Mobileye到底有多牛？

众所周知，目前在车载ADAS和自动驾驶领域，最好的量产视觉和图像处理芯片和算法是EyeQ系列芯片，来自于Mobileye（现属于Intel旗下），那Mobileye牛在哪里？又是如何做到的呢？

其实，Mobileye创立于1999年，距今21年，创始人是以色列希伯来大学教授Amnon Shashua和他的商界朋友Ziv Aviram（听起来，这个和国内的大学教授在外面搞公司不是一样的套路吗？但人家玩的飞起）。原来这个Amnon教授可不简单，我在网上搜到了他的一个“简历”。

Amnon Shashua is a computer science professor at the Hebrew University in Jerusalem as well as co-founder and CTO of Mobileye (NYSE:MBLY) and co-founder of OrCam. Shashua received his B.Sc in mathematics and computer science from Tel-Aviv University in 1985 and his M.Sc in computer science in 1989 from the Weizmann Institute of Scienceunder the supervision of Shimon Ullman. His Ph.D in brain and cognitive sciences was received from the Massachusetts Institute of Technology (MIT), while working at the Artificial Intelligence Laboratory, in 1993; and his postdoctoral training under Tomaso Poggio at the center for biological and computational learning at MIT.

英文不好或者不愿意读，看最后3个字母就行了，人家博士和博士后研究毕业于MIT（中文：麻省理工，人类目前计算机视觉识别和算法的最高学术殿堂。那个著名的SOHU CEO张总也毕业于此）。对这个说法有疑问的，可以从QS世界计算机学科排名佐证下。

这个可是权威排名 （不过话说，TOP3的区别不大，在其他排名里可能会互换位置），为什么人工智能的TOP3是这几所学校，点个在看，后续文章会单独介绍

而且Amnon的另一个博士导师Eric Grimson，后来还成为了MIT的副校长，说明他的导师不是一般的牛。Amnon的硕士是在Shimon Ullman指导下毕业的。Mobileye的故事就是在Shimon Ullman这里开始的。Amnon在大学期间读了Shimon一篇关于计算机视觉的论文，里面有一个核心观点“人的视网膜与计算机十分相似”，也就是说人的眼睛能够计算，比如识别物体的大小，形状和距离，包括颜色。特别是人的眼睛在闭上一只的时候，还是能够计算距离（这为后来Mobileye坚持单目视觉开发ADAS给出了技术渊源；当然，做AV就需要多摄像头融合）。这也是他从特拉维夫大学毕业后，来到魏茨曼科学研究院跟随Shimon读研的主要原因。硕士毕业后，他就去了上图中的MIT的人工智能实验室攻读人脑和认知科学博士学位，并继续在MIT的Tomaso Poggio教授和Eric Grimson教授的指导下做生物与计算机学习方面的博士后研究工作。从这里可以看出，Amnon是妥妥的毕生所学用在了自己后续的创业上。但1996从MIT回国后，Amnon先去希伯来大学教书育人，并没有直接想过创业发财（估计也想，但那个时机未到）。那么担任希伯来大学教授的Amnon博士是如何遇到创业的转折点呢？

II 创立和发展

1998年，在希伯来大学任教的Amnon教授去日本做了一次演讲，分享他的计算机视觉方面的演讲，其中他透露的一个关键信息被丰田的工程师团队瞄上了：可以用一个单目摄像头探测物体，并给出距离（视觉深度）。此时的丰田已经在研究借助计算机立体视觉来进行驾驶辅助。但他们的认知是最好使用立体视觉，而Amnon教授的单目观点让他们非常感兴趣。但此时的Amnon教授还不能用实物和测试结果证明自己的单目视觉观点。好在意外的是丰田愿意提供一笔10万美金的资金来资助Amnon教授的研究，并让他做出能商业化的产品来（丰田是贵人啊。但截止目前，丰田旗下的Denso还是在采用Toshiba的Visconti系列SoC, 丰田关联的斯巴鲁采用的是Hatachi的双目视觉方案。丰田虽然资助了Amnon教授的研究，但很晚才采用Mobileye EyeQ做量产车）。

