深扒Mobileye：与特斯拉分手，被英特尔收购，现在又成了蔚来的救星？

号称“中国特斯拉”的蔚来汽车在今年经历了至暗时刻。5月份以来，接连在上海、武汉、西安发生三起电池自燃事故，政府在新能源汽车领域撤资，国内大面积迎来资本寒冬...... 这一切，让蔚来在自动驾驶这个本来就烧钱迅速的产业里，现金流能不能熬过2019年都让人质疑。

但是11月4号（周一）下午蔚来股票突然大涨25%， 把一个对中国市场非常陌生的名字——Mobileye推到聚光灯下。蔚来在11月5日宣布了和Mobileye的合作，是其股价上涨的重要原因。

（蔚来股价变动，图片来源于网络，版权属于原作者）

Mobileye是谁？这个2016年与特斯拉“撕”过，2017年又被英特尔斥153亿美元巨资收购的公司，靠什么力量带给了蔚来一丝光明？下面就让小探带你“深扒”这家被称为“蔚来救星”的公司。

Mobileye成立于1999年。19年在视觉算法的默默深耕让它的高级驾驶辅助系统（ADAS）在国际市场早已享有盛名，它为5家Tier1的一级原材料供应厂商、超过25家OEM整车厂商提供芯片搭载系统和深度学习等算法，像奔驰、宝马、奥迪、沃尔沃等老牌巨头车厂都有搭载Mobileye的技术。

（图片来自Mobileye CES 2019报告）

特斯拉与 Mobileye的分合之争

Mobileye（以下简称“ME”）作为自动驾驶的后端技术提供方，一直深藏于幕后。它第一次被推向大众的视野还要回溯到2016年与特斯拉的纠纷。

2016年5月7日，一位叫Joshua Brown的车主驾驶着特斯拉Model S 行驶在佛罗里达州的公路上。他打开了Autopilot模式并在车内放着哈利波特，突然前方有一辆缓慢行驶的超长大卡车（车头+货柜）横向驶过，Model S毫无减速地直接从大货车车底穿过。Model S的A柱当场断裂，Joshua也因为分心去看哈利波特，没能及时插手做出反应而葬送了性命。

（ 图片来源于网络，版权属于原作者）

这也是特斯拉第一次发生重大致命事件，而当时的Autopilot搭载的就是ME的芯片和算法。因为这件事，双方的利益瞬间被拉扯到了对立面。

特斯拉坚称，是ME的自动驾驶算法不够硬核，只能识别前向平行汽车的车尾，像横向出现的大卡车就没有办法识别。当时因为强烈的阳光，算法也没能识别出天空。正常情况下，在摄像头没有成功检测到前方的车辆时，还会有不靠图像识别、成本更高的radar可以去捕捉，但是因为大货车底盘过高，而特斯拉装载的雷达过低，导致radar也失效了。

而另一方的ME则认为，是特斯拉一直在过度宣传特斯拉自动驾驶的能力，导致了车主们过分依赖特斯拉的自动驾驶技术，没能有出现突发紧急情况时需要自己插手的意识。

其实特斯拉和ME的发展理念一直不同，特斯拉身上贴着的是新兴科技公司大胆、创新、前沿的标签，而ME则一直是处于缓慢地默默无闻地深耕状态，ME更看重的是技术的安全、品牌的可靠性，它更愿意投入额外的资金和时间（redundancy）去达到产品安全可靠的品牌形象，而特斯拉则追求用最低的成本去创造最前沿的技术，实现弯道超车。

总体来讲，ME跟传统车厂的理念是一致的，所以ME和只占它利润1%的特斯拉分道扬镳了。

（图片来源于网络，版权属于原作者）

英特尔为何选择与Mobileye“联姻”

2017年3月，英特尔用153亿美元高价收购了Mobileye。背后的原因是出于英特尔的战略考虑。其作为PC端的老牌通用芯片制造商，也想在自动驾驶领域分到一块蛋糕。但是在自动驾驶这样需要特定芯片的领域，相比于NVIDIA的人工智能技术，Intel的通用技术就略显逊色。

但是，这次收购也饱受诟病，很多人都觉得此次Intel买ME的计算机视觉识别技术买贵了，在视觉识别方面很多人认为还是NVDIA的硬件更领先。

那么，到底Mobileye的技术如何呢？

Mobileye的芯片和算法在自动驾驶领域已经是龙头老大的地位，它的芯片以EyeQ系列命名。ME的芯片之所以能够被众多老牌大车企看中，一个重要原因是EyeQ系列的芯片都是车规级的。能达到车规级别的芯片，在当车内发热温度过高、或者温度骤减、又或车身剧烈震动时都能保持稳定的正常额性能。而目前搭载在Tesla Autopilot上，产自Nvidia的DrivePX2，以及搭载在奥迪上、同样来自Nvidia的TK1都不是车规级别的芯片。

从ME发的未来技术设想demo可以看到EyeQ5包括CPU，视觉处理器（CVP），深度学习加速器（DLA），多线程加速器（MA）。从下面的图可以看到两个主要组成部分是CPU和CVP。

其中CVP是ME的核心卖点算法，有自己的ASIC电路来达到低功耗高效率。这也是车厂和Tier1的供应商完全看不见的秘密黑盒。从ME深度学习加速器的小比例可以看到，其芯片还是以视觉处理为主，深度学习只是辅助。

