1900
作者｜劉佳藝
在今年 CES 這屆全球科技春晚上，AI 成了重頭戲。
單看智駕領(lǐng)域，又在上演新的算力、端到端、生成式 AI 等技術(shù)神話。
如果站在 L2+這個(gè)節(jié)點(diǎn)往回看，技術(shù)主義的確突破了瓶頸期，讓智駕成為一件確定的事。
但如果看向未來，單靠技術(shù)主義還不能回答好「完全無人駕駛」這個(gè)時(shí)代命題。
今天智駕每上一個(gè)臺(tái)階，規(guī)?；⒂纳虡I(yè)阻力就加倍增長。所以陷入技術(shù)狂歡的市場(chǎng)，終歸需要一種理性主義的聲音來拆解問題。
Mobileye 擔(dān)任了這個(gè)角色，其創(chuàng)始人 Amnon Shashua 教授在今年 CES 的演講中，指出了評(píng)判自動(dòng)駕駛模型的兩大維度：
一是精確率，也指代安全性，關(guān)乎 MTBF（平均故障間隔時(shí)間），相當(dāng)于接管率。
二是召回率，也指可用性，關(guān)乎智駕設(shè)定運(yùn)行條件、地域可擴(kuò)展性、成本三大指標(biāo)。
簡(jiǎn)單來說，要實(shí)現(xiàn)完全無人駕駛，這個(gè)智駕系統(tǒng)一邊需要保證低接管率，一邊需要支持低成本、大范圍地快速落地。
在這個(gè)坐標(biāo)軸內(nèi)的兩側(cè)，一邊是因激光雷達(dá)等昂貴傳感硬件及高精地圖導(dǎo)致成本高企，進(jìn)而追求精確度但暫舍召回率；另一邊則是追求高召回率但精確度尚未達(dá)到脫眼級(jí)別的技術(shù)路線。
按照 Mobileye 的發(fā)展軌跡，基于其復(fù)合人工智能系統(tǒng)，已經(jīng)延展出了 SuperVision（可脫手）、Chauffeur（可脫眼）、Drive（無人駕駛）的高階智駕方案，在 Mobileye 的方法論下，這是一個(gè)能夠持續(xù)遞進(jìn)，并成功打開最終章節(jié)的過程。
Mobileye 自然具備話語權(quán)，這家擁有 20 余年的經(jīng)驗(yàn)，積累了大量的「know-how」的智駕供應(yīng)商，從基礎(chǔ) ADAS 到 L2 直至 L5，從芯片、感知硬件到軟硬一體，憑借涵蓋各級(jí)智駕應(yīng)用的解決方案始終活躍于市場(chǎng)。
截至 2024 年三季度末，全球范圍內(nèi)搭載 Mobileye 技術(shù)的車輛來到了 1.9 億。
如果把產(chǎn)品、技術(shù)、商業(yè)光環(huán)聚集一體，Mobileye 其實(shí)找不到相同維度對(duì)壘的對(duì)手，它在一個(gè)新圖層內(nèi)。
正如這幾年 Shashua 教授延續(xù)的演講主題：「Mobileye: Now. Next. Beyond.」。
Mobileye 一直在超越自我，目標(biāo)是到達(dá)完全無人駕駛的最終形態(tài)，而這個(gè)過程中，它的解題思路有別于多數(shù)玩家，這可能是一種更為立體、辯證、理性的聲音。
01、「唯端到端論」忽視了什么？
行業(yè)對(duì)于端到端技術(shù)路徑的注解，大多都指向了自動(dòng)駕駛最終章。
但這不意味著，只靠端到端，就能解決完全無人駕駛這個(gè)終極命題。
現(xiàn)在再回顧一遍端到端的定義：
通過 AI 大模型，打通感知、預(yù)測(cè)、規(guī)劃、控制全流程，輸入數(shù)據(jù)就可以得到最終結(jié)果。
這種數(shù)據(jù)驅(qū)動(dòng)的方式，站在了規(guī)則驅(qū)動(dòng)的對(duì)立面。系統(tǒng)如何應(yīng)對(duì)極端情況，不再是通過工程師手動(dòng)敲代碼，而是 AI 系統(tǒng)通過觀察、判斷、總結(jié)，學(xué)會(huì)類人駕駛行為。
