作者 |德新
编辑 |王波
2023年是Mobileye转型的关键一年。
该公司首席执行官Amnon Shashua教授在解除封锁后首次访问中国时表示：“我们正在从一家以前视摄像头和芯片为主要产品的公司转变为提供包括感知、驾驶策略和传感器在内的系统解决方案。 」
简单来说，Mobileye正在从基础辅助驾驶向高级智能驾驶迈进。
跟ZEEKR合作高速中试功能NZP交付，代表其首个高端智能驾驶量产项目贯穿始终。 同年，这家老牌智能驾驶公司也迎来了不少后续订单。
那么问题来了，如何有效实现高端智能驾驶的大规模扩容？
高端智能驾驶的扩张有两层含义：
智能驾驶系统如何在更大的地理范围内使用，包括更多的路段、城市甚至国家区域; 以及如何在更多车型和品牌上实现量产。 更低的成本、更快的速度、更强的功能是当前汽车市场最主流的竞争精神，而Mobileye面临的挑战也代表了相当多的领先车企的担忧。
在今年的CES上，Mobileye首席执行官Amnon Shashua例行分享了公司过去一年的商业和技术进展。 除此之外，Hiev还在CES期间对Mobileye的首席技术官Shay Shalev-Shwartz教授进行了独家采访。
在本文中，你将看到他们对以下主题的看法：
在兼顾成本和开发效率的条件下，如何打造多家车企差异化的智能驾驶系统？ 莫比尔叶的地图战略，智能驾驶广义引擎视觉能力的上限，没有纯视觉就无法实现的功能何时智能驾驶会成为购车的关键因素？ Mobileye目前拥有五个级别的智能驾驶产品：基础ADAS、云增强ADAS、监控、司机和驾驶。
其中，DRIVE是L4级自动驾驶出租车产品，基础型ADAS和云增强型ADAS是L2级基础辅助驾驶产品，Supervision and Chauffeur是高端智能驾驶产品。 在高端产品中，监管是目前量产的主力军。
2022 年，Supervision 最初只有一个客户型号，即极氪 001。 又过了一年，Mobileye赢得了一些固定积分，其包括监管和司机在内的高端智能驾驶定点车型数量已增加到30个左右
到2023年底，监理项目量产预计365万台，Chauffeur量产60万台。 这两个数字将在后面显示，它们代表了Mobileye转型的速度，也代表了领先的智能驾驶公司的盈利能力。
Mobileye现有的高端智能驾驶指定点主要来自三大车企集团：
吉利控股，共5款车型，涵盖极氪、极星、smart、沃尔沃4个品牌; 一汽集团，六款车型全部集中在一汽红旗，包括纯电动和燃油车系列，包括监控和司机系统，两套计划分别于2024年底和2025年底开始量产。 红旗的激进程度也可以从时间点上窥见一斑，2025年量产的司机，更是现有公共项目中最早的。 西方汽车巨头，共计17款车型，涵盖多个国际品牌，涉及美国、欧洲和中国，包括监管和司机系统，将于2026年开始量产。 这家巨头还与Mobileye合作开展了Robotaxi业务。 结合这些信息，一定不难猜出这是哪家车企。 此外，保时捷和印度汽车公司Mahindra和Mahindra也指定了监管保时捷计划在 2026 年推出配备监控的车型
让我们回过头来想一想，为什么监管是Mobileye转型的关键之战？
在低端基础辅助驾驶领域，Mobileye的份额正在受到冲击; L4 Robotaxi的收入至少要到2027年和2028年才能开始; 近年来，监管和司机扛起了高端智能驱动量产的旗帜，司机将在2025年底和2026年初开始量产，监管是无法推卸的主要业务力量。
2023年，Mobileye定点项目预计基于全生命周期74亿美元
Amnon Shashua 提醒说，更值得一提的是平均系统**，ADAS 前置摄像头约为 50 美元，Supervision 约为 1,500 美元，Chauffeur 约为 3,000 美元，Drive 约为 50,000 美元。 」
按平均1 500美元的系统**计算，365万个监督系统的估计收入为5475亿美元。 与Mobileye过去两年的收入数据相比，这一估计凸显了监管的重要性。
根据Mobileye的盈利预测，其2023年全年营收约为208 亿美元，而 2024 年的收入预计将从 2023 年下降到 2023 年至 18 年3 - 19.6亿美元。
