大規模量產，一直是擺在ADAS初創公司面前的一道坎。

“我們不盲目選擇酷炫的技術，只追求最極致的應用，只有適合量產的技術，做出來的產品才是最有意義和價值的。從2016開始，我們就著重于技術產品化，因為產品化才能通過用戶獲得更多數據，幫助提升算法，同時健康的現金流也能保證在研發上持續投入。”在MINIEYE創始人兼CEO劉國清看來，公司從2013年成立到現在已經有5年時間了，在視覺感知算法、深度神經網絡技術、FPGA開發、嵌入式系統、汽車電子、測試、數據等方面有著長時間的積累，這為大規模量產打下堅實基礎。

2018年5月4日-5日，MINIEYE創始人/CEO劉國清在2018年度高工智能汽車開發者大會發表主題演講

MINIEYE創建于2013年，是一家致力于智能駕駛領域的科技公司，目前公司總部位于深圳，另在南京和北京建有算法研發中心，武漢還有一個銷售中心。

公司全職研發人員有100多人，核心團隊方面，創始人CEO劉國清，新加坡南洋理工大學工學計算機工程博士，新加坡首個MDA－ADAS研發項目的PI，多次入選福布斯和胡潤百富創新與創業榜單；首席科學家吳建鑫，美國佐治亞理工學院計算機工程博士，計算機視覺專家，感知領域國際知名會議CVPR、ICCV、AAAI領域主席；

核心團員還有曾供職于TI、NASA、Intel、三星、Amazon、微軟、BAT、Delphi等行業巨頭，或畢業于賓夕法尼亞大學、新加坡國立大學、清華大學、北京大學、波士頓大學、德州A&M大學、中科院、華科、浙大等國內外知名高校。

和很多初創ADAS公司不同的是，MINIEYE一直堅持前、后裝兩手抓，年初訂單合同已經破萬。

MINIEYE基于視覺的防撞預警產品，具備FCW(前車碰撞預警)、LDW（車道偏離預警）、HMW（車距監測）、STOP&GO(前車啟停預警)、UFCW（城市前車碰撞預警）五項功能。其中FCW（前車碰撞預警系統）及LDW（車道偏離預警系統）通過了交通部《JT/T883-2014運營車輛行駛危險預警系統技術要求和驗證方法》的專業認證。

“我們的算法更先進、魯棒性高，在識別率、測距、TTC精度等核心指標上可以對標Mobileye。”在劉國清看來，長期的技術積累，大體量的標注數據，豐富項目經驗，和有力的合作方（Xilinx等核心芯片廠商）支持，使得公司的產品在算法性能、硬件可靠性、功耗、定制化深度以及性價比等方面都得到了前裝和后裝客戶的認可。

作為最先落地的商用車市場，MINIEYE的解決方案能夠達到車規級要求，配合前裝車廠累計已經做了超過一百萬公里的測試，而在南京的研究中心，每天在標注和處理數據，70%用來迭代，另外30%做數據庫級別的測試。截止到去年12月份，測試數據里程已經超過一千萬公里。

2018年美國CES展會上，MINIEYE對外展示了前裝乘用車產品X1。X1增加了行人碰撞預警、限速標志識別等功能，并且，是一款完全滿足乘用車前裝要求的產品。目前，在前裝乘用車市場，MINIEYE已經進行了長周期的前向輔助算法評價與路測，并已定點多家 Tier 1、車企。

此外，面向目前日趨明朗的視覺+毫米波雷達融合趨勢，劉國清透漏，“近期MINIEYE將發布一套主打L0、L1級別的車規級ADAS產品，其最大的亮點是在感知層面使用了視覺融合毫米波利達算法，而且支持擴展功能，目前該產品已經能夠實現量產。這也是MINIEYE產品的一次變革，在國內率先在感知層面做到了視覺與毫米波雷達融合的量產。

而在控制執行層方面，MINIEYE也已經與包括萬向集團在內的多家控制類Tier 1開展合作，將前向輔助產品進一步做到主動控制級別（AEB），目前由MINIEYE提供AEB算法已經進入測試優化階段。

FPGA做車規級ADAS開發

在技術路線和產品架構上，MINIEYE選擇基于FPGA做車規級ADAS開發，主要是因為FPGA相比GPU或者其他定制化芯片有4個優勢：第一采購成本合理，有利于產品化；第二FPGA相對于GPU整機功耗更低，平均小于3W，符合前裝項目要求；第三FPGA可編程。

智能駕駛和人工智能都涉及到了深度神經網絡，其中深度神經網絡更新迭代非常快，幾乎每個月都有新的進展和網絡結構、模型出來，可編程非常重要。第四可擴展，能夠把感知從滿足L1的要求提升到L2，甚至提升到滿足L3。

靈活可擴展：基于深度神經網絡，精度可達到L2/L3功能的需求，靈活可編程，快速迭代模型和架構，支持客戶與其他功能模塊打通(液晶儀表、HUD等)和做一些人機交互。

性價比更高：相比同級別競爭對手，MINIEYE基于FPGA平臺的車規級芯片，可以把人、車、車道、標志識別這些功能做到一起，功耗只有2-3W，該類芯片每年出貨量超過kk級，相對于GPU或者是其他的定制化芯片成本非常友好。

