Mobileye 真的不行了嗎？

現在國內唱衰 Mobileye 的言論愈演愈烈，核心原因只有一個：2020 年到 2021 年，頭部智能電動車品牌基本全部選擇了英偉達 Orin 作爲自己的自動駕駛芯片。

2019 年之前還是一個 Mobileye EyeQ4 稱霸全行業的狀態，到了 2020 年，搭載 Mobileye EyeQ5 的車型只有極氪 001 和寶馬 iX，而極氪也傳出在下一代車型上將換裝其它品牌的芯片，寶馬更是明確了到 2025 年將使用高通 Snapdragon Ride 平臺打造自動駕駛。

這些車企轉投英偉達的原因也有兩個，一方面是 Mobileye 採用黑盒子的方案，而追求突破的頭部車企們在軟件層面沒有操作空間，不得不轉投更加開放的英偉達或者地平線平臺。

另一方面，頭部車企們希望儘早實現自動駕駛，所以會搭載儘量豐富的感知硬件，面對這些硬件產生的龐大數據，對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，很難滿足大家的需求，不得不轉投具備大算力的英偉達或者地平線芯片。

但是 Mobileye 從 2007 年開始的積累就這麼不值一提？新出現的自動駕駛芯片真的可以平替 Mobileye？Mobileye 真的不行了嗎？

看完了今年 CES Mobileye 的發佈會，我覺得現在下定論還爲時過早。

Mobileye 在技術上積累的領先是毋庸置疑的，只是在商業化的轉型上沒有跟上時代的變化，而英偉達踩準了廠家的需求，生而逢時，但是採用英偉達芯片的車型，算法能力上取決於廠家的能力，至少目前還沒有一家車企秀過肌肉。

所以，更值得觀察的是，到底是 Mobileye 商業化思路的調整速度更快，還是廠家自研算法的速度更快。

從時代的發展來看，自動駕駛芯片的發展進入了快速增長階段，而競爭對手也迅速激增，競爭確實激烈了，Mobileye 失去了頭部車企的訂單，但是面對市場更大且沒有算法能力的腰部車企，Mobileye 仍然是最好的選擇。

今年 CES 上 Mobileye 一共發佈了 3 款芯片，並透露了自己 3 大戰略技術目前的進展。

在發佈會後我們也有幸採訪了 Mobileye 產品及戰略執行副總裁、英特爾公司副總裁 Erez Dagan，採訪中大家也向 Erez 提出了很多尖銳的問題，例如：

「因爲 Mobileye 採用黑盒子的技術路線，導致國內廠家和 Mobileye 的合作存在質疑和猶豫，Mobileye 如何看待這一現象？」

「EyeQ Ultra 芯片的算力是 176 TOPS，相對於英偉達等一些行業競品來說並不算高，Mobileye 如何看待算力和 L4 級以上無人駕駛之間的關係？」

不過在聊這些露骨的問題之前，我們先在回顧一下，今年 CES Mobileye 都發布了什麼？

三顆芯片什麼水平？

今年 CES 上 Mobileye 發佈了 EyeQ Ultra、EyeQ6L 和 EyeQ6H 三顆芯片，這也是今年 CES 關注度最高的一部分，我們先從最強大的 EyeQ Ultra 看起。

EyeQ Ultra

EyeQ Ultra 的算力爲176 TOPS，具有 12 個 RISC-V CPU，每個 CPU 有 24 線程，一共有 64 核的加速器，採用 5 納米制程工藝，功耗小於 100 W。

上文中提到的加速器一共包含 4 種，一種是單純的深度學習計算；第二種是類似 FPGA 加速器叫 DGRA；第三種是長指令集的類似於 DASP 的加速器；第四種是多線程 CPU，每一個核都負責不同的工作負載。

