中國的自動駕駛市場以開放、多元的特征，吸引了互聯網巨頭、傳統OEM整車廠以及無數中小創企紛紛參與進來。走過了最初一輪創業熱潮，在資本寒冬及全球汽車銷量大規模下滑的情況，早期進入的一批創業公司生存現狀如何？面向未來還有多少信心，如何走出低迷的市場迷霧？

日前，中國自動駕駛早期創業企業之一、嵌入式人工智能自動駕駛公司魔視智能（Motovis）宣布完成A2輪融資，融資金額1億元人民幣，投資者來自盛世金濠、睿鯨資本和博信基金。

魔視智能被稱為“嵌入式人工智能自動駕駛賦能者”，成立短短五年，已經在前裝乘用車、前裝商用車和后裝市場，在手訂單已經超過10萬套，并規劃在未來3年實現裝車100萬臺（套）的目標。

魔視智能何以在當前的市場環境中逆勢而上？如何達到這樣的商用規模？其產品和技術有何獨到之處？在中國自動駕駛這個大賽道，又有哪些新的機遇和挑戰？帶著這些疑問，<電子發燒友>獨家專訪了魔視智能創始人虞正華博士，Xilinx（賽靈思）人工智能業務高級總監姚頌，嘗試從自動駕駛行業本身、人工智能的賦能作用及作為核心處理器的汽車芯片平臺三大角度，解讀自動駕駛企業如何借助AI逆勢突圍，推動中國自動駕駛和智能駕駛的商用進程。

中國發展自動駕駛的機遇和挑戰

“自動駕駛在國內外已經經歷了最初一輪創業熱潮，當前的最大挑戰就是如何落實到具體的商業化路徑”，魔視智能創始人虞正華博士認為，“真正實現自動駕駛商業化，還需要很多探索，目前趨同的認知，是從一些特定的場景和應用開始逐步實現商業化。這樣的路徑首先比較現實，其次在這個過程中既能實現商業價值又能驗證產品。”

與全球趨勢相比，中國發展自動駕駛有什么特點？虞正華指出，中國的特點首先在于對自動駕駛的認同度高，從政府、車廠到企業、民眾，對新興事物持開放和支持的態度。第二，中國的工況和路況比較復雜，給自動駕駛帶來很多技術挑戰，這也是中國和全球相比更加困難的地方。第三，中國擁有豐富的自動駕駛場景，有非常強的應用需求，從落地角度來說這是鮮明的優勢。

Xilinx（賽靈思）人工智能業務高級總監姚頌也贊同這些觀點，他認為中國發展自動駕駛確實有很多優勢，不論是政策，還是大家對于新科技的接受度、準入周期等，具體特點主要體現在以下三方面：第一是大家對新科技勇于嘗試，態度比較開放，這一點也可以從中國政府開放很多區域進行自動駕駛測試并積極推動立法可以看出。第二是效率較高，從測試到進入前裝的周期相對于海外企業更短。第三，雖然具備以上優勢，但是國內tier1企業相對較少，這是我們面臨的現實，很多車企還是需要從博世或者其他歐美的tier1公司采購，所以一方面要和國內的tier1企業共同把市場做起來，另一方面也需要能夠拓展歐美的客戶。

基于深度學習的ADAS量產路徑

在手訂單超過10萬套，這在自動駕駛領域是一個什么樣的概念？虞正華表示，自動駕駛創業公司確實很多，但進入量產的并不多，包括來勢洶洶的國際競爭對手，10萬套是頭部企業才有可能達到的規模。那么，魔視智能取得當前成果的核心優勢是什么？

虞正華告訴<電子發燒友>，在產品定位方面，魔視智能希望成為“自動駕駛的大腦”。“自動駕駛最核心的是汽車的智能感知、決策、執行能力，而ADAS就是汽車的‘大腦’，當傳感器收集到外部信號后，‘大腦’要快速進行相應運算，決斷并給出指令”，虞正華說，“魔視智能在做的就是研發‘大腦’的工作。”

魔視智能通過將優化的人工智能計算引擎運行在業經驗證的高性能、低功耗、可擴展嵌入式處理器上，使用單目或多目攝像頭，結合多傳感器融合，可實現準確實時的環境感知和車體定位系統。并在此基礎上整合路徑規劃和整車控制技術，提供包括自動泊車、代客泊車、AEB和TJP在內的多種自動駕駛系統。

