独家专访 | Mobileye CTO：高阶智驾如何大规模扩张？_风闻

作者 |德新

编辑 | 王博

Mobileye转型之年

2023年是Mobileye转型的关键之年。

其CEO Amnon Shashua教授在疫情解封后首次来华时讲道：「我们正从一家以前视摄像头和芯片为主要产品的公司，转向提供包括感知、驾驶策略以及传感器在内的系统方案。」

简单来说，Mobileye正从基础辅助驾驶，走向高阶智驾。

与极氪合作的高速领航功能NZP交付，代表其第一个高阶智驾量产项目跑通。同年，这家老牌智驾公司也迎来了不少后续的订单。

随之而来的问题是，如何有效地实现高阶智驾的大规模扩张？

高阶智驾的扩张包括了两重含义：

智驾系统如何在更大的地理范围可用，包括更多路段、城市乃至国家地区；

以及如何在更多车型、品牌上实现量产。

「更低成本、更快速度、更强功能」是当前车市最为主流的竞技精神，而Mobileye面临的挑战，也代表了相当一部分头部车企的关切。

在今年的CES上，Mobileye CEO Amnon Shashua例行分享了公司上一年在商业和技术上的进展。除此之外，HiEV也在CES期间独家采访了Mobileye CTO Shai Shalev-Shwartz教授。

本文中，你将看到他们对以下话题的分享：

在兼顾成本和开发效率的情况下，如何为多家车企打造差异化的智驾系统？

Mobileye的地图策略，智驾泛化的发动机

视觉的能力上限，没有纯视觉无法实现的功能

智驾何时会变成关键的购车因素？

转型的关键一战：

365万台SuperVision订单

Mobileye目前拥有5个级别的智驾产品，分别是：基础ADAS、云增强ADAS、SuperVision、Chauffeur以及Drive。

其中Drive是L4 Robotaxi产品，基础ADAS和云增强ADAS是L2基础辅助驾驶产品，SuperVision和Chauffeur是高阶智驾产品。在高阶产品中，SuperVision是目前的量产主力。

SuperVision最初在2022年只有一个客户车型，就是极氪001。又过了一年，Mobileye拿下了多个定点，其包括SuperVision和Chauffeur在内的高阶智驾定点车型，增加至30个左右。

截至2023年底，SuperVision项目全生命周期的量产数量预估为365万台，Chauffeur的定点在全生命周期的量产预估数为60万台。这两个数字我们稍后再表，TA们代表了Mobileye转型的速度，也代表了头部智驾公司的盈利能力。

Mobileye现有的高阶智驾定点，主要来自3家车企集团：

吉利控股，共计5款车型，涵盖极氪、极星、Smart、沃尔沃4个品牌；

一汽集团，6款车型全部集中在一汽红旗，包含纯电和燃油车系，包含SuperVision和Chauffeur系统，这两套方案分别在2024年底和2025年开始量产。从时间点也可以窥见红旗的激进程度，2025年量产的Chauffeur甚至是现有公开项目中最早的。

一家西方车企巨头，共计17款车型，覆盖多个国际品牌，涉及美国、欧洲以及中国三个市场，包含SuperVision和Chauffeur系统，量产开始时间在2026年。这家巨头还跟Mobileye在Robotaxi业务上展开合作。结合这些信息，想必不难猜测这是哪家车企。

此外，保时捷以及印度车企马恒达也分别定点了SuperVision，保时捷计划在2026年推出搭载SuperVision的车型。

我们回过来说，为什么SuperVision是Mobileye转型的关键一战？

在低阶的基础辅助驾驶上，Mobileye的份额正受到冲击；来自L4 Robotaxi的业务收入，至少要到2027/2028年才会起量；SuperVision和Chauffeur扛起这几年高阶智驾量产的大旗，而Chauffeur量产要在2025年底、2026年初开始，SuperVision是责无旁贷的业务主力。