Amnon教授拿了这笔资金继续回去做研究，并找来学生和一些工程师开始做产品，做项目。很快，他和团队开发的原型机就拿到日本去展示验证：单目视觉可以判断物体的距离。而这之后不久，Amnon教授还得到消息通用汽车正在寻求一种能够进行车道偏离警告的方案并正在招标。此时的汽车业，包括几个月前的丰田，都觉得识别车辆和行人很难，而Amnon教授向通用的高层表示能够解决这些问题，并得到了对方的认可。对方给了20万美金，作为项目开发的费用，用于开发以上功能的演示方案（通用，这第二个贵人哪）。

为了满足通用的要求，Amnon教授又叫上更多的学生和工程师来，此时的他已隐约感觉需要通过可行的商业模式来运行这个项目，之后他找来了自己的商界朋友Ziv Aviram，在1999年合作成立了Mobileye（汽车之眼）。于是乎，一个商界传奇开始了。

III 发展和成长

Mobileye成立后的几年，Amnon教授一直在做的是通过计算机算法来实现解析摄像头传来的图像信息，进行物体识别和检测，以及距离判断。到了2001年，他们的计算机图像处理和识别算法已经演进到第四代。此时距离互联网泡沫破灭不久，硅谷和各国做互联网和计算机行业的人才都遭遇了公司破产，离职的境遇。而这其中的2人，机缘巧合的加入了Mobileye，而他们都是芯片方面的专家。他们是谁呢？

一位是Mois Navon，这位芯片设计大牛，曾经供事与IBM,Cisco等公司(CEO Ziv为了挖来Mois,向他夸下海口，过几年，你就财务自由了。这个套路是不是也很熟悉？)。另一位是现任Mobileye的工程副总裁，Eichanan Rushinek，此人曾就职于Motorola以色列分公司，负责芯片设计。正是他们的加入，让Mobileye在2001年有了一个决定性的转折，把算法固化在芯片上（SoC-Software on a-Chip）。这也是EyeQ系列芯片的开端。

此后的2002-2003年，在时任CEO Ziv的努力下，公司相继融资了6000万美金，估值达到1.95亿美金，此时的员工大概70多人，并在2003年发布了EyeQ1，支持FCW, LDW, IHC等功能。2004年，EyeQ1（算力0.0044Tops）开始正式量产，但是从后装市场开始供货，后装的市场要求较低，门槛低；结合实际车辆应用，Mobileye不断升级迭代算法，优化功能。在2007年，高盛投资Mobileye 1.3亿美金，投后估值达到6亿美金。此时的Mibileye提出了“Our Vision， Your Safety”的口号，这个理念逐步的得到了OEM主机厂的认可。在这几年间，Mobileye先后和大陆，意法半导体，麦格纳，电装，德尔福签订了合作协议。在2007年，Mobileye首个量产项目在沃尔沃上实现，通过雷达和视觉融合进行。紧接着2008年Mobileye相继在宝马和通用的车型上实现了量产。

IV 质变

以上3家的量产只是Mobileye前装量产的开端，2010年发布的EyeQ2，正式提升了Mobileye在车载图像处理领域的口碑。借助算力0.026Tops的EyeQ2（相对EyeQ1提升6倍），Mobileye在业内首次实现了针对行人的AEB，此前的AEB功能主要通过单雷达方案实现，而雷达不能很好的识别行人；业内首次实现了单目配置（VO-Vision Only）下的FCW, 业内首次实现了单目配置下的ACC, TJA。截止到2012年，Mobileye的EyeQ系列芯片累计销售了100万颗。2013年当年实现了130万颗芯片的销售。到了2014年，Mobileye正式量产了EyeQ3（算力0.256Tops,提升10倍），借助EyeQ3，业内首次实现了单目配置下的AEB, 业内首次实现动物识别检测，业内首次交通信号灯识别，并能够实现本车路径规划，道路轮廓重建，以及本车悬挂调节辅助。这些当时很牛X的功能大部分用在了Tesla发布的2014版Model S(图片|配置|询价)上，此款Model S配备了首次发布的Autopilot 1.0，内置EyeQ3, 借助Tesla的高科技光环，Mobileye更多的被消费者了解到（虽然2年后，他们分手了，想知道分手的背景和原因，点个在看，后续单独写文章来介绍）。2014年全年的销量达到了270万颗。并顺利实现在纽约证券交易所的上市（IPO），公司市值达到80亿美金（高盛又赚大发了）。此时CEO Ziv向一众老员工吹的牛（财务自由）都TM实现了。

