Mobileye的自動駕駛解決方案，總得來說分為四種：

• Visual perception and sensor fusion（視覺感知和感知融合）
• Compute platform（計算平臺）
• Driving policy and RSS（駕駛策略和責任敏感安全模型）
• Dynamic mapping（動態地圖）

視覺感知和感知融合與傳感器和數據相關，數據由攝像頭、雷達、激光雷達等傳感器收集，進入計算系統，創造360度環境模型，模型包括道路、交通燈、路標等。

同時 ，還需要計算平臺來支持如此龐大的數據計算，這個平臺需要非常強大，因為計算量相當巨大；同時考慮到成本問題，它還要十分高效。

此外 ，還需要駕駛策略和 RSS，這樣才能保證駕駛的安全，同時還能在安全在合法的范圍內取得一個平衡。

最后 ，需要動態地圖，三年前創造了這個技術，說到地圖，便會談到它的升級，稍后會提到它。

Mobileye 目前正在努力的五個方面：

• Open EyeQ5(開放架構的 EyeQ5)：英特爾有自己的硅光子生產線，可以生產雷達所需的芯片，同時，它是開放架構的，客戶可以在芯片上編寫自己的代碼，自己來做融合。

• Closed EyeQ5(封閉 EyeQ5) ：它不僅僅包含 EyeQ5，還包含的舊代芯片 EyeQ4、EyeQ3，它正是目前輔助駕駛用的芯片。

• Surround Vision（環視視覺）：不僅用在輔助駕駛中，還用在自動駕駛中。

• AV Series（自動駕駛汽車系列）：包括 360 度視覺、地圖、駕駛策略、傳感器等等。

• AV Series+Maas platform（自動駕駛系列和 Maas 平臺）：除了 AV Series，它還包括 Maas 軟件系統。

請大家記住，所有與自動駕駛相關的東西，都與這五個方面有關。

視覺識別（Visual Perception）

視覺識別是個復雜的東西， 關注點在攝像頭上 ，攝像頭在自動駕駛車輛中起了非常重要的作用，目標是用攝像頭實現自動駕駛。

但是 ，僅僅依靠攝像頭實現自動駕駛，是相當困難的，因為攝像頭提供的，并不是直接的 3D 信息，它就像的雙眼，提供的數據很有限。

要實現自動駕駛功能，需要的是 3D 信息。 雖然攝像頭擁有高分辨率，但在開發者看來，攝像頭提供的是一種“懶惰”的視覺。因此，還需要其他的傳感器，比如雷達、激光雷達等，來給直接的3D信息。

但這樣以來，便會出現一個問題： 傳感器太多了，會造成冗余。因此，需要讓攝像頭的功能更加強大，讓它具有完整的、端對端的操作功能，這樣其他的傳感器加進來才是真正的錦上添花，才能實現真正的冗余。

不是說攝像頭能解決所有問題，也不否認雷達、激光雷達等傳感器的必要性。

mobileye正在做兩件事： 第一，要找到一個正確的方式，實現真正而非沒有必要的冗余。此外，一個更重要的事，就是將自動駕駛技術遷移到輔助駕駛中來，減少輔助駕駛的成本。

現在的傳感器是幾萬美元，樂觀估計一下，將來也許會下降到幾千美元，但是它的成本還是太高了，無法實現大規模運用。那么，如何減少成本，實現大規模的自動駕駛呢？

答案是攝像頭。 雷達和激光雷達都相當昂貴，但攝像頭很便宜，它是所能想象到的最便宜的傳感器。20 美元就能買到一個質量很好的攝像頭。

因此，要想減少成本，需要將重點放在攝像頭上。想要影響輔助駕駛的變革，先要走通較為困難的路：利用攝像頭實現自動駕駛。 在這條路走通了之后，再讓它影響輔助駕駛的發展。這是一種戰略性的思維，首先用真正的冗余實現自動駕駛，然后讓自動駕駛促進輔助駕駛。

Mobileye 的自動駕駛策略

下面來說說自動駕駛策略。如果去到的展位，可以用 VR 體驗到的自動駕駛汽車。汽車上一共有 12 個攝像頭（前方有 3 個攝像頭，角落里有 2 個攝像頭，朝前方2 個，朝后2 個，朝側方3 個，用作停車），沒有其他的傳感器，沒有 GPS。

圖示上方是攝像頭所拍到的景象，右邊顯示的是道路狀況 3D 圖。重點看看右邊，藍色車代表自動駕駛汽車，可以看到它越過了一個十字路口，給一輛紅色的車讓路，同時停下車等待突然進入道路的路人。這個 3D 圖也是靠攝像頭實現的。

談談計算平臺

首先回顧下的芯片。EyeQ4 于 2018 年發布，EyeQ5 在2018 年 12 月推出，它比 EyeQ4 強大 10 倍。

目前，EyeQ5 已經有了訂單量，將從 2021 年 3 月開始 EyeQ5 的批量生產。

總體來說，EyeQ5 是一個非常強大的芯片，低耗能，它是僅限硅的“開放式”芯片（允許第三方代碼運行）——不僅能造福自動駕駛，還能造福輔助駕駛。

與安波福合作，為寶馬打造2021年的自動駕駛汽車量產，這也是搭載了 EyeQ5 芯片。

駕駛策略 和 RSS

安全可以分為功能安全（Functional safety）和名義性安全（Nominal safety），大部分人關注的是功能安全，而關注的是常規安全，也就是說如何讓的設計避免事故，即在系統設計之初就要確保不會給社會帶來安全事故隱患，實現安全駕駛。