2023年Mobileye获得的定点项目按全生命周期预估为74亿美元。

Amnon Shashua提醒更加值得关注的是平均系统价格，「 ADAS前向摄像头的平均价格约为50美元，SuperVision 的平均系统价格约为 1500 美元，Chauffeur 的平均系统价格约为 3000 美元，Drive 的平均系统价格约为 50000 美元。」

按照1500美元的平均系统价格，365万台SuperVision系统搭载可以带来的预估收入是54.75亿美元。对比Mobileye近两年的营收数据，这个预估数据更加凸显了SuperVision的重要性。

根据Mobileye的业绩预告，其2023年的全年营收约为20.8亿美元，而2024年的营收预计比2023年下滑，为18.3 - 19.6亿美元。

这些数字恰好反映了2024年正是Mobileye青黄相交的节点，以SuperVision为代表的30多个高阶智驾项目的交付则是Mobileye能否扭转战局、顺利转型的关键。

智驾的差异化：

消化1.2万项的参数调整需求

大多数人对30多个项目没什么概念。这个数量的高阶智驾车型交付，是行业内还没有一家Tier 1应对过的挑战。何况到2024年，还将有新的定点项目进入研发通道。

高阶智驾量产对研发资源的依赖，使得即使强大如华为，在很长一段时间内，其高阶智驾系统ADS也只以HI模式服务3家车企（北汽、长安和广汽）。

Amnon Shashua回忆，当团队第一次与客户一起在EyeQ6平台进行开发时，他们收到了来自客户的1.2万个参数调整的需求。这让团队陷入沉思，该如何为这一客户处理这 1.2 万个可调参数？其他客户又会提出什么需求呢，又是1.2万个可调参数？最后，团队发现车企客户希望调整的参数远远不止1.2万个。

Mobileye CTO Shai 告诉我们，如果要设置专门的团队支持车企量产SuperVision或Chauffeur这样的系统，那针对每家OEM，要建立数百人的工程团队。

公开的数据显示，截止2022年底，Mobileye全球拥有约3500名员工。除了前述的5条产品线，Mobileye还在开发自己的智驾专用芯片EyeQ系列。为每家OEM建立数百人的工程团队，对所有的智驾公司来说，这种模式显然是不可复制的。

随着智能化在购车消费者心中重要性的提升，主机厂希望其「自主可控」的心态愈发明显。一方面汽车厂商确实希望自家的智驾系统从产品定位或者地域特点出发有差异化的表现，另一方面智驾公司很难针对每款车型进行高投入的定制化开发。

帮助主机厂实现差异化开发，通常的做法是：

第一，供应商提供基础的感知参考算法，OEM建立完整的感知、规控和控制部分，这种方法能够形成差异化，但开发失败的可能性颇高。国内自主品牌这两年就有不少开发失败的案例。

之所以容易开发失败，很大原因是感知本身是并不完美的，尤其针对消费级的自动驾驶，系统成本要做妥协。而规控算法需要与感知层紧密集成，如果感知发生变化，规控必须相应调整，而如果在这两个地方由供应商和主机厂分别分工，集成的难度将大幅提高。

第二种方法是让供应商处理感知与规划，只让OEM自定义控制部分，这种方法的问题在于缺乏差异化和可扩展性。要么主机厂拿到一套与市面上其他产品没有差异的方案，要么主机厂会有大量需求找到供应商，供应商必须建立一个庞大的支持团队。

Mobileye对于众多车企需求的核心提炼，最后推出了一套驾驶体验平台（Driving Experience Platform），简称「DXP」。跟前两种方法不同，DXP的思路，是将界限设定在感知和规控之间。

简单来说，Mobileye将智驾系统针对目标感知、交通规则以及安全等这些通用的部分作为基础的平台输出，而将驾驶风格的定义（比如车速控制、变道风格、加减速控制）等差异化的部分定义成可调校的接口。

