在剛剛結束的2025 CES上，Mobileye是展臺最大、關注度最高的智能駕駛公司，在其重點展示Mobileye SuperVision、Chauffeur和 Drive三大核心智駕平臺的同時，還帶來了一顆4D成像雷達和最新一代面向完全無人駕駛的EyeQ6H芯片。

      Mobileye規劃了清晰的技術路線圖，再次展示了作為全球自動駕駛領域領軍企業的勃勃雄心：只有通過高精確度、高召回率和低成本的技術創新，才能真正實現出行領域的革新，邁向一個更加智能、更安全和更高效的未來。

     2025年的CES，復合人工智能系統（Compound AI System，簡稱CAIS）、高效芯片、成像雷達是Mobileye展臺的關鍵詞。

01.

基于雙路徑的最新智駕產品規劃

      從目前Mobileye在自動駕駛領域的布局來看，其產品版圖覆蓋從ADAS到高階智駕再到完全自動駕駛的所有級別，包括標準ADAS、云增強ADAS、SuperVision、Chauffeur以及Drive。

      其中，SuperVision、Chauffeur和 Drive是驅動Mobileye全自動駕駛愿景落地的三大核心智駕平臺。SuperVision作為Mobileye最先進的輔助駕駛系統之一，已經在極氪、極星等品牌的車型上實現量產，能夠提供“可脫手（Hands-off）”的駕駛體驗，也就是國內常說的NOA。

      而Chauffeur則通過激光雷達和4D成像雷達的融合，在特定運行設計域（ODD）內，實現 “可脫手（Hands-off）” 同時“可脫眼（Eyes-off）”的駕駛功能，預計將在2年內正式搭載于量產車型。                SuperVision系統與Chauffeur系統的同時推進，打造出了Mobileye不同于其他玩家的獨有智能駕駛路線——雙路徑策略。

      從不同智能駕駛路線中，能看出邏輯差異化。

      Waymo走的是以高精確度為核心，采用重地圖和區域限制的方式，擴展性較弱，成本高昂的路線；特斯拉則是以快速迭代和提升召回率為主，精確度仍需進一步提高，路徑從以“低精確度高召回”逐步過渡到“高精確度”。

      而Mobileye一方面通過第二代SuperVision系統同步提升精確度（安全性）和召回率（可用性）；另一方面通過Chauffeur系統追求極致的精確度，先將ODD限制在高速，而后逐步擴展可用性。

      這種方式既保證了技術的先進性，又兼顧了商業上的可行性和適應性。 

      此外，Mobileye的Drive系統瞄準了無人駕駛出租車和物流配送領域，展示了Mobileye在完全自動駕駛技術上的雄心。 

      Mobileye的4D成像雷達和EyeQ芯片也是展臺的一大焦點。

      其中，4D成像雷達對Mobileye實現真正冗余意義重大，而EyeQ系列芯片則以其高效的計算能力和低能耗設計為自動駕駛系統提供了強大的硬件支持。

      Mobileye基于視覺感知的復合人工智能系統技術路線對更多傳感器的采用持開放態度，不僅內部在開發成像雷達，還在“可脫眼”系統中集成了一個前向激光雷達。攝像頭和雷達的成本都相對較低，“可脫眼"系統配置的一個前向激光雷達的成本也很低，只需幾百美元。

      EyeQ芯片獨特之處在于芯片設計，采用了完全異構的計算架構。

      這種架構的精妙之處在于，它能夠根據卷積、Transformer 等不同神經網絡以及視覺運算的多樣化計算場景，將適合的運算任務精準地分配到與之適配的核上進行處理。

      這么一來，在處理高清圖像和復雜的深度學習算法時，相比上一代 EyeQ5H 芯片，EyeQ6H兩倍的性能提升的同時，FPS（每秒能夠處理的畫面幀數）指標卻提升了十倍。      這意味EyeQ6H 芯片在實際運行過程中能夠更快速、流暢地處理大量的圖像數據和復雜的計算任務。

02.

端到端是Mobileye復合人工智能系統中重要的一部分

      熟悉Mobileye的人都知道，它可以算是中外新勢力發展智能駕駛的一位啟蒙恩師。在特斯拉和小鵬第一代車型推出L2之際，其智駕系統采用的都是Mobileye芯片和視覺算法方案。

      但令外界有所不知的是，Mobileye實際上很早就看到了當下火熱的端到端的潛力，在其大規模流行之前，就開始研究其在智駕領域的應用，也有積極采用端到端。

      早在2016年，Mobileye創始人、總裁兼首席執行官Amnon Shashua教授和Mobileye首席技術官Shai Shalev-Shwartz教授就發表了一篇闡釋端到端系統的論文。

      Mobileye對端到端系統的看法一針見血：認為端到端應作為智駕子系統之一提供冗余，而非獨立運行。這是因為端到端系統存在一些固有的局限性，如難以處理系統內部錯誤、對無監督數據的依賴性，以及在實際駕駛中可能表現出的不符合交通規則的行為。

      這種嚴謹的態度也是為何它布局端到端相較行業其他玩家更為穩重的原因。

      如果僅依賴無監督數據，不引入抽象概念，不考慮長尾問題，而只是單純地向系統提供更多數據，那么是否能夠實現平均故障間隔時間的目標確實是一個值得探討的問題。

      為此，Mobileye 在其2024年Driving AI Day大會上介紹了基于視覺感知的復合人工智能系統技術路線，挑戰大算力下的端到端大模型智能駕駛。

      這套CAIS的核心在于，能夠處理來自多種傳感器（如攝像頭、雷達、激光雷達等）的多模態數據，并結合專有的軟件棧和高效的芯片，確保智能駕駛功能的高度安全可靠。與此同時，其可控的成本以及靈活的可擴展性，也是推動智駕乃至全自動駕駛大規模落地的重要因素。