目前，魔視智能基于深度學習的車規級ADAS產品已經迭代了三代。第一代產品在今天看來是相對簡單的深度學習模型，但是到了第二代，開始構建面向自動駕駛的通用AI引擎。這就像通用處理器，從系統設計角度來看，通用的AI引擎才能適應未來算法的不斷演變和迭代需求。

而第三代已經開始面向L3級域控制器開發，可以支持8Mpix及精度更高的檢測效果、更廣的視場角。魔視智能還特別開發了一套工具鏈來實現新的算法迭代，基于賽靈思的自適應計算可擴展異構計算處理器架構，以FPGA SoC作為主要計算平臺、MCU滿足功能安全的要求。

選擇ADAS芯片平臺的五大要素

硬件平臺方面，魔視智能采用的是FPGA SoC（賽靈思Zynq SoC/MPSoC系列）。算法和FPGA平臺的有效結合，讓魔視智能擁有了靈活性、性能功耗及成本比例優勢。不過一般來講，FPGA的開發門檻讓一些公司望塵莫及，魔視智能選擇FPGA方案的理由是什么？

虞正華指出，FPGA的實現確實需要團隊對算法本身和FPGA都有很強的基礎，而且需要算法團隊和FPGA團隊之間的密切配合，從開發角度把算法通過硬件的描述語言來實現。魔視智能不僅擁有一批軟硬件人才，而且在開發的過程中，賽靈思中國以及全球技術與應用團隊也提供了鼎力支持。

最初在選擇平臺時，魔視智能幾乎考察了所有可能的平臺，包括FPGA、ARM平臺、CPU、GPU等，綜合考慮以下因素，最終選擇了FPGA：

第一是算力，FPGA可以提供深度學習算法所需要的高算力。現存的一些量產項目使用的是傳統芯片，但實際效果不太好，檢出率甚至低到50%的情況都會出現，采用FPGA，同等檢出率可以從50%提到95%。

第二是成本優勢，FPGA與其他芯片平臺相比，特別是比CPU性價比高很多，這對量產是很重要的因素。

第三是集成度，現在的FPGA已經不是過去只有邏輯單元的FPGA，它本身也是SoC，有很高的集成度，包括邏輯單元、ARM內核、GPU和硬件的編解碼技術。

第四是靈活性，從硬件設計角度，有靈活應變的可編程邏輯單元，可以根據應用場景實現不同的功能。與傳統SoC處理器相比，它的可擴展性給方案帶來了靈活性，可在客戶需求變化、標準變化的時候，在不更換芯片的情況下滿足終端客戶升級換代的需求。

第五是安全性，FPGA的架構決定了大部分系統是用硬件化的邏輯單元實現的，這種方式很可靠，同時芯片本身也遵循了汽車行業規范所做的設計，經過了嚴格的汽車安全功能認證，在安全方面也有充分保障。

虞正華認為，賽靈思FPGA的芯片迭代與其未來的發展規劃高度吻合。目前，魔視智能已經推出基于賽靈思汽車級異構計算平臺Zynq UltraScale+ MPSoC的自適應前裝量產自動泊車系統。這一芯片平臺作為一款異構多核的處理器平臺，已經超越了傳統的FPGA產品。而下一代自適應異構計算平臺Versal ACAP，擁有多個對應不同計算功能的可編程內核，這一平臺更多面向未來的L3/L4，能夠提供更強的算力以及更高集成度的SoC，以這樣的芯片為基礎打造未來的域控制器，在算力、功能、成本上都能夠保持非常高的競爭力。

姚頌表示，賽靈思在積極推廣基于FPGA和ACAP的自動駕駛與輔助駕駛平臺，優勢有三：一是賽靈思在車規級芯片設計領域有很深的積累、芯片質量可靠，可以滿足用戶對于可靠性的要求；二是可編程平臺可以優化特定指標，比如針對性優化計算延遲，這點對于自動駕駛非常重要；三是賽靈思的產品線覆蓋全面，從最小的芯片到極強算力的芯片，可以使用同一套設計、裁剪到不同尺寸，適配于不同的產品線，覆蓋L0到L3不同場景。不過，基于FPGA和ACAP的方案對于技術公司的要求相對較高，相對于純軟件開發的方案成本也較高，賽靈思在努力幫助企業降低開發門檻和開發成本。

