在2022 CES上，Mobileye 的CEO Amnon Shashua教授发表演讲，介绍了Mobileye在过去一年的业绩以及发展的近况。

芯片市场的大部分份额握在Mobileye，英伟达，高通，赛灵思等几家头部企业手中，而新的企业也正在蓄力，要赢得竞争并不容易。

在面对英伟达推出的254 TOPS高算力系统级芯片Orin时，Mobileye在2020-2021年间丢失了不少地盘。

面对竞争，Mobileye整体表现依然亮眼。在恢复举办的2022 CES上，Amnon Shashua教授介绍了Mobileye的几项核心技术，同时了发布了三款新芯片。

2021年，Mobileye赢得了30多家车企的41项新订单，将涉及未来5000万辆汽车的生产。此外，这一年，各个车企共推出了188款使用Mobileye技术的新车型。从2007年至今，Mobileye已经完成了1亿件EyeQ芯片的出货。

此外，在基础设施数据上，Mobileye现在有200PB的数据量，每个月公司都会做5000万次运行，这意味着每月处理的是100PB的数据，这些数据来自于50万小时的驾驶。

这是一个什么规模呢？比较来看，英特尔的所有数据量是238PB。

从2017年开始，Mobileye普为其战略制定了三个支柱原则。

一个是REM的地图绘制技术，这是一个基于驾驶辅助系统的众包技术。每辆配有EyeQ芯片的汽车都可以将非常稀疏的数据发送到云端。过去5年通过开发算法，Mobileye在云端将这些数据拼凑起来，然后创建出了高清地图，去助力高级驾驶辅助和自动驾驶。

第二个支柱原则叫做真正冗余，一辆自动驾驶汽车要使用多种不同的传感器，包括摄像头、雷达、激光雷达。但Mobileye是将摄像头雷达、激光雷达分成两个独立的子系统，彼此不相通，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。这二者相辅相成，大幅度提高了鲁棒性，保证冗余。

第三个支柱原则是RSS责任敏感安全原则。它定义了什么是安全驾驶，什么是危险驾驶，二者之间的界线在哪里？从而确保了自动驾驶的安全性，也确保了使用性。

而Mobileye的业务支柱也主要分为三个方面。

第一是新类别的新兴辅助驾驶即高级别的ADAS，称之为L2.5。为此打造的是一个全环式感知系统。比如说在极氪的车上便配置了11个摄像头，包括7个800万象素的长距摄像头和4个泊车摄像头。通过REM地图可进行不断地优化。另外还嵌入了OTA升级固件。一方面可以升级功能，一方面源源不断的将地图数据传输到车辆，从而实现基于云端的优化。

第二大业务的支柱，就是L4级别的Robotaxi（仅在有限区域内行驶），一辆车的成本大概在15万美金。

另外一个是将在2024年到2025年推出的L4级别的消费级别AV自动驾驶车辆。与Robot Taxi相比，它的不同之处在于它可以在任何地方行驶，这就非常依赖于REM技术。Mobileye希望它的成本和厂商建议零售价在1万美金左右，也就是说其成本将远低于5000美金。

发布的三款全新芯片分别为EyeQ 6L，EyeQ 6H和EyeQ Ultra。

EyeQ Ultra一共有64核的加速器，5纳米制程工艺。同时支持176 TOPS的8 bit深度学习运算。跟竞争对手的数字相比，176并不大，大概只有竞争对手号称算力的五分之一。但Shashua教授认为关键的不仅是算力，还有效率。

比如176TOPS大概是10颗EyeQ 5芯片算力的总和，而Mobileye有8颗EyeQ 5驱动的Robot Taxi，由此可知，10颗EyeQ 5集成的单芯片能够支持Robot Taxi。而价格只需要几百美金，且整个系统能耗非常低，不到10W。工程样片将于2023年底上市，预计2025年量产。