算法方面：我們采用的FPGA有很大優勢， FPGA有更好的可編程性，但是這對技術要很高的要求，MINIEYE在這方面有一支很不錯的團隊，可以根據客戶的需求在FPGA里邊做一些改動。

在近日舉行的2018高工智能汽車開發者大會上，劉國清談到MINIEYE在技術上有多方面和長時間的積累，其中視覺感知算法、深度神經網絡技術和FPGA開發是重點。

在系統架構里MINIEYE采用了傳統感知算法和深度神經網絡融合的方式，紅色區域（下圖）是感知模塊。

劉國清博士介紹到，傳統感知算法與深度神經網絡之間各有所長。在產品研發過程中對于方法的選擇應該是需求導向的。結合過去幾年前裝項目的經驗，MINIEYE的系統架構里采用傳統感知算法和深度學習融合的方式，在功能、成本、功耗和靈活性上找到平衡。

如果要把基于部分使用深度學習的系統實現真正的產品化，放在面積比較小且計算力有限的FPGA平臺而且需要低功耗、高性價比，這對技術的研發有一系列的挑戰。MINIEYE提出了ThiNet，讓整個神經網絡變的更“瘦”，計算復雜度變的更低，存儲更少。這主要牽扯的核心技術是剪枝。

對神經網絡進行剪枝這個想法其基本的思想是：神經網絡的參數眾多，但其中有些參數對最終的輸出結果貢獻不大而顯得冗余，剪枝顧名思義，就是要將這些冗余的參數剪掉。

它的優勢是可以對大網絡進行縮減。對于一個有一百個通道的網絡，通過對網絡架構做裁減，把一百個通道降低到三十個甚至是二十個通道，而帶來的精度損失可能只有千分之幾。

這可以幫助我們在產品化過程中對性能和效率之間取一個平衡。意味著付出千分之一的精度損失，可以節省十倍甚至幾十倍的計算資源，這使得本來要在30美金、50美金芯片上做的事情，在低成本的芯片上就可以實現，大大提高了產品性價比。

目前通過網絡壓縮可以完成四種任務，檢測、分類、回歸、分割。這四種任務基本上覆蓋了L1—L3里面的感知需求。

ADAS前裝量產落地邁過的坎

從技術儲備到技術產品化落地，MINIEYE非常清楚需要邁過哪些坎。

劉國清表示：第一、提升性價比?？蛻舫艘蟾哔|量的算法以及一些車規級門檻限制以外，還有很多其他需求，比如、低功耗、高性價比、功能可以擴展等一些定制化需求，其中最重要的就是要高性價比，低成本。

想打進前裝市場，哪怕價格貴一百塊錢都是一個很大的數字，如何把成本控制下來，把東西做好，而且價格上有優勢，這在技術上是一個很大的挑戰。我們很高興已經做到了這一點。

第二，從算法、系統、硬件、應用層面逐步打磨產品，這需要時間。從demo到前裝量產，Mobileye花了8年，我們即便站在巨人的肩膀上也用了4年多的時間。

第三、訓練優秀的模型，即是技術活，又是體力活。不僅需要一流的研發團隊，提出先進的人工智能算法，也同樣需要大體量的數據。如果把算法比作武器，那么數據就是彈藥?！?/p>

對公司接下來的規劃，劉國清表示：公司的發展方向還是堅持“坐標系戰略”，從橫向、縱向兩個維度去發展。

橫向指產品落地拓展市場。 我們不盲目選擇高級的技術，只追求最極致的應用，只有適合量產的技術，做出來的產品才是最有意義和價值的，從2016開始，我們就著重于技術產品化，因為產品化才能通過用戶獲得更多數據，幫助提升算法，同時健康的現金流也能保證在研發上持續投入。

縱向方面，今年我們除了推進前裝（AEB）ADAS應用以外，還會向更高階的自動駕駛、芯片研發領域發力。在劉國清看來，公司在未來進入ADAS芯片領域是水到渠成的，只是目前時機還不成熟。

主要有兩方面原因，第一，芯片的成本跟出貨量有直接關系，所以做芯片至少能夠充分滿足一個細分市場的需求。在汽車行業，想做出滿足汽車類客戶需求的感知或者深度神經網絡專用芯片，一定要對市有足夠的了解。所以我們會等產品配套10個車型以上，對市場需求定義有了非常清晰的認識以后，才會做這樣的事情；

另一個是芯片開發周期長。從流片到最終量產需要一到兩年時間，現在深度學習算法方面更新換代速度太快，每一個禮拜都有幾十篇新領域的文章出來，在這樣一個階段，芯片還沒開發出來里面的算法就已經很OUT了。

劉國清的一句話或許是最好的注解：“一個人一輩子能做好一件事，便是莫大的成功。MINIEYE正全力以赴！”