研发投入大、盈利周期长,ADAS 其实是一门「非常难且不划算的生意」。Mobileye 就曾「 8 年无收益,10 轮融资全砸技术」。
但这对有些人来说, ADAS 漫长的研发和测试周期并不是阻碍,反而是令从业者垂涎的机会。三星首席策略官 Young Sohn 预计 ADAS 很快会成长为百亿美金的市场。未来几个月,三星也将发布自己的 ADAS 解决方案。
「在智能电动汽车时代,我们有机会诞生出 Mobileye 级别的新兴供应商,所以这绝对不是一门小生意。」为了证明这一点,自行科技联合创始人宁迪浩向雷锋网指出,「 2016 年 Mobileye 的销售额不到 4 亿美金,但占有 ADAS 市场 70% 的份额。这说明一个问题:行业的发展还不成熟。」
自行科技的前身是一家与计算机视觉业务相关的外包公司,按照宁迪浩的话说,外包业务并不能支撑公司长远发展,索性换个方向。2016 年,这个由前中兴、华为成员组成的 ADAS 公司自行科技正式成立。
这是一家专注智能汽车电子的创业公司,具体提供包括 Level0/Level1 级的 ADAS 产品、Level 2 级别的模组和解决方案。
今年 8 月,自行科技拿到民德电子、索菱千万人民币的投资。
技术
事实上,在自动驾驶技术完全到来前,ADAS 仍有极大的优化空间。
宁迪浩说,与 Mobileye 技术路径不同,自动科技利用深度学习打造 ADAS。这也被认为是「 从技术上避免 Mobileye 的劣势,开发出超过它的产品。」他向雷锋网透露,过去一年,团队花了大量时间对神经网络模型进行压缩,使 ADAS 系统可以在低成本的 FPGA 上运行。
不过,基于 FPGA 平台实现深度学习挑战巨大。比如,如何优化深度神经网络,使得一个计算量很大的深度神经网络可以在一个中小规模的 FPGA 上运行?同时又能维持性能和成本的平衡?
这个诀窍在于:需要对神经网络和 FPGA 进行大量优化。FPGA 的并行优化包括卷积操作并行、特征图内并行、特征图间并行、层/帧并行。据雷锋网了解,自行科技的团队主要优化了卷积并行和特征图并行。
经过对 FPGA 平台的深度优化,性能有多大改善?
自行科技 CEO 关艳峰在一次技术分享中提到:以 ZYNQ7020(xilinx 芯片) 为例,YOLO Tiny (实时目标检测)可达到 60 帧的处理速度,VGG16 (卷积神经网络结构)达到 26 帧的处理速度。
「行业内相当一部分人低估了视觉进步的速度,我们使用深度学习后,视觉对光照、恶劣天气和恶劣环境、特殊路况(隧道、桥梁)适应能力大幅度提升。」宁迪浩表示。
通过对神经网络和 FPGA 平台的优化,单目视觉模组在环境多样性和目标多样性下性能表现良好。例如:雨天、夜晚、雪天和隧道出口、侧向车辆、局部暴露车辆以及异型车辆能可靠识别;对于各类车辆做到多姿态、多角度的识别,最大的可靠识别距离 100 米;各类行人和非机动车,最大可靠识别距离为 50 米,并支持夜间行人识别功能。
不过,这不仅仅是停留在展示算法的层面。眼下这家公司的进展是,前向 ADAS 的产品样机已经完成,既有预警类(PCW、FCW 和 LDW)也有干预类( AEB 和 ACC、LKA )产品。据了解,两类产品将在今年年底量产供货。
落地:商用车市场
ADAS 公司面临的共性问题是:到底选择哪个市场落地?什么时候可以实现量产?
随着 C-NCAP 的出台,将刺激国内自主品牌普及 Level 1、 Level 2 的配置。新车必须装有有效的安全防护系统才能够在碰撞安全评级(满分五星)中获得五星——这是一个利好消息,意味着部分 ADAS 公司将从中拿到订单。
「但是,国内的 ADAS 公司根本吃不到第一波『螃蟹』。对于新技术,汽车厂商会选择如博世、大陆这样更为成熟的供应商。」宁迪浩认为, 2019 年、2020 年之后才是国内 ADAS 公司们的机会。随着市场的扩大、渗透率的提升,中国自主品牌一定会寻求国产化替代方案或者第二供应商部分成熟、起量的产品。
但这种情形在商用车市场却是另一番景象。
今年 3 月交通部推出新规定:要求 9 米以上营运客车必须安装 LEW(车道偏离预警系统)和 AEB(自动制动系统),过渡期 13 个月,未来将推广到货运车领域。
这一规定可以理解为商用车市场将是一片可以让 ADAS 公司施展拳脚的蓝海——这也是当前自行科技发力的方向。
虽然商用车的市场只有乘用车市场的四分之一,但是如果创业公司按照新规开发出适用于商用车的 ADAS 产品,可以让这项技术在短期内真正落地。
「货车存量市场大概在 800、900 万辆,新增市场每年大概几十万辆,如果客、货加在一起,一年一百多万的新增,一千多万的存量,为什么不做?」宁迪浩告诉雷锋网。据他透露,目前团队在这一市场拿下了部分订单。
同时,驾驶员疲劳检测、360 度环视也是这家初创公司产品线的一部分。按照宁的逻辑,从长线看,环视的收入可以为 ADAS 的持续研发提供「输血」能力——上述两个产品能够在短期内盈利。
为了证明环视的市场,他还列举了一组数字:环视作为倒车影像的升级配置,从 2016 年开始,其渗透率接近 10%,到 2025 年有可能超过 30%。
今年 3 月,英特尔斥资 156 亿美元收购 ADAS 标杆公司 Mobileye,轰动业界。但在宁迪浩看来,Mobileye 被英特尔收购并不能作为这个行业的典型代表,因为英特尔承受了极高的溢价——这个溢价既有偶然性也有必然性。必然性在于 Mobileye 走出了一条独有的路,成为市场上的「孤品」。
从长远角度看,国内 ADAS 公司要走通这条路,还有赖于市场的进一步成熟。
从 ADAS 到自动驾驶
在谈到为什么自动驾驶项目比 ADAS 更受投资人偏爱时,宁迪浩这样告诉雷锋网:「自动驾驶可能更像网红,他们(投资人)觉得想象空间更大。」
但有一个不容忽视的现实,自动驾驶从 Level 2 向 Level 3 的跨越,到 Level 3 向 Level 4 的跨越,难度系数非常大,短期内很难量产落地。
英伟达解决方案架构师程亚冰曾表示,Level 3 (SAE)级别自动驾驶所需要的计算量和数据量是 ADAS 的 5 倍左右。为了胜任各种各样的复杂场景,Level 4 级别自动驾驶的安全纠错机制更为复杂,软件框架要比 Level3 复杂很多,前者是后者计算量的 50 倍左右。
这不仅仅是计算力的问题。在宁迪浩看来,自动驾驶最核心的部分是集中式控制器,不仅有高性能、低功耗计算资源运行算法完成功能,系统还需按照 AUTOSAR 的体系设计,需要满足安规(function safety)要求,目前这对国内的公司来说是巨大的门槛。他认为围绕控制器做外围工作是合理选择,具体包括:传感器融合、高精地图、V2X 等等。
ADAS 的能量有多大,在自动驾驶正式到来前,这还是一个没有被完全验证的问题。