0
雷鋒網(wǎng)新智駕（微信公號：AI-Drive）按：作為Mobileye的靈魂人物，Amnon Shashua熱衷于談?wù)摷夹g(shù)。所以你會發(fā)現(xiàn)，每次只要他演講，他的分享無一例外都與“技術(shù)”有關(guān)。
在他看來，技術(shù)非常激動人心，它能改變生活，改變交通，改變城市的設(shè)計等等。具體來說，他指的“技術(shù)”便是自動駕駛技術(shù)。毫無疑問，憑借計算機視覺起家的Mobileye開創(chuàng)了自動駕駛技術(shù)的另一種可能。
在今年韓國舉辦的世界知識論壇（World Knowledge Forum）上，Mobileye CEO Amnon Shashua發(fā)表了主題為 Autonomous Vehicles：On Achieving a Safe and Scalable Platform 的演講，主要談?wù)摰氖菢I(yè)內(nèi)最為關(guān)注的問題：自動駕駛的安全保證和更為經(jīng)濟的、可量產(chǎn)的自動駕駛平臺。
在將近40分鐘純技術(shù)分享后，Shashua也首次較為全面回答“為什么Mobileye選擇英特爾作為收購方”這一問題。他答道：“加入英特爾，并不是因為其誘人的收購價格，而是其擁有的無價資源?！?/span>
Shashua說，當我們談?wù)撟詣玉{駛時，我們談?wù)摰牟皇悄硞€產(chǎn)品，而是整個行業(yè)。我們不是談?wù)撚嬎銠C視覺、人工智能、芯片系統(tǒng)，而是基礎(chǔ)設(shè)施、云計算、汽車廠商、監(jiān)管部門、5G網(wǎng)絡(luò)、數(shù)據(jù)中心。一個只有650名員工的公司怎么能憑一己之力做到這些？因此，Mobileye需要加入一家行業(yè)巨頭，翻開新的篇章。
這也是他為什么認為：現(xiàn)在看似風(fēng)起云涌的自動駕駛行業(yè)，并不能僅憑一己之力，單打獨斗就能獲得成功。相反，自動駕駛是一個需要各方齊心協(xié)力，共同合作，并最終實現(xiàn)共贏的領(lǐng)域。
本文是Mobileye CEO Amnon Shashua在2017年世界知識論壇的演講，由雷鋒網(wǎng)新智駕獨家編譯整理。
在演講之前，我想讓大家關(guān)注這樣一個問題：汽車行業(yè)如何讓自動駕駛技術(shù)從現(xiàn)在的實驗室項目，變成大規(guī)模生產(chǎn)的產(chǎn)品？這是我們現(xiàn)在亟待解決的問題。
要回答這個問題，我們首先需要看兩個基本問題：一是自動駕駛的安全保證（Safety Guarantees），另一個是自動駕駛的經(jīng)濟性和可擴展性（Economic Scalability）。
我們經(jīng)常說機器能造福人類，能拯救生命，但另一方面，機器有可能會奪走生命。社會能接受機器的正面作用，但不能接受其負面作用，因此我們需要弄清楚社會對自動駕駛技術(shù)的接受程度，想辦法讓社會真正接受自動駕駛技術(shù)。因此，安全保證是一個非?；镜膯栴}。
第二個基本問題便是擴展性問題，我們需要基礎(chǔ)設(shè)施，汽車成本、汽車保養(yǎng)、它是否需要額外的外部基礎(chǔ)設(shè)施，比如通訊設(shè)備、地圖等等。即使自動駕駛汽車再安全，社會對其再寬容，如果其成本過高，那么自動駕駛汽車的發(fā)展也將面臨巨大阻礙。我們可以經(jīng)?？吹揭曨l中自動駕駛原型車演示，但我們從未看到自動駕駛汽車的大規(guī)模生產(chǎn)。
如果我們不能合理解決以上兩個問題，那么我們的自動駕駛技術(shù)就不能進行大規(guī)模生產(chǎn)。
總得來說，自動駕駛技術(shù)有三大支柱：感知（Sensing）、地圖（Mapping）和駕駛策略（Driving Policy）。
首先，自動駕駛汽車需要感知周遭世界，因此它需要攝像頭、雷達和激光雷達等傳感設(shè)備——它們能讓汽車接收到數(shù)據(jù)（比如其他車輛、行人、交通信號燈等），讓汽車擁有一個360度視野。因此，沒有傳感設(shè)備，就沒有自動駕駛技術(shù)。
