Mobileye 真的不行了吗？
现在国内唱衰 Mobileye 的言论愈演愈烈，核心原因只有一个：2020 年到 2021 年，头部智能电动车品牌基本全部选择了英伟达 Orin 作为自己的自动驾驶芯片。
2019 年之前还是一个 Mobileye EyeQ4 称霸全行业的状态，到了 2020 年，搭载 Mobileye EyeQ5 的车型只有极氪 001 和宝马 iX，而极氪也传出在下一代车型上将换装其它品牌的芯片，宝马更是明确了到 2025 年将使用高通 Snapdragon Ride 平台打造自动驾驶。
这些车企转投英伟达的原因也有两个，一方面是 Mobileye 采用黑盒子的方案，而追求突破的头部车企们在软件层面没有操作空间，不得不转投更加开放的英伟达或者地平线平台。
另一方面，头部车企们希望尽早实现自动驾驶，所以会搭载尽量丰富的感知硬件，面对这些硬件产生的庞大数据，对芯片算力的需求自然愈演愈烈，而 Mobileye 最新的 EyeQ5H 芯片算力只有 24 TOPS，很难满足大家的需求，不得不转投具备大算力的英伟达或者地平线芯片。
但是 Mobileye 从 2007 年开始的积累就这么不值一提？新出现的自动驾驶芯片真的可以平替 Mobileye？Mobileye 真的不行了吗？
看完了今年 CES Mobileye 的发布会，我觉得现在下定论还为时过早。
Mobileye 在技术上积累的领先是毋庸置疑的，只是在商业化的转型上没有跟上时代的变化，而英伟达踩准了厂家的需求，生而逢时，但是采用英伟达芯片的车型，算法能力上取决于厂家的能力，至少目前还没有一家车企秀过肌肉。
所以，更值得观察的是，到底是 Mobileye 商业化思路的调整速度更快，还是厂家自研算法的速度更快。
从时代的发展来看，自动驾驶芯片的发展进入了快速增长阶段，而竞争对手也迅速激增，竞争确实激烈了，Mobileye 失去了头部车企的订单，但是面对市场更大且没有算法能力的腰部车企，Mobileye 仍然是最好的选择。
今年 CES 上 Mobileye 一共发布了 3 款芯片，并透露了自己 3 大战略技术目前的进展。
在发布会后我们也有幸采访了 Mobileye 产品及战略执行副总裁、英特尔公司副总裁 Erez Dagan，采访中大家也向 Erez 提出了很多尖锐的问题，例如：
「因为 Mobileye 采用黑盒子的技术路线，导致国内厂家和 Mobileye 的合作存在质疑和犹豫，Mobileye 如何看待这一现象？」
「EyeQ Ultra 芯片的算力是 176 TOPS，相对于英伟达等一些行业竞品来说并不算高，Mobileye 如何看待算力和 L4 级以上无人驾驶之间的关系？」
（PS：微信公众号后台回复「2022 CES Mobileye 高管采访」获取采访原文）
不过在聊这些露骨的问题之前，我们先在回顾一下，今年 CES Mobileye 都发布了什么？
三颗芯片什么水平？
今年 CES 上 Mobileye 发布了 EyeQ Ultra、EyeQ6L 和 EyeQ6H 三颗芯片，这也是今年 CES 关注度最高的一部分，我们先从最强大的 EyeQ Ultra 看起。
EyeQ Ultra
EyeQ Ultra 的算力为 176 TOPS，具有 12 个 RISC-V CPU，每个 CPU 有 24 线程，一共有 64 核的加速器，采用 5 纳米制程工艺，功耗小于 100 W。
上文中提到的加速器一共包含 4 种，一种是单纯的深度学习计算；第二种是类似 FPGA 加速器叫 DGRA；第三种是长指令集的类似于 DASP 的加速器；第四种是多线程 CPU，每一个核都负责不同的工作负载。
EyeQ Ultra 的工程样片预计 2023 年第四季度产出，正式量产时间为 2025 年。
Mobileye 对这颗芯片的定义为「单颗芯片可以支持 L4 级别自动驾驶」。
但是以上数据公布之后，大家普遍存在两个质疑，一方面是质疑 176 TOPS 的算力能否实现 L4 级别的自动驾驶，毕竟在蔚来 ET7 及 ET5 上已经搭载了算力超过 1,000 TOPS 的芯片；另一方面的质疑则是，从 2022 年开始，高级辅助驾驶会进入一个快速发展阶段，而 Mobileye 这颗芯片 2025 年才量产，为时尚晚。
从时间的角度来看，头部车企目前公布的节奏确实快于 Mobileye，但是也不乏车企纯在吹牛的可能，毕竟从 2020 年初就开始的激光雷达风波，到了 2022 年初也仅有小鹏 P5 一款车型量产。
再说算力，对比 2022 年交付的英伟达 Orin 芯片，2025 年才交付的 EyeQ Ultra 在算力数据上确实没有任何优势，但是 Mobileye CEO Shashua 似乎也猜到了大家会这么说，在发布会上 Shashua 也作出了解释：