去年，與監管部門合作，提出了RSS （Responsibility Sensitive Safety，責任敏感安全模型）模型，它是一整套數學公式，將人類對于安全駕駛的理念和概念轉化成為數學公式和計算方式，用來界定什么樣的駕駛行為才是安全的駕駛。

RSS 模型提出安全駕駛需要滿足以下三點：

1、合理性。 即要滿足人們對“保持注意”的理解和判定，而不是天方夜譚地隨意去定義。

2、有效性。 一個合理的定義也有可能是完全無用的。

譬如這樣一個聽起來還不錯的定義：在一車變道時，其他車道上行駛的車輛都不允許改變速度，不應該受到該車變道的影響。但是這個聽起來挺“謹慎”的定義，在很多時候都不奏效，比如在碰到恐怖分子的時候，甚至在加州繁忙的道路上，它都不可能實現。因為實際在變道的時候，其他車輛必須要減速才能讓變道車輛實現換道。因此，安全駕駛不僅要合理，有效性也很重要。

3、可驗證性，即該定義是可以進行驗證的。 也就意味著，必須要把所下的定義與機器進行實際結合，以驗證該定義是否正確和有效，同時要證明沒有蝴蝶效應。

這里的蝴蝶效應是指，開始時一個很小的無心之舉，通過系統中其他動作的作用，最后導致了一場車禍。

下面來看看在 RSS 模型框架下的駕駛策略。

將駕駛策略分為四種： 策略（strategy）、戰術（tactics）、路徑規劃（path planning）以及控制（control）。

舉個例子，策略表示“想變道”，下面到戰術策略，也就是說已經決定了要變道，那么需要決定需要給哪輛車讓道，要哪輛車給讓道，這兩輛車之間的距離就是變道行駛的距離。

這種決策是實時變化的，比如已經決定了需要哪輛車給讓道，但這輛車不給讓道，那么如果還是堅持的想法，可能就會發生事故，所以改變了主意。因此， 戰術策略是一種“瞬間性”的決策，它會隨著情況的變化而變化。

在以上兩種決策中，機器學習起了很重要的作用。

接下來 ，是路徑規劃，它正是 RSS 運用的地方。它為執行戰術策略而計劃車輛行駛軌跡，這個軌跡必須是安全的。那么，什么才是安全軌跡？這個時候，RSS 就派上用場了。

最后 是控制，已經計劃好軌跡之后，就需要汽車進行控制，比如什么時候剎車。

所有這些策略，都是為了實現安全駕駛。

下面給大家看一些例子，想說明的一點是，給大家看的所有例子，車內視角都是靠攝像頭實現， 不依靠任何其他的傳感器 。當然，這張是無人機視角鳥瞰拍攝。圖中道路上有一輛車停在了路中間，因此道路上的車紛紛開始變道，中間那兩帶著 Logo 的藍色車輛為自動駕駛汽車，可以發現，它的駕駛行為非常像人類，成功變道。

以上是車內視角。看到右邊，帶著 Logo 的藍色車輛為自動駕駛汽車，前方紅色車輛為自動駕駛汽車決定讓道的車，綠色車輛為自動駕駛汽車決定“搶道”的汽車，這個決定，是戰術決策，是一個瞬間的決定。

自動駕駛汽車的變道距離，正是紅色車輛和綠色車輛之間的距離，如果綠色車輛不讓自動駕駛汽車搶道，那么自動駕駛汽車將會改變決定。

這并不是一個簡單的操作，但自動駕駛汽車處理地相當優秀。

下面還是類似的道路設定，唯一的不同是多了一位行人。雖然道路情況復雜，但藍色的自動駕駛汽車還是成功地避開車輛和行人完成了變道。

下面的道路設定是城市道路。可以看到自動駕駛汽車一路前行，周圍有正在行駛的汽車，也有停下來的汽車。

當它行駛到了一條交叉路口，一位行人正在穿過道路。這時候，自動駕駛汽車停下來等待行人穿過，等行人過了馬路，自動駕駛汽車繼續行駛。接下來，自動駕駛汽車給右邊過來的汽車讓路，然后再成功左轉。

這是車內視角。

下面來看看部分道路被堵住時，自動駕駛汽車的處理方式。左邊停下來的卡車堵住了道路左側，自動駕駛汽車順利地從卡車旁邊駛過。

其實，這是一個比較困難的決策，因為自動駕駛汽車需要判斷這道路是一個交通堵塞狀況，還是卡車停在了路旁。但是，基于道路上其他車輛的處理方法，自動駕駛汽車做出了正確的決策。

最后一個例子。自動駕駛汽車穿過十字路口直行，左側一輛公共汽車左轉進入前方道路，自動駕駛汽車給公共汽車讓路，同時左側過來的另一輛小汽車給自動駕駛汽車讓了路。

因此自動駕駛汽車的處理方式與人類非常相似，它在 RSS 模型框架下，實現了安全駕駛。

Mobileye與多方都成功進行了合作，其中比較大型的合作包括 法雷奧、百度和中國 ITS。

法雷奧 是最近的的 Tier 1 合作伙伴，法雷奧和 Mobileye 簽署協議，表示未來會將 RSS 加入其自動駕駛研發項目并聯合其他工業標準一起使用并同意共同制定行業標準。