EyeQ 6H它的算力大概是EyeQ 5的三倍，能耗只多了25%左右。第一代工程样片预计2022年底面世，2024年量产。

EyeQ 6L，7纳米的工艺支撑5TOPS，算力大概是EyeQ4M的5倍，有着非常低的功耗，约为3瓦。已经提供了样品，预计将于2023年量产。

此外，Shashua教授还介绍了软件配置的图像雷达。

涉及的是两个子系统，一个是基于摄像头的子系统，也就是SuperVison。另外一个子系统是360度TOF激光雷达，提供360度的覆盖范围，还有一些传统型雷达作为补充。Mobileye

希望能够一方面增强鲁棒性，另一方面降低成本。以目前的经验法则来看，传统雷达的成本大概是激光雷达成本的五分之一到十分之一。

Mobileye希望能够建立一个高清晰度的新型雷达，称之为软件定义雷达。因为一切都可以通过软件进行配置，包括空中更新，配置传输，发射机，接收机，信号处理等等。

通过正确的算法，包括深度学习算法，就可以创造独立的雷达传感器，实现激光雷达般的效果。

Mobileye训练了网络使用的材料，把雷达和激光雷达放在一起，然后用激光雷达作为神经网络的输出，将雷达映射到激光雷达上。左边是真实激光雷达的场景，右侧是传统雷达的地图，用神经网络将雷达输出映射到激光雷达图上，就可以看到，效果基本上是一样的。

另一个实验是训练了另外一个神经网络，将雷达的输出映射到摄像头图像上，相当于把传统雷达和摄像头进行了结合。可以看到，这并不是一个真实的图像，是通过神经网络将雷达输出映射到了图像上，可以看到雷达输出的质量很高。

目的就是利用这样的传统雷达来降低成本，因为它只是激光雷达成本的五分之一到十分之一。并且希望能够在2024年、2025年将其作为一个独立的传感器使用。一方面可以大大降低成本，只剩下一个正面的激光雷达，但同时又实现三项冗余。

而关于激光雷达，Mobileye另外还有一个部门专门来构建调频连续波激光雷达，计划将在2024年实现量产。

在随后进行的采访环节，英特尔公司副总裁、Mobileye产品及战略执行副总裁Erez Dagan就媒体关于Mobileye芯片的算力，黑盒子等问题进行了解答。

以下为采访整理稿件，未经本人审阅。

Q1：我们在CES发布的EyeQ Ultra芯片的算力是176 TOPS，其实这个相对于英伟达等一些行业竞品来说并不算高。那么Mobileye如何看待算力和L4级以上无人驾驶之间的关系？

Erez Dagan：我认为这显然呼应了Shashua教授的演讲，我们也非常坦率地认为TOPS是一个非常不充分的计算能力指标。我们集成到EyeQ芯片中的计算模型非常复杂，远不是某一单一指标能量化的。不仅仅是高值TOPS，在这种任务中运行的工作负载的类型在线程级并行、指令级并行和数据级并行之间是不同的，其方式比仅仅优化神经网络要复杂得多。

所以第一，这一指标是无效的。佐证就是我们能够在两颗EyeQ5芯片上运行整个SuperVision系统。这整个由两颗EyeQ5芯片支持的SuperVision系统，在数量级上远低于其他竞争对手谈论的算力或TOPS指标。我们只是简单地在硬件中构建和共同设计软件，计算密度比TOPS囊括的维度更多更广。但是计算密度让我们能够在两个EyeQ5芯片上运行一个非常广泛的任务剖面，用11个摄像头感知整个环境，在地图上定位，生成驾驶策略，并在此基础上计算RSS。

第二点也是我们需要记住和认识的关键要素。我们从事自动驾驶产品方面的工作已经超过20年，计算的能耗要求在产品的经济性方面是非常关键的。我们知道EyeQ Ultra的设计效果应该足够媲美目前我们运行的，基于8颗 EyeQ 5的Robotaxi的自动驾驶系统Mobileye Drive，足够运行相同的计算，功耗将是100瓦。这在电动汽车的世界里是前所未有的，这是一个关键的标准，关键的KPI，对汽车电动汽车，我们不希望关键能耗会耗尽电池电量。