L4自主泊車場景將率先爆發

受益于各國自動駕駛相關的政策推動、研發技術的持續突破以及全球車企智能車型的逐步落地，行業發展前景日漸清晰，市場空間潛力巨大。根據通用汽車的預測，自動駕駛汽車行業規模有望在未來觸達8萬億美元。據IHS Markit預測，到2040年，在美國、中國和歐洲市場的自動駕駛汽車年銷量將突破2740萬輛。

在這個萬億級別的超大賽道，蘊含著無數機遇。近期自主泊車領域事件密集發布，5月7日，中國汽車工程學會就《自主代客泊車系統總體技術要求》CSAE標準征求意見；特斯拉4月宣稱，將在今年晚些時候推出用于自主泊車的“反向智能召喚功能”；小鵬汽車P7強調對自主泊車系統持續的研發投入;德賽西威自主泊車系統已在奇瑞星途等車型上量產。這是否意味著自主泊車這個子場景，將會率先爆發？從自動泊車到自主泊車又面臨哪些挑戰？

虞正華表示，自主泊車確實越來越受重視，不止是國內，也包括國外。從類似反向召喚功能到完全自主泊車，可以演變出很多功能，這種持續迭代對消費者很有吸引力。他認為，自主泊車會是L4級別能夠最早實現大規模量產落地的應用場景。

不過從自動泊車到自主泊車，仍存在幾大挑戰：首先自動泊車是近距離的，人在車內或者車附近，人必須通過鑰匙或者某種方式表明人在控制車，人雖然不需要真正控制方向盤，但可以在緊急情況下讓車停下；但L4層級人和車分離，自主泊車時沒有了人的干預，所以最大的挑戰首先是安全性，如何保障車是安全的，不會對外界造成傷害，這是巨大的挑戰。

第二，自主泊車需要地圖的配置，因為不是近距離的停車場，需要地圖解決定位問題，技術上涉及到地圖和定位算法，這是新的需求。

第三，從最終落地來說，自主泊車其實是需要一個生態系統的，涉及到停車場的運營商、地圖供應商、車廠、自動駕駛公司等，大家構建完整的生態一起推動。在生態的打造方面是一大挑戰。

從魔視智能的情況來說，L4級主要是低速AVP的場景，未來可能需要更多的技術驗證，在高速場景下驗證L4技術，這是需要進一步完善的。此外，在高速場景涉及到跟路測的協同，這個也是結合新基建的布局，在路測方面，看起來中國會比其他國家做更多的事情，但車和路到底怎么協同還是有很多的未知，這個也是需要進一步探索的地方。

“下一步最主要的方向，是構建面向L3/L4自動駕駛的域控制器”，虞正華表示，“這個控制器集成的內容會越來越多，所支持的功能也會越來越豐富。我們的目標是做自動駕駛的大腦，域控制器就是這個大腦最終承載的方式和承載的平臺，這涉及到整體的硬件/軟件架構設計、中間件、功能劃分以及如何實現功能安全的要求等。“

真正的無人駕駛至少還需十年以上

自動駕駛頭部企業已經在推進2024年在部分城市實現部分道路、部分車輛的無人駕駛。我們對真正的無人駕駛可以有哪些期待？距離真正的無人駕駛，還有多遠的路？

姚頌認為，實現完全的自動駕駛，需要兩個必要條件（但不是充分條件）：第一，我們之所以能夠有非常方便的高德之類的導航軟件，是因為我們有積累的全球的路網數據，并且能夠實時更新路況。對于自動駕駛也一樣，我們需要積累全球的（或者允許完全自動駕駛區域內的）高清地圖數據，并且做到快速更新。

