虞正华|独家|中国厂商拿下自动驾驶大量订单，看AI如何造就汽车“大脑”？ |姚颂|泊车|赛灵

_本文原题：独家|中国厂商拿下自动驾驶大量订单，看AI如何造就汽车“大脑”？
电子发烧友网原创（文/张慧娟）中国的自动驾驶市场以开放、多元的特征，吸引了互联网巨头、传统OEM整车厂以及无数中小创企纷纷参与进来。走过了最初一轮创业热潮，在资本寒冬及全球汽车销量大规模下滑的情况，早期进入的一批创业公司生存现状如何？面向未来还有多少信心，如何走出低迷的市场迷雾？
日前，中国自动驾驶早期创业企业之一、嵌入式人工智能自动驾驶公司魔视智能（Motovis）宣布完成A2轮融资，融资金额1亿元人民币，投资者来自盛世金濠、睿鲸资本和博信基金。
魔视智能被称为“嵌入式人工智能自动驾驶赋能者” ，成立短短五年，已经在前装乘用车、前装商用车和后装市场，在手订单已经超过10万套，并规划在未来3年实现装车100万台（套）的目标。
魔视智能何以在当前的市场环境中逆势而上？如何达到这样的商用规模？其产品和技术有何独到之处？在中国自动驾驶这个大赛道，又有哪些新的机遇和挑战？带着这些疑问， <电子发烧友>独家专访了魔视智能创始人虞正华博士， Xilinx（赛灵思）人工智能业务高级总监姚颂，尝试从自动驾驶行业本身、人工智能的赋能作用及作为核心处理器的汽车芯片平台三大角度，解读自动驾驶企业如何借助AI逆势突围，推动中国自动驾驶和智能驾驶的商用进程。
中国发展自动驾驶的机遇和挑战
“自动驾驶在国内外已经经历了最初一轮创业热潮，当前的最大挑战就是如何落实到具体的商业化路径” ，魔视智能创始人虞正华博士认为， “真正实现自动驾驶商业化，还需要很多探索，目前趋同的认知，是从一些特定的场景和应用开始逐步实现商业化。这样的路径首先比较现实，其次在这个过程中既能实现商业价值又能验证产品。 ”

本文插图
魔视智能创始人虞正华博士
与全球趋势相比，中国发展自动驾驶有什么特点？虞正华指出，中国的特点首先在于对自动驾驶的认同度高，从政府、车厂到企业、民众，对新兴事物持开放和支持的态度。第二，中国的工况和路况比较复杂，给自动驾驶带来很多技术挑战，这也是中国和全球相比更加困难的地方。第三，中国拥有丰富的自动驾驶场景，有非常强的应用需求，从落地角度来说这是鲜明的优势。
Xilinx（赛灵思）人工智能业务高级总监姚颂也赞同这些观点，他认为中国发展自动驾驶确实有很多优势，不论是政策，还是大家对于新科技的接受度、准入周期等，具体特点主要体现在以下三方面：第一是大家对新科技勇于尝试，态度比较开放，这一点也可以从中国政府开放很多区域进行自动驾驶测试并积极推动立法可以看出。第二是效率较高，从测试到进入前装的周期相对于海外企业更短。第三，虽然具备以上优势，但是国内t ier1企业相对较少，这是我们面临的现实，很多车企还是需要从博世或者其他欧美的tier1 公司采购，所以一方面要和国内的tier1 企业共同把市场做起来，另一方面也需要能够拓展欧美的客户。

本文插图
Xilinx（赛灵思）人工智能业务高级总监姚颂
基于深度学习的ADAS量产路径
在手订单超过10万套，这在自动驾驶领域是一个什么样的概念？虞正华表示，自动驾驶创业公司确实很多，但进入量产的并不多，包括来势汹汹的国际竞争对手， 10万套是头部企业才有可能达到的规模。那么，魔视智能取得当前成果的核心优势是什么？
虞正华告诉<电子发烧友>，在产品定位方面，魔视智能希望成为“自动驾驶的大脑” 。 “ 自动驾驶最核心的是汽车的智能感知、决策、执行能力，而ADAS就是汽车的‘大脑’，当传感器收集到外部信号后， ‘大脑’要快速进行相应运算，决断并给出指令” ，虞正华说， “魔视智能在做的就是研发‘大脑’的工作。 ”分页标题