Q2：关于跟OEM的合作，比如Mobileye提到与极氪将在2024年推出L4自动驾驶能力的车。但是我看到现在极氪第一款产品极氪001 ADAS目前还在跳票，我想知道这个时间表，2024年推出L4这个时间表是否有些激进或者乐观？

Erez Dagan：并不激进。我们目前取得的进展是不可思议的。我们在一年之内就将硬件产品全部生产出来了。请记住，这些系统在全球的多个地点运行，都使用了相同数量的EyeQ5芯片，并且提供了非常广泛的功能。很多OEM都依赖我们产品的能力，这就是最好的证明。在此计算单元内运行是非常活跃的，生产过程也是经过验证的，强化这一系统并且针对特定的车辆进行定义，这都涉及到生产的其他要素。我们目前行动力十足，对于交付时间和功能也是紧凑、积极和成功的安排，跟我们的消费级别的AV一样。在这个项目中，硬件是提前设计的，与我们和极氪一起完成的一年期的SuperVision项目相比，这个项目的产品化过程速度更快。系统本身来说比较相似，都是可操作的。这个系统运行在相同的计算配置6颗 EyeQ5芯片上，可用的功能和把产品化集成到车辆的进度都很快。我们跟极氪都坚信并且很兴奋能够宣布这一革命性的产品。

Q3：在中国市场，由于之前Mobileye采用黑盒子的技术路线，国内很多厂商对Mobileye的合作是有些质疑和犹豫的，那么Mobileye怎么看待这一现象？并且以后在商业合作上有没有策略的调整？

Erez Dagan：不仅是在考虑，而是已经在实施了。这也是我们跟极氪在L4合作的内容之一。过去两年中，我们跟全球多家OEM合作，采用一种共同开发的模式。这意味着EyeQ5的部分计算能力可以用于执行来自我们合作伙伴研发部门的技术。这是根植于Mobileye的战略中的，因为EyeQ5就是为此目的而设计的，而且它是第一个为多个传感器的中央计算而设计的SOC。那时，我们已经为这个SoC发布了一个SDK，并与我们的合作伙伴合作开发用于该计算模块的软件技术。

Q4：之前Mobileye说要跟蔚来合作自动驾驶的电动汽车，并说要在2022年推出一个自动驾驶的出租车服务。那么本次跟极氪有进行合作开发L4能力的车，那这个合作跟此前蔚来的合作是不是有冲突？Mobileye原定的Robotaxi计划是不是有变？极氪前几天也宣布了为Waymo One提供一个专属的无人车队，这个对Mobileye有什么影响吗？

Erez Dagan：非常好的问题。Robotaxi和消费级别的AV之间的关系不是相互冲突的，而是相互协同的，建立这一关系非常重要。我们现在之所以能够负担得起消费级别的自动驾驶功能，是因为在我们的Robotaxi解决方案中，我们对系统的经济采取了非常严格的设计限制。我们计划于2022年在特拉维夫和慕尼黑推出基于蔚来 ES8车型的Robotaxi，由我们的8颗EyeQ5芯片驱动的自动驾驶套件——Mobileye Drive来提供支持。在极氪的消费级别的AV合作中，我们把该能力迁徙到了搭载6颗EyeQ5芯片的ECU。在多维度的深度战略层面，我们跟极氪都有紧密联合。把汽车卖给任何其他渠道当然是极氪的权益，他们能够满足其他客户需求从而销售自己的车辆，这是OEM的本职。能够跟极氪合作推出这些新产品和促进未来潜在的购车订单，我们很骄傲也很开心。

Q5：关于开放性的问题，因为国内市场有很多的客户都有反映，我们的算法和芯片，包括其他的硬件开放都是一个黑盒，这个问题Mobileye已经意识到了，我不知道在后续的EyeQ6上面，以至于在EyeQ5上面是不是做了更多的一些工作来让我们的一些OEM做更多自主性的开发？这个问题到现在为止有没有去推动他做一些优化、解决，或者是任何这样一些更新呢？