（果然，老外嘴里的“过两年”也不是730天，而是过几年的意思，跟咱国人的表述一个意思啊。Mois从2001年熬到2014年，总算财务自由了。）

IPO这天是8月1号，虽然是星期五，但是对于Mobileye来说，不是黑色的，而是多彩的。

V 逐步普及,领先对手

到了2015年，Mobileye全年销售了440万颗芯片，累计进行了25个客户项目，累计销售了1000万颗芯片（数学不好的同学，我已经帮你们计算过了，前面几年累加，确实没超过1000万颗，但是这个数字是动态变化的，他们报数据的那天说不定都增加了几十万颗）。此时，Mobileye在全球的市场份额已经超过70%，一骑绝尘。关键是2016年，Mobileye又扔出来一个硬货，REM(Road Experience Management,道路数据采集管理)，说白了就是借助已经在路上跑的车辆录数据，提取道路特征，并上传，用于Mobileye的高精地图绘制，而且这个是接近实时的高精地图。有人说，全球配备EyeQ芯片这么多车，每时每刻都在采集数据，数据量得多大啊，但Mobileye通过提取特征，做到每公里大概只占用10KB的存储空间。这年，Mobileye相继和宝马，英特尔达成了战略合作，计划2021年推出AV(Autonomous Vehicle-自动驾驶车辆），此时有亮点啊？Intel?（这不是为后来收购埋下了伏笔？）。接着又和Delphi(现在的APTIV)达成了战略合作。而此时全球已经累计有313个车型配备了EyeQ系列芯片，当年销售了600万颗芯片。MIT这次也锦上添花，将Mobileye评为当年全球最智能（Smartest）公司的第6名（校友经济在哪都有啊）。

2017年，Mobileye迎来另一大转折，公司同意了Intel的153亿美金收购要约（前面提到的那些财务自由的哥们，不光自己自由了，自己的子女们也提前预定了自由人生）。为此，Amnon教授专门对外界解释了同意被收购的原因：当我们谈论自动驾驶时，我们谈论的不是某个产品，而是整个行业。我们不是谈论计算机视觉、人工智能、芯片系统，而是基础设施、云计算、汽车厂商、监管部门、5G网络、数据中心。一个只有650名员工的公司怎么能凭一己之力做到这些？因此，Mobileye需要加入一家行业巨头，翻开新的篇章。其实，我们缺的不是钱，而是资源，包括人力资源、基础设施资源等。我们需要与相关监管部门协商，但是以Mobileye的规模，我们只能与以色列国内的监管部门协商，而不能与其他国家监管部门协商。但以英特尔的规模，它能和全球范围内的监管部门协商。英特尔有一个部门专门致力于自动驾驶，他们在理念上与我们达成共识，因此我们选择加入。与此同时，英特尔的以色列分部有将近1万名员工，它在以色列的布局很大。这也是英特尔吸引我们的原因。

划重点，公司如果只做ADAS，我们的产品和公司有足够的能力和资金去推动；但如果要实现自动驾驶，要整合的不光是行业资源，还有监管（政府），基础设施等，而这些是Intel拥有或者更

借助此次收购，Mobileye的公司愿景也改变为：Sensing the future。这个格局一下子就从提升车辆驾驶安全性（our vision，you safety）,变成为人类的未来服务。看来Amnon教授的人脑和认知科学学位真的是读明白了，为了更大更高层次的理想和目标，就要整合或者融入更坚实的资源体系中去。大写的佩服。一如前面几年，2017年的销量继续爬山坡，全年卖了870万颗芯片。此时的BOSCH, 大陆等对手估计已经哭晕在厕所（怎么我们没去收购Mobileye呢？下手晚啦）。

VI 业内共识, EyeQ是最好的图像处理芯片

时间到了2018年，踩着前面20年的阶梯，Mobileye已经来到了自身发展的又一个高峰，它正式量产EyeQ4，这代EyeQ带有DNN,深度神经网络学习能力（简单来说，就是类似于人脑，能够识别新的物体）。采用28nm FD-SOI制程（看起来制程工艺不是很先进，但是牛B的是算法和功耗低），算力达到2.5Tops，相较EyeQ3提升了10倍。此款芯片主要面向L2-L3阶段的驾驶辅助和半自动驾驶。凭借着EyeQ4, 可以使用单目摄像头实现原来主流的1R1V(雷达和摄像头融合)的L2 ADAS功能，极具性价比并大幅降低系统复杂程度。全年Mobileye卖了1240万颗芯片，并获得了欧洲一家年产800万台车企的订单（猜猜是大众还是雷诺-日产？剩余的欧洲车厂都卖不到500万台/年）。自此，Moibileye在业内的口碑和认知基本固化下来：全世界最好的车规级图像处理芯片是EyeQ。它的护城河正式建成。