包括感知技术栈，车在哪里、行人在哪里、车道在哪里等等，这部分技术不需要差异化。复杂的部分在于规控算法的切割，在感知的后端，对行人/车辆意图的预测，比如一辆车停在那里，是停车、等灯还是堵住了，这些情况各有不同，但车辆的状态是完全相同的，与确定性的感知目标一样，这些不确定的信息同样是通用部分。

而在前面这些通用部分的基础上，相应的规划、控制以及HMI是各个车企希望差异化的地方。比如一些厂商希望更加平顺的驾驶体验，另一些车型则需要更为激进的风格，而Mobileye提供了大量的接口以及参考样例。

这样的设计大幅降低了主机厂的开发风险，「从第一天起，车企就能获得一个可直接投入使用的参考设计，因此没有交付的风险。」Shai告诉我们，「唯一的风险是是否成功实施了所有想要的差异化。」

EyeQ7问世：高阶智驾的爆发

从Mobileye的高阶智驾定点，也不难看出，高阶智驾率先从中国市场爆发，其最早量产的两家车企集团都来自国内，而欧洲、北美市场的高阶智驾量产大部分要从2026年开始。在北美市场独树一帜的特斯拉FSD以及中国的新势力车企是这波需求的引领者。

高阶智驾量产需求爆发的另一个信号，是Mobileye同步更新了其EyeQ产品线。2022年，Mobileye发布EyeQ Ultra，单芯片算力176 Tops，以及EyeQ6芯片，算力34 Tops。

与国内常见的数百T智驾计算平台方案相比，Mobileye崇尚专用芯片的效率和成本优势，在算力应用上十分精益。内部认为以算力论英雄，就好比用人数来评估一家公司的技术实力。

但两年之后，Mobileye在这届CES上宣布了EyeQ7H芯片，算力67 Tops。

这次EyeQ系列的更新，也说明了在完全自动驾驶的Robotaxi到来之前，高阶智驾还有很大向上挖掘的空间，毕竟目前基于EyeQ6的Chauffeur目前还未量产，EyeQ7显然是用于支持更强能力的系统。

一位Mobileye内部人士告诉我们，EyeQ Ultra的命名可以理解为曾经定义是自动驾驶的终极芯片，当时高阶智驾市场的需求没有那么强劲，如今随着市场的变化，Mobileye进一步扩充了高阶的产品线。

Mobileye还计划与极氪联合推进城市NOA的测试与推送。

SuperVision走过从0到1，L3自动驾驶将至未至，高阶智驾的商业化仍在黎明前的时刻探索。

附录：对话Mobileye CTO

以下是HiEV与Mobileye CTO Shai Shalev-Shwartz教授的对话。

Why DXP？

HiEV：你们刚刚推出了DXP，为什么你们认为现在是推出DXP恰当的时机？

Shai：当下自主领航辅助这样的功能，在车企上已经获得越来越多的应用。

我们的量产工作，一开始是和极氪品牌，现在我们和吉利集团的其他品牌，以及中国和中国之外的很多品牌都在合作。一旦开始大规模量产，很多OEM希望将他们的系统打造得有差异化，我们要找到更好的方法来帮助汽车厂商解决问题，同时平衡量产需要的项目资源。

DXP就是我们找到的关键方法。一方面，这让Mobileye给OEM搭建起基础性、通用性的中台；另一方面，OEM可以根据自己的产品特性和客户需求，开发掌控他们客户想要的智驾系统体验。

HiEV：可以分享一下当前的工程团队规模吗，比如支持SuperVision或者Chauffeur这样的系统量产，通常建立多大的团队？这有助于理解DXP带来的改进。

Shai：如果每个汽车厂商都需要一个专门的团队来支持，我们也许需要一个数百名工程师的团队。而且这是不可扩展的，因为不可能每个问题都有数百名工程师来共同应对解决。但有了DXP，几十名工程师便可以支持到一家汽车厂商。