Erez Dagan：我之前已经解答过，现在展开多分享一些。针对基础的提供安全预警功能的前视ADAS摄像头，通过软件和SoC的紧密结合，能够降低验证成本、提高能耗效率、降低冷却成本。这是对于成本非常敏感的前视安全辅助ADAS摄像头，我们的客户非常喜欢这一紧凑的设计。这就是他们想要的前视摄像头。当涉及到带有集中计算平台的多摄像头系统时，这也是我们为这些领域设计EyeQ5的时候，大概三到四年前开始，我们设定的设计目标就是让它成为一个可编程的平台。

我们现在在海外有四五个客户，跟我们一起进行EyeQ5芯片的软件开发，OEM或者Tier1伙伴提供额外的开发空间。这就是EyeQ5设计的框架。根据定义，EyeQ5能够支持让第三方编程。几年前，我们还宣布了在EyeQ上支持并入驾驶员监控系统，这也是我们愿景的一部分。

EyeQ6上我们更进一步。EyeQ6H能支持视频播放，通过GPU和ISP来实现可视化，这些内容我们都希望能够满足OEM定制化需求，能够跟他们一起合作。也就是说，我们支持一个由我们的合作伙伴定义的外部软件层。简单总结来说，基础ADAS是价格非常敏感的产品，我们的客户不需要在EyeQ芯片上编程，比如EyeQ4芯片，只需要在挡风玻璃后面提供安全辅助功能即可。这些客户他们追求的是最经济、最安全和最低功耗的能提供功能的产品。在多摄像头和多传感器系统的中央计算架构中，我们完全满足了合作伙伴对EyeQ编程的需求。

Q6：本届CES上Mobileye宣布了会建立中国本土数据中心，并且扩大Mobileye在中国团队数量，我很高兴看到这一点，因为自动驾驶是非常地域性的功能。我更关心的是，这是不是意味着Mobileye视觉方案中非常重要的一环，REM有希望在中国落地呢？这一方面的规划能不能向我们透露一些？如果一切推进正常的话，大概是在怎么样的时间节点落地呢？

Erez Dagan：谢谢您的问题。我们确实在打造一个强大和重要的中国团队，在极氪的合作中我们已经在做了，这已经成为现实。这对Mobileye来说是非常重要的一步，能够在这样大型的组织中灵活开展工作，我们从英特尔内部抽调了人员，从以色列也调配了技术人员到中国。对于REM技术，在极氪001的车型中我们已经搭载了SuperVision，众包地图技术也在产品内容之中。REM会以完全合规、完全本地化的方式在中国使用。这对Mobileye非常重用，我也很期待未来REM在中国的上线运行。

Q7：这次CES上，专门说了L4的部分，我想了解一下，两位怎么看中国市场L4这一块的发展？

Erez Dagan：关于我们如何展望L4的发展，CES上的公告包含了非常重要的、我们可以展示的进展更新。首先是从我们提到的在全球多地部署的车队开始，它们展示了我们的解决方案的地理可扩展性，这意味着我们可以在几乎任何地方部署基于REM地图技术的自动驾驶技术。从数据的角度这非常关键，仅通过在全球6个城市部署车队，我们证明了我们的愿景，即只有通过众包构建的高精地图才能让自动驾驶车辆真正在各个地方行驶。截止到现在，仅在不到一个月的时间内，我们在6个城市就完成了部署。这是我们能力的强有力证明。我们称之为AV地图的内容远远超出了对道路、几何形状和道路边界的简单几何描述。它承载了大量语义信息，这使得在新地域进行高效、无缝的部署成为可能。其中一个核心要素，即Shashua教授在CES的演讲中提到的第二个要素就是精简计算。通过精简计算，我们可以实现自己的目标。

我们的SuperVision系统，即我们L4的子系统之一，靠两颗EyeQ5驱动。到L4阶段，我们的Robotaxi搭载了8颗EyeQ5 芯片自动驾驶系统，我们称之为Mobileye Drive系统，获得了世界多家客户的订单。通过逐渐丰富设计运行域，我们的消费级AV也会逐渐落地。消费者将能够在限制更严格的高速公路或交通拥堵的环境中开始过渡到自动驾驶，并逐渐通过OTA获得更广泛的自动驾驶操作范围。通过跟极氪的重要的强有力的合作，在中国首次落地L4消费级车辆，我们能实现这一未来。我们看到，Mobileye在2017年设定的系统设计，为消费级别的自动驾驶产品的降低了成本。这是一个重大信息，所有的数据点都证明了我们的设计是可行的。