魔视智能通过将优化的人工智能计算引擎运行在业经验证的高性能、低功耗、可扩展嵌入式处理器上，使用单目或多目摄像头，结合多传感器融合，可实现准确实时的环境感知和车体定位系统。并在此基础上整合路径规划和整车控制技术，提供包括自动泊车、代客泊车、AEB和TJP在内的多种自动驾驶系统。
目前，魔视智能基于深度学习的车规级ADAS产品已经迭代了三代。第一代产品在今天看来是相对简单的深度学习模型，但是到了第二代，开始构建面向自动驾驶的通用AI引擎。这就像通用处理器，从系统设计角度来看，通用的AI引擎才能适应未来算法的不断演变和迭代需求。
而第三代已经开始面向L3级域控制器开发，可以支持8Mpix及精度更高的检测效果、更广的视场角。魔视智能还特别开发了一套工具链来实现新的算法迭代，基于赛灵思的自适应计算可扩展异构计算处理器架构，以FPGA SoC作为主要计算平台、MCU满足功能安全的要求。

本文插图
图：魔视智能技术规划概况
选择ADAS芯片平台的五大要素
硬件平台方面，魔视智能采用的是FPGA SoC（赛灵思Zynq SoC/MPSoC系列）。算法和FPGA平台的有效结合，让魔视智能拥有了灵活性、性能功耗及成本比例优势。不过一般来讲， FPGA的开发门槛让一些公司望尘莫及，魔视智能选择FPGA方案的理由是什么？
虞正华指出， FPGA 的实现确实需要团队对算法本身和FPGA 都有很强的基础，而且需要算法团队和FPGA 团队之间的密切配合，从开发角度把算法通过硬件的描述语言来实现。魔视智能不仅拥有一批软硬件人才，而且在开发的过程中，赛灵思中国以及全球技术与应用团队也提供了鼎力支持。
最初在选择平台时，魔视智能几乎考察了所有可能的平台，包括FPGA 、ARM 平台、CPU 、GPU 等，综合考虑以下因素，最终选择了FPGA ：
第一是算力， FPGA 可以提供深度学习算法所需要的高算力。现存的一些量产项目使用的是传统芯片，但实际效果不太好，检出率甚至低到50%的情况都会出现，采用FPGA ，同等检出率可以从50% 提到95%。
第二是成本优势， FPGA与其他芯片平台相比，特别是比CPU 性价比高很多，这对量产是很重要的因素。
第三是集成度，现在的FPGA已经不是过去只有逻辑单元的FPGA ，它本身也是SoC ，有很高的集成度，包括逻辑单元、ARM 内核、GPU 和硬件的编解码技术。
第四是灵活性，从硬件设计角度，有灵活应变的可编程逻辑单元，可以根据应用场景实现不同的功能。与传统SoC处理器相比，它的可扩展性给方案带来了灵活性，可在客户需求变化、标准变化的时候，在不更换芯片的情况下满足终端客户升级换代的需求。
第五是安全性， FPGA的架构决定了大部分系统是用硬件化的逻辑单元实现的，这种方式很可靠，同时芯片本身也遵循了汽车行业规范所做的设计，经过了严格的汽车安全功能认证，在安全方面也有充分保障。
虞正华认为，赛灵思FPGA的芯片迭代与其未来的发展规划高度吻合。目前，魔视智能已经推出基于赛灵思汽车级异构计算平台Zynq UltraScale+ MPSoC的自适应前装量产自动泊车系统。这一芯片平台作为一款异构多核的处理器平台，已经超越了传统的FPGA产品。而下一代自适应异构计算平台Versal ACAP，拥有多个对应不同计算功能的可编程内核，这一平台更多面向未来的L3/L4 ，能够提供更强的算力以及更高集成度的SoC ，以这样的芯片为基础打造未来的域控制器，在算力、功能、成本上都能够保持非常高的竞争力。
姚颂表示，赛灵思在积极推广基于FPGA 和ACAP 的自动驾驶与辅助驾驶平台，优势有三：一是赛灵思在车规级芯片设计领域有很深的积累、芯片质量可靠，可以满足用户对于可靠性的要求；二是可编程平台可以优化特定指标，比如针对性优化计算延迟，这点对于自动驾驶非常重要；三是赛灵思的产品线覆盖全面，从最小的芯片到极强算力的芯片，可以使用同一套设计、裁剪到不同尺寸，适配于不同的产品线，覆盖L0 到L3 不同场景。不过，基于FPGA 和ACAP 的方案对于技术公司的要求相对较高，相对于纯软件开发的方案成本也较高，赛灵思在努力帮助企业降低开发门槛和开发成本。分页标题
