真心话大冒险！关于自动驾驶的现状和未来，Mobileye的回答是？

过去的十年，可以说是从主动安全、辅助驾驶到自动驾驶快速演进的周期。这其中，无论是技术迭代，还是成本优化，以及技术和商业化路线的争论，备受行业关注。

同时，市场上的声音，也很多。有激进、谨慎、保守甚至是悲观。尤其是新技术的导入，加上车企的乐观宣传，也带来杂音不断。

本周，在美国CES展期间，Mobileye总裁兼首席执行官Amnon Shashua教授连续第十年在现场发布企业年度回顾和行业展望报告。今年的主题是：Now. Next. Beyond.

在Amnon Shashua看来，过去十年间，这个行业发生了翻天覆地的变化，接下来的十年也将如此。其中，“可脱手可脱眼”以及无人驾驶两个演进里程碑将是最大的行业焦点。

按照该公司的计划，上述里程碑的落地时间点预计在2025-2026年。从目前预期的成本来看，ADAS前视一体方案的平均价格约为50美元，NOA约为 1,500美元， L3级自动驾驶约为3000美元，L4级则高达50,000美元。

而在整体的业务布局来看，Mobileye的目标非常明确：实现端到端，从整合芯片、传感器、软件（包括域控制器）、REM（数据众包），构建自动驾驶系统的关键技术和产品矩阵。

在具体落地方面，Amnon Shashua着重提出了两个问题。

第一个问题，是如何让“可脱手可脱眼”的智能驾驶系统达到足够的平均故障间隔时间（MTBF）要求，衡量指标就是两次接管间隔的时间，应该比人类驾驶员的表现要好得多才行。

按照一些公开统计数据显示，人类驾驶员每行驶50万英里或5万小时就会发生一次碰撞事故。这意味着，智驾系统需要超过这个水准。

第二个问题，是如何实现规模化。

在Amnon Shashua看来，任何一家企业要生存，做大做强，都必须实现规模化量产交付。但行业的现状是，不同的品牌、车型有不同的市场定位，这意味着，对于系统的要求也存在差异化。

同时，越来越多的车企，寻求自研或者自主可控，并且智驾系统需要有品牌标签。这些都是阻碍供应商实现规模化交付的主要障碍。

在高工智能汽车研究院看来，这也导致过去几年，从早期的黑盒交付，市场开始转向更多的白盒交付。但，取得阶段性成功的案例，往往需要车企在研发上要进行更大的投入。

一些行业人士甚至表示，很多车企并没有认真考虑过「投入产出」问题，很多时候连续数年养活数百人团队的费用，早就可以收购一家外部的第三方供应商。

而在Amnon Shashua看来，车企从头开始搭建智驾平台，风险非常高。“我们看到，许多汽车制造商都经历了这一过程，但成功率有限。”

对于Mobileye来说，就是要寻找一个平衡点，在这个平衡点上，主机厂和供应商可以同时实现规模化和对驾驶体验的有效控制，和自研系统一样。

为此，Mobileye推出了Mobileye's DXP平台，包括操作系统、工具链和抽象，允许主机厂对系统中的每个独特元素进行重新编码和控制。

在谈及近年来技术端的快速变革，Amnon Shashua也有着自己的独特看法。在过去两三年里，人工智能取得了突破性进展。ChatGPT、Transformer、BEV等等，几乎无人不晓。

而端到端的自动驾驶解决方案，也让「感知决策一体化模型」成为不少车企和自动驾驶公司追逐的技术制高点。

在Amnon Shashua看来，端到端方案目前主要分为两种，一种是感知的端到端，决策和控制则使用单独的软件堆栈和模型；另一种，就是完全的端到端，就是所谓的感知决策一体化。

对于完全端到端系统，问题在于缺乏透明度；谁也不知道，系统在做决策时，到底在做什么。其次，你无法控制系统的输出；而最关键的是，这样的系统，即便达到99.9%的准确率，但依然会犯错。

按照Mobileye的策略，该公司后续将把重点放在端到端感知，并提出了五个基础指标：多摄像头(Multi-Camera)、多帧(Multi-Frame)、多个目标物(Multi-Objects)、多尺度(Multi-Scale)、以及多车道(Multi-Lane)。

目前，该公司已经推出了名为：Top View Net的BEV模型，基于4个环视摄像头，实现10-15米左右的360度环境感知。此外，还可以扩展至5V（前向摄像头+环视）5R+，充分利用泊车环视感知能力。

不过，对于继续增加硬件数量，Mobileye持保留态度，原因是算力负荷。（或许，这也是为什么，之前行业内有人吐槽，不少企业的BEV是假的；即便真正落地了，也是进行了大量的裁剪。）

按照该公司的测算，在车身周围形成200米的360度感知能力（256通道、足够的分辨率，以及稠密计算），需要NVIDIA H100加速卡这样的硬件来进行处理。

显然，这在目前的前装量产方案中，是不可行的。这也是为什么之前有芯片厂商提出，短期内，最合理的方式是在云端进行训练和预测加速。（事实上，这也是特斯拉采取的FSD+Dojo架构）

数据显示，当前端侧硬件性能提升放缓，每年只有1.1倍左右，五年期望的10倍提升实际只有2倍，十年期望的100倍提升只有4倍。相比而言，云端加速，可能是应对性能瓶颈的重要解决方案。

这也是为什么，此前英伟达给出的解决方案是，与云服务合作伙伴一起，为车企和自动驾驶企业，提供端到端的全栈式AI加速计算解决方案。