这些数字恰恰反映了 2024 年是 Mobileye 的绿色和黄色相交的节点交付以监理为代表的高端智能驾驶项目30余项这是Mobileye能否力挽狂澜、顺利转型的关键。
大多数人对 30 多个项目知之甚少。 如此多的高端智能驾驶汽车是业内任何一级供应商都无法应对的挑战。 更重要的是，到2024年，将有新的定点项目进入研发通道。
高端智能驾驶量产对研发资源的依赖，让即使是实力雄厚的华为，也只能长期以HI模式服务于三家车企（北汽、长安、广汽）。
Amnon Shashua 回忆说，当团队第一次在 EyeQ6 平台上与客户合作时，他们收到了来自客户的消息1.20,000 次参数调整需要。 这让团队开始思考如何为该客户处理此 120,000 个可调参数？ 其他客户会问什么？20,000 个可调参数？ 最后，团队发现汽车客户想要的调整远不止 120,000。
Mobileye 首席技术官 Shai 告诉我们，如果我们想建立一个专门的团队来支持 OEM 的监督或司机等系统，就必须为每个 OEM 建立一个由数百人组成的工程团队。
根据公开数据，截至 2022 年底，Mobileye 在全球拥有约 3,500 名员工。 除了上述五条产品线外，Mobileye还在开发自己的EyeQ系列智能驾驶芯片。 显然，为每家整车厂组建一支数百人的工程团队，并不是所有智能驾驶公司都能复制的。
随着智能在购车者心中的重要性日益凸显，主机厂希望自己自主、可控的心态也越来越明显。 一方面，整车厂确实希望自己的智能驾驶系统在产品定位或区域特征上具有差异化的表现，另一方面，智能驾驶企业很难对每款车型进行高投入的定制开发。
为了帮助OEM实现差异化开发，通常的方法是：
首先，第一家公司提供基本的感知参考算法，OEM建立完整的感知、调控部分，可以形成差异化，但开发失败的可能性相当高。 近两年来，国内自主品牌发展失败的案例屡见不鲜。
之所以在开发上容易失败，是因为感知本身并不完美，尤其是对于消费级自动驾驶，系统成本必须妥协。 监管算法需要与感知层紧密结合，如果感知发生变化，就必须相应调整监管，如果将这两地的第一家厂商和主机厂的分工分开，整合的难度将大大增加。
第二种方法是让厂商处理感知和规划，只让OEM定制控制部分，这种方法的问题是缺乏差异化和可扩展性。 要么OEM拿到一套与市场上其他产品无异的解决方案，要么OEM会有大量需求去寻找最好的供应商，第一个供应商必须建立一个庞大的支持团队。
Mobileye精炼了众多车企的核心需求，终于推出了一套驾驶体验平台，简称DXP。与前两种方法不同，DXP的方法是在感知和监管之间划清界限。
简单来说，Mobileye将智能驾驶系统的目标感知、交通规则、安全等通用部分作为基础平台输出，将驾驶方式定义（如车速控制、变道方式、加减速控制等）等差异化部分定义为可调接口。
包括感知技术栈，汽车在**，行人在**，车道在**等，这部分技术不需要区分。 复杂的部分在于监管算法的切割，在感知的后端，行人车辆的意图，比如停在那里的一辆车，无论是停放、等灯还是堵车，这些情况都不同，但车辆的状态是完全一样的，并且与确定性感知目标相同， 这些不确定的信息也是一般部分。
在前面通用零件的基础上，相应的规划、控制和HMI是每个车企想要区分的领域。 例如，一些制造商想要更流畅的驾驶体验，而另一些制造商则需要更激进的风格，而Mobileye提供了大量的接口和参考示例。
这种设计大大降低了 OEM 的开发风险，从第一天起，OEM 就可以获得即用型参考设计，因此不存在交付风险。 Hai告诉我们，唯一的风险是所有期望的差异化是否都能成功实现。 」
从移动叶的高端智能驾驶指定不难看出，高端智能驾驶率先从中国市场突围，其最早的两家量产车企都来自中国，而欧北美市场的高端智能驾驶量产大多要在2026年开工。 特斯拉的FSD在北美市场独树一帜，而中国的新动力车企是这波需求的领头羊。
高端智能驾驶需求爆炸的另一个迹象是Mobileye更新了其EyeQ产品线。 2022年，Mobileye发布了单片算力176 TOPS的EyeQ Ultra和算力34 TOPS的EyeQ6芯片。
相较于国内常见的数百款T智能驾驶计算平台解决方案，Mobileye崇尚专用芯片的效率和成本优势，在算力应用上非常精益。 在内部，人们认为，以算力来判断英雄，就像以人数来评估一个公司的技术实力一样。