HiEV：给不同的OEM提供不同的智驾系统体验，这非常有意思。记得几年前我采访过一位国内头部智驾厂商的负责人，智驾系统能有多大的差异化。他的观点是，因为智驾系统的开发投入太大了，需要数十亿美元，汽车的差异化不应该体现在智驾上。

Shai：但我们从客户和OEM的角度来看，他们希望在智驾方面有差异化的体验。

我们也充分理解这种需求，因为人们本身就有不同的驾驶风格。买不同车型的人，有不同的驾驶风格。不同的生活地区，也有不同的驾驶风格，比如上海开车的文化和中国其他地方不一样，跟以色列也不一样，跟欧洲也不一样。在美国，纽约的驾驶习惯和西海岸也不一样。

HiEV：据说你们和极氪的合作提供了3种不同的风格，而极氪选择了最激进的风格。

Shai：是的，这种方式适合他的车主群体，但不一定适合其他的客户。我们希望把驾驶体验设计得更加立体，因为它不仅仅是简单的温和、普通和果断这样的区别。

我们提供了很多接口来构造驾驶风格，包括速度、变道方式、车速设定等等。客户可以说，我不想开得太快，不想超速行驶，但同时又希望能更快到达。

智驾泛化的发动机：REM

HiEV：你们如何解决不同地区的场景实现规模的扩大？Mobileye在美国有150万辆部署了REM的汽车，但欧洲、中国的情况跟美国不一样。怎样用一套通用系统解决不同地域的驾驶问题？

Shai：这是REM的另一个优势。因为在不同地区，人们的驾驶习惯在很多方面会有微妙的差异。

我们的技术依赖众源的方式，同时可以通过众源理解当地群体的驾驶风格。我给你举一个简单的例子，能很好地说明问题所在。

在一部分国家，比如德国人开车从来不会超过法定的限速，这个路段的限速是100 kph，那从数据上看，确实没有人超过100。但如果在其他地方，比如以色列，假如你按照90来开车，会被后车狂按喇叭。你想要适应当地的情况，系统就得像一个当地人一样开车，这恰恰是REM能够提供的。

REM让你有机会按当地人的驾驶习惯来调整系统的风格。这还只是速度，你可以从大量的数据中学习到很多东西，这是我们能够提供给OEM的价值。他们可以根据需要选择按照法规的限速还是车流的速度来调教系统。比如在极氪项目上我们已经这样做了。

地图上的一部分元素是通用的，比如车道、路标以及红绿灯都是一样的。

但是在一些方面，利用群体智能可以更从容地应对一些问题。还有一个例子是路权，路权的优先级有严格的规定，有时候交通标识可以告知驾驶员谁优先通行，但这还不够，比如也有两条路并线的时候（就没有明确告知路权）。

在一些国家，当你要并线时，其他的车流会正常行驶，你要等待时机变入；而在美国，很多时候，当有人要并道时，后车通常会打一个变道，让前车能插进来。

同样的规则之下，会有不同的处理方式。我们可以从群体行为中了解到，当地是如何处理具体的问题的。

HiEV：当前你们在美国有最多的部署了REM的车辆，那在其他的地区该如何解决泛化的问题？

Shai：在欧洲也有很多汽车使用我们的产品。

目前SuperVision只在中国量产了，接下来我们会将SuperVision导入到欧洲和美国。我们相信基于SuperVision的数据增长会非常快，因为过去我们只有前视感知，但现在我们也可以从环视感知中获取数据。SuperVision对我们系统迭代的贡献，会超过过去只有前视相机的车辆。

HiEV：所以环视摄像头也会参与REM技术的工作？

Shai：它对于路口的理解很有帮助。如果只有前视摄像头，那就需要有人开着车从路口的不同方向通过，才能建立对路口的完整理解。但是有环视摄像头之后，车辆只需要从某几个方向驶过就可以。

