Mobileye是个很有意思的公司，最早特斯拉就是采用其芯片做为智能驾驶的开端，不可谓不得不说特斯拉现在的自动驾驶路线或多或少受其启发和影响，但是随着英伟达芯片（了解英伟达芯片一个中央处理器的智能驾驶以及座舱解决方案）的算力洪荒之力，大家都在把注意力转向比算力的时候，很多人开始唱衰这个在辅助驾驶视觉处理芯片占有率70%的霸主。
同时如我们之前文章《高通在2022 CES展示的“数字底盘”是什么？是底盘吗？》中介绍高通全面吹响智能汽车的电子战攻势包含了智能驾驶舱也涵盖了智能驾驶，这让Mobileye在我们外部人看来不得不捏把汗，但是Mobileye肯定不答应，所以在本次CES上Mobileye对其汽车业务分享喊出Mobileye的优势：
- 进一步阐述了其对于自动驾驶产品技术和政策的三大核心，喊出算力不是唯一标准，必须软硬兼配才是最优解。
- 发布了最新的EyeQ 6系列芯片，吹响其软件定义数字雷达和FMCW激光雷达量产号角并透露采用其L4自动驾驶硬件方案的成本是少于3万元。
- 同时表达了其自动驾驶上车路径的思路和透露相关合作主机厂。
本文将基于Mobileye在CES上发布的内容进行分享和解读。另外文末有调研可以看看大家到底看好高通，英伟达还是Mobileye。
Road Experience Management(REM)地图
基于视觉的众包地图。
简单来讲，就是通过视频采集车，开过路上采集视频处理然后把数据发送云端，云端算法进行数据融合，造型，语义识别添加标签，最后形成REM地图。
Mobileye地图特点是，可拓展性强，只需要普通汽车搭载摄像头采集，而且数据量小，一公里大概10kb的地图数据，众包实时更新。
当然Mobileye 觉得其REM地图不但可以服务自动驾驶未来还支持智慧城市建设，例如通过其视觉地图，可以了解公共设施的数量以及路面损坏情况，城市拥堵道路情况等。
谈到地图，在中国肯定会想到政策限制问题，所以Mobileye宣称其视觉地图是和上汽，以及蔚来等合作，数据等是和紫光集团合作全部存储在中国境内，所以可以规避各种数据风险。
基于视觉为主导
雷达和激光雷达为冗余的自动驾驶方案
谈及视觉处理，其实在自动驾驶还未铺开之前的主动安全，靠摄像头识别算法起家的然后开发出专门EyeQ芯片的Mobileye早已经做为T2的方式雄霸了汽车市场的视觉主动安全，特斯拉的视觉方案源头就是来自于Mobileye。
所以对于其视觉处理算法以及芯片毋庸置疑是异常有竞争力，本次CES上Mobileye发布了其最新芯片 EyeQ 6 系列，其中EyeQ ultra 算力为176TOPs。显然单个芯片从算力上不及Nvidia现有的Orin其算力达254TOPS，未来Nvidia Altan系列更达到1000TOPS的洪荒之力。所以Mobileye只能是喊出算力不是唯一标准。好标准且看下文Mobileye给的三条。
另外基于其视觉主导，多种传感器冗余的方案，所以Mobileye未来会量产雷达和激光雷达来支持其方案达到优配比方案，而且mobileye 喊出其单视觉和单雷达和激光雷达两套方案都能够支持自动驾驶，但为了高冗余和安全性所以量产的时候是双套方案都上。
所以未来mobileye对自动驾驶硬件布局会有自动驾驶芯片，也会有雷达和激光雷达。
那对于Mobileye的雷达到底有什么亮点呢？同样Mobileye的优点软件和硬件的结合，Mobileye叫他软件定义的成像雷达。
一般的雷达（了解雷达优缺点点击自动驾驶中的传感器以及组合方案）主要是他很难判断物体的边缘，你可以认为他分辨率低，所以他很难用于AI运算标签和识别。
所以mobileye的成像雷达可以在软件的配合下达到与普通激光雷达的效果。
至于mobileye的激光雷达，我们之前文章《通过广州车展-看自动驾驶激光雷达》介绍过激光雷达的种类，Mobileye的激光雷达是全固态式也就是里面没有运动原件，采用FMCW技术。