EyeQ Ultra 的工程樣片預計 2023 年第四季度產出，正式量產時間爲 2025 年。

Mobileye 對這顆芯片的定義爲「單顆芯片可以支持 L4 級別自動駕駛」。

但是以上數據公佈之後，大家普遍存在兩個質疑，一方面是質疑 176 TOPS 的算力能否實現 L4 級別的自動駕駛，畢竟在蔚來 ET7 及 ET5 上已經搭載了算力超過 1,000 TOPS 的芯片；另一方面的質疑則是，從 2022 年開始，高級輔助駕駛會進入一個快速發展階段，而 Mobileye 這顆芯片 2025 年才量產，爲時尚晚。

從時間的角度來看，頭部車企目前公佈的節奏確實快於 Mobileye，但是也不乏車企純在吹牛的可能，畢竟從 2020 年初就開始的激光雷達風波，到了 2022 年初也僅有小鵬 P5 一款車型量產。

再說算力，對比 2022 年交付的英偉達 Orin 芯片，2025 年才交付的 EyeQ Ultra 在算力數據上確實沒有任何優勢，但是 Mobileye CEO Shashua 似乎也猜到了大家會這麼說，在發佈會上 Shashua 也作出瞭解釋：

「跟競爭對手的數字相比，176 聽上去是一個很小的數字，大概只有競爭對手號稱算力的五分之一。但是關鍵的不僅是算力，而是效率，這需要深入的認知了解軟硬件之間的相互作用是什麼，瞭解什麼是核心，用什麼算法來支持對應的核。」

同時 Shashua 還拿極氪搭載的 SuperVision 舉例，採用了 11 顆 800 萬像素攝像頭的極氪 001，依靠 2 顆 Mobileye EyeQ5 芯片即完成了感知、規控、執行的全鏈路循環，而算力僅僅 48 TOPS。

關於算力的爭論我們在後續的採訪中也進一步詢問了 Mobileye 產品及戰略執行副總裁、英特爾公司副總裁 Erez Dagan，後面再做進一步展開。

EyeQ6H

EyeQ6H 爲 EyeQ5H 的進階版本，算力34 TOPS，採用 7 納米制程工藝，根據官方介紹算力相比 EyeQ5 多了接近 3 倍，但是能耗只多了 25%。

現階段 Mobileye 通過 2 顆 EyeQ5 實現 SuperVision，下一代 SuperVision 將通過 2 顆 EyeQ6H 實現，甚至 1 顆 EyeQ6H 也可以實現。

量產時間上 EyeQ6 將於今年第四季度交付工程樣片，2024 年正式量產。

EyeQ6L

EyeQ6L 大家可以理解爲低配版本的 EyeQ6，同樣採用 7 納米制程工藝，算力爲 5 TOPS，功耗僅爲 3 瓦，半年前已經交付工程樣片，預計 2023 年量產。

關於這款芯片大家的評價褒貶不一，有很多網友認爲因爲算力上並沒有太大的提升，所以是一種倒退。

相較於已經在大家心裡留下深刻印象的大算力芯片，再看到一款 2022 發佈但算力只有 5 TOPS 的芯片心裡確實會有一定的落差，拋開「不以算力爲唯一標準」的說法，一個更有力的數據是，EyeQ6L 的訂單量已經超過 900 萬件。

在發佈會的採訪中 Erez Dagan 也表示：「EyeQ6L 計算能力更強和功耗更低，用以滿足基礎 ADAS 細分市場的需求，在這個市場我們需要一個高度集成的、非常高效的、兼具成本和功耗的解決方案，而 EyeQ6L 無疑在這兩個方面都完全滿足市場需求。

此外，該產品還考慮了附加攝像頭的潛力，如司機監控系統或 AEB。EyeQ6L 這一基礎 ADAS 是爲了滿足全球範圍內不同的標準誕生的。」

相比於芯片，這是 Mobileye 更核心的競爭力

除了上文中提的芯片以外，Mobileye 在發佈會上還透露了自己戰略三大支柱戰略的進展。

衆包地圖測繪 REM

今年的 CES 上，Mobileye 宣佈現有的衆包車隊在 2021 年期間，一共收集了40億公里的數據，目前每天可以收集2,500 萬公里的數據，按照這個速度2022 年可以收集 90 億公里的數據。