與百度簽署了合作協議。百度計劃在其 Apollo 開源項目及 Apollo Pilot 商用項目中部署 RSS 模型，Apollo 項目是 RSS 模型的首個開源應用。

最大的合作是與中國 ITS (Intelligent Transport System, 中國交通部下屬的標準制定團體—中國綜合智能交通產業與服務聯盟 ）簽訂的合作，ITS 已經提議將 RSS 模型作為即將的自動駕駛安全規范的框架。不僅僅與中國政府合作，還與包括蔚來、高德地圖、華為在內的多家中國科技公司進行了合作。

同時合作伙伴還在不斷擴大之中。 與中國智能交通系統的合作，是與監管部門合作的絕佳例證。

其實，這些合作與 Mobleye 的技術無關 ，它與技術分離開來，它并不是說與合作的公司開發自動駕駛汽車需要安裝 Mobleye 攝像頭，也并不是說需要 Mobleye 的策略來實現自動駕駛，而是說在 RSS 這個安全框架之下，成功實現安全的自動駕駛。

地圖與 REM

下面來說說地圖和 REM（道路經驗管理）技術。

REM 是通過眾包的形式為自動駕駛汽車提供高精度地圖服務，也就是俗稱的“全球路書（Global Roadbook）”。

首先 ，說說 REM 數據處理過程。目前，所有的自動駕駛汽車都在前側安裝攝像頭，而大部分攝像頭是由 Mobileye 的芯片驅動。

如果自動駕駛汽車安裝的 EyeQ4 芯片，那么首先它需要實現信息收集，也就是通過芯片驅動的攝像頭收集道路和路標信息。

第二步 ，收集的信息被匿名化并被加密。

第三步 ，加密的信息儲存到云空間中，生成自動駕駛。

第四步 ，地圖信息分配到自動駕駛汽車中。

最后 是定位，在10厘米的精確度范圍內，自動駕駛汽車在路書中進行定位。

目前，已經與寶馬、Nissan等汽車公司進行了合作，在自動駕駛汽車行駛過程收集信息并傳送到云端，讓路書更加強大。

看到這個視頻，左邊黃色長方形表示路標，白色表示道路邊緣、車道標識線、中心車道，攝像頭可以收集信息，傳送到云端，然后進行高精確度的實時定位。右邊是相同數據在谷歌地圖上的成像。

目前的傳輸數據量是 1000 米 1000 字節，這個量是非常重要的。 需要將數據傳輸到云端，它是需要低成本的，目前的成本是一輛車一年僅花費 1 美元。

如果成本較高，那么沒有汽車制造商將會采用這個系統。數據從云端傳輸到汽車的過程中，如果產生十億字節的數據，那么也將會造成成本過高的問題。

因此系統是低成本的系統。

目前，已經和日產等企業合作，完成了在日本的高精度地圖采集，并計劃在不久的將來合作發行日產L3 自動駕駛汽車。24 小時之內一鍵自動生成地圖，這與當今的手動地圖相比，是一個巨大的進步。

每公里 10 KB 壓縮收獲數據、最后的地圖壓縮至 400MB，每個紫色地圖圖塊代表 1 平方公里、平均瓦片大小僅為 30KB。數據精確度小于 10 厘米、整體收集超過 110 萬地圖特征，覆蓋 32 萬個信號、30 萬個信號燈、25 萬車道線、19 萬路障等。

還與寶馬合作，大部分寶馬自動駕駛汽車安裝了 EyeQ4 芯片，它們都將收集數據傳輸到云端。

REM 的商業應用主要分為三方面： 第一個為自動駕駛地圖，第二個是 L2+/3/4 自動駕駛，這也是自動駕駛反哺輔助駕駛的表現，第三個是非機動領域應用。

REM 在二級市場上也得到了應用 ，首先與政府合作，簽訂了三個地圖協議；其次，啟動了三個智能城市項目；同時，還在歐洲和美國成立了自動駕駛車隊，覆蓋到 2 萬輛自動駕駛汽車。

其中，值得一提的是與英國國家測繪機構——英國地形測量局（Ordnance Survey）達成了一項合作協議，旨在為英國組織機構和企業提供高精度定位數據。使用地圖改善企業與城市之間的協作有助于提升城市的智能化水平，讓城市道路更安全。

英國地形測量局領先的地理空間和技術專長將與 Mobileye 基于汽車攝像機的測繪能力相結合，為能源、基礎設施和其他領域的客戶提供全新、準確和可定制的位置信息服務。

相關測繪車輛將收集大量關于公路網和路邊基礎設施的位置數據，然后將收集的數據與現有的地理空間數據庫相互參照對比，從而以驚人的細節和精度繪制英國道路和周圍地區的精確地圖。

依靠雙方的合作，英國測繪局可以和一起提供基于位置情報數據的定制解決方案，使現有行業和發展中行業的公司能夠運營更智能、聯系更緊密的業務。例如，公用事業公司可以利用這項服務，獲取其資產在地面上的準確位置，如沙井蓋、燈柱、電線桿等。通過加強對地上和地下資產的了解，這些公司可以更有效地規劃和管理維護需求、支持其他必要的工作。