技術(shù)理論可行，但落地存在不少 Bug。
因?yàn)閷W(xué)習(xí)需要正確干預(yù)，如果完全靠自我領(lǐng)悟，那難免會(huì)犯一些原則性錯(cuò)誤。
一個(gè)形象案例是，系統(tǒng)是否可以辨別「罕見但正確」與「常見但錯(cuò)誤」。比如大量視頻數(shù)據(jù)中，人類司機(jī)超速、壓線、加塞插隊(duì)甚至闖紅燈的不文明駕駛行為。
答案是否定的。Mobileye 表示，系統(tǒng)會(huì)從概率角度評(píng)判，偏向于選擇錯(cuò)誤答案。
另外一點(diǎn)是，僅靠無監(jiān)督數(shù)據(jù)訓(xùn)練，端到端方案的準(zhǔn)確率可以從 0 快速推進(jìn)到 95%，但無法達(dá)到 100%。
因?yàn)橄到y(tǒng)會(huì)犯很多匪夷所思的毛病，比如不會(huì)總結(jié)公式、不會(huì)應(yīng)對(duì)罕見的長尾問題等。
但這不是在做題，而是在駕駛汽車，95% 的準(zhǔn)確率不足以承擔(dān)起安全風(fēng)險(xiǎn)。
于是規(guī)則干預(yù)成為了一道必要的安全閥。
Mobileye 在復(fù)合人工智能系統(tǒng)中，給端到端系統(tǒng)注入了抽象概念，即提供行為規(guī)范守則。
比如 RSS（責(zé)任敏感安全）模型，它的本質(zhì)是一套數(shù)學(xué)模型，即將人類安全駕駛理念，比如規(guī)范變道、與前車保持安全距離、避免發(fā)生事故等，轉(zhuǎn)化為數(shù)學(xué)公式與計(jì)算方法，然后對(duì)系統(tǒng)決策結(jié)果進(jìn)行審查，結(jié)果安全才可以執(zhí)行。
值得一提的是，Mobileye 在注入抽象概念時(shí)強(qiáng)調(diào)了「適量」，即如何讓 AI 系統(tǒng)正確地理解豐富的物理世界，站在機(jī)器學(xué)習(xí)的角度，需要找到一個(gè)「偏差-方差」的權(quán)衡點(diǎn)，簡(jiǎn)單概括下：
偏差指過度干預(yù)，相當(dāng)于規(guī)則輸入太多了使得系統(tǒng)混亂容易出錯(cuò)；
方差則是干預(yù)得不夠，一些極端情況沒有被囊括進(jìn)來，同樣會(huì)產(chǎn)生安全風(fēng)險(xiǎn)。
Mobileye 這種嚴(yán)謹(jǐn)?shù)乃季S模式在智駕系統(tǒng)上貫穿始終，它一直嘗試從科學(xué)、全面的角度剖析自動(dòng)駕駛背后盤根錯(cuò)節(jié)的復(fù)雜性。
這點(diǎn)在 Mobileye 獨(dú)創(chuàng)的 PGF（Primary-Guardian-Fallback）高階融合模型上也能體現(xiàn)。
對(duì)于 Mobileye 而言，端到端留下的可解釋性問題并非無解，它選擇建立一個(gè)可分解系統(tǒng)，在錯(cuò)誤出現(xiàn)時(shí)可以直達(dá)「病癥」部位。
具體而言，利用所有傳感器對(duì)系統(tǒng)進(jìn)行可分解訓(xùn)練，構(gòu)建出三個(gè)子系統(tǒng)：
「Primary」主系統(tǒng)：用于預(yù)測(cè)
「Fallback」備用系統(tǒng)：基于不同方法就同一情形做預(yù)測(cè)
「Guardian」監(jiān)護(hù)系統(tǒng)：使用第三種方法來驗(yàn)證 Primary 主系統(tǒng)的預(yù)測(cè)是否正確，如正確則按此執(zhí)行；否則采用 Fallback 備用系統(tǒng)的預(yù)測(cè)結(jié)果。
