技术

在大多数自动驾驶公司都在利用测绘车进行数据信息收集和绘制的情况下，2015年Mobileye推出了路网信息管理REM，采用众包的方式进行规模化的地图信息收集。

和传统的方式不同，在道路信息采集的过程中，Mobileye更关注的是其中的语义细节。

Shashua教授表示，传统的地图绘制方式总是会收集过量的信息，然而事实上自动驾驶并不需要那么多信息量。比起那些全局的、高度准确的信息，自动驾驶更需要的是能够帮助机器对路面状况作出准确判断的语义信息。这对自动驾驶汽车理解和结合当前情境判断驾驶环境的能力至关重要。

而Mobileye所绘制的不仅仅是一张简单的高清地图，它里面包含着有关场景的一切信息，所有语义信息都非常详细。

与此同时，REM可以将每公里的地图信息数据量压缩到10 KB，使得每年的信息传输成本平均只需1美元。

目前，Mobileye的数据主要来自6个汽车制造商下面的将近百万辆的量产汽车。Mobileye每天可收集近800万公里的道路数据，迄今为止已经完成了近10亿公里的高精地图绘制。

就在半年前，Mobileye的高精地图技术真正实现了从获取数据、发送到云端到构建高清地图的纯自动化操作。到2024年，Mobileye预计每天可采集数十亿公里的数据。

在Shashua教授看来，Mobileye绘制的地图同时具备了可通过众包实现快速规模化的可拓展性、在必要的地方做到了局部精确的准确性、详细的语义特征以及实现了厘米级精度的定位等优势。

而为了展示其自动化高精地图技术的可扩展优势，Mobileye即将开始在四个新的国家开展自动化驾驶汽车测试。

去年Mobileye即通过这种方式，仅用了几天时间就使得自动驾驶汽车可以在慕尼黑和底特律的道路上行驶。

• 责任敏感安全模型RSS

除此之外，Mobileye还搭建了基于规则的责任敏感安全模型RSS。Shashua教授坦言，RSS是Mobileye的最高成就，是其“皇冠上的明珠”。

早在2017年，Mobileye就意识到，感知系统的平均故障间隔时间就算再高都是不够的。大多数人为事故的发生都是司机判断失误所造成，但人们显然不会接受计算机的判断失误。

他认为，既然自动驾驶汽车和人类驾驶的汽车共同行驶在道路上，那么自动驾驶的汽车也必须具备同样的“价值观”，学会根据人类的判断行事。

在他看来，对于人类来说，“通行权重在谦让，而不是抢夺”这类行驶原则是很容易理解的，但对于计算机而言，它需要的是精确而清晰的定义。而RSS就在数学上定义了“小心驾驶”的含义。

Shashua教授介绍道，Mobileye用数学参数复制并设定了人类在各种情况下会做出的各种选择。这意味着Mobileye的系统不需要预测人类的选择，只需参考其中最坏的情况。

这种基于规则的思考，类似于阿西莫夫机器人的三大原则，它定义了“小心驾驶”和“危险驾驶”。有了这些定义，机器将会知道边界在哪里。如果其他车辆威胁到了自身的安全，那么它就可以采取适当的行动，摆脱危险，避免事故的发生。

Shashua教授表示，Mobileye建立了这套理论并做到了透明化。未来，他们还将与监管机构进一步合作，使RSS标准化，并说服其他行业参与者以此为基础。

这个模型将进一步提高自动驾驶的可靠性，同时也将提高道路监管机构对Mobileye全自动驾驶系统的信心，也许将有利于未来Mobileye自动驾驶的大规模普及。

1月13日下午，英特尔公司副总裁、英特尔子公司Mobileye产品及战略执行副总裁Erez Dagan就业界关心的相关话题接受了新智驾等媒体的采访，主要内容涉及：产品规划、战略路径、业内竞争、合作选择等等。

以下为采访实录：

Q 1：目前越来越多的汽车厂商都在开始自研芯片，包括像特斯拉、蔚来、比亚迪等等。现在也有传闻说苹果也要做汽车芯片。假设汽车厂都自研芯片了，未来像Mobileye这样的第三方芯片厂商的机会在哪里？

Erez Dagan：关于OEM（原始设备制造商）正在开发他们自己的感知系统集成芯片（SoC），除了特斯拉，我不知道还有谁在开发自己的SoC。他们所做的开发尝试当中，很少有尝试开发自己的软件堆栈的。

