對標Mobileye！MINIEYE牽手車企殺入前裝領域

歷經一年多的時間，國內ADAS（駕駛輔助）公司MINIEYE開始發力前裝市場。

5月30日，MINIEYE在北京召開2018成果發布會，公布了商業化成果以及自動駕駛布局。作為智能駕駛技術企業，MINIEYE自主研發的L3以下高級駕駛輔助類產品，已經進入前裝領域，和比亞迪、眾泰、奇瑞、東風柳汽等乘用車和商用車主機廠以及多家Tier 1企業產生合作，目前累計定點9款車型，搭載其產品的多款車型年內將上市。後裝領域，其產品已經獲得訂單數萬套，產品分布在全國29個省和直轄市的車隊。同時，MINIEYE正在與新加坡-美國麻省理工學院聯盟（SMART）開展自動駕駛相關的合作，預計於2019年實現商業化落地。

前裝：拿下主機廠定點，年內目標十五款車型

在今年的CES展上，MINIEYE首次展出了前裝產品X1。這是一款車規級主動安全產品，除了擁有前向碰撞預警（FCW）、車道偏離預警（LDW）、前車監控預警（HMW）、城市前車碰撞預警（UFCW）等功能之外，還新增了行人碰撞預警（PCW）以及交通標誌識別（TSR）等功能，進一步保障駕駛員和車輛的安全。MINIEYE X1支持與毫米波雷達融合，功能擴展到自動緊急剎車（AEB）。

MINIEYE聯合創始人兼CEO劉國清博士介紹，X1完全滿足前裝乘用車客戶的嚴格要求，具有適應複雜工況、整機功耗小於3w、車規級方案、定製化和低成本五大優勢。前裝客戶對於產品能否在複雜工況下保持魯棒的性能有著更高的要求，X1能夠應對大雨、夜晚低光、異型車、高溫、顛簸等不同工況。

其在性能魯棒的同時，整機功耗小於3瓦。這意味著X1能夠在炎熱的環境下同樣穩定工作。在車規級方面，MINIEYE目前已經獲得了IATF16949認證，X1核心器件也滿足ISO26262、AEC-Q100等標準。另外，X1具有靈活設計可擴展的特點，可以滿足與車機、數字儀錶、HUD等結合的定製化需求，也能夠擴展到AEB等控制型功能。

基於產品X1的這些優勢，MINIEYE牽手數家前裝客戶，前裝乘用車領域包括比亞迪、眾泰、奇瑞等主機廠；萬向集團等Tier1。商用車領域包括東風商用車、東風柳汽等主機廠和VITI、KUS等Tier1。劉國清博士透露，和乘用車主機廠的合作年內就能實現SOP，已定點3款車型。商用車已獲得6個車型的定點，目前已經量產供貨。

進入前裝領域對MINIEYE意義重大。後裝產品因其局限，無法切入執行層面，相比較而言前裝市場前景巨大。以國際巨頭Mobileye作為參考，其一年的營收中，前裝收入達到將近80%。劉國清博士稱，MINIEYE的小目標是今年年內定點十五款車型。

後裝：數萬套訂單，裝載車輛遍布29個省市

自去年11月份MINIEYE的後裝ADAS產品M3量產以來，已經獲得數萬套訂單，裝配車輛遍布全國29個省市。今年MINIEYE進一步豐富產品矩陣，推出了內視產品——駕駛員行為監測系統F1，以滿足更多後裝客戶的需求；以及M3的升級版本M4，在原有功能上增加對行人、交通標誌牌的識別和駕駛員行為監測系統，並開通數據平台服務。劉國清博士稱，無論是前裝市場還是後裝市場，MINIEYE一直秉承客戶需求導向原則。

後裝客戶除了對產品性價比的要求外，還希望產品的安裝速度快、適配車型廣等等。MINIEYE自主研發的安裝工具讓安裝人員不再需要筆記本電腦和笨重的標定板、花二十分鐘就能安裝一台設備。相比較市場上同類產品的安裝大約需要1到2小時，MINIEYE能夠為客戶節省更多人力開銷和時間成本。另外，MINIEYE的產品能夠適配超過1000種車型，支持非破線式安裝。