相比高精地圖，REM 地圖具備採集便利性更高、採集速度更快、成本更低、鮮度更高的特性。

但是比較遺憾的是，在發佈會上 Mobileye 並沒有給出詳細的數據，同時因爲中國道路的法律法規限制，REM 並沒有正式進入國內，所以對於廣大消費者來說，並享受不到 REM 帶來的優勢。

據 42 號車庫瞭解，因爲 REM 的缺失，極氪 001 導航輔助駕駛功能的落地時間並不確定，而合規問題只能依託吉利解決。

目前在國外比較有亮點的進展是，大衆 ID.4 已經基於 REM 地圖實現了無車道線路段的輔助駕駛功能。

此外，福特下一代 Blue Cruise 和搭載 Mobileye SuperVision 的極氪也將使用 REM 地圖，以實現更高階的智能駕駛。

可成像的雷達

在大部分人的認知中 Mobileye 類似特斯拉採用純視覺的路線，這種說法沒錯，但並不是特別嚴謹，Mobileye 採用的是以視覺爲主的路線，但是在毫米波雷達和激光雷達兩個領域也有自己的建樹。

此毫米波雷達非彼毫米波雷達

目前量產車上的毫米波雷達均只具備測距和測速的能力，並不具備成像的能力，這意味着毫米波雷達相較於視覺攝像頭，只能知道在多遠的地方有個東西，並不知道這個東西是什麼，也無法對產出周圍環境的模型，爲智能駕駛提供更有價值的信息，在擁堵環境下能力更是有限。

Shashua 在發佈會上也直白地說道：「過去這種傳統雷達作爲獨立的傳感器基本是毫無意義的。」

而 Mobileye 定義的毫米波雷達則具備的成像的能力，類似於 4D 毫米波雷達，並且在去年的 CES 上就已經發布了這款雷達的信息。

Shashua 表示，通過深度學習算法計算後，就毫米波雷達的感知結果可以實現接近激光雷達般的效果。

在今年的 CES 則展示了這款雷達的探測結果，從結果上來看，在對周圍環境的探測成像的精準度上，已經非常接近激光雷達。相比激光雷達，毫米波雷達則具備了更強的惡劣天氣性能和更低的成本。

此激光波雷達非彼激光雷達

除了上文提到的成像毫米波雷達以外，Mobileye 在去年還建立一個部門來研發FMWC 激光雷達。

與目前市面上絕大多數 ToF 激光雷達不同的是，FMCW 雷達並不是通過光往返的速度來測距，而是通過光頻率的變化來測距，其優點在於不受其他光源的影響，同時每一個點雲信息不止具備距離信息，還具備速度信息，所以可以更好地用於跟蹤周圍的交通參與者，但弊端則是技術難度更高，量產價格也更高。

Mobileye 的目標價格是低於 1,000 美元。

基於以上兩種雷達，和視覺的相輔相成，自動駕駛系統實現了 3 重冗餘，此外相較於車企採用激光雷達、毫米波雷達實現的感知融合，Mobileye 的雷達、激光雷達和攝像頭被分成兩個獨立的子系統，彼此是不相通的，分別打造了端到端僅使用攝像頭的駕駛體驗，和端到端僅使用雷達和激光雷達的駕駛體驗，Mobileye 希望通過這二者的相輔相成，來提高魯棒性，實現安全冗餘。

算力高效利用的關鍵——RSS 責任敏感安全原則

無論是 CES 的發佈會上，還是會後的採訪中，Mobileye 都反覆強調了「不以算力爲唯一標準」和 「相比算力，效率、軟硬結合同樣重要」的觀點，爲了讓所有更加信服，Shashua 也分享了一些技術上的細節。