「跟竞争对手的数字相比，176 听上去是一个很小的数字，大概只有竞争对手号称算力的五分之一。但是关键的不仅是算力，而是效率，这需要深入的认知了解软硬件之间的相互作用是什么，了解什么是核心，用什么算法来支持对应的核。」
同时 Shashua 还拿极氪搭载的 SuperVision 举例，采用了 11 颗 800 万像素摄像头的极氪 001，依靠 2 颗 Mobileye EyeQ5 芯片即完成了感知、规控、执行的全链路循环，而算力仅仅 48 TOPS。
关于算力的争论我们在后续的采访中也进一步询问了 Mobileye 产品及战略执行副总裁、英特尔公司副总裁 Erez Dagan，后面再做进一步展开。
EyeQ6H
EyeQ6H 为 EyeQ5H 的进阶版本，算力 34 TOPS，采用 7 纳米制程工艺，根据官方介绍算力相比 EyeQ5 多了接近 3 倍，但是能耗只多了 25%。
现阶段 Mobileye 通过 2 颗 EyeQ5 实现 SuperVision，下一代 SuperVision 将通过 2 颗 EyeQ6H 实现，甚至 1 颗 EyeQ6H 也可以实现。
量产时间上 EyeQ6 将于今年第四季度交付工程样片，2024 年正式量产。
EyeQ6L
EyeQ6L 大家可以理解为低配版本的 EyeQ6，同样采用 7 纳米制程工艺，算力为 5 TOPS，功耗仅为 3 瓦，半年前已经交付工程样片，预计 2023 年量产。
关于这款芯片大家的评价褒贬不一，有很多网友认为因为算力上并没有太大的提升，所以是一种倒退。
相较于已经在大家心里留下深刻印象的大算力芯片，再看到一款 2022 发布但算力只有 5 TOPS 的芯片心里确实会有一定的落差，抛开「不以算力为唯一标准」的说法，一个更有力的数据是，EyeQ6L 的订单量已经超过 900 万件。
在发布会的采访中 Erez Dagan 也表示：「EyeQ6L 计算能力更强和功耗更低，用以满足基础 ADAS 细分市场的需求，在这个市场我们需要一个高度集成的、非常高效的、兼具成本和功耗的解决方案，而 EyeQ6L 无疑在这两个方面都完全满足市场需求。
此外，该产品还考虑了附加摄像头的潜力，如司机监控系统或 AEB。EyeQ6L 这一基础 ADAS 是为了满足全球范围内不同的标准诞生的。」
相比于芯片，这是 Mobileye 更核心的竞争力
除了上文中提的芯片以外，Mobileye 在发布会上还透露了自己战略三大支柱战略的进展。
众包地图测绘 REM
今年的 CES 上，Mobileye 宣布现有的众包车队在 2021 年期间，一共收集了 40 亿公里的数据，目前每天可以收集 2,500 万公里的数据，按照这个速度 2022 年可以收集 90 亿公里的数据。
相比高精地图，REM 地图具备采集便利性更高、采集速度更快、成本更低、鲜度更高的特性。
但是比较遗憾的是，在发布会上 Mobileye 并没有给出详细的数据，同时因为中国道路的法律法规限制，REM 并没有正式进入国内，所以对于广大消费者来说，并享受不到 REM 带来的优势。
据 42 号车库了解，因为 REM 的缺失，极氪 001 导航辅助驾驶功能的落地时间并不确定，而合规问题只能依托吉利解决。
目前在国外比较有亮点的进展是，大众 ID.4 已经基于 REM 地图实现了无车道线路段的辅助驾驶功能。
此外，福特下一代 Blue Cruise 和搭载 Mobileye SuperVision 的极氪也将使用 REM 地图，以实现更高阶的智能驾驶。
可成像的雷达
在大部分人的认知中 Mobileye 类似特斯拉采用纯视觉的路线，这种说法没错，但并不是特别严谨，Mobileye 采用的是以视觉为主的路线，但是在毫米波雷达和激光雷达两个领域也有自己的建树。
此毫米波雷达非彼毫米波雷达
目前量产车上的毫米波雷达均只具备测距和测速的能力，并不具备成像的能力，这意味着毫米波雷达相较于视觉摄像头，只能知道在多远的地方有个东西，并不知道这个东西是什么，也无法对产出周围环境的模型，为智能驾驶提供更有价值的信息，在拥堵环境下能力更是有限。
Shashua 在发布会上也直白地说道：「过去这种传统雷达作为独立的传感器基本是毫无意义的。」
而 Mobileye 定义的毫米波雷达则具备的成像的能力，类似于 4D 毫米波雷达，并且在去年的 CES 上就已经发布了这款雷达的信息。
Shashua 表示，通过深度学习算法计算后，就毫米波雷达的感知结果可以实现接近激光雷达般的效果。
在今年的 CES 则展示了这款雷达的探测结果，从结果上来看，在对周围环境的探测成像的精准度上，已经非常接近激光雷达。相比激光雷达，毫米波雷达则具备了更强的恶劣天气性能和更低的成本。
此激光波雷达非彼激光雷达
除了上文提到的成像毫米波雷达以外，Mobileye 在去年还建立一个部门来研发 FMWC 激光雷达。