其次，地圖也是非常重要的。通常來看，我們在導(dǎo)航時才需要地圖。但對于自動駕駛汽車而言，即使無需導(dǎo)航，地圖也至關(guān)重要，因為它與駕駛安全息息相關(guān)。
地圖多種多樣，而自動駕駛汽車所需要的地圖是非常細致和精確的，它需要反應(yīng)環(huán)境的每個細節(jié)。同時，如果環(huán)境更新，地圖也需要隨之更新。那么，如何打造一款能隨著環(huán)境實時更新的地圖？這需要技術(shù)和交通共同的力量。
第三，看清周圍環(huán)境，并知道自己在位置后，自動駕駛所需要解決的最重要的問題，依然是如何駕駛。感知與定位都是輔助手段，其決定性作用的還是最后的操作——需要與各方協(xié)商，作出正確決策。因此，自動駕駛汽車做出的駕駛策略也至關(guān)重要。
在自動駕駛汽車上路之前，我們需要提高自動駕駛汽車的決策能力。
首先，我們需要讓它們的決策能力與人類相當。因為如果自動駕駛汽車在做決策時優(yōu)柔寡斷、相當保守，那么它在行駛的過程中會非常緩慢，并妨礙交通。
其實，在自動駕駛汽車上路時，這種情況時有發(fā)生。如果自動駕駛汽車決策能力低下，那么駕駛一兩輛做測試可能不會影響交通，但一旦成百上千的自動駕駛汽車上路，必將造成交通堵塞。這樣一來，到時候可能沒有哪個城市愿意允許自動駕駛汽車上路。
因此，我們需要賦予自動駕駛汽車與人類相當?shù)臎Q策能力。同時，我們還需要讓自動駕駛汽車的決策能力高于人類，因為人類在駕駛時也可能因為判斷失誤而發(fā)生事故。因此，想讓自動駕駛汽車真正安全上路，它的決策能力必須比人類強很多。
汽車在融入車流、改道、轉(zhuǎn)彎、掉頭時，司機都需要作出正確決策。在沒有司機的幫助下，要自動駕駛汽車自己作出決策，通常是非常困難的。這就是我們要解決的問題。
那么，我們怎么處理事故呢？我們要解決的基本問題是：如何一方面賦予自動駕駛汽車與人類相當甚至超越人類的決策能力，同時讓社會接受自動駕駛汽車上路。
現(xiàn)在讓我們來看看一份白皮書，這份白皮書發(fā)表于2017年。
對于自動駕駛汽車來說，“安全”指的是系統(tǒng)整體性。而“多方安全（Multi-agent Safty）”指的是事故發(fā)生避免率。一般而言，事故發(fā)生主要由兩個原因。第一是計劃失誤，第二是傳感失誤。
那么，如何保證駕駛安全？
首先，我們有一個共識，那就是駕駛的熟練程度與駕駛里程成正比，如果司機的駕駛里程達到一定程度，那么他會對汽車駕駛性能、道路交通情況等了如指掌，出事故的幾率也更小，也就是我們傳統(tǒng)意義上的“熟能生巧”。
但我想指出的是，用這種方法來保證駕駛安全，是非常錯誤的。如果你繼續(xù)靠這種方法保證安全，那么我們的道路上將永遠不會有自動駕駛汽車。
為什么這種方法是錯誤的？
對于非自動駕駛汽車司機來說，駕駛一小時的死亡概率是10^6 分之一。乍看一下，這個死亡率非常低。但我們看看下一組數(shù)據(jù)就會發(fā)現(xiàn)，這個很低的死亡率也很可怕。相關(guān)資料顯示：美國每年因交通事故而死亡的人數(shù)為3.5萬。
而如果自動駕駛汽車的死亡率也是10^6 分之一，那么顯然是不被社會所接受的。因此，自動駕駛汽車要上路，它的事故死亡率一定得比非自動駕駛汽車低得多。那么，它需要低到什么程度呢？1萬？1千？
答案是，還遠遠不止，社會能接受的因自動駕駛汽車事故而死亡的人數(shù)為每年10到100。這樣來看，駕駛一小時的死亡率需要不高于10^9分之一。如果要保證每小時的死亡率不高于P，那么司機必須在每次軟件更新后，駕駛至少P分之一小時。
因此，如果要將死亡率降到10^9分之一，那么司機必須駕駛10^9小時，才能保證數(shù)據(jù)的效度。而駕駛10^9小時，里程將近為300億公里，因此系統(tǒng)會產(chǎn)生300億公里的數(shù)據(jù)。
但我需要指出的是，要收集300億公里的數(shù)據(jù)，是非常荒謬的。我們來看看數(shù)據(jù)成本就知道了。