HiEV：所以Mobileye是如何快速扩展ODD的？就像现在中国已有22个城市的高速可以使用你们的产品，车主们其很希望尽快在在国内各地都能用上。

Shai：我们正计划在全国范围扩大ODD。目前计划是到Q1技术，支持极氪实现全部高速的功能。在一些城市，可能前期没有足够多的车主车辆来构建数据。基本的原则是根据使用需求的频率，来对齐地域拓展的优先级。

在建图之外，我们也有完全无图的技术，比如RSD（Road Segment Data）。甚至在连RSD都没有的地方，我们仍然可以提供NOA功能，但在可应对的场景复杂度上会有一些差别。

当你有图的时候，可以应对更复杂的场景。比如下大雨的情况，如果有地图的话，因为有地图提供冗余，我们的系统能够保持仍然可用；但无图暴雨的情况就会变得复杂。

我们计划在中国很快做大范围的扩张。

视觉能搞定一切

HiEV：您如何看待基于视觉系统的上限？我想Mobileye的产品线在纯视觉和其他方案上有一个明显的界限（就是从Chauffeur开始加入激光雷达）。

Shai：我们的看法是，仅凭纯视觉方案就可以在任何地方行驶，不需要其他传感器，没有什么情况是纯视觉本身无法解决的，但我们需要考虑到冗余。

当你想实现更高级别的自动驾驶时，例如L3 「可脱手可脱眼」，你就需要激光雷达来增加冗余，这样系统的安全性能才会足够高，从而可以让驾驶员的视线离开道路。但对于所有无需脱眼的情况，单靠摄像头就可以解决。

因此，我们的理念是用纯视觉解决所有问题。你可以在没有配备激光雷达的SuperVision系统中看到这一点。

目前，在中国它还不能在城市中使用，但是即将实现。这其实是地图问题，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。这不是摄像头和激光雷达的问题。

在我们的理念中，激光雷达只是为了增加冗余。当然，如果有了激光雷达，也可以提高驾驶的舒适度。但这不是必要条件，没有激光雷达，你也可以开得很好。

HiEV：上次Amnon教授来华时提到，FMCW是真正正确的激光雷达路线。为什么你们认为这是最终的路线？

Shai：FMCW有很多独特性。首先一般激光雷达在雾天和恶劣天气下表现不好，但我认为最主要的问题是FMCW激光雷达带来了速度矢量，而普通的激光雷达无法直接测量速度。

为什么这很重要呢？激光雷达面临的很大一个挑战是临近物体的分割，比如一个行人就贴在一辆车边上，激光雷达很难区分这两个物体。如果这两个物体以同样的速度在运动，那没关系，但是如果它们之间产生了微小的速度差，那提前了解这个变化就非常重要。

通过FMCW激光雷达，你可以立刻获取到这个数量变化，你可以用视觉+机器学习的方法来补偿，但会过度依赖于机器学习。

视觉机器学习是很好的方法，但是如果你需要8个9（99.999999%）的准确率，不能只依赖机器学习，你的方案需要多元化。你需要机器学习以及基于模型的方法，FMCW提供了非常好的补充。

HiEV：现在就公布2028年才量产的FMCW激光雷达，这不是很典型的Mobileye的做法。

Shai：FMCW激光雷达的重要性会逐步彰显出来。因为我们现在不仅在高速，也计划在城区基于Chauffeur等产品部署越来越多的车辆。这个过程中市场也会逐渐成熟。

我们不希望在市场需求不明确的情况下推出解决方案。对于量产FMCW 激光雷达，今天的市场还为时过早，因为对初代 L3的Chauffeur来说，FMCW的成本太高了。

我们认为下一个阶段，人们会认可FMCW激光雷达是非常好的产品，并且希望它能够成为标配，并且希望它在城区场景中发挥作用。人们的需求越强烈，FMCW激光雷达的市场就会走向成熟。