与目前市面上绝大多数 ToF 激光雷达不同的是，FMCW 雷达并不是通过光往返的速度来测距，而是通过光频率的变化来测距，其优点在于不受其他光源的影响，同时每一个点云信息不止具备距离信息，还具备速度信息，所以可以更好地用于跟踪周围的交通参与者，但弊端则是技术难度更高，量产价格也更高。
Mobileye 的目标价格是低于 1,000 美元。
基于以上两种雷达，和视觉的相辅相成，自动驾驶系统实现了 3 重冗余，此外相较于车企采用激光雷达、毫米波雷达实现的感知融合，Mobileye 的雷达、激光雷达和摄像头被分成两个独立的子系统，彼此是不相通的，分别打造了端到端仅使用摄像头的驾驶体验，和端到端仅使用雷达和激光雷达的驾驶体验，Mobileye 希望通过这二者的相辅相成，来提高鲁棒性，实现安全冗余。
算力高效利用的关键——RSS 责任敏感安全原则
无论是 CES 的发布会上，还是会后的采访中，Mobileye 都反复强调了「不以算力为唯一标准」和 「相比算力，效率、软硬结合同样重要」的观点，为了让所有更加信服，Shashua 也分享了一些技术上的细节。
这里我也试图用尽量简洁的文字，把我所理解的分享给大家，如果有偏差欢迎指正。
实现自动驾驶需要三步，感知 — 决策 — 执行，听上去这个复杂的工程就像把大象塞进冰箱一样简单。
其中最耗费算力的是「感知」和「决策」两个环境。
感知层面，为了提升感知能力，摄像头的数量在不断增加，分辨率也在不断提高，背后产生的数据也在以指数的形式增长。
为了更加高效地利用算力，Mobileye 在获得视觉感知信息后会先进行场景分割（scence segmentation NSS），优先计算路面信息，而不是盲目地全局处理。
决策层面，最花费算力是基于感知的信息对周围的交通参与者的行进轨迹进行预测，然后决策出一条合理且安全的路线，但是一旦涉及到预测，随着预测的未来时间越久，对算力的需求就会进入指数级增长的过程。
在这里 Mobileye 引入了 RSS (Responsibility Sensitive Safety）责任敏感安全原则，目标是通过数据化人类驾驶中，比较具有主观性的几个常识确保自动驾驶汽车永远不会主动导致事故发生，包含：
什么是危险情况？
什么是危险情况下的正确反应？
谁要对事故负责？
不同驾驶场景下的安全距离。
Mobileye 会基于以上驾驶策略去归纳计算，所以基于 RSS，系统只会去计算有可能的未来，而不是所有的未来，这样的逻辑下帮 Mobileye 更高效地利用算力。
而上述的这 3 大技术，将会支撑 Mobileye 更好地攻下 L3/L4 的场景。
根据 CES 发布的信息来看，在 L3 层面 Mobileye 已经与本田和法雷奥展开了合作，其中 Mobileye 负责视觉感知。
在 L4 层面，Mobileye 的 Robotaxi 将于 2022 年中开始进行路测，年底获批后，会在德国和以色列进行主驾无人的测试，实现真正的无人驾驶，届时一辆车的成本预计是 15 万美元。
消费级的 L4 将在 2024—2025 年推出，不同于 Robotaxi 的是，消费级 L4 可行驶范围更广的区域，但是系统非常依赖 REM，同时零售价格 1 万美元，成本预计低于 5,000 美元。
在 Mobileye 看来，Robotaxi 和消费级 L4 并不冲突，Robotaxi 更早的投入可以帮助 Mobileye 有价值的数据，而消费级 L4 可以通过规模化实现降本。
写在最后
以上就是 Mobileye 在今年 CES 上透露的全部信息，不可否认的是 Mobileye 多年的积累在视觉技术上仍然具备绝对的领先优势，在我们 42Mark 的测试上可以看出，搭载 EyeQ4 芯片的车型都具备不错的基础能力，在我们与车企 ADAS 负责人交流时，他们也坦言 Mobileye 感知结果的质量非常高。
但也因为感知算法是黑盒子，无法满足车企自研向上的需求，所以丢失了大量头部车企的订单，也有业内人士向我们透露，相较于 Mobileye，英伟达和地平线提供的完整开发工具更有利于车企实现算法自研，同时沟通效率也更高。
而 Mobileye 方面也表示，1 月会与英特尔一起推出开放计算平台，同时去年 10 月以色列也有相关的技术人员来中国支持极氪项目，英特尔国内组了个 50 人团队来配合极氪 SuperVision 的开发。
所以现在说 Mobileye 已经不行了为时尚早，更值得观察的是，到底是 Mobileye 商业化思路的调整速度更快，还是厂家自研算法的速度更快。
但也需要更多考虑的是，随着自动驾驶芯片需求的旺盛，可以提供产品的供应商也越来越多，这个市场已经从 19 年的卖方市场逐渐转为了买方市场。
最后我们依旧要对 Mobileye 这个开创自动驾驶视觉技术路线，且仍然兢兢业业推进行业科技发展的公司致以最高的尊重。