以上芯片，雷达，激光雷达就构成了此次Mobileye 发布的自动驾驶硬件矩阵，而且mobileye 预测2025年左右采用其方案的自动驾驶全套成本在3万元之内。
“Responsibility-Sensitive Safety” (RSS) 模型
为准则的自动驾驶安全控制逻辑
以最优算力需求达到高等级安全
对于自动驾驶如我们之前文章当前影响汽车实现全自动驾驶四大阻碍讲到算力是非常重要的一部分，但对于Mobileye来讲，他觉得好的解决方案是最优的算力而非简单借助算力这种洪荒之力，Pirate Jack表示强烈赞同，自动驾驶堆零件犹如当前自主品牌的底盘零件一样不是简单堆料（很明显国内很多新老势力底盘件虽然料堆了很多好东西，但实际效果不好）。
Mobileye举了算力和AI算法（了解下文中的MDP,以及MCTS算法可以点击自动驾驶机动动作规划和决策文章了解）之间的关系，MDP假设道路其他使用者行为是固定和已知的，MCTS假设道路其他使用者对于规则是已知的，Brute force 就是洪荒之力什么都不假设就是一路算。
显然洪荒之力算法最好真实性最高，但是需要算力最大，MCTS算法就真实性和算力成几何增长，MDP显然算力最少但质量最差。
所以Mobileye 根据自己经验和算法定义了RSS模型（RSS模型文末参考文章中可下载）来帮助在需求的真实和算力之间找到了平衡。
RSS模型主要定义了以下几个方面：
- 定义了其他道路用户合理的边界
- 根据定义的详细边界，去考虑评估最坏的结果
- 这个边界包含了人类做的合理假设的常识
- 超出定义边界的任何行为都不可合理假设
自动驾驶上车商务思路和相关合作主机厂
Mobileye认为当前自动驾驶方案形成两种商务上车路径形式，第一种为Robtaxi ，另外一种为量产车（Mobileye叫purposed build可以是乘用也可以是商用但是原生车辆）。而且从现在来看：
自动驾驶L2+已经投产，今年或者明年Robotaxi更多显现但他有造型和布置的强烈限制并且自动驾驶系统是几万美元的 ，到了2024/25年具有L4自动驾驶能力的量产车会量产，而且其自动驾驶硬件成本会小于5k美金也就是人民币3万元。
但是Mobileye更看好量产车的方案，他认为Robotaxi 由于几何布置的限制，以及成本方案，会很难让Robotaxi方案转向乘用车，但乘用车却不一样，只有具有了自动驾驶能力就可以转换成Robotaxi。
那么Mobileye 认为一个好的自动驾驶方案，必须要满足三个指标：
- 高能力，能够更自主驶行，符合人类驾驶思维
- 稳健，高的平均无故障工作时间“Mean Time Between Failure（MTBF）.
- 高效,成本低易拓展
显然Mobileye 宣称其能力覆盖所有自动驾驶，他的RSS以及视觉主导，雷达和激光雷达冗余方案是稳健，另外对于成本高效方面，从芯片硬件，雷达，运算系统，REM地图方面保障其高效。
抛开之前主动安全方面的应用，最新采用mobileye智能驾驶方案的主机厂有：
- 云端互联的L2级别的
大众的Travel assist 2.5 使用的是其REM地图技术
福特的下一代Blue Cruise 同样使用的是其REM地图技术
极氪品牌的L2+但支持脱手
- L3级别的有
本田
宝马的7系列
- 未来L4级别的
各种Robotaxi
2024年量产的极氪品牌汽车
相对于高通的对智能电动车的涵盖从云，到智能座舱，智能驾驶，车联网的全面攻势，以及英伟达算力即是王者的真理，Mobileye走的是智能驾驶方面的深入路线，覆盖视觉地图，视觉处理器，雷达和激光雷达传感器和算法层面，但其实Mobileye是Intel的子公司，Intel在云方面的布局不言而喻。
文章来源：Vehicle
微信公众号：
相关文章推荐
更多汽车行业干货请关注Vehicle专栏