除了未來的自動駕駛汽車外，測繪創新還可以被應用于其他領域。雙方的此次合作說明 Mobileye 獨有的測繪能力可以將位置數據的價值延伸到包括智慧城市在內的新的細分市場。此外，本次合作的關鍵在于以匿名的方式向企業和政府提供此類數據以保護隱私，而 Mobileye 獨有的測繪方法就能實現該需求。

還與大眾和 Champion Motors 合作，計劃于明年初推出首款自動駕駛打車服務，分工如下：Champion Motors 負責運營車隊，大眾將提供車輛，而 Mobileye 將提供自動駕駛系統。這個項目將于 2019 年初開始運行，并逐步于 2022 年實現商業化。

同時，與北京公交集團進行了合作，北京公交集團是全球最大的城市公共交通公司，開展地面公共交通客運業務、公共交通投融資和資產管理、汽車服務貿易等業務。

此次三方合作將通過利用北京公交集團豐富的運營經驗和 Mobileye 的自動駕駛工具——即一套具備第四級無人駕駛能力的、體系完整的自動駕駛系統，為中國公共交通的發展和部署提供可商務化的自動駕駛解決方案。

ADAS 的進化之路

Mobileye 已經將 RSS 模型重新針對 ADAS 產品進行了開發，提議將其作為 AEB 技術的一種預防性補充和增強。

目前這項技術內部代號為「APB 自動預防性剎車」，即「Automatic Preventative Braking」的簡稱。由于 RSS 模型的公式能夠判斷出車輛進入危險環境的時刻，因此 APB 技術能夠通過主動施加輕微、幅度很小的預防性剎車來引導車輛回到安全位置。

APB 系統是自動緊急制動系統的增強版，可使用公式來確定汽車何時會發生危險狀況。并且在潛在危險發生時，可通過讓汽車減速、逐漸停止，來防止發生碰撞事故。

APB 通過采用幾乎不會讓人注意的預防性制動而不是突然制動，幫助車輛恢復到更安全的位置，從而防止碰撞事故發生。APB 不會理會阻礙交通的障礙物，而是主動調整車輛速度，以便在必要時保證安全，從而可在不影響交通的情況下提高安全性。

如果 APB 能夠應用至任何一輛安裝有前置攝像頭的汽車上，它將能夠大幅降低因駕駛策略錯誤引發的追尾事故。而一旦給這些車輛增加環視感知的能力并將 REM 地圖應用至該模型中，那么 APB 將有機會應用至更多場景，這意味著幾乎所有因策略不當引發的碰撞事故都可能被扼殺在搖籃里。

同時，配備環視攝像頭傳感和定位感知功能的 APB 系統可以消除「幾乎所有」的追尾事故。希望通過采用此類技術，可將因錯誤駕駛決策而導致的道路交通事故傷亡人數接近零。

近期發表了名為《Vision Zero: Can roadway accidents be eliminated without sacrificing traffic throughput?（零傷亡愿景：能否在不犧牲道路吞吐量的前提下消除道路交通事故？）》，提出了 APB 這樣的技術對 Mobileye「零傷亡愿景」的實現十分關鍵。

希望通過 APB 的大規模應用來降低道路交通事故傷亡率。 此外，APB 的使用也能夠降低類似限速帶等道路基礎設施的投入成本，因為它在必要時能夠主動調整車速保證安全，但并不會破壞正常交通流速造成擁堵。因此，「零傷亡愿景」是可以實現的，在的論文中，用數據證明了它的可能性。

在自動駕駛領域，可以進行兩種 變革：第一種交通變革，它是顯而易見的，是有價值的；另一種，是道路安全變革，也就是拯救生命的變革。它是可以依靠技術實現的，而這個技術，其實并不昂貴，不需要成千上萬美元，它只需要幾百美元，卻能拯救生命。因此，可以實現道路安全變革。

附①： Mobileye_EyeQ4功能和性能

一．硬件平臺

圖丨 Mobileye EyeQ4 架構（Mobileye EyeQ4使用了多MIPS處理器）

為確保 L3 級別以上的自動駕駛汽車市場，Mobileye在 2018 年正式推出支持 L3 的 EyeQ4 方案，其基本架構與 EyeQ3 相當類似，都是以 MIPS 的 CPU 核心搭配矢量加速單元的組合，但架構上采用了更新更好的版本，整體計算效能也較 EyeQ3 增強了將近 10 倍，功耗僅微幅增加 0.5W。也就是說，功耗仍是 EyeQ4 最強調、也是最明顯的應用優勢，但即便如此，整體計算能力仍遠不如 NVIDIA 的方案。