駕駛一小時產(chǎn)生的數(shù)據(jù)（包括攝像頭、雷達和激光雷達）約為5兆兆字節(jié)，因此駕駛10^9小時產(chǎn)生的數(shù)據(jù)將達到5*10^18字節(jié)，也就是500萬千兆字節(jié)。而1千兆字節(jié)需花費的成本大約為40萬美元，因此500萬千兆字節(jié)所需的成本將近為2萬億美元。
我們再看看設(shè)備成本。要收據(jù)到300億公里的數(shù)據(jù)，我們需要讓400萬輛自動駕駛汽車每天行駛20小時，行駛整整一年。而如果一輛測試車的花費為10萬美元，那么400萬輛共需4000億美元。同時，你還要雇傭400萬位司機，這個成本還要另算。
因此，利用“熟能生巧”的方式來讓自動駕駛汽車上路是非常不明智的，因為其背后的成本幾乎是無法計算的。
所以，我們要指出的是：要保證自動駕駛汽車的安全，我們需要另一種方法，這種方法是基于模型并可以解釋的。
在提出方法之前，我要指出的問題是：絕對安全是不可能的。上圖中的藍色汽車四周都被車輛包圍，如果左邊的綠色車撞了它，它無計可施，因為它三面環(huán)車。
這種情況在道路上是很常見的，我們無法避免。因此，我們沒有辦法保證百分之百的安全概率。但我們可以保證另外一種可能：一旦發(fā)生車禍，相關(guān)部門就會開始調(diào)查，找出誰是責(zé)任方。
因此，我們要保證的是：如果車禍發(fā)生，責(zé)任方不是自動駕駛汽車，而是其他因素。這就是保證自動駕駛汽車安全的王道。
要保證自動駕駛汽車不是責(zé)任方，首先，我們要事先制定“事故責(zé)任”規(guī)則，而不是等著事故發(fā)生之后才開始調(diào)查誰是責(zé)任方。如果事后才開始調(diào)查，那么媒體將會重點關(guān)注自動駕駛汽車，這樣又會引起社會轟動，帶來一波自動駕駛汽車安全的懷疑之風(fēng)，監(jiān)管部門會加緊自動駕駛汽車的政策，這樣便會阻礙自動駕駛汽車的發(fā)展。
其次，我們要保證自動駕駛汽車一直處于“安全狀態(tài)（Safe State)”。也就是說，除非有其他因素的影響，自動駕駛汽車不會自己造成事故。
要讓自動駕駛汽車處于“安全狀態(tài)”，我們需要規(guī)定自動駕駛汽車與周圍環(huán)境的“安全距離”。如果這個規(guī)定適用于所有城市，那么自動駕駛汽車全面上路將指日可待。
我們來看看“安全距離”是怎樣算出來的。如上圖所示，它由四個因素構(gòu)成：
自動駕駛汽車反應(yīng)時間；
道路狀況（干、濕等）；
車輛速度；
最大減速。
如果自動駕駛汽車以100km/h的速度行駛，反應(yīng)時間為200毫秒，最大減速為0（勻速行駛），那么它的安全距離是5.5米。但如果其他因素不變，最大減速為50km/h，那么安全距離便是33米。因此，自動駕駛汽車在行駛得非?？鞎r，也可以保證安全。
同樣，在超車時，我們也可以計算出安全距離。超車時，如果我們知道需要降速多少，反應(yīng)時間是多少，我們就能算出超車時的安全距離。一旦算出安全距離，就意味著知道了自動駕駛汽車在變道時的速度可以達到何種程度，有了這個速度的限制，自動駕駛汽車駕駛安全系數(shù)將會提高。
通常來說，當我們做超車假設(shè)時，道路上的汽車速度是一樣的。如果是這樣，那么汽車是不能變道的。因為道路上的車道很多，本車沒有空間來變道。
因此，我們需要做另一種假設(shè)：在超車時，后方汽車的速度減慢了，這樣本車才能順利超車。所以，我們需要與相關(guān)監(jiān)管部門進行協(xié)商，規(guī)定超車時的安全距離，讓自動駕駛汽車在變道和超車時也可以處于“安全狀態(tài)”中。
在處理突然橫穿馬路的車輛或行人時，我們也可以運用相同的辦法。如果你在駕駛自動駕駛汽車的途中撞到了前方橫穿過來的行人，那么責(zé)任方有可能是你。那么，如何避免這種情況？
如果我們能夠計算出保證橫穿過來的車輛或行人安全的最大速度，問題就會迎刃而解。一旦計算出這個最大速度并保持不高于該速度的狀態(tài)行駛，那么即使前方有即將橫穿過來的車輛和行人，你也不會撞到他們。