而Mobileye的价值主张是独一无二的。我们做的不是一个科学项目，或是过度的资源开发之后再考虑缩减经济成本的问题。我们做的是经过数百万车辆长期测试的项目。我们的核心解决方案已经在路上运行了十年。

事实上，我们看到的行业趋势是除了那些资金充足的公司能够承担风险和失败，整个市场都是在通过收购策略进行整合。大部分公司都没有资金，他们现在已经明白了开发整个堆栈的方案是一场高成本、高风险的游戏。 

市场对全栈解决方案的需求越来越大。比如我们的SuperVision™系统，对市场的吸引力就非常巨大。我们非常乐观地认为，最大、最著名的主机厂的整合会采用久经测试的具有灵活性的全栈解决方案。 

当然，我们还为SuperVision™配置了OTA差异化功能，这一层掌握在我们自己的手上。

EyeQ®5和EyeQ®6芯片以及相关平台都能支持SuperVision™。此外，我们还留下了联合开发和添加差异化价值的空间——这些SoC是可编程的。

我们给客户提供了两个最好的东西：固态强大的核心堆栈，以及灵活度和开发差异化价值的空间。所以我们对这一战略非常有信心。

Q2：您认为未来自动驾驶汽车的芯片会朝什么方向发展？会有什么样的趋势？ 

Erez Dagan：曾经有一个用于评估芯片性能的非常不准确的衡量标准——TOPS。作为评估SoC能力的一个数字指标，它显得太过简单。

现在就有事实证明，使用两个EyeQ®5或一个EyeQ®6就可以提供一个非常强大的方案，能够在任何地方提供流畅的驾驶体验。这都是以我们的安全模型和强有力的驾驶策略研究为基础的。

当然，这一方案可以向上和向下拓展。 

例如，向下可以拓展成更基础的辅助驾驶，只需要关闭某些内容和OTA更新即可；向上拓展，则需要再添加一些硬件单元，实现我们目标的消费级自动驾驶。这一市场预计将在2025年释放，并达到可接受的经济成本价格。Mobileye已经完全准备好了迎接这一趋势。 

我们的SoC以及集成嵌入式软件耦合开发的重要性已经被强调过很多遍了。 

有些系统很简单却很关键，比如飞机的起落架，一个非常简单的系统但需要非常安全；也有一些复杂的系统不需要非常安全，比如智能手机。自动驾驶将两者结合在了一起。

任何试图分解或从零开始组合的尝试都会招致很多风险，包括安全、效率和经济性。所以硬件和软件之间的紧密耦合和深度集成是关键，并不是随便一个衡量指标就能说明SoC更强。

在这种情况下，判断一套解决方案是否成功，远不止TOPS这样的衡量标准。

Q3：与蔚来之间的合作能聊聊吗？坊间传闻有些不愉快？可否分享一下。

Erez Dagan：仅去年，我们就给蔚来提供了5万套系统，包括三目系统和消费级自动驾驶市场的高级ADAS。

我们必须做出一个艰难的决定，那就是，选择谁作为领导者来把我们的解决方案引入中国市场。在这方面，随着更先进的功能的引入，我们需要选择比蔚来更强大、更有实力的OEM。正如今年在CES上提到的，我们的选择是与更大、更强的吉利汽车集团合作。

当然，我们跟蔚来的关系还是很好的。我们跟蔚来还有出行即服务（MaaS）运营车队供应的合同和三目方案的延长合同。

Q4：激光雷达的优势包括性价比高、功耗低、体积小，还比较容易上车；缺点就是成本比较高，元件需达到高精度要求，且达到这个高精度元件的厂商较少，Mobileye是如何解决这个问题的？相比传统的激光雷达，这个雷达的成本比较高，那预计在2024年、2025年，雷达上车的时候成本会降低吗？大概能降多少？