      簡而言之，這就是Shashua教授在演講中提到的精確度和召回率兩個關鍵概念。在自動駕駛復雜的技術體系中，兩者分別支撐著系統的安全性與可用性。

      精確度，主要關乎自動駕駛系統的安全性能，以平均故障間隔時間（MTBF）作為重要衡量指標。它反映了系統在運行過程中保持穩定、避免故障或是事故發生的能力。一個高精確度的系統意味著在長時間的運行中，出現關鍵故障的頻率極低。      然而，Shashua 教授指出，設計一套足夠安全的自動駕駛系統，僅僅依靠提高MTBF 是遠遠不夠的，還需要有處理不合理風險（unseasonable risk）的能力。

      在現實場景中，即便碰到諸如嬰兒躺在路上這類不合理卻極度危險的狀況，自動駕駛系統也必須像人類駕駛員一樣迅速且正確地做出反應。

      此外，如果駕駛員在駕駛過程中存在酒駕、分心駕駛等行為，就會使得統計數據存在偏差。而自動駕駛系統則不存在這些問題。

      因此，直接拿兩者的MTBF進行對比是不合理的。也就是說針對自動駕駛系統，應該有更高的安全標準。

      而召回率則與系統的可用性緊密相連，其涵蓋了ODD、地理可擴展性和成本等多個關鍵維度。                Shashua 教授在演講中提到，ODD決定了系統所能適應的駕駛場景范圍，包括不同的天氣條件，各類道路類型，以及復雜多變的交通狀況。地理可擴展性體現了系統在新地理區域部署時的適應能力，若系統能夠在全球各地迅速投入使用，且無需進行大規模的重新校準工作，便能極大地提高其可用性。而成本因素，涵蓋了硬件采購、后續維護和系統升級等各個環節，較低的成本能夠使系統更易于普及，進而提升其在市場中的競爭力。例如，一輛能夠在各種環境下穩定運行且成本合理的自動駕駛汽車，其召回率必然處于較高水平。

       可以說，精確度和召回率之間存在著相互制約又相互促進的關系。

       在一定程度上，提高精確度可能需要增加系統的復雜性和成本，這可能會對召回率產生影響；反之，過度追求召回率而忽視精確度，可能會導致系統出現安全隱患。

       在自動駕駛技術的研發過程中，如何實現精確度和召回率的“雙高”，是所有企業面臨的關鍵挑戰之一。

       Mobileye在冗余系統設計方面的創新，可以說為整個自動駕駛行業的技術可靠性打開了一道可窺探的門。       在Mobileye提出的安全架構下，有四類錯誤需要規避和應對，即規劃類錯誤（planning），可復制型錯誤（reproducible errors），可識別型錯誤（identifiable errors），以及“黑天鵝”事件（black swans）。而冗余系統對于處理后兩類錯誤至關重要。

       Shashua 教授舉了一個硬件冗余的典型應用案例：Mobileye Chauffeur系統采用雙電路板設計，一個電路板配備2顆EyeQ6H芯片，另一個電路板配備1顆EyeQ6H芯片。兩個電路板互為冗余的設計，確保在一個電路板故障時，另一個仍能接管車輛控制，實現安全駕駛。

       Mobileye在CES上展示的一個案例是，通過11 個攝像頭（7 個長距攝像頭和 4 個泊車攝像頭）采集的像素信息輸入到Transformer，實現從圖像到控制指令輸出的端到端過程。       此外，在Vidar（視覺激光雷達）的案例中，從攝像頭這端輸入的信息，經由特殊AI模型的處理，可直接輸出類似激光雷達的 3D 感知結果。

       在實際駕駛中，比如在復雜的路口或有障礙物的場景下，僅依靠外觀圖像可能會誤判物體的距離和位置，但 Vidar 能提供準確的 3D 信息，與傳統的基于外觀的圖像查看方式形成冗余。

       從成本層面解讀，與那些依賴大量昂貴傳感設備和復雜架構的自動駕駛方案相比，Mobileye的復合人工智能系統的確實現了對成本的有效控制。

       這意味著，大規模量產可轉化為車企實打實的成本優勢競爭力。正如Mobileye愿景：使得更多的汽車制造商能夠在不同車型上采用自動駕駛技術，從而加速自動駕駛技術在市場上的普及速度。

       不斷演進的算法架構、從獨立模型過渡到難度大的多任務學習、從傳感器數據后融合到前融合，新一輪自動駕駛產業革命已經開啟，自動駕駛也正在從以技術競爭為主的上半場邁向商業化落地的下半場。Mobileye在與中國本土廠商一同經歷了上半場之后，在深度內卷的高階智駕大戰中也在調整著自己的節奏并通過技術創新實現成本優勢。

03.

寫到最后：中國車企需要怎樣的合作伙伴？

      在2024年的一場行業論壇上，Mobileye中國區董事總經理路以理(Elie Luskin)在回應智駕網的提問“為什么Mobileye SuperVision平臺選擇在中國首發”時表示，這當然是Mobileye對中國市場的看重，但更重要的是，如何以安全的智駕方案助力中國新能源汽車產業走出去。

       隨著中國市場從增量市場向存量市場的轉變，出海正為中國車企走出內卷的答案，中汽協數據顯示，2024年中國汽車出口585.9萬輛，同比增長19.3% 。

       伴隨而來的是智駕如何出海？如何應對國際市場動態及時局的不確定性？

       這些需求正賦予Mobileye與中國汽車制造商合作的新廣泛領域。