這種方式適用于非二元情況，即子系統(tǒng)之間并沒有出現(xiàn)「少數(shù)服從多數(shù)」的情況時(shí)，需要有子系統(tǒng)跳出來，代表更高層級(jí)擔(dān)任審查角色。
具體應(yīng)用場(chǎng)景為，三個(gè)系統(tǒng)各司其職，比如系統(tǒng)判斷前方應(yīng)該左轉(zhuǎn)、右轉(zhuǎn)還是直行時(shí)，若主系統(tǒng)選擇直行，監(jiān)護(hù)系統(tǒng)判斷其正確則直行，若不正確則采用備用系統(tǒng)的選擇。
相當(dāng)于在系統(tǒng)決策基礎(chǔ)上增加了一個(gè)「把關(guān)人」，并且準(zhǔn)備好了「Plan B」，即當(dāng) 3 個(gè)系統(tǒng)中有 2 個(gè)同時(shí)出現(xiàn)故障時(shí)，才會(huì)導(dǎo)致整個(gè)系統(tǒng)失效。由此通過協(xié)同作業(yè)方式，總體誤差可以降至最低。
02、高 TOPS 不是唯一的解法
智駕領(lǐng)域有一條定律名為 Scaling Law，指模型性能會(huì)隨著數(shù)據(jù)集規(guī)模、模型參數(shù)量和計(jì)算能力的增加而不斷提升。
由此，它指引了多數(shù)玩家都按照大算力、大參數(shù)、大數(shù)據(jù)的方向前行。
但 Scaling Law 的背面，是推理成本也在隨著模型規(guī)模呈指數(shù)級(jí)增長，這并不利于商業(yè)落地。
尤其是算力，端到端大浪拍過來，對(duì)于算力的需求一下子來到了千卡、萬卡數(shù)量級(jí)，這是一個(gè)巨大的成本投入。
并且這個(gè)成本，并不一定與價(jià)值對(duì)等。
百度集團(tuán)副總裁侯震宇曾直言，當(dāng)使用超過 1000 張、5000 張、10000 張卡時(shí)，單一任務(wù)跑集群會(huì)有大量故障。
許多供應(yīng)商能搭建 2000、3000 張卡的集群，但能跑起來就很困難，跑不起來就是資源浪費(fèi)。
行業(yè)對(duì)于算力的大力崇拜，讓一些問題隱藏在深水區(qū)。
一是用 TOPS 作為算力計(jì)算指標(biāo)的局限性。
TOPS 即每秒萬億次操作，當(dāng)下被視為衡量算力的常見指標(biāo)，尤其是對(duì)于智駕芯片而言，已經(jīng)從上百卷到了上千 TOPS。
但由于 TOPS 僅關(guān)注運(yùn)算次數(shù)，并不區(qū)分邏輯運(yùn)算、浮點(diǎn)運(yùn)算等計(jì)算類型，其實(shí)并不能體現(xiàn)芯片在特定計(jì)算類型上的能力。
并且運(yùn)算次數(shù)的統(tǒng)計(jì)方式，忽視了運(yùn)算的精度，將復(fù)雜運(yùn)算與簡(jiǎn)單運(yùn)算按次數(shù)劃等號(hào)。
Mobileye 做了個(gè)形象比喻，TOPS 就像通過員工人數(shù)來衡量公司質(zhì)量一樣，并不能代表什么。
這種單一的衡量維度，在反應(yīng)芯片實(shí)際性能上存在偏差。
對(duì)此，Mobileye 提出了一個(gè)新指標(biāo)——FPS（Frames per second），即每秒能處理的畫面幀數(shù)。
這是一個(gè)更貼合自動(dòng)駕駛領(lǐng)域的指標(biāo)，因?yàn)樽詣?dòng)駕駛在訓(xùn)練大模型時(shí)就是在投喂海量的視頻圖像數(shù)據(jù)，而 FPS 正體現(xiàn)了芯片處理圖像、視頻幀的速度，同時(shí)，畫面處理速度流暢，也間接反映了芯片系統(tǒng)的整體協(xié)同能力。