但两年后，Mobileye在本届CES上宣布了这一消息EyeQ7H芯片，算力67TOPS
EyeQ系列的更新也表明，在全自动驾驶RoboXi到来之前，高端智能驾驶还有很大的挖掘空间，毕竟基于EyeQ6的Chauffeur还没有量产，而EyeQ7显然是用来支撑更强大的系统。
一位Mobileye内部人士告诉我们，EyeQ Ultra这个名字可以理解为自动驾驶的终极芯片，当时高端智能驾驶市场的需求还不是那么旺盛，而现在随着市场的变化，Mobileye进一步拓展了高端产品线。
Mobileye还计划与极氪合作推进联合计划城市NOA的测试和推动
监管从0到1，L3自动驾驶即将到来，高端智能驾驶的商业化仍在曙光前探索中。
以下是HIEV与Mobileye首席技术官Shay Shalev-Shwartz教授的对话。
why dxp？
hiev：您刚刚推出了DXP，为什么您认为现在是推出DXP的合适时机？
shai目前，自主导航辅助等功能在车企中的应用越来越多。
我们的量产工作从极氪品牌开始，现在我们正在与吉利集团的其他品牌以及中国和中国以外的许多品牌合作。 一旦开始量产，许多主机厂都希望自己的系统与众不同，我们需要找到更好的方法，帮助主机厂解决问题，同时平衡量产所需的项目资源。
DXP 是我们发现的关键方法。 一方面，这使得Mobileye能够为OEM构建一个基础的、多功能的中间平台。 另一方面，OEM可以根据自己的产品特点和客户需求，开发和控制客户想要的智能驾驶系统体验。
hiev：您能否分享一下目前工程团队的规模，例如，支持监理或司机等系统的大规模生产，以及团队通常有多大？ 这有助于了解 DXP 带来的改进。
shai如果每个汽车制造商都需要一个专门的团队来支持它，我们可能需要一个由数百名工程师组成的团队。 而且它不可扩展，因为不可能有数百名工程师一起工作来解决所有问题。 但有了DXP，数十名工程师就可以为一家汽车制造商提供支持。
hiev：为不同的主机厂提供不同的智能驾驶系统体验非常有趣。 记得几年前，我采访了国内一家领先的智能驾驶厂商的负责人，了解智能驾驶系统可以有多大的不同之处。 他的观点是，由于智能驾驶系统开发的投资太大，需要数十亿美元，因此汽车的差异化不应该体现在智能驾驶上。
shai但从客户和OEM的角度来看，他们希望在智能驾驶方面拥有差异化的体验。
我们也完全理解这种需求，因为人们本身有不同的驾驶风格。 购买不同车型的人有不同的驾驶风格。 不同的居住区域也有不同的驾驶风格，例如，上海的驾驶文化与中国其他地方不同，与以色列不同，与欧洲也不相同。 在美国，纽约的驾驶习惯与西海岸不同。
hiev：据说你和极氪的合作提供了3种不同的风格，极氪选择了最激进的风格。
shai： 是的，这种方法适合他的车主，但不一定适合其他客户。 我们想让驾驶体验更加立体，因为它不仅仅是温柔、平凡和果断之间的简单区分。
我们提供了许多界面来构建驾驶风格，包括速度、变道方法、速度设置等。 客户可以说，我不想开得太快，我不想超速，但同时我想更快地到达那里。
智能驾驶泛化引擎：REM
hiev：如何解决不同地区的场景规模？ Mobileye在美国部署了150万辆REM汽车，但欧洲和中国的情况与美国不同。 如何用一个通用系统解决不同地区的驾驶问题？
shai：这是REM的另一个优势。 因为在不同的地区，人们的驾驶习惯会在很多方面产生微妙的差异。
我们的技术依赖于众包和了解当地社区的驾驶风格。 我举一个简单的例子来很好地说明这个问题。
例如，在一些国家，德国人从不超过法定限速，而这一段道路的限速是100公里/小时，所以根据数据，没有人真正超过100公里。 但如果你在其他地方，比如以色列，如果你以 90 度的速度开车，你身后的汽车会按喇叭。 如果你想适应当地的情况，你必须像当地人一样开车，而这正是REM提供的。
REM 让您有机会根据当地人的驾驶习惯调整系统的风格。 这就是速度，你可以从大量数据中学到很多东西，这就是我们能够为OEM提供的价值。 他们可以根据自己的需要选择是遵循法规的限速还是交通流量的速度来调整系统。 例如，我们已经在 ZEEKR 项目中做到了这一点。