Erez Dagan：我先谈性能，然后再谈成本。

在对市场进行了仔细研究之后，我们发现，在性能方面，我们引入市场的激光雷达与市场上其他解决方案相比没有任何劣势。 

在性能方面，我们的激光雷达的设计原则有四条：

第一条是从距离、方位角、仰角的三维采样转变为包括FMCW（调频连续波）多普勒测量在内的4D采样。这是我们正在做的方向。

这么做的目的是希望使激光雷达系统做到独立、完整。视觉是一个系统，激光雷达是第二个系统，雷达将是第三个系统。我们在努力提升包络效果，以确保激光雷达可以进行多普勒测量。这可以让我们获得实时的航向测量，保证所有扫描的点都有充分的接触时间。当目标相邻时，简化基于多普勒信号的聚类和跟踪。这是无多普勒测量的激光雷达会存在的一个问题。

第二条增强激光雷达的功率效率，使我们能够以更低的发射能量达到相同的测距。

功率效率是可以调整的，可以针对高级驾驶辅助系统（ADAS）市场与Robotaxi业务指定解决方案或衍生解决方案。这会增强我们的ODD（运行设计域）。因为FMCW的灵敏度更高，或者说信噪比更高，让我们可以获得更高的有效动态范围，这意味着我们有更多的原始测量数据。然后，我们就可以对全球进行高精地图绘制，进而对来自激光雷达的更多信息进行后续处理。所以，我们有更高的灵敏度，并将利用这一点来提高ODD和实现更高的有效动态范围。

我们的设备绝对支持高分辨率采样——这是另一个我们想要领先世界的领域——每秒两百万点，每度立体角六百点。这将使我们获得对所处环境的准确感知。这些都是性能方面的情况。我们激光雷达的性能预计会超过市场上任何已知的解决方案，能够使激光雷达本身成为一个单一的、完整的、独立的感知系统。

至于这些设备的成本。确实，如果没有相应的的资产和能力，这个项目耗资巨大。幸运的是，我们在英特尔有足够的知识产权、专业知识和晶圆厂，知道如何将有源器件、无源器件和波导放到芯片上。借此，我们可以把这些都集成到SoC上，并交给英特尔硅光子部门在新墨西哥州的一家工厂制造。这是全球独一无二的资产。

从这个意义上说，这将使我们能够实现非常激进的成本目标，并进一步实现第二个目标——将解决方案引入消费级别的自动驾驶汽车。

Q5：现在Mobileye已经在以色列、德国等地方开展了自动驾驶汽车路测，想知道接下来在上海或是中国Mobileye是否有相关布局呢？是要自建运营车队？还是把解决方案提供给其他出行运营商？

Erez Dagan：正如Shashua教授之前介绍的那样，我们的市场参与模式是非常多样化的，有出行即服务（MaaS）、车辆即服务（VaaS）和驾乘即服务（RaaS）。这一多样性让我们能够在不同地区以不同模式进行合作。我们现在尚未公开在中国的具体合作方案，但是我们有支持各种模式的灵活度。

VaaS模式意味着我们会向当地的运营商出售集成好的汽车。汽车上会搭载被称为移动智能的软件堆栈。这样一来，运营商就可以优化车辆的使用和利用。

第二种模式叫“驾乘即服务（RaaS）”，意味着我们的车辆会响应他人发出的乘车服务需求并给出报价。比如像Uber这样的交通网络公司（TNC）可以将订单发给我们进行竞价，使顾客可以从中获得更低的报价，而不是直接将乘车需求发送给报价更贵的人类驾驶员。

当然我们也能提供消费者需要的MaaS。但是具体到中国，我们的选择还有待公开。

Q6：怎么去定义SuperVision这款新产品？是可以把它定义成Mobileye全栈式自动驾驶产品的过渡？还是说是之前ADAS产品的升级？

Erez Dagan：我们认为L2+级别ADAS和L4是一个连续体，两者之间的区别在于平均故障间隔时间（MTBF）。在L2级别，因为驾驶员仍然保持专注，系统的性能不必超过人类的性能或人类的故障频率；但在L4级别，驾驶员不再担责，所以系统的性能必须远远优于人类的性能。

我们不认为这是个过渡方案。相反，我们坚信L2+的市场会很大、很稳定。驾驶员既可以继续保持专注，同时也能从一个高性价比的系统和准自动驾驶的方案中受益。 

当然，到了2025年，那些能负担得起每辆车额外增加数千美元的经济成本的人可以体验到全自动驾驶。但L2+，也就是我们所说的有条件下的自动驾驶，仍然会持续很长一段时间。