L4自主泊车场景将率先爆发
受益于各国自动驾驶相关的政策推动、研发技术的持续突破以及全球车企智能车型的逐步落地，行业发展前景日渐清晰，市场空间潜力巨大。根据通用汽车的预测，自动驾驶汽车行业规模有望在未来触达8万亿美元。据IHS Markit预测，到2040年，在美国、中国和欧洲市场的自动驾驶汽车年销量将突破2740万辆。
在这个万亿级别的超大赛道，蕴含着无数机遇。近期自主泊车领域事件密集发布， 5 月7 日，中国汽车工程学会就《自主代客泊车系统总体技术要求》CSAE 标准征求意见；特斯拉4 月宣称，将在今年晚些时候推出用于自主泊车的“反向智能召唤功能”；小鹏汽车P7 强调对自主泊车系统持续的研发投入;德赛西威自主泊车系统已在奇瑞星途等车型上量产。这是否意味着自主泊车这个子场景，将会率先爆发？从自动泊车到自主泊车又面临哪些挑战？
虞正华表示，自主泊车确实越来越受重视，不止是国内，也包括国外。从类似反向召唤功能到完全自主泊车，可以演变出很多功能，这种持续迭代对消费者很有吸引力。他认为，自主泊车会是L4级别能够最早实现大规模量产落地的应用场景。
不过从自动泊车到自主泊车，仍存在几大挑战：首先自动泊车是近距离的，人在车内或者车附近，人必须通过钥匙或者某种方式表明人在控制车，人虽然不需要真正控制方向盘，但可以在紧急情况下让车停下；但L4层级人和车分离，自主泊车时没有了人的干预，所以最大的挑战首先是安全性，如何保障车是安全的，不会对外界造成伤害，这是巨大的挑战。
第二，自主泊车需要地图的配置，因为不是近距离的停车场，需要地图解决定位问题，技术上涉及到地图和定位算法，这是新的需求。
第三，从最终落地来说，自主泊车其实是需要一个生态系统的，涉及到停车场的运营商、地图供应商、车厂、自动驾驶公司等，大家构建完整的生态一起推动。在生态的打造方面是一大挑战。
从魔视智能的情况来说， L4级主要是低速AVP的场景，未来可能需要更多的技术验证，在高速场景下验证L4技术，这是需要进一步完善的。此外，在高速场景涉及到跟路测的协同，这个也是结合新基建的布局，在路测方面，看起来中国会比其他国家做更多的事情，但车和路到底怎么协同还是有很多的未知，这个也是需要进一步探索的地方。
“下一步最主要的方向，是构建面向L3/L4自动驾驶的域控制器 ” ，虞正华表示， “这个控制器集成的内容会越来越多，所支持的功能也会越来越丰富。我们的目标是做自动驾驶的大脑，域控制器就是这个大脑最终承载的方式和承载的平台，这涉及到整体的硬件/软件架构设计、中间件、功能划分以及如何实现功能安全的要求等。 “

本文插图
真正的无人驾驶至少还需十年以上
自动驾驶头部企业已经在推进2024年在部分城市实现部分道路、部分车辆的无人驾驶。我们对真正的无人驾驶可以有哪些期待？距离真正的无人驾驶，还有多远的路？
姚颂认为，实现完全的自动驾驶，需要两个必要条件（但不是充分条件）：第一，我们之所以能够有非常方便的高德之类的导航软件，是因为我们有积累的全球的路网数据，并且能够实时更新路况。对于自动驾驶也一样，我们需要积累全球的（或者允许完全自动驾驶区域内的）高清地图数据，并且做到快速更新。
第二，单纯视觉一定是不够的，自动驾驶需要比人类更多的数据获取，所以廉价的激光雷达必不可少，甚至需要能够同时测距和测相对速度的FMCW激光雷达。