出于资源配置的原因，我们希望在恰当的时机推出恰当的产品。我们认为成像毫米波雷达会更快到来，因为对OEM来说，成像雷达在成本可控的情况下提供了很多价值。

大模型对自动驾驶的影响？

HiEV：你如何看待大模型对智驾的影响？

Shai：如果你指的是Transformer以及端到端的系统，我们认为这些技术带来的好处非常明显。我们很熟悉这些技术，因为在它们大规模流行之前，我们已经开始研究了。

比如两年前，我们已经在内部采用类似Transformer的方法，我们评估完觉得这不是非常好的方法，所以我们做了一些改进，但这个不影响整体的局面。整体上，我们认为大模型能将你从0很快地推进到95%，但这些方法要达到99.9999999%，会面临巨大的问题。

除此之外，它带来的工程量也是噩梦。如果你发现了一个边缘场景，你需要建立一个单独的解决方案，这就是大问题。神经网络并不擅长学习新的信息，或者忘掉旧的信息。

从另一个角度来看，现在的大语言模型和transformer会犯很多错误，在从0 - 95%的层面，它们有非常大的飞跃，但不是100%准确的。要达到99.999999%是非常痛苦的。

所以我们并不认为单一一个方案就能解决问题，我们认为它可以作为系统当中的一个重要组件，所以在我们的系统中，也有着类似的技术。

端到端的解决方案优势是什么？它们能理解道路上发生的大部分场景。比如通常，两辆车不会撞在一起，当你观察

这些系统的感知结果，它们永远不会显示车辆碰撞的情况。通常情况下，车轮在下，车顶在上，不会倒过来，但也有例外。

端到端解决方案在处理非典型的情况时非常困难，但它们本身是很出色的，所以我想说的是，每种方法都有其优缺点。

智驾何时会变成关键的购车因素？

HiEV：我们与很多开发者交流，一些观点认为智能座舱正变得越来越有意思，因为当系统将驾驶员解放出来之后，他们会需要更多的应用和服务；而智能驾驶正变得无聊，因为核心的驱动方向是降本和工业化。你如何看待智驾后续的技术发展？

Shai：现在确实有一些把智能座舱和高级驾驶辅助系统结合起来的趋势，但我不认为这是一个好的方向。这种结合会产生很多复杂的问题。

我认为应该把和安全相关的系统和非安全的要素分离开，这样会给大家更大的灵活性，你可以独立选择改变智能座舱，或是对其他系统做出修改。所以，舱驾分离开的方式，比融合更实用。

我认为目前还没有明确的答案，告诉大家智驾未来的发展方向是怎样的，如何通过提供更多的功能，或者降低价格，我们可能会选择两者兼顾。

所有这些的讨论都是基于我们在谈论类似于SuperVision的系统，我认为Chauffeur可能是改变游戏规则的方案。当系统演进到可脱手可脱眼时，情况就完全不同。竞争的焦点不是关注价格和功能，而是节省用户的时间，等于用户花钱把时间买回来，这将是一种全新的玩法。

一旦这样的系统交付，无论是OEM还是车主，我们会看到市场会有很大变化。如果只停留在理论层面，用户会觉得它这是个很酷的功能，但当它成为有实际作用的功能，你可能就会意识到：我可以一边开车一边工作，也可以一边开车一边看电视或者是电影，这是完全不同的。

HiEV：您如何看到智驾未来的定价模式？如果从BOM上来看，它的占比可能不到5%，但如果能收取订阅费，情况就完全不同，可以达到20%甚至更多。

Shai：是的，随着汽车变得越来越智能，智驾将会成为汽车中占比很高的一个部分。

如果不同汽车的智驾差异，能影响决定用户购买哪款汽车。

现在人们更看重安全性，但是少量用户会根据智驾来选择车型，现在这还只是消费者购买决策中很小的一部分。

但到某一天，你可能会突然发现，购买某款智驾能力比较强的汽车，会节省很多时间，比如80%在路上的时间，而其他的汽车根本不能做到这一点，这会在消费者中产生非常大的影响，因为时间也可以反过来换成金钱。