Q8：不管是国内市场的芯片，还是国际市场的芯片，现在都有比较清晰的格局，比如像英伟达在高端的智能汽车上已经拿到很多订单，华为也在国内一些车厂做市场份额的争取，另外像高通也拿到了。像我们的EyeQ6 Ultra这些芯片可能都要到2024年、2025年了，那么在这个时间节点上，从规划上来说，是否我们已经有一些落后了？或者按照我们的节奏是根据市场的需求来做的布局？

Erez Dagan：非常重要的一点是，销售SoC的公司与提供非常强大的、经过验证的解决方案的公司非常不同。谈到市场的时机，同您的观点一致，在24-25年我们看到了市场对EyeQ芯片的巨大需求，后面我们可能也会逐渐宣布相关消息。我们之间立场是完全不同的，也许我想再强调一下我们正在做的事情的重要性。需要解决方案的OEM需要的是一个可扩展性很高的解决方案，这意味着要能适合低端市场的解决方案，并且可以通过增加附加内容和附加功能来匹配适应中端市场和高端市场。验证的问题是，人们需要可扩展的内容和可增加的功能的原因。一个复杂和关键的系统，如驾驶辅助或自动驾驶系统，需要非常严格的安全运行验证。

业内人士都清楚，当你将系统分解来满足多个方面的需求，只能在增强或增加的系统上做稍许的差异验证，比如雷达和激光雷达的子系统，以及从高端辅助驾驶过渡到消费级AV。把我们强大的前视基础ADAS摄像头物尽其用，并作为全环视SuperVision的一部分，这方面所需的数据验证也是一样的。所以跟其他从事SoC算力或其他技术指标竞赛的SoC公司相比，我们的立场完全不一样，他们的做法并不能交付或保证在这些SoC上打造出可拓展，经济可行的解决方案。

Q9：现在中国本土的这些芯片公司，做自动驾驶芯片的公司越来越多，未来几年还会诞生出更多的中国公司在这个领域。还有这么多的竞争对手来说，Mobileye有哪些策略能够在销售方面，或者怎么能打动更多的OEM厂商，打动更多的整车厂，希望他们能用Mobileye的产品，而非英伟达、高通的，在这个环节，我们怎么能够更快的进入状态，或者更快的进入这个市场当中掌握话语权？

Erez Dagan：我之前回答有谈到过，我这边说得更清楚一些。现在有很多“登月项目”类型的Robotaxi项目，他们的车上装了非常多的传感器，堆砌了很多计算平台，在有限的区域行驶。这跟针对大众市场的量产自动驾驶解决方案完全不一样。量产的方案，首先最重要要考虑的是成本，然后是地域可拓展性，即可以在世界任何地方行驶而不是仅在某些固定区域，还有从基础ADAS到消费级AV方案的整体可拓展性设计。我之前有说过，可拓展性意味着整个系统的验证必须非常方便，我们的OEM伙伴在设计的时候就会考虑验证成本。所有这些因素都将对供应商的世界产生巨大的影响。有些Robotaxi的供应商只能在固定地区作业，这跟规模化的消费级AV完全不同，这些是非常重要的技术发展和市场演变。要做到量产的消费级AV，需要的是不同的技艺、不同的经济性、以及对自动驾驶产品交付的深刻理解。

Q10：过去汽车行业走的一直是软硬一体模式，这几年行业都在推崇软硬解耦，但是事实上越来越多的芯片厂商都在强化自身的软件能力。所以Mobileye如何看待目前的行业变化？