二是高效才是芯片性能的直觀體現(xiàn)。
高算力并不是高效運(yùn)算的唯一解法，與其花費(fèi)大成本拉高算力，不如直接從結(jié)果回溯，思考如何高效利用算力。
尤其在數(shù)據(jù)處理過程中，各類傳感器輸入的海量數(shù)據(jù)源源不斷，從感知層到?jīng)Q策層的數(shù)據(jù)處理呈指數(shù)級(jí)增長，關(guān)鍵在于如何快速消化這些數(shù)據(jù)。
Mobileye 提出了「合理分工」的解題思路，其在芯片設(shè)計(jì)上采用了完全異構(gòu)的計(jì)算架構(gòu)。
這種架構(gòu)的優(yōu)勢(shì)在于調(diào)度資源，對(duì)于卷積網(wǎng)絡(luò)、Transformer 等不同計(jì)算場(chǎng)景，分配對(duì)應(yīng)的運(yùn)算任務(wù)，進(jìn)而提升整體運(yùn)算效率。
可以理解為，在芯片上建立了一座高效運(yùn)轉(zhuǎn)的數(shù)字工廠，調(diào)度系統(tǒng)會(huì)按照生產(chǎn)計(jì)劃和訂單要求安排分工與協(xié)作任務(wù)。
由于可以動(dòng)態(tài)分配，這套異構(gòu)計(jì)算架構(gòu)也能帶來低功耗、可擴(kuò)展性強(qiáng)、降低維護(hù)成本的優(yōu)勢(shì)。
典型案例是 Mobileye EyeQ 系列芯片，EyeQ5H 的算力為 16TOPS，最大功耗僅為 27 瓦，目前已在極氪 001 和 009、極星 4、沃爾沃等車型上落地。
從實(shí)際表現(xiàn)上看，兩顆 EyeQ5H 支持的 SuperVision 方案，算力 32TOPS，已經(jīng)能夠支持 L2+級(jí)智駕，與其它搭載 500TOPS，甚至 1000TOPS 的智駕方案水平對(duì)齊。
并且，相較于高 TOPS 下產(chǎn)生的上百瓦功耗，兩顆 EyeQ5H 芯片產(chǎn)生的功耗僅有 54 瓦。
而 Mobileye 在此基礎(chǔ)上升級(jí)的 EyeQ6H 芯片能力再度進(jìn)階，單顆算力為 34TOPS，相比 EyeQ5H 提升了約 2 倍，而 FPS 卻飆升了 10 倍。
與此同時(shí)，功耗僅比 EyeQ5H 增加了 25%。
這意味著，它能夠處理更復(fù)雜的視覺處理任務(wù)，支撐更高階的智駕能力。
目前，EyeQ6H 已經(jīng)應(yīng)用于 SuperVision、Chauffeur 以及 Drive 高階智駕方案，相當(dāng)于支持 L2+、L3，甚至 L4 級(jí)智駕，預(yù)期今年即將開始量產(chǎn)。
值得一提的是，Mobileye 并未停下腳步，其更具競(jìng)爭(zhēng)力的芯片——EyeQ7H 已經(jīng)在開發(fā)中，其制程僅為 5nm，算力為 67TOPS，最大功耗僅為 60 瓦，預(yù)計(jì)在 2027 年開始量產(chǎn)。
03、自動(dòng)駕駛是一個(gè)商業(yè)命題
回歸到安全性與可用性的坐標(biāo)系中，可以看到，圍繞著復(fù)合智能人工系統(tǒng)這張核心底牌，Mobileye 通過嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)計(jì)算將智駕系統(tǒng)誤差降至最小，從而支持自動(dòng)駕駛邁向「可脫手」、「可脫眼」甚至無人化階段。
與此同時(shí)，Mobileye 也在積極思考另一個(gè)核心命題，即技術(shù)如何從一個(gè) Demo 版本走向大規(guī)模落地。