Q7：由于疫情，消费市场对自动驾驶的期待比较高。在这种比较特殊的环境下，自动驾驶能够商业化的话，对于疫情防控或者是出行是有很大帮助的。想问一下Mobileye怎么看待2020年自动驾驶在全球市场发展的进程？以及，2021年您预期这种技术或者是这种模式会有突破性的进展吗？

Erez Dagan：到2022年，Mobileye将在以色列部署自动驾驶服务，我们这一计划将维持不变。五年来，我们一直致力于将这些车辆投放到道路上提供商业服务。到2022年，我们将提供真正的服务，而不是一个实验，或仅仅只是展示。

为了完善堆栈的不同层，我们在有战略性地、积极地搭建或收购完整的堆栈。

特别值得一提的是我们对Moovit的收购。

Moovit是全球最大的城市旅行规划平台，有着数亿乃至近十亿的乘客群体，拥有独特的全球乘客资产，并且对不同地区的交通环境有非常好的了解。这样一来，我们就可以叠加以需求数据为基础的移动智能层。

Moovit还对全球多个地区的需求模式有非常清晰的认识。他们在全球多个地区拥有活跃用户，并且还与全球各地的运输运营商建立了合作关系，能为我们提供更多样化的服务，比如车辆即服务（VaaS）和驾乘即服务（RaaS）。

Q8：蔚来刚发布的计算平台甚至达到1016TOPS，您是怎么看行业都在往大的算力平台发展的？您认为算力和需求之间应该怎么匹配？

Erez Dagan：Mobileye从事汽车产品制造已经有20年历史了，我们对成本敏感度有非常清晰的认识。同时，我们也非常清楚要推出一款安全关键的汽车产品需要满足哪些高性能要求。这种专业知识是一种资产。它使我们能够从一个经过实战测试的驾驶辅助系统中获得模块，以打造非常高效的解决方案。在性能和成本方面，这些都是固定的解决方案。

算力的消耗会有多大呢？我想再次说明一下，TOPS数字不过是过去的数值竞赛。如果你需要一个非常强大的电脑，那就意味着你其实并不知道自己想要什么，不过是还在探索的阶段。一旦你需要满足经济性的要求，就要在处理速度、客户需求、解决方案成本等各个方面找寻平衡。这些都是至关重要的。 

这才是真正的汽车产品业务的区别所在，而不是所谓的广告、作秀或仅仅是处在研究的阶段。

Q9：过去一年自动驾驶这个领域的投资非常活跃，尤其在Robotaxi领域，您认为今年这样的投资收购趋势还会继续吗？

Erez Dagan：我们很早就预测到了这一趋势——市场上会出现一种联合企业，并且只有少数的联合企业或公司能够到达终点线。幸运的是，我们是唯一一家完全靠驾驶辅助业务自筹资金的自动驾驶汽车解决方案供应商。我们不是烧钱，我们是为这场马拉松而生的。

我完全理解那些无法通过收入实现自动驾驶的长期发展或是无法变现的公司。他们被迫做出妥协，只能通过抱团来共同承担风险和回报。

而我们的地位更强大、稳固，并一直在向着终点线积极迈进。

今天Shashua教授在演讲中阐述的Mobileye的三位一体战略让我们脱颖而出、与众不同。 

三位一体战略的首要因素就是我们为驾驶决策保驾护航的安全模型——责任敏感安全模型（RSS）。

视觉系统内的真正冗余™（TrueRedundancy™）则让整个系统更强大，更易完成MTBF和相关验证。

最后，我们提供了一个真正的众包解决方案。它具有非常高水平的性能，比标准高精地图更有价值。它是为自动驾驶汽车的需求量身定制的，或者说，是带有大量语义层的高级别ADAS功能。

Q10：从行业的角度看，您觉得接下来Robotaxi的大规模落地，目前还存在哪些技术问题或是商业领域的挑战？

Erez Dagan：就技术而言，我们已经完全准备好了。我们已经用两种不同的感知堆栈证明了这一点。 

我们在耶路撒冷展示了基于雷达和激光雷达的一种自动驾驶解决方案。还有，在耶路撒冷、慕尼黑和底特律展示的一种基于摄像头的方案。就技术层面，我们完全做到了。

经济层面，正如我之前提到的，我们的方案是为量产市场设计的。虽然一开始Robotaxi的市场规模不会特别大，但我们的自动驾驶系统方案具有成本优势，再加上出行智能这些差异化功能，每公里的成本可以控制得很好。我们也预见到了，Robotaxi市场的竞争点在于系统成本。