Erez Dagan：很好的问题，我之前有回答到部分的内容，我这边再阐述一下现在的情况。对OEM来说，他们的基础需求是要能够看到未来的结果。我们能够提供的产品必须是能够完全被验证过的，成熟的，能够满足合规要求的。在更高端的细分市场，我们有集中的计算平台和多个传感器的配置，OEM也同步开发了不同的功能，这当然是推动高端体验的重要因素。通过设计，从EyeQ5开始，我们给合作伙伴提供了两个世界的最好的东西，坚实的支持他们的需求，包括计算机视觉、REM定位、驾驶策略和我们的计算内的区分空间。其他SoC制造商也在努力。交付SoC只是解决了我们客户的一个很小的问题，他们需要或者试着增加更多价值，这更类似于Mobileye 20多年来一直在做的事情。

Q11：EyeQ6L是EyeQ4的一个后续作品，那除了体积上，它整体的性能是有提升的吗？

Erez Dagan：就新的EQ6产品的能力来说，它非常契合市场需求。EyeQ6 Light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EyeQ6 Light无疑在这两个方面都完全满足市场需求。我们提升了其算力，但是再说一下，靠算力来衡量的指标是错误的。与其上一代的基础ADAS产品相比，EyeQ6 Light的算力是其2.5倍，能耗也更低，是一个很有竞争力的产品。此外，该产品还考虑了附加摄像头的潜力，将多个摄像头作为基本ADAS的一部分，如司机监控系统，或后排停车或AEB。EyeQ6 Light这一基础ADAS是为了满足全球范围内不同的标准诞生的。EyeQ6 High设计的时候增加了视觉展示的能力，这是一个重要的特性，是在EyeQ5 的基础上实现的完全的提升。算力方面，跟上一代EyeQ5 Hight相比，增强了2.5倍。

为有效支持我们的高端ADAS产品SuperVision设计的，在此基础上，我们还发布了EQ Ultra这一自动驾驶芯片。Ultra我们也介绍过，其能效、不同计算模型和能力之间的精确集成能够支持我们L4级别的汽车。市场契合度非常高。预计面世的时间为24-25年，这也是与市场需求一致。对这些非常契合市场的新产品，我们理解程度很深，也非常兴奋能够带他们进入市场。

Q12：每个国家路况和交通法规有很大差异，Mobileye如何在中国保证采集足够多的路测数据用来训练软件？

Erez Dagan：问题很好。但我希望分开来说明一下，一个是计算机视觉算法训练需要的数据以及通过众包构建AV地图所需要的数据。

我们谈谈他们之间的不同。我们在全球的多个项目给我们提供了一个非常庞大的的数据库，200PB，Shashua教授在今年CES的“引擎盖下的秘密”演讲中提到了。通过和OEM伙伴一起合作开发丰富的产品，进行项目部署，我们采集到了来自全球的各种视频数据。通过开发和整合我们的产品，在全球推出产品，我们不断收集到全球各地的视频数据。

第二个内容，AV地图的聚合，我们众包的方法是自下而上设计的一个非常精简的方案，我们从车端到云端传输的数据量非常小，以此来绘制地图。给大家一个大致的概念，就好像我们每年在YouTube上播放两个视频，我们收集了所有有用的信息，这些信息来自于搭载了EyeQ芯片的量产车辆。我们说的是从一辆车上每年我们可以收集到几十或100兆字节的数据，这是非常经济的思考和设计。构建这张地图的回报是巨大的。

我们下面来谈谈机器对驾驶这件事是如何理解的。我们并不是基于数据来训练这种理解能力，而是建立了对道路几何形状、道路边界的非常严格的理解，以及一套非常丰富的语义指示，以指示机器如何在该地区驾驶。

一个很好的例子是，比如在某个区域常见的速度，另一个例子是交通灯与车道或车道交通标志的关系。当我们在全球多个城市部署时，我们学到的另一个重要语义非常有用，那就是研究路口的含义，如何在通过一个路口时最大化可视程度，同时最小化事故风险。对司机来说，让他行驶在一个熟悉的路口，这非常简单；如果在不那么熟悉的路口，就需要学习一下了。我们通过众包的方式来聚合这些来自人类驾驶员的知识。因此，任何一条路对我们来说都是熟悉的，这是我们对AV地图的一个非常重要的理解。我们在真正上路之前，熟悉和理解道路，这是我们使用数据正在做的。但这些数据却不是用来训练系统的理解能力的。