地图的某些元素是通用的，例如车道、路标和交通信号灯。
但在某些方面，有些问题可以通过使用群体智能更冷静地处理。 另一个例子是通行权，对通行权的优先权有严格的规定，有时交通标志可以告诉司机谁有优先权，但这还不够，例如，当两条道路合并时（没有被明确告知通行权）。
在某些国家/地区，当您要合并线路时，其他流量将正常，您必须等待合适的时间更改; 而在美国，很多时候，当有人想并入车道时，后面的车通常会变道，让前面的车上车。
在相同的规则下，会有不同的待遇。 我们可以从群体行为中学习当地如何处理具体问题。
hiev：你们目前在美国部署的REM车辆最多，那么你们如何解决其他地区的泛化问题？
shai： 欧洲也有很多汽车使用我们的产品。
目前监管只在中国量产，未来我们会把监管引入欧美。 我们相信基于监督的数据会增长得非常快，因为过去我们只有前向感知，但现在我们也可以从环绕感知中获取数据。 与过去只有前视摄像头的车辆相比，监督将对我们系统的迭代做出更大的贡献。
hiev：那么环视摄像头也会参与到REM技术的工作中来吗？
shai：对理解交叉点非常有帮助。 如果只有前视摄像头，则需要有人开车穿过十字路口的不同方向才能完全了解十字路口。 但是使用环视摄像头，车辆只需要在某些方向上行驶。
hiev： 那么 Mobileye 是如何快速扩展 ODD 的呢？ 就像现在中国有22个城市可以在高速公路上使用你的产品一样，车主们也希望能够尽快在全国范围内使用它们。
shai： 我们计划在全国范围内扩展 ODD。 目前的计划是以Q1技术支持ZEEKR实现所有高速功能。 在一些城市，可能没有足够的车主来预先建立数据。 基本原则是根据使用频率确定地理扩张的优先级。
除了地图绘制之外，我们还拥有完全无图形的技术，例如RSD（路段数据）。 即使在 RSD 不可用的情况下，我们仍然可以提供 NOA 功能，但可以处理的场景的复杂性会有一些差异。
当你有一个图表时，你可以处理更复杂的场景。 例如，在下大雨的情况下，如果有地图，因为有地图提供冗余，我们的系统可以保持可用; 但意外的暴雨使情况变得复杂。
我们计划很快在中国进行大规模扩张。
Vision 做到了这一切
hiev： 您如何看待基于视觉的系统的天花板？ 我认为Mobileye的产品线在纯视觉和其他解决方案（即从Chauffeur开始并添加激光雷达）方面有明确的界限。
shai：我们的观点是，仅使用纯视觉解决方案就可以在任何地方行驶，而不需要其他传感器，并且没有纯视觉本身无法解决的问题，但我们需要考虑冗余。
当你想实现更高级别的自动驾驶时，比如L3，你需要激光雷达来增加冗余度，使系统的安全性能足够高，让驾驶员的视线远离道路。 但是对于所有不需要移开眼睛的情况，仅凭相机就可以解决问题。
因此，我们的理念是用纯粹的眼光解决所有问题。 您可以在没有配备激光雷达设备的监控系统中看到这一点。
目前，它尚未在中国的城市提供，但即将发生。 这真的是一个地图的问题，一旦我们有了地图，我们就可以在城市内外的任何道路上行驶。 相机和激光雷达不是问题。
在我们的理念中，激光雷达只是为了增加冗余。 当然，如果你有激光雷达，你也可以提高驾驶的舒适性。 但这不是必需的，没有激光雷达也可以开得很好。
hiev：Amnon教授上次来中国时，他提到FMCW是真正正确的LiDAR路线。 为什么你认为这是最终的路线？
shai：FMCW有很多独特之处。 首先，一般激光雷达在大雾和恶劣天气下表现不佳，但我认为主要问题是FMCW激光雷达带来了速度矢量，而普通激光雷达无法直接测量速度。
为什么这很重要？ 激光雷达面临的最大挑战之一是相邻物体的分割，例如附着在汽车侧面的行人，激光雷达很难区分两个物体。 如果两个物体以相同的速度移动，那很好，但如果它们之间的速度略有差异，那么提前知道变化很重要。
使用 FMCW LiDAR，您可以立即获得这种量变化，您可以通过视觉 + 机器学习来补偿，但它会过度依赖机器学习。
可视化机器学习是一个很好的方法，但如果你需要 8 个 9 （99999999%），你不能仅仅依靠机器学习，你的解决方案需要多样化。您需要机器学习以及基于模型的方法，而 FMCW 提供了一个很好的补充。
hiev：现在宣布要到2028年才能量产的FMCW LiDAR，这在Mobileye的做法中并不是很典型。