劉國清博士稱，作為一家技術公司，領先的技術和過硬的產品是立足之本，但如何為客戶創造價值才是制勝關鍵。除了產品本身的質量之外，安裝、維護等等細節也非常重要。對於技術背景的公司來說，需要積極的投身市場，洞察客戶需求，並以迅捷的反應去迭代產品。

技術：用演算法、數據、感測器融合構築壁壘

自動駕駛未來的普及依賴於很多技術的發展，比如汽車控制、人工智慧演算法、感測器、晶元、高精度地圖、人機交互等等。這其中每一塊都是一個大命題，都需要付出艱辛努力才有機會做好。MINIEYE聯合創始人兼首席科學家吳建鑫博士表示，MINIEYE過去5年一直在冷靜積累關鍵技術，持續以安全和有商業價值的產品為核心。在現場，吳建鑫博士分享了團隊在演算法、數據、感測器融合三個方面的研發成果。

演算法方面，吳建鑫博士認為關鍵在於在有限算力、低功耗、合理成本條件下來進行演算法設計。MINIEYE自主研發的ThiNet技術讓神經網路有效「瘦身」，降低其對算力和存儲的要求，部分ThiNet成果被發表於AI領域頂級會議ICCV2017。MINIEYE還開發了嵌入式神經網路加速庫FastNet，利用FastNet對Squeezenet等網路進行加速，其計算性能相較於Caffe，NCNN（騰訊），TensorFlow Lite（Google）均有1.8倍以上的提升。吳建鑫博士還介紹了MINIEYE自主設計的神經網路架構IP HardNet，這項技術可以幫助高計算複雜度的神經網路在小面積的FPGA（如zynq 7010，zynq 7020）上實時工作。正是ThiNet、FastNet和HardNet「神經網路三件套」幫助MINIEYE將深度學習廣泛用於產品化中。

數據積累的工作，MINIEYE在創業初期就開始進行，已經持續了44個月。目前積累的標註數據里程超過1300萬公里。這也幫助MINIEYE在一些本地化場景里的性能表現要優於國外的產品。隨著後裝產品的大規模裝配，MINIEYE將會逐步在為用戶服務的過程中積累更多數據。

而感測器融合一直是趨勢所向，MINIEYE為一些前裝客戶定製的解決方案就是視覺-毫米波雷達融合產品，利用攝像頭識別物體，毫米波雷達測量距離和速度，優勢互補，相關產品已經量產。目前，MINIEYE在完成和毫米波雷達、IMU融合的基礎上，正在研發與包括LiDAR、超聲波、熱成像等更多感測器融合的感知方案。

布局：與新加坡-美國麻省理工學院聯盟（SMART）合作打造L3以上自動駕駛

自動駕駛領域裡，有兩條主要的路徑去實現汽車自動化：一是直接去做L4、L5級自動駕駛；一種是從L1、L2級起步向高級別漸進式發展，MINIEYE屬於後一種。在L1、L2級別的產品已實現商業化的基礎上，MINIEYE開始在L3以上自動駕駛布局，在發布會上宣布了正在與新加坡SMART合作，並計劃在2019年把限定場景自動駕駛項目落地國內。

SMART是美國麻省理工學院和新加坡國立研究基金共同成立的研究機構，其專註於Future Mobility的分部位於新加坡國立大學。早在2014年，其就成為新加坡當地第一個公開測試無人車的團隊，知名自動駕駛公司nuTonomy也脫胎於SMART。

MINIEYE感知技術實力獲得了SMART的認可。機構負責人Marcelo博士表示他們之前嘗試過各種各樣的感測器，包括各類感測器的融合，在這個過程中越發感覺到攝像頭的優越性。它不僅具有性價比，還能夠提供豐富的信息。Marcelo表示如果將感知部分交給專業的團隊去做，那麼他們可以更專註於路徑規劃方面的工作。MINIEYE透露，雙方的合作將瞄準L3及以上的自動駕駛功能，並計劃於2019年在國內商業化落地。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！