它沒有忽略任何一個(gè)關(guān)鍵因素，包括成本、地域可擴(kuò)展性、系統(tǒng)運(yùn)行條件等，這種周密式考量貫穿了 Mobileye 軟硬一體式的產(chǎn)品組合。
一個(gè)重要案例是 EyeQ 系列芯片，兼具低成本與高性能的優(yōu)勢(shì)，能夠快速上車高階智駕方案。
另一個(gè)是成像雷達(dá)，相比傳統(tǒng)雷達(dá)它具備更精準(zhǔn)的物理探測(cè)能力與高分辨率，可以在復(fù)雜場(chǎng)景中識(shí)別出各類障礙物，除了常規(guī)的人、自行車等，還能識(shí)別到橋下的靜止車輛。
并且，它具備長距離探測(cè)能力，可以探測(cè)到 240 米內(nèi)的可能性危險(xiǎn)，即便是在車輛高速行駛狀態(tài)下，也不會(huì)影響到探測(cè)精度。
這種探測(cè)能力可以獨(dú)立于攝像頭、激光雷達(dá)，基于「真正冗余」的架構(gòu)，成像雷達(dá)在其它傳感器失效時(shí)，依然可以單獨(dú)扛起感知任務(wù)，保證智駕系統(tǒng)的可靠性。
成像雷達(dá)的設(shè)計(jì)其實(shí)是為高階智駕方案的過渡、落地搭建了一座梯子。
這里面包含了「模塊化」的巧思。
所謂模塊化，是指智駕系統(tǒng)像是「搭積木」一般，從系統(tǒng)中提取一些模塊就可以構(gòu)建一套低成本的智駕方案，若是想要走向更高階智駕層級(jí)，只需要增加積木，比如加上額外的成像雷達(dá)。
顯然，這種方式相比「把積木推倒重來」要更為快捷方便，并且不用耗費(fèi)太大成本。
當(dāng)然，Mobileye 對(duì)于無人化落地的另一層信心其實(shí)也來源于工程化經(jīng)驗(yàn)。
除了 ADAS 方案合作了比亞迪、奇瑞、長城、大眾、福特等國內(nèi)外多款車型，高階智駕方案也已經(jīng)拿下多個(gè)定點(diǎn)。
比如搭載 EyeQ5H 的 SuperVision 方案已經(jīng)在極氪、極星部分車型上落地，最新數(shù)據(jù)是，搭載了 SuperVision 方案的極氪 001、極氪 009 車型數(shù)量來到了 24 萬臺(tái)。
而更新到 EyeQ6H 的 SuperVision 方案也與保時(shí)捷、奧迪、賓利、蘭博基尼旗下 17 款車型達(dá)成定點(diǎn)合作。
值得一提的是，這些豪華品牌的部分車型也選擇了更高階的 Chauffeur 方案，支持可脫手、脫眼的高階智駕。
以及在 L4 領(lǐng)域，大眾、Schaeffler、Benteler、Verne 等汽車集團(tuán)也與 Mobileye 在 Drive 平臺(tái)上共同開發(fā)無人駕駛出租車。
而說到 Mobileye 于全球范圍內(nèi)廣泛的客戶群體和部署經(jīng)驗(yàn)，以及在安全合規(guī)方面的突出優(yōu)勢(shì)，對(duì)于中國車企全球化出海的進(jìn)程，也能夠發(fā)揮獨(dú)特的助力優(yōu)勢(shì)。
在 CES 演講結(jié)尾，Amnon Shashua 教授表示，按照規(guī)劃，至 2027 年，Mobileye 將通過 Chauffeur、Drive 方案，為實(shí)現(xiàn)自動(dòng)駕駛革命鋪平道路。
對(duì)于 Mobileye 而言，這是一個(gè)充滿確定性的任務(wù)。
作為自動(dòng)駕駛供應(yīng)商，Mobileye 一向具備很強(qiáng)的目標(biāo)導(dǎo)向思維，它將從技術(shù)到商業(yè)上的每一個(gè)戰(zhàn)略要點(diǎn)思考得非常清晰，并重視戰(zhàn)略確定后的每一次精準(zhǔn)執(zhí)行。