第二，單純視覺一定是不夠的，自動駕駛需要比人類更多的數據獲取，所以廉價的激光雷達必不可少，甚至需要能夠同時測距和測相對速度的FMCW激光雷達。

目前看來，我們離這兩個必要條件還有不止五年的差距，所以真正的無人駕駛可能還在十年以后。但是對于特定區域、特定行業，是可以做到滿足這兩個條件的：因為一定區域內的高清地圖數據可以更容易獲取、更新更快，對于營運類車輛，較貴的激光雷達也可以忍受。所以2024年前，可能見到一些特定區域的營運類車輛的自動駕駛。

對于這個時間節點，虞正華持有同樣觀點，完全開放道路并且以商業化運營的方式實現，還需要大量的技術驗證包括法律法規的配合，至少還需要差不多十年時間。

自動駕駛初創企業如何構筑護城河？

業內的人深知，自動駕駛技術從研發到量產是一個需要投入大量精力、厚積薄發的艱難過程。擁有視覺感知、定位算法及嵌入式芯片平臺團隊，魔視智能為什么在眾多的落地場景中選擇自動駕駛這個賽道？

虞正華認為，以感知技術為基礎進入自動駕駛賽道非常有意義，一方面感知技術是自動駕駛的核心技術，沒有感知一切都無從談起。反過來說，如果感知夠好，決策也會簡單很多。因此從自動駕駛技術的起源和未來發展來看，感知技術無疑都是未來的主要方向。

另一方面，自動駕駛具有巨大的社會效益和經濟效益，可以改善傳統交通系統中如擁堵、事故等問題，經濟效益方面最突出的表現就是自動駕駛出租車，可以大幅降低人力成本，大幅提升車輛運營效率。

姚頌補充，自動駕駛行業雖然進入難度較大、周期較長，但好處也是顯而易見的：首先存量市場可以預期，不像機器人行業一直處于增量市場的早期階段，現有的量不大、未來的量不好預計。

其次，如果能夠進入到前裝量產階段，被替代的可能性較小，可以實現較長時間穩定的高毛利。所以對于有產品與技術能力，也有資金保障長周期發展的創業公司來說，自動駕駛是一個不錯的賽道。

據了解，魔視智能正在通過全棧式的布局，構筑企業的護城河。

首先從L0-L4，魔視智能已經形成了全棧式的產品布局。包括已經量產或在定點開發中的產品，可實現的功能包括前視預警（比如行人防撞、車輛防撞、車道偏離預警），以及其他預警功能（包括駕駛員行為監控DMS、盲區檢測BSD）。一直到L2自動緊急剎車AEB或LPA車道保持LKA等功能，還有視覺和超聲融合的泊車APA，自主代客泊車AVP等。

另一方面，全棧式布局還體現在對三大主要市場的覆蓋，前裝乘用車、前裝商用車及后裝三大產品線積累了頭部客戶，和國產自主乘用品牌前10大車廠中的9家錨定了深入緊密的合作關系，和領先的商用車廠及超一線大都市的公交集團均已啟動合作落地。

此外，在技術路徑上，無論是軟硬一體的系統還是單獨提供軟件，還是以軟件授權的方式提供IP。“做自動駕駛的賦能者”，虞正華表示，“這是魔視智能希望未來在整個自動駕駛行業所期望扮演的角色。”

最后，作為錨定于基于深度學習進行商業落地的AI創業公司，魔視智能通過算力、算法、數據齊頭并進。在堅持汽車級嵌入式芯片平臺路線的同時，在感知算法領域已經走在行業前沿，充分發揮了FPGA特性進行DNN深度卷積神經網絡的加速和算法的快速迭代。數據方面，建立起了一套以數據預處理為核心的完善有效的數據作業體系。目前魔視智能ADAS產品已經在全國30個省采集視頻測試，測試總里程超過10,000,000公里。

“自動駕駛本質是一場長跑，考驗的是企業的耐力，需要各方面都很強”，虞正華表示，“這樣一個模式帶來的好處是，通過多年的積累，能夠在算力算法數據上形成有效的閉環，積累得越多，整個系統的性能就會越來越好，迭代的速度也會越來越快。”

本輪融資后，魔視智能將打造快速批量復制的能力，將過去已經積累豐富經驗的成熟產品進行大規模快速批量復制。隨著L3/L4進入規模量產階段，自動駕駛競爭再臨尖峰時刻。

本文由電子發燒友網原創，未經授權禁止轉載。如需轉載，請添加微信號elecfans999.