如何更好、更有效地利用车辆？这是我们出行智能会出彩的地方。 

通过在汽车装配更便宜的硬件的方案，有收益的里程数的比例会更高。因此，我们在每公里的成本方面会非常有竞争力。这就是我们在该领域的强大战略。

剩下的主要障碍就是规则。

从2015年开始，我们一直积极推动这一领域的工作。我们推广了责任敏感安全模型（RSS），这是一种用于自动驾驶汽车决策的开放安全模型。我们整个系统设计都考虑到了这一点，并在经济和性能方面有所受益。

我们还加入了IEEE委员会，里面有25家自动驾驶汽车公司，全都是众所周知的行业大拿。在这个委员会里，我们一起把透明、明确的决策合同概念标准化，从而使自动驾驶汽车可以清楚地知道“小心驾驶”和“危险驾驶”之间的区别。

通过使用RSS这种基于模型的安全决策，我们的自动驾驶汽车永远不会因为判断失误而导致事故。

Q11：现在半导体产能的紧张对汽车行业的影响也有一段时间了。Mobileye对此是否受影响？您预计这种现象大概什么时候能够得到缓解呢？ 

Erez Dagan：我们是完全稳定的。因为我们有扎实的合约和强大的业务流，能够抵御这些波动。2020年我们系统的销售额仍然在增长，我们将之转化为了对供应商的需求，这实际上使我们的定位更高、更强健。

疫情期间，我们的业务也在稳定增长，没有受到影响，外界关于我们的传闻都是谣言。而且，我预计反弹很快就会到来，可能在几个月到一年之内。 

Q12：从这个月开始，中国一些领先的自动驾驶提供商开始跟中国主机厂、汽车厂合作创立新的汽车品牌。他们的一大特征是试图把整个全栈的自研能力掌握在自己的手中，Mobileye如何看待中国汽车行业的独有趋势对于整个自动驾驶领域的影响？

Erez Dagan：我们进军中国市场的动力是很强劲的。很多主机厂，包括你提到的那些公司，都对SuperVision™系统很感兴趣。

市场的总体趋势其实跟你刚刚描述的不同，绝大部分的OEM都认识到开发堆栈方案是一场马拉松，会耗费大量资源，而且风险很高。虽然资金可以缓解这种风险，但不是所有公司都有这种承担风险的能力。只有极少数的公司拥有雄厚的资金实力，可以承担数十亿美元的支出。

所以我们发现，目前的市场趋势就是OEM开始采购安全和久经验证的方案，就像我们跟吉利汽车的合作。

另外，中国的主机厂等企业也很关注SuperVision™堆栈系统。我们在中国有着很好的发展势头。

Q13：想问下Mobileye EyeQ6芯片进展情况怎么样？

Erez Dagan：我们的EyeQ®芯片已经到第六代了，是一个支持广义L2+级别的单SoC。目前SuperVision™系统内使用的是2个EyeQ®5芯片。

而1个EyeQ®6的算力比2个EyeQ®5的要高很多，这样我们就能够用内部冗余或者额外的计算机视觉引擎来优化MTBF。

另外，我们还可以在自己的SoC上集成其他的SoC来满足环绕式视觉系统、自动泊车功能和集成MCU部件。这样我们就可以剔除很多组件，为高级别ADAS提供一个简化集成的、经济高效的单SoC方案。预计该方案会成为L2+量产方案。

当然了，该SoC是可堆栈的，我们可以叠加其他的SoC升级到消费级自动驾驶。

Q14：我注意到目前EyeQ系列芯片都是由意法半导体来制造的，未来这一系列的芯片会不会可能由英特尔的技术来制造？

ErezDagan：一切皆有可能。但是下一代的芯片尚未移到英特尔工厂。

我们的路线图很灵活。市场告诉我们，随着激光雷达或RF SoC的加入，硅光子可以创造差异化或更高的价值。英特尔将支持我们的激光雷达开发业务。我们完全了解并全力与英特尔合作。

在此之外，EyeQ®6还没有交由英特尔工厂制造，目前也没有转移到英特尔工厂的具体计划。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”