今年年内落地！MINIEYE 公布最新前装进展

当年买不起五菱宏光的那家创业公司，现在已经准备开始赚车厂的钱了。

[转载出处：www.11jj.com]

「团队牛逼，技术牛逼，但最终盈利才是真的牛逼。」在今天 MINIEYE 2018 发布会开场前，他们选择把这句话做成了文字快闪视频，在会场大屏幕上循环播放了好几遍。相较于高大上的公司宣传片，这种「话糙理不糙」的表达反而让我更加感受到了这家公司的务实。 [原文来自：www.11jj.com]

对于一家做 ADAS 的初创企业来说，要想实现可持续性的盈利，进入前装并获得车厂的量产订单是必经之路（Mobileye 的前装收入占到总收入的 80%）。而在成立 5 年之后，MINIEYE 也终于上了前装的车。

MINIEYE 创始人兼 CEO 刘国清博士在发布会上具体介绍了他们的前装车载视觉识别方案 X1，为了更好的满足车厂需求，X1 承载了 5 个重要的特性：

复杂工况下性能鲁棒：例如在夜晚低光，雨雪天气等特殊环境下，X1 都能够提供稳定的识别效果。同时针对中国特色的路况，例如异形车、车道标识等，X1 也达到了理想的鲁棒性。

整机功耗 3W：低功耗意味着 X1 能够在车规要求的高温下工作。刘国清说他们曾在盛夏的深圳中午暴晒了测试车辆两个小时，然后再让工程师带着产品在车上不开空调地做测试，结果就是产品还可以正常工作，但是工程师已经受不了了（给工程师加根冰棍儿吧）。

车规级方案：X1 已经符合了 AEC-Q100、ISO26262 等车规标准，这也是进入前装必须要过的一道坎。

有竞争力的成本：价格优势是国内供应商在行业内的重要立足点，因此 MINIEYE 在 X1 上也尽全力优化硬件结构，缩减不必要的元器件（DDR 和 NAND Flash），最大化降低产品硬件成本的支出。

灵活设计：X1 基于一个弹幕摄像头传感器。但为了匹配不同客户的需求，X1 还可以融合雷达（IMU、毫米波雷达），支持扩展 AEB、LKA 功能。

X1 的计算芯片将基于 FPGA ..，功能上可以提供前向碰撞预警（FCW）、车道偏离预警（LDW）、前车距离监控（HMW)、城市前车碰撞预警（UFCW）、行人碰撞预警（PCW）、限速标志识别（SLI）。通过整合毫米波雷达，还可以提供 AEB、LKA 等 L2 级别的自动驾驶功能。

刘国清在发布上公布了数家前装客户——乘用车领域包括比亚迪、众泰、奇瑞等主机厂；万向集团等 Tier1。商用车领域包括东风商用车、东风柳汽等主机厂和 VITI、KUS 等 Tier1。即将落地的车型包括 SUV、MPV、A00 级、电动巴士、传统燃油商用车等，首款落地的车型在今年第三季度就将 SOP。

除了前装之外，MINIEYE 还发布了最新一代后装产品 M4。虽然后装相较于前装而言门槛会更低一些，但是刘国清认为，从用户体验角度考虑，后装产品的标准一点也不比前装低，因此他们也会将前装技术应用在 M4 上。

相较于上一代 M3，M4 新加入了检测座舱的后摄像头——可以检测驾驶员的疲劳状态，以及实现人脸识别的 faceID 功能。同时通过 4G 模块，M4 支持将前后摄像头所收集到的路况与驾驶员数据上传至云端做进一步的分析和标注。

其实后装的关键在于走量。为了降低产品的使用门槛，MINIEYE 声称他们开发了一套全新的产品安装流程，可以在 20 分钟内完成后装产品安装。要知道 2014 年当我们第一次尝试将一台后装 Mobileye 产品装上一辆福克斯时，Mobileye 的工程师调试了近一个白天的时间才最终搞定。

MINIEYE 的技术优势体现在哪？他们的首席科学家吴建鑫博士从算法、数据、传感器三个方面进行了说明。

算法方面 ，吴建鑫博士认为关键在于在有限算力、低功耗、合理成本条件下来进行算法设计。MINIEYE 的做法有三个：

1. 算法瘦身：对应 ThiNet 技术，可以通过简化缩小神经网络的大小，降低其对算力和存储的要求。

2. 算法加速：对应 FastNet 嵌入式神经网络加速库，可对 Squeezenet 等网络进行加速。其计算性能相较于 Caffe、NCNN（腾讯）、TensorFlow Lite（Google）均有 1.8 倍以上的提升。

3. 软件硬件结合：对应 HardNet 神经网络架构 IP，这项技术可以帮助高计算复杂度的神经网络在小面积的 FPGA（如 zynq 7010，zynq 7020）上实时工作。

数据方面 ，关键点在于如何更低成本、更高效率的获得「Corner Case」。目前 MINIEYE 已经用传统测试车的方式收集到了 13,000,000 公里的数据，不过这对于「Corner Case」来说还远远不够。他们的计划是通过后装产品中设计数据采集、上传、标注模块，从而随着产品走量达成 100,000 辆 x20,000 公里/年=20 亿公里/年的数据采集量。

传感器方面 ，关键点为多传感器融合，目前，MINIEYE 在完成和毫米波雷达、IMU 融合的基础上，正在研发与包括 LiDAR、超声波、热成像等更多传感器融合的感知方案。

最后吴博士还宣布 MINIEYE 开始在 L3 以上自动驾驶布局，他们正在与新加坡 SMART 合作，并计划在 2019 年把限定场景自动驾驶项目落地国内。

注：SMART 是美国麻省理工学院和新加坡国立研究基金共同成立的研究机构，其专注于 Future Mobility 的分部位于新加坡国立大学。早在 2014 年，其就成为新加坡当地第一个公开测试无人车的团队，知名自动驾驶公司 nuTonomy 也脱胎于 SMART。

「技术创新是花钱，是让技术人员自己爽。技术创业是..，是要满足客户需求，让客户爽。」刘国清的这句话道出了作为技术供应商的本质职能：服务客户——不管表面的技术创新与科技情怀有多么光鲜，其背后的商业模式靠的依然是残酷的甲乙方供求关系。在 ADAS 市场中，有来自海外的传统巨头，也有国内众多的后起之秀，竞争不可谓不激烈。幸运的是，中国市场对 ADAS 的需求也越来越大，对于 MINIEYE 来说，在这个时间点进入前装是一个抢占新增市场份额的好机会。

刘国清把 MINIEYE 与外国巨头供应商的对比比作来自中国的 Luckin Coffee 和来自国外的 Starbucks，，而在我看来，这其中的关键就在于：如何能捕获那些爱喝咖啡之人的心。

点击图片获取更多阅读

推广关注