在ADAS阶段（L1-L2.5阶段）留给竞争对手的机会几乎没有了，它的市场份额基本达到了75-80%（全球范围内）。在中国，可能BOSCH还多一点，但也是因为Mobileye前面（2010-2018年）的EyeQ2和EyeQ3在国内推广的不够，合作伙伴不多，BOSCH沿袭原来ESP和ABS等关联业务在国内形成的良好口碑以及打包销售策略，成功的获取了相较国际市场更多的份额。但自从Mobileye EyeQ4发布以后，并陆续在国内有了合作伙伴，比如2018年和知行科技（苏州）签订战略合作伙伴关系（知行已成为国内无雷达L2方案领导者），它在国内的覆盖率大幅度提升。

在如此强劲的发展势头下，2019年Mobileye在全球卖出了1740万颗芯片。扣除大概200万颗后装市场，Mobileye 在全球的ADAS市场的覆盖率达到80%。（不过从这里可以看出，参照全球19年汽车销量9030，全球ADAS渗透率也就不到20%，还有很大的发展空间啊）。遵从物理定律，一旦步入了加速阶段，发展的惯性一直都会驱动公司向前，更何况它还在中途不停的升级自己的发动机（公司战略和格局，技术创新和产品布局提升）。

截止2019年，Mobileye一共卖出了5400万颗芯片。看来势不可挡啊。

此时，Mobileye的公司战略已借着和Intel的战略融合提升为实现全自动驾驶并成为自动驾驶领域的领头羊。它的目标开始奔向L4-L5。他的业务战略从ADAS驾驶辅助的产品和方案，提升为面向自动驾驶和未来出

Mobileye的5个业务领域，包括大获成功的ADAS，逐步推进的REM,以及为智慧城市提供大数据服务，移动出行服务以及面向消费者的拥有全栈自动驾驶系统的AV(自动驾驶车辆)。这个在ADAS领域站稳脚跟的巨头，借着Intel和汽车行业合作伙伴的资源，开始了面向未来的科技创新，也真正践行着自己的Sensing the future誓言。

现在，Mobileye的布局不光有基于视觉识别算法的图像处理芯片，更是延伸出了Roadbook(路书)，以及接下来的全栈自动驾驶系统（这倒是和Waymo的路线非常不同，Waymo致力于开发单车自动驾驶机器人，一个可以媲美人类驾驶员的机器人-参见上一篇文章: Waymo, 到底在干啥？），和它比较相似的定位就是华为（参见上一篇文章：华为，从造车到造“好车”的转变）。

最近Mobileye发布了一个纯视觉方案的自动驾驶车辆路试视频。非常的震撼。

视频观看地址：

https://v.qq.com/x/page/m0979u3lpwz.html

这台车使用纯视觉方案，实现了在耶路撒冷公开道路上的160公里自动驾驶（此方案由2颗EyeQ5支撑8个远距摄像头，4个停车摄像头（实际只使用一个EyeQ5来处理图像）。他们为什么决定采用

VII 自动驾驶科技公司-Mobileye（an Intel company）

对于追求自动驾驶的规模化落地，Mobileye认为主要有3个障碍：成本降低到可接受水平（他们上面的这套纯视觉系统目标成本是降到5000美金以下），高精地图的普及（REM已经在路上跑了，而且是接近实时的高精地图），安全性（2017年，他们发布了RSS-Responsiblility Sensitive Safety责任敏感安全模型）,基于人类对于安全驾驶的理念和事故责任的划分转化成为数学模型和决策控制的参考参数。2019年，电气电子工程师学会(IEEE)已批准了有关自动车辆决策模型(IEEE 2846)的提案，该提案有Intel的一位高管领导，基于RSS来制定。2019年百度联合宝马等11家车企联合发布的《自动驾驶，安全第一》白皮书SaFAD，也是基于RSS责任模型来定义安全驾驶行为。