【虞正华|独家|中国厂商拿下自动驾驶大量订单，看AI如何造就汽车“大脑”？】分页标题目前看来，我们离这两个必要条件还有不止五年的差距，所以真正的无人驾驶可能还在十年以后。但是对于特定区域、特定行业，是可以做到满足这两个条件的：因为一定区域内的高清地图数据可以更容易获取、更新更快，对于营运类车辆，较贵的激光雷达也可以忍受。所以2024年前，可能见到一些特定区域的营运类车辆的自动驾驶。
对于这个时间节点，虞正华持有同样观点，完全开放道路并且以商业化运营的方式实现，还需要大量的技术验证包括法律法规的配合，至少还需要差不多十年时间。
自动驾驶初创企业如何构筑护城河？
业内的人深知，自动驾驶技术从研发到量产是一个需要投入大量精力、厚积薄发的艰难过程。拥有视觉感知、定位算法及嵌入式芯片平台团队，魔视智能为什么在众多的落地场景中选择自动驾驶这个赛道？
虞正华认为，以感知技术为基础进入自动驾驶赛道非常有意义，一方面感知技术是自动驾驶的核心技术，没有感知一切都无从谈起。反过来说，如果感知够好，决策也会简单很多。因此从自动驾驶技术的起源和未来发展来看，感知技术无疑都是未来的主要方向。
另一方面，自动驾驶具有巨大的社会效益和经济效益，可以改善传统交通系统中如拥堵、事故等问题，经济效益方面最突出的表现就是自动驾驶出租车，可以大幅降低人力成本，大幅提升车辆运营效率。
姚颂补充，自动驾驶行业虽然进入难度较大、周期较长，但好处也是显而易见的：首先存量市场可以预期，不像机器人行业一直处于增量市场的早期阶段，现有的量不大、未来的量不好预计。
其次，如果能够进入到前装量产阶段，被替代的可能性较小，可以实现较长时间稳定的高毛利。所以对于有产品与技术能力，也有资金保障长周期发展的创业公司来说，自动驾驶是一个不错的赛道。
据了解，魔视智能正在通过全栈式的布局，构筑企业的护城河。
首先从L0-L4 ，魔视智能已经形成了全栈式的产品布局。包括已经量产或在定点开发中的产品，可实现的功能包括前视预警（比如行人防撞、车辆防撞、车道偏离预警），以及其他预警功能（包括驾驶员行为监控DMS、盲区检测BSD）。一直到L2自动紧急刹车AEB或LPA 车道保持LKA等功能，还有视觉和超声融合的泊车APA ，自主代客泊车AVP等。
另一方面，全栈式布局还体现在对三大主要市场的覆盖，前装乘用车、前装商用车及后装三大产品线积累了头部客户，和国产自主乘用品牌前10大车厂中的9家锚定了深入紧密的合作关系，和领先的商用车厂及超一线大都市的公交集团均已启动合作落地。
此外，在技术路径上，无论是软硬一体的系统还是单独提供软件，还是以软件授权的方式提供IP 。 “ 做自动驾驶的赋能者” ，虞正华表示， “这是魔视智能希望未来在整个自动驾驶行业所期望扮演的角色。 ”
最后，作为锚定于基于深度学习进行商业落地的AI创业公司，魔视智能通过算力、算法、数据齐头并进。在坚持汽车级嵌入式芯片平台路线的同时，在感知算法领域已经走在行业前沿，充分发挥了FPGA 特性进行DNN 深度卷积神经网络的加速和算法的快速迭代。数据方面，建立起了一套以数据预处理为核心的完善有效的数据作业体系。目前魔视智能ADAS产品已经在全国30 个省采集视频测试，测试总里程超过10,000,000公里。

本文插图
“自动驾驶本质是一场长跑，考验的是企业的耐力，需要各方面都很强” ，虞正华表示， “这样一个模式带来的好处是，通过多年的积累，能够在算力算法数据上形成有效的闭环，积累得越多，整个系统的性能就会越来越好，迭代的速度也会越来越快。 ” 分页标题
本轮融资后，魔视智能将打造快速批量复制的能力，将过去已经积累丰富经验的成熟产品进行大规模快速批量复制。随着L3/L4进入规模量产阶段，自动驾驶竞争再临尖峰时刻。
声明：本文由电子发烧原创，如需转载和入群交流，请添加微信elecfans999 ，投稿爆料采访需求，请发邮箱huangjingjing@elecfans.com