這裡我也試圖用盡量簡潔的文字，把我所理解的分享給大家，如果有偏差歡迎指正。

實現自動駕駛需要三步，感知 — 決策 — 執行，聽上去這個複雜的工程就像把大象塞進冰箱一樣簡單。

其中最耗費算力的是「感知」和「決策」兩個環境。

感知層面，爲了提升感知能力，攝像頭的數量在不斷增加，分辨率也在不斷提高，背後產生的數據也在以指數的形式增長。

爲了更加高效地利用算力，Mobileye 在獲得視覺感知信息後會先進行場景分割（scence segmentation NSS），優先計算路面信息，而不是盲目地全局處理。

決策層面，最花費算力是基於感知的信息對周圍的交通參與者的行進軌跡進行預測，然後決策出一條合理且安全的路線，但是一旦涉及到預測，隨着預測的未來時間越久，對算力的需求就會進入指數級增長的過程。

在這裡 Mobileye 引入了 RSS (Responsibility Sensitive Safety）責任敏感安全原則，目標是通過數據化人類駕駛中，比較具有主觀性的幾個常識確保自動駕駛汽車永遠不會主動導致事故發生，包含：

什麼是危險情況？

什麼是危險情況下的正確反應？

誰要對事故負責？

不同駕駛場景下的安全距離。

Mobileye 會基於以上駕駛策略去歸納計算，所以基於 RSS，系統只會去計算有可能的未來，而不是所有的未來，這樣的邏輯下幫 Mobileye 更高效地利用算力。

而上述的這 3 大技術，將會支撐 Mobileye 更好地攻下 L3/L4 的場景。

根據 CES 發佈的信息來看，在 L3 層面 Mobileye 已經與本田和法雷奧展開了合作，其中 Mobileye 負責視覺感知。

在 L4 層面，Mobileye 的 Robotaxi 將於 2022 年中開始進行路測，年底獲批後，會在德國和以色列進行主駕無人的測試，實現真正的無人駕駛，屆時一輛車的成本預計是 15 萬美元。

消費級的 L4 將在 2024—2025 年推出，不同於 Robotaxi 的是，消費級 L4 可行駛範圍更廣的區域，但是系統非常依賴 REM，同時零售價格 1 萬美元，成本預計低於 5,000 美元。

在 Mobileye 看來，Robotaxi 和消費級 L4 並不衝突，Robotaxi 更早的投入可以幫助 Mobileye 有價值的數據，而消費級 L4 可以通過規模化實現降本。

寫在最後

以上就是 Mobileye 在今年 CES 上透露的全部信息，不可否認的是 Mobileye 多年的積累在視覺技術上仍然具備絕對的領先優勢，在我們 42Mark 的測試上可以看出，搭載 EyeQ4 芯片的車型都具備不錯的基礎能力，在我們與車企 ADAS 負責人交流時，他們也坦言 Mobileye 感知結果的質量非常高。

但也因爲感知算法是黑盒子，無法滿足車企自研向上的需求，所以丟失了大量頭部車企的訂單，也有業內人士向我們透露，相較於 Mobileye，英偉達和地平線提供的完整開發工具更有利於車企實現算法自研，同時溝通效率也更高。

而 Mobileye 方面也表示，1 月會與英特爾一起推出開放計算平臺，同時去年 10 月以色列也有相關的技術人員來中國支持極氪項目，英特爾國內組了個 50 人團隊來配合極氪 SuperVision 的開發。

所以現在說 Mobileye 已經不行了爲時尚早，更值得觀察的是，到底是 Mobileye 商業化思路的調整速度更快，還是廠家自研算法的速度更快。

但也需要更多考慮的是，隨着自動駕駛芯片需求的旺盛，可以提供產品的供應商也越來越多，這個市場已經從 19 年的賣方市場逐漸轉爲了買方市場。

最後我們依舊要對 Mobileye 這個開創自動駕駛視覺技術路線，且仍然兢兢業業推進行業科技發展的公司致以最高的尊重。