二． Mobileye六大關鍵技術

1. 前碰撞預警：

在系統開啟狀態下，車速在0-200km/h時起效，與前方車輛發生碰撞前2.7秒以內發出警報。

2. 行人探測與防撞警示：

在車速為1km/h至50km/h時處于工作狀態，當可能與行人發生碰撞時發出警報。

3. 車道偏離預警：

在速度高于55km/h時處于激活狀態，當駕駛員無意中偏離車道時發出警報。如果在換道時使用方向燈，則不發出警報。

4. 車道保持與危險預警：

HMW以秒為單位測量與前方車輛的車距。如果正在接近設定車距，則發出危險警報。

5. 前碰撞警告：

在車速為1km/h至50km/h時處于工作狀態，當物體與前保險桿距離小于1.6到2.0米時，系統對于即將發生的危險發出警報。

6. 智能遠光控制：

黑暗的道路上，在附近沒有車輛的情況下可對車輛的前大燈進行控制，將其由近光燈自動切換成遠光燈。

三．Mobileye EyeQ4智能防撞預警ADAS相機

除具有Mobileye 標準６大標準碰撞預警功能外，Mobileye EyeQ4智能前視攝像頭通過CAN 接口，可以將車輛前方車道上的各種目標相對于本車輛的坐標位置，相對距離，相對速度，相對角速度，目標大小等實時輸出，應用于自動緊急剎車（AEBS）,車道保持（LKA）,自適應巡航（ACC）,盲點探測（BSD），主動限速等主動安全功能，主要應用于**輔助駕駛功能ADAS和自動駕駛 (Auto-Driving)的研究，以及道路探測方面應用。

Mobileye EyeQ4智能前視攝像頭主要能識別并輸入以下目標信息：

1.車道線檢測

1）4條車道線（含路沿）

2）車道線類型(含雙車道線)

3）車道線顏色

4）車道線ID

5）車道線可信度

6）車道線寬度

7）繪制車道線模型的幾何參數

8）視野范圍內車道線縱向長度

9）Crossing

10）虛線平均線長度及間隙長度

11）車道寬度。

2. 目標（行人、車輛）

1）10個目標信息（行人、車輛）

2）目標ID

3）目標類型(pedestrian、bike、bicycle、car、truck)

4）目標運動分類

5）目標運動狀態（移動的、靜止的等等）

6）目標橫向

7）縱向速度

8）目標相對的橫向，縱向距離

9）目標的長度，寬度

10）目標角速度

11）目標的測量狀態

12）目標的生命周期

13）目標的存在概率

14）目標的轉向燈

15）剎車燈狀態

16）目標所在的車道

17）目標的縱向加速度。

3. 交通標識（TSR）

1）紅綠燈

2）標識牌信號類型(限速牌等)

3）可靠性

4）兩個補充標識及可靠性（ 雨天，下雪等）

5）標識牌相對位置（X、Y、Z）。

4. 剎車狀態信號

1）踩下、沒踩下

2）前進、倒擋

3）方向盤轉向角度

4）INACTIVE

5）左轉、右轉

6）雙閃

7）實際車速

8）車輛橫擺角度

9）關、低速、中速、高速、單次。

5. 測距

測量精度是用裸攝像頭測試的

1） Mobileye EyeQ2是25%的誤差；

2） Mobileye EyeQ3是15-20%誤差；

3） Mobileye EyeQ4精度是10-15%之間。

4） 如果車廠零部件廠他們疊加了毫米波雷達做融合精度高于5%。

四．Mobileye EyeQ4智能前視攝像頭參數

攝像頭像素：彩色 150w；

分辨率：1280*960；

測量距離：>150m；

水平視角：52°；

垂直視角：43.4°；

車道線數量：4；

目標個數：10；

目標縱向速度誤差：<0.2m/s；

目標橫向速度誤差：<0.2m/s；

目標縱向距離誤差：< 10m/100m；

橫向 C0 誤差：<0.1m；

車道線識別長度：>60m；

CAN 通道：2 路。

附②：關于自動駕駛， Mobileye 的 14 個最新觀點

說明：下文來自新智駕，作者蘇珊珊；

紛爭、合作、挑戰、趨勢，Mobileye基本回答了一切。

Q 1：目前越來越多的汽車廠商都在開始自研芯片，包括像特斯拉、蔚來、比亞迪等等。現在也有傳聞說蘋果也要做汽車芯片。假設汽車廠都自研芯片了，未來像Mobileye這樣的第三方芯片廠商的機會在哪里？

Erez Dagan： 關于OEM（原始設備制造商）正在開發他們自己的感知系統集成芯片（SoC），除了特斯拉，我不知道還有誰在開發自己的SoC。他們所做的開發嘗試當中，很少有嘗試開發自己的軟件堆棧的。

而Mobileye的價值主張是獨一無二的。我們做的不是一個科學項目，或是過度的資源開發之后再考慮縮減經濟成本的問題。我們做的是經過數百萬車輛長期測試的項目。我們的核心解決方案已經在路上運行了十年。

事實上，我們看到的行業趨勢是除了那些資金充足的公司能夠承擔風險和失敗，整個市場都是在通過收購策略進行整合。大部分公司都沒有資金，他們現在已經明白了開發整個堆棧的方案是一場高成本、高風險的游戲。 

市場對全棧解決方案的需求越來越大。比如我們的SuperVision?系統，對市場的吸引力就非常巨大。我們非常樂觀地認為，最大、最著名的主機廠的整合會采用久經測試的具有靈活性的全棧解決方案。 

當然，我們還為SuperVision?配置了OTA差異化功能，這一層掌握在我們自己的手上。

EyeQ?5和EyeQ?6芯片以及相關平臺都能支持SuperVision?。此外，我們還留下了聯合開發和添加差異化價值的空間——這些SoC是可編程的。

我們給客戶提供了兩個最好的東西：固態強大的核心堆棧，以及靈活度和開發差異化價值的空間。所以我們對這一戰略非常有信心。

Q2：您認為未來自動駕駛汽車的芯片會朝什么方向發展？會有什么樣的趨勢？ 

Erez Dagan： 曾經有一個用于評估芯片性能的非常不準確的衡量標準——TOPS。作為評估SoC能力的一個數字指標，它顯得太過簡單。

現在就有事實證明，使用兩個EyeQ?5或一個EyeQ?6就可以提供一個非常強大的方案，能夠在任何地方提供流暢的駕駛體驗。這都是以我們的安全模型和強有力的駕駛策略研究為基礎的。