RSS里的一个关键参数，dmin，控制合适的最小车距（通过2秒钟原则来确认:不管距离远近，预留2秒钟的反应时间而对应的距离）

选择纯视觉的方案，就是为了降低成本。但是Mobileye认为除了纯视觉的方案，在自动驾驶车辆上必须配备一个异构的冗余系统-融合雷达（毫米波）和激光雷达（2套系统相互校验环境模型，佐证驾驶决策和做出安全的驾驶行为）。而同时融合视觉，雷达和激光雷达的传感器配置非常的复杂（系统内的感知太多了），自动驾驶车辆需要的是系统之间的冗余。

有了能规模化量产的自动驾驶车辆，结合自有的高精地图，云和大数据，出行服务（最近，Mobileye刚刚宣布收购了Moovit，一家向消费者提供出行规划服务的初创企业，也是以色列的），Moibleye俨然要成为自动驾驶界（L3-L5）的领头羊（不过还有Waymo, 华为，Tesla等），你是否继续看好它呢？

结语

纵观Mobileye的发展历史，它走对了哪些路？逐步发展成ADAS领域的霸主，又极为可能成为AD领域的领头羊？

坚持：1999-2007创业8年未实现前装量产，一直在迭代更新，而且通过在后装市场，门槛低的领域先行量产并优化产品和算法。

积累和迭代：The future needs a past（翻译成白话就是：人不能忘本，不能忘记你积累的优势是什么，利用优势才能更容易做成产品），Mobileye的创始人Amnon教授的专业就是做视觉识别和图像处理的，而且是坚定的模拟人的单眼识别原理来做视觉感知。在正式成立Mobileye之后，不停的更新产品，优化产品，并明确路线图。以此不断积

EyeQ6 都已经规划出来了，大概2023年上市，官网的路线图还没更新

做对战略抉择（这个只有事后诸葛亮了，当初抉择的时候，谁知道对还是错，好还是坏，不过依据基本盘来做抉择总归没错）：1.自研芯片，把算法固化在芯片上(SoC), 这里要说的是，Mobileye的创始人Amnon教授不愧是学习计算机图像识别和脑科学的优秀毕业生，算法好比是人类学习的某些技能，思路，做事技巧，而芯片就是大脑，或者说脑的前额。那些好的算法必须得在一个大脑里运行才可以，而且必须自己做这个大脑。2.把所有ADAS安全功能（AEB, ACC, LDW, FCW,...）集成在一个EyeQ里，这样力出一指，打造爆款（多合一嘛，加量不加价，OEM和Tier 1肯定喜欢）。产品经理们可以学习下这个思路哦，再说服你们的老板们（初创企业，资金和资源少，肯定要打造爆款啊）。3.不断的提升自己作为领导者的能力，而不是停止不前（除非你是可口可乐）。2016年发布的REM，为了绘制自由的高精地图,；2017年提出的RSS，为了建立行业规则；不断更新与合作伙伴的合作模式（Tier 1和OEM，甚至开始让蔚来为自己造可以进行出行服务的自动驾驶车辆Robotaxi）

断更新与合作伙伴的合作模式（Tier 1和OEM，甚至开始让蔚来为自己造可以进行出行服务的自动驾驶车辆Robotaxi）。

把握大势：顺着2001年的互联网泡沫破灭，低价收割了一帮大牛，弥补自身不足。顺着2012年后的人工智能的重新兴起，Mobileye在EyeQ4里加入了DNN（计算机神经网络算法）

越来越接近人类对环境的理解。DNN优化了环境模型（Environment Model）里的各物体种类和特征要素，让驾驶决策有了

越接近人类对环境的理解。DNN优化了环境模型（Environment Model）里的各物体种类和特征要素，让驾驶决策有了更好的依据。

还有一条：维持好现金流。从一开始Amnon教授找到商界朋友Ziv来合伙，到之后几年在他的帮助下, 公司相继融资了几千万美金，人员规模一直保持在很低的水平（增加进项，减少支出）。估值2亿的时候，才70多人。后来在2007年拉来高盛1.3亿美金融资，也是非常重要的一笔续命钱，否则怎么给沃尔沃，宝马，通用批量铺货（高盛这厮，眼光毒辣，出手精准，大写的FOLLOW.）

现在, as a reader to a doer，买一台有ADAS功能的车，或者买一个后装的有ADAS预警功能的产品，来逐步适应自动驾驶时代的到来吧。