（图片来自Mobileye CES 2019报告）

而NVIDIA的芯片Xavier占最大面积的是GPU以及CPU。GPU是用来辅助运行深度学习的，所以，Xavier更多是以深度学习为主、计算机视觉为辅的。

（图片来源于网络，版权属于原作者）

类似地，Tesla的FSD芯片几乎全部基于深度学习网络，传统的计算机视觉几乎没有；并且为了避免有非深度学习以外的大规模计算，Tesla完全去掉了激光雷达和HD地图。

（图片来源于网络，版权属于原作者）

因此，特斯拉和ME在芯片技术上完全发展成了两个极端。

在收集地图数据和定位方式上，各公司也纷纷站队、兵分两派。以谷歌为首的科技公司阵营是先通过自产的车辆在路上跑，来收集高清、高精度的3D街景地图，然后依靠低分辨率的传感器（如激光雷达）在一部分地区实现高度的自动驾驶功能。

而以传统车厂为主的另一派，则是先通过大规模的传统车收集低精度的导航地图，然后搭载高精度的传感器在绝大部分地区实现较低级的自动驾驶功能。这个方法更像是在模拟人类开车，基于普通地图，模拟人类的感知来做出判断和决策。

这两种方式都面临挑战。

对于谷歌这一派的公司来说，要收集到高精度的地图并且实时地更新，数据量十分地巨大，收集数据的过程会非常地费时费钱。一旦某个道路发生了变化，更新地图会非常地困难，如果一个地方没有地图就无法操作了。

而对于传统车厂来说，技术难点在于地图精度不如谷歌的高，并需要建立出非常复杂的AI算法系统来实现快速、实时的道路分析。

面对这些挑战，ME提出了自己的解决方案，推出了能够搜集数据、压缩数据并定位车辆的REM系统，来同时解决这两个阵营面临的技术问题。

REM分为3层。第一层是通过装载前置摄像头的装置（未来，200万辆合作车厂像奔驰、大众的车辆未来也会参与到该过程）去路跑以后收集大量的道路形状、静止的物体等等数据，然后对数据进行实时的地理分析、对各种文字标记进行语义分析等等，然后将这些数据压缩成非常感人地小的包（10KB/1km）。

（图片来自Mobileye CES 2019报告）

第二层是云服务器，它能够让这些持续输入的数据包兼容整合在一起，形成高精度的地图叫“Roadbook”。第三层是车身自己的定位，自动驾驶的车辆想要使用这样的地图就需要让自己先进入到地图中，并且被定位在地图上，而ME的软件能够自动通过实时识别地标来定位车辆。

简单来说，REM就是搭载摄像头、搭配深度学习、AI来建立占内存小但精度高的地图。

（图片来自Mobileye CES 2019报告）

未来的REM不仅会用于自动驾驶技术，还可服务于普通的公共交通系统，如帮助公交车识别每个公交车站等车的人流量有多大，以此更好地规划公共交通。

REM也可用于智慧城市的项目。例如，ME已和英国政府达成合作，通过收集道路信息来帮助政府定位并更好地管理维护公共设施像电话亭、路灯、下水道口等，让这些公共设施都能够在地图上展示出来。

目前ME已经和3个政府机构签订了合约，其交通辅助技术将会大规模运用于欧美多国。在国内，地图更多地是受军方控制，所以ME的REM技术要想打入国内市场还依然道路漫漫、困难重重。

蔚来和Mobileye结盟的未来在何方？

蔚来今年大规模血亏4.65亿美元，由于电池问题召回4803辆ER8汽车，并且难逃大规模裁员的命运。

虽然第三季度，蔚来量产了4196辆ER6，完成了第三季度的交付目标，但是截止2019年9月份，蔚来今年的总交付只有12341辆，相比于李斌为2019年定下的4-5万辆汽车还只是冰山一角。

（图片来源于蔚来官网，版权属于原作者）

在业界一向傲娇的ME此次和蔚来的联合，暂时给蔚来带来了一丝寒冬里的温暖。但是蔚来如今的资本已被迅速烧光，手上的现金流连熬过2019年都显得战战巍巍，未来是否能够转运，还是得依靠持续的资本注入以及技术的大幅提高。

业界的其他领军企业，如特斯拉立下了2020年实现自动驾驶上路的豪言。保守一点的福特、沃尔沃、奔驰等的预期时间也只是晚了1年，计划在2021年实现。但是不管是传统大牌OEM，还是新生代特斯拉，Waymo等，在当下都只能默默承受着谁资金充足谁才能熬到最后的痛苦，L4是否能技术落地还是个看不见的黑洞。

（图片来源于网络，版权属于原作者）

当然蔚来和ME的合作也为ME打开了中国市场，但是相比于NVIDIA的更硬核的硬件技术，ME的硬件就显得落后了，很多人对ME在技术上帮助蔚来也没有太高期待。

那么，对于这次合作对蔚来L4的落地你是怎么看的呢？欢迎大家留言讨论！

参考资料:

https://www.mobileye.com/our-technology/rem/

https://autoweek.com/article/autonomous-cars/heres-how-2-million-cars-will-map-roads-autonomous-vehicles

https://zhuanlan.zhihu.com/p/64383604

https://www.vox.com/2016/7/26/12285930/tesla-mobileye-self-driving-cars

https://emerj.com/ai-adoption-timelines/self-driving-car-timeline-themselves-top-11-automakers/