當然，這一方案可以向上和向下拓展。 

例如，向下可以拓展成更基礎的輔助駕駛，只需要關閉某些內容和OTA更新即可；向上拓展，則需要再添加一些硬件單元，實現我們目標的消費級自動駕駛。這一市場預計將在2025年釋放，并達到可接受的經濟成本價格。Mobileye已經完全準備好了迎接這一趨勢。 

我們的SoC以及集成嵌入式軟件耦合開發的重要性已經被強調過很多遍了。 

有些系統很簡單卻很關鍵，比如飛機的起落架，一個非常簡單的系統但需要非常安全；也有一些復雜的系統不需要非常安全，比如智能手機。自動駕駛將兩者結合在了一起。

任何試圖分解或從零開始組合的嘗試都會招致很多風險，包括安全、效率和經濟性。所以硬件和軟件之間的緊密耦合和深度集成是關鍵，并不是隨便一個衡量指標就能說明SoC更強。

在這種情況下，判斷一套解決方案是否成功，遠不止TOPS這樣的衡量標準。

Q3：與蔚來之間的合作能聊聊嗎？坊間傳聞有些不愉快？可否分享一下。

Erez Dagan： 僅去年，我們就給蔚來提供了5萬套系統，包括三目系統和消費級自動駕駛市場的高級ADAS。

我們必須做出一個艱難的決定，那就是，選擇誰作為領導者來把我們的解決方案引入中國市場。在這方面，隨著更先進的功能的引入，我們需要選擇比蔚來更強大、更有實力的OEM。正如今年在CES上提到的，我們的選擇是與更大、更強的吉利汽車集團合作。

當然，我們跟蔚來的關系還是很好的。我們跟蔚來還有出行即服務（MaaS）運營車隊供應的合同和三目方案的延長合同。

Q4：激光雷達的優勢包括性價比高、功耗低、體積小，還比較容易上車；缺點就是成本比較高，元件需達到高精度要求，且達到這個高精度元件的廠商較少，Mobileye是如何解決這個問題的？相比傳統的激光雷達，這個雷達的成本比較高，那預計在2024年、2025年，雷達上車的時候成本會降低嗎？大概能降多少？

Erez Dagan： 我先談性能，然后再談成本。

在對市場進行了仔細研究之后，我們發現，在性能方面，我們引入市場的激光雷達與市場上其他解決方案相比沒有任何劣勢。 

在性能方面，我們的激光雷達的設計原則有四條：

第一條是從距離、方位角、仰角的三維采樣轉變為包括FMCW（調頻連續波）多普勒測量在內的4D采樣。這是我們正在做的方向。

這么做的目的是希望使激光雷達系統做到獨立、完整。視覺是一個系統，激光雷達是第二個系統，雷達將是第三個系統。我們在努力提升包絡效果，以確保激光雷達可以進行多普勒測量。這可以讓我們獲得實時的航向測量，保證所有掃描的點都有充分的接觸時間。當目標相鄰時，簡化基于多普勒信號的聚類和跟蹤。這是無多普勒測量的激光雷達會存在的一個問題。

第二條增強激光雷達的功率效率，使我們能夠以更低的發射能量達到相同的測距。

功率效率是可以調整的，可以針對高級駕駛輔助系統（ADAS）市場與Robotaxi業務指定解決方案或衍生解決方案。這會增強我們的ODD（運行設計域）。因為FMCW的靈敏度更高，或者說信噪比更高，讓我們可以獲得更高的有效動態范圍，這意味著我們有更多的原始測量數據。然后，我們就可以對全球進行高精地圖繪制，進而對來自激光雷達的更多信息進行后續處理。所以，我們有更高的靈敏度，并將利用這一點來提高ODD和實現更高的有效動態范圍。

我們的設備絕對支持高分辨率采樣——這是另一個我們想要領先世界的領域——每秒兩百萬點，每度立體角六百點。這將使我們獲得對所處環境的準確感知。這些都是性能方面的情況。我們激光雷達的性能預計會超過市場上任何已知的解決方案，能夠使激光雷達本身成為一個單一的、完整的、獨立的感知系統。

至于這些設備的成本。確實，如果沒有相應的的資產和能力，這個項目耗資巨大。幸運的是，我們在英特爾有足夠的知識產權、專業知識和晶圓廠，知道如何將有源器件、無源器件和波導放到芯片上。借此，我們可以把這些都集成到SoC上，并交給英特爾硅光子部門在新墨西哥州的一家工廠制造。這是全球獨一無二的資產。

從這個意義上說，這將使我們能夠實現非常激進的成本目標，并進一步實現第二個目標——將解決方案引入消費級別的自動駕駛汽車。

Q5：現在Mobileye已經在以色列、德國等地方開展了自動駕駛汽車路測，想知道接下來在上海或是中國Mobileye是否有相關布局呢？是要自建運營車隊？還是把解決方案提供給其他出行運營商？