shai：快速消费品激光雷达的重要性将逐渐显现。 因为我们现在计划部署越来越多的基于司机等产品的车辆，不仅在高速上，而且在城市地区。 在这个过程中，市场将逐渐成熟。
我们不想在市场需求不明确的情况下推出解决方案。 今天的市场对于快速消费品激光雷达的大规模生产来说还为时过早，因为快速消费品的成本对于原始 L3 的司机来说太高了。
我们认为，在下一阶段，人们会认识到快速消费科激光雷达是一个非常好的产品，并希望它能成为标准，并在城市场景中发挥作用。 需求越强劲，快速消费品激光雷达市场就越成熟。
出于资源原因，我们希望在正确的时间推出正确的产品。 我们认为成像毫米波雷达会更快到来，因为对于原始设备制造商来说，成像雷达以可控的成本提供了大量价值。
大型车型对自动驾驶有何影响？
hiev：您如何看待大型车型对智能驾驶的影响？
shai如果您谈论的是变压器和端到端系统，我们认为这些技术的好处非常明显。 我们熟悉这些技术，因为我们在它们大规模流行之前就开始研究它们。
比如两年前，我们内部就已经采用了类似变压器的方法，我们评估了一下，觉得这不是一个很好的方法，所以我们做了一些改进，但这并没有影响整体情况。 总的来说，我们认为大模型会让你很快从 0% 到 95%，但这些方法需要是 999999999%，会有一个巨大的问题。
最重要的是，它带来的工程量也是一场噩梦。 如果你发现一个边缘场景需要构建一个单独的解决方案，那就是大问题。 神经网络不擅长学习新信息，也不擅长忘记旧信息。
另一方面，今天的大型语言模型和转换器会犯很多错误，在0-95%的水平上，它们有很大的飞跃，但它们并不是100%准确。 达到 99999999% 是非常痛苦的。
所以我们不认为单一的解决方案可以解决问题，我们认为它可以成为系统的重要组成部分，所以在我们的系统中，也有类似的技术。
端到端解决方案有哪些优势？ 他们了解路上发生的大多数情况。 像往常一样，当您观察时，两辆车不会撞在一起。
这些系统的感知结果，它们从不显示车辆碰撞的情况。 通常，车轮向下，车顶打开并且不会倒置，但也有例外。
端到端解决方案很难处理非典型情况，但它们本身就非常出色，所以我想说每种方法都有其优点和缺点。
智能驾驶何时会成为购车的关键因素？
hiev：我们和很多开发者谈过，他们中的一些人认为智能座舱正变得越来越有趣，因为当系统释放驾驶员时，他们需要更多的应用程序和服务; 而智能驾驶正变得枯燥乏味，因为核心驱动方向是降本和产业化。 您如何看待智能驾驶的后续技术发展？
shai：智能驾驶舱和高级驾驶辅助系统相结合确实有趋势，但我认为这不是一个好的方向。 这种组合会产生很多并发症。
我认为将安全相关系统与非安全元素分开很重要，这样您就可以更灵活地更改智能驾驶舱或更改其他系统。 因此，驾驶室和驾驶员分离的方式比融合更实用。
我认为目前还没有一个明确的答案，告诉你智能驾驶的未来方向是什么，如何提供更多的功能，或者减少**，我们可能会选择两者兼而有之。
所有这些讨论都是基于这样一个事实，即我们正在谈论一个类似于监督的系统，我认为司机可能会改变游戏规则。 当系统发展到可以放开双手和眼睛的地步时，情况就不同了。 竞争的重点不是关注**和功能，而是节省用户的时间，这相当于用户花钱买回他们的时间，这将是一种新的玩法。
一旦这样的系统交付，无论是OEM还是车主，我们都会看到市场发生很多变化。 如果只是停留在理论层面，用户会认为这是一个很酷的功能，但当它变成一个实用的功能时，你可能会意识到我可以边开车边工作，或者我可以边开车边看电视或电影，这是完全不同的。
hiev：您如何看待未来智能驾驶的定价模式？ 如果从BOM来看，可能不到5%，但如果能收取订阅费，情况就完全不同了，可以达到20%甚至更多。
shai： 是的，随着汽车变得越来越智能，智能驾驶将成为汽车中非常重要的一部分。
如果不同汽车的智能驾驶不同，会影响用户购买哪辆车的决定。
如今，人们更加注重安全性，但少数用户会选择基于智能驾驶的车型，而这只是消费者购买决策的一小部分。
但有一天，你可能会突然发现，买一辆智能驾驶能力强的车，会节省很多时间，比如80%的时间在路上，而其他车根本做不到这一点，这会对消费者产生非常大的影响，因为时间也可以换成钱。