Erez Dagan： 正如Shashua教授之前介紹的那樣，我們的市場參與模式是非常多樣化的，有出行即服務（MaaS）、車輛即服務（VaaS）和駕乘即服務（RaaS）。這一多樣性讓我們能夠在不同地區以不同模式進行合作。我們現在尚未公開在中國的具體合作方案，但是我們有支持各種模式的靈活度。

VaaS模式意味著我們會向當地的運營商出售集成好的汽車。汽車上會搭載被稱為移動智能的軟件堆棧。這樣一來，運營商就可以優化車輛的使用和利用。

第二種模式叫“駕乘即服務（RaaS）”，意味著我們的車輛會響應他人發出的乘車服務需求并給出報價。比如像Uber這樣的交通網絡公司（TNC）可以將訂單發給我們進行競價，使顧客可以從中獲得更低的報價，而不是直接將乘車需求發送給報價更貴的人類駕駛員。

當然我們也能提供消費者需要的MaaS。但是具體到中國，我們的選擇還有待公開。

Q6：怎么去定義SuperVision這款新產品？是可以把它定義成Mobileye全棧式自動駕駛產品的過渡？還是說是之前ADAS產品的升級？

Erez Dagan： 我們認為L2+級別ADAS和L4是一個連續體，兩者之間的區別在于平均故障間隔時間（MTBF）。在L2級別，因為駕駛員仍然保持專注，系統的性能不必超過人類的性能或人類的故障頻率；但在L4級別，駕駛員不再擔責，所以系統的性能必須遠遠優于人類的性能。

我們不認為這是個過渡方案。相反，我們堅信L2+的市場會很大、很穩定。駕駛員既可以繼續保持專注，同時也能從一個高性價比的系統和準自動駕駛的方案中受益。 

當然，到了2025年，那些能負擔得起每輛車額外增加數千美元的經濟成本的人可以體驗到全自動駕駛。但L2+，也就是我們所說的有條件下的自動駕駛，仍然會持續很長一段時間。

Q7：由于疫情，消費市場對自動駕駛的期待比較高。在這種比較特殊的環境下，自動駕駛能夠商業化的話，對于疫情防控或者是出行是有很大幫助的。想問一下Mobileye怎么看待2020年自動駕駛在全球市場發展的進程？以及，2021年您預期這種技術或者是這種模式會有突破性的進展嗎？

Erez Dagan： 到2022年，Mobileye將在以色列部署自動駕駛服務，我們這一計劃將維持不變。五年來，我們一直致力于將這些車輛投放到道路上提供商業服務。到2022年，我們將提供真正的服務，而不是一個實驗，或僅僅只是展示。

為了完善堆棧的不同層，我們在有戰略性地、積極地搭建或收購完整的堆棧。

特別值得一提的是我們對Moovit的收購。

Moovit是全球最大的城市旅行規劃平臺，有著數億乃至近十億的乘客群體，擁有獨特的全球乘客資產，并且對不同地區的交通環境有非常好的了解。這樣一來，我們就可以疊加以需求數據為基礎的移動智能層。

Moovit還對全球多個地區的需求模式有非常清晰的認識。他們在全球多個地區擁有活躍用戶，并且還與全球各地的運輸運營商建立了合作關系，能為我們提供更多樣化的服務，比如車輛即服務（VaaS）和駕乘即服務（RaaS）。

Q8：蔚來剛發布的計算平臺甚至達到1016TOPS，您是怎么看行業都在往大的算力平臺發展的？您認為算力和需求之間應該怎么匹配？

Erez Dagan： Mobileye從事汽車產品制造已經有20年歷史了，我們對成本敏感度有非常清晰的認識。同時，我們也非常清楚要推出一款安全關鍵的汽車產品需要滿足哪些高性能要求。這種專業知識是一種資產。它使我們能夠從一個經過實戰測試的駕駛輔助系統中獲得模塊，以打造非常高效的解決方案。在性能和成本方面，這些都是固定的解決方案。

算力的消耗會有多大呢？我想再次說明一下，TOPS數字不過是過去的數值競賽。如果你需要一個非常強大的電腦，那就意味著你其實并不知道自己想要什么，不過是還在探索的階段。一旦你需要滿足經濟性的要求，就要在處理速度、客戶需求、解決方案成本等各個方面找尋平衡。這些都是至關重要的。 

這才是真正的汽車產品業務的區別所在，而不是所謂的廣告、作秀或僅僅是處在研究的階段。

Q9：過去一年自動駕駛這個領域的投資非常活躍，尤其在Robotaxi領域，您認為今年這樣的投資收購趨勢還會繼續嗎？

Erez Dagan： 我們很早就預測到了這一趨勢——市場上會出現一種聯合企業，并且只有少數的聯合企業或公司能夠到達終點線。幸運的是，我們是唯一一家完全靠駕駛輔助業務自籌資金的自動駕駛汽車解決方案供應商。我們不是燒錢，我們是為這場馬拉松而生的。

我完全理解那些無法通過收入實現自動駕駛的長期發展或是無法變現的公司。他們被迫做出妥協，只能通過抱團來共同承擔風險和回報。

而我們的地位更強大、穩固，并一直在向著終點線積極邁進。

今天Shashua教授在演講中闡述的Mobileye的三位一體戰略讓我們脫穎而出、與眾不同。 

三位一體戰略的首要因素就是我們為駕駛決策保駕護航的安全模型——責任敏感安全模型（RSS）。

視覺系統內的真正冗余?（TrueRedundancy?）則讓整個系統更強大，更易完成MTBF和相關驗證。

最后，我們提供了一個真正的眾包解決方案。它具有非常高水平的性能，比標準高精地圖更有價值。它是為自動駕駛汽車的需求量身定制的，或者說，是帶有大量語義層的高級別ADAS功能。

Q10：從行業的角度看，您覺得接下來Robotaxi的大規模落地，目前還存在哪些技術問題或是商業領域的挑戰？

Erez Dagan： 就技術而言，我們已經完全準備好了。我們已經用兩種不同的感知堆棧證明了這一點。 

我們在耶路撒冷展示了基于雷達和激光雷達的一種自動駕駛解決方案。還有，在耶路撒冷、慕尼黑和底特律展示的一種基于攝像頭的方案。就技術層面，我們完全做到了。

經濟層面，正如我之前提到的，我們的方案是為量產市場設計的。雖然一開始Robotaxi的市場規模不會特別大，但我們的自動駕駛系統方案具有成本優勢，再加上出行智能這些差異化功能，每公里的成本可以控制得很好。我們也預見到了，Robotaxi市場的競爭點在于系統成本。

如何更好、更有效地利用車輛？這是我們出行智能會出彩的地方。 

通過在汽車裝配更便宜的硬件的方案，有收益的里程數的比例會更高。因此，我們在每公里的成本方面會非常有競爭力。這就是我們在該領域的強大戰略。

剩下的主要障礙就是規則。

從2015年開始，我們一直積極推動這一領域的工作。我們推廣了責任敏感安全模型（RSS），這是一種用于自動駕駛汽車決策的開放安全模型。我們整個系統設計都考慮到了這一點，并在經濟和性能方面有所受益。

我們還加入了IEEE委員會，里面有25家自動駕駛汽車公司，全都是眾所周知的行業大拿。在這個委員會里，我們一起把透明、明確的決策合同概念標準化，從而使自動駕駛汽車可以清楚地知道“小心駕駛”和“危險駕駛”之間的區別。

通過使用RSS這種基于模型的安全決策，我們的自動駕駛汽車永遠不會因為判斷失誤而導致事故。

Q11：現在半導體產能的緊張對汽車行業的影響也有一段時間了。Mobileye對此是否受影響？您預計這種現象大概什么時候能夠得到緩解呢？ 

Erez Dagan： 我們是完全穩定的。因為我們有扎實的合約和強大的業務流，能夠抵御這些波動。2020年我們系統的銷售額仍然在增長，我們將之轉化為了對供應商的需求，這實際上使我們的定位更高、更強健。

疫情期間，我們的業務也在穩定增長，沒有受到影響，外界關于我們的傳聞都是謠言。而且，我預計反彈很快就會到來，可能在幾個月到一年之內。 

Q12：從這個月開始，中國一些領先的自動駕駛提供商開始跟中國主機廠、汽車廠合作創立新的汽車品牌。他們的一大特征是試圖把整個全棧的自研能力掌握在自己的手中，Mobileye如何看待中國汽車行業的獨有趨勢對于整個自動駕駛領域的影響？

Erez Dagan： 我們進軍中國市場的動力是很強勁的。很多主機廠，包括你提到的那些公司，都對SuperVision?系統很感興趣。

市場的總體趨勢其實跟你剛剛描述的不同，絕大部分的OEM都認識到開發堆棧方案是一場馬拉松，會耗費大量資源，而且風險很高。雖然資金可以緩解這種風險，但不是所有公司都有這種承擔風險的能力。只有極少數的公司擁有雄厚的資金實力，可以承擔數十億美元的支出。

所以我們發現，目前的市場趨勢就是OEM開始采購安全和久經驗證的方案，就像我們跟吉利汽車的合作。

另外，中國的主機廠等企業也很關注SuperVision?堆棧系統。我們在中國有著很好的發展勢頭。

Q13：想問下Mobileye EyeQ6芯片進展情況怎么樣？

Erez Dagan： 我們的EyeQ?芯片已經到第六代了，是一個支持廣義L2+級別的單SoC。目前SuperVision?系統內使用的是2個EyeQ?5芯片。

而1個EyeQ?6的算力比2個EyeQ?5的要高很多，這樣我們就能夠用內部冗余或者額外的計算機視覺引擎來優化MTBF。

另外，我們還可以在自己的SoC上集成其他的SoC來滿足環繞式視覺系統、自動泊車功能和集成MCU部件。這樣我們就可以剔除很多組件，為高級別ADAS提供一個簡化集成的、經濟高效的單SoC方案。預計該方案會成為L2+量產方案。

當然了，該SoC是可堆棧的，我們可以疊加其他的SoC升級到消費級自動駕駛。

Q14：我注意到目前EyeQ系列芯片都是由意法半導體來制造的，未來這一系列的芯片會不會可能由英特爾的技術來制造？

ErezDagan： 一切皆有可能。但是下一代的芯片尚未移到英特爾工廠。

我們的路線圖很靈活。市場告訴我們，隨著激光雷達或RF SoC的加入，硅光子可以創造差異化或更高的價值。英特爾將支持我們的激光雷達開發業務。我們完全了解并全力與英特爾合作。

在此之外，EyeQ?6還沒有交由英特爾工廠制造，目前也沒有轉移到英特爾工廠的具體計劃。