我們可以和相關(guān)監(jiān)管部門協(xié)商，將這個速度推廣到各個城市，變成規(guī)定。這樣一來，自動駕駛汽車的安全性又會大大提升。
上圖是“路線優(yōu)越性（route priority）”（因時間關(guān)系，略過）。
美國高速公路安全管理局(NHTSA)做了一項調(diào)查，覆蓋了99.4%的交通事故。
通過表格我們可以發(fā)現(xiàn)，交通事故的原因是多種多樣的。比如前方車輛加速、前方車輛突然停止等等。那么要如何排除這些原因，讓自動駕駛汽車安全？
根據(jù)上述描述，大家應(yīng)該已經(jīng)知道了自動駕駛汽車的“安全狀態(tài)”，那么我們?nèi)绾巫屗鼈円恢北３衷凇鞍踩珷顟B(tài)”中？很明顯，要預(yù)測未來所有的狀況是不可能的。
有時候，駕駛自動駕駛汽車時會發(fā)生“蝴蝶效應(yīng)”。也就是說，作為司機，我們不經(jīng)意間做了一個無關(guān)緊要的小動作，但這動作看似無關(guān)緊要，其實在日后會帶來大災(zāi)難。
因此，我們需要保證自動駕駛汽車的任何一個小動作，都不會帶來“蝴蝶效應(yīng)”。
首先我們來認識兩個概念：
“默認緊急策略（Default Emergency Policy）"，指的是自動駕駛汽車在緊急狀況下默認作出的決策，在做出這種決策時，自動駕駛汽車不會作為責(zé)任方造成事故；
“謹慎命令（Cautious Commands）”，指的是不管外界環(huán)境如何，都可以保證自動駕駛汽車處于“安全狀態(tài)”的命令。
所以，我們就可以得出一個保證自動駕駛汽車安全的框架：自動駕駛汽車以“安全狀態(tài)”啟動，在行駛的過程中一直使用“默認緊急策略”和“謹慎命令”，那么它將永遠不會造成自己作為責(zé)任方的事故。
上圖是自動駕駛模擬器，圖中顯示車流駛?cè)雰蓷l分路，白色汽車駛向左邊道路，紅色汽車駛向右邊道路。從速度來說，你會發(fā)現(xiàn)它們很像人類駕駛行為。雖然車輛很密集，但是每輛車行駛得井井有條，沒有任何差錯和事故。
因此，你可以讓自動駕駛汽車像人類一樣駕駛。同時，無需駕駛300億公里，也能保證車輛的安全。此外，因為我們可以向社會解釋這種模型的運作方式，社會和監(jiān)管部門都將接受這種模式。
我們來總結(jié)一下自動駕駛安全問題，我們把這種模式稱為RSS模式。
首先，RSS模式并不基于實證模型+模擬器的形式，而是基于一種保證的措施。
其次，RSS需要相關(guān)監(jiān)管部門制定政策，接受“交通事故責(zé)任方”的規(guī)定方式，這樣才能確保自動駕駛汽車的安全性。
再次，RSS模式下的自動駕駛汽車不會作為責(zé)任方造成事故。
最后，如果事故是由傳感錯誤引起，那么駕駛搭載3個傳感裝置的自動駕駛汽車10^5小時，便能收集到足夠的數(shù)據(jù)，這樣能保證自動駕駛汽車的死亡率不高于1/10^9。
我們來講講自動駕駛汽車的經(jīng)濟、可擴展性問題。即使自動駕駛汽車再安全，如果不合理解決好經(jīng)濟問題，那么自動駕駛汽車的發(fā)展也會面臨巨大阻礙。
這一問題包括很多因素，其中一個重要因素就是地圖。我們需要精確度非常高的地圖（定位精度達到 10 厘米）。
現(xiàn)在，我們制作地圖的方式很多都是基于人工操作的，如果在實驗室做研究，這種地圖還尚可使用。但如果我們想將地圖運用到整個自動駕駛行業(yè)中，那么我們需要更加高端、性價比更高的地圖。
現(xiàn)在，駕駛輔助裝置的目的是避免事故。在一些國家，每一輛汽車都安裝前置攝像頭作為駕駛輔助裝置，而大部分的技術(shù)都來自Mobileye。2017年，我們銷售了將近900萬顆芯片，我們的技術(shù)安裝在將近900萬輛車上。
攝像頭可以收集到非常重要的數(shù)據(jù)。一方面是外部環(huán)境的數(shù)據(jù)，比如附近車輛、建筑、交通信號燈、道路標志等等；另一方面是道路上的標志線。
駕駛1公里將收集到1萬字節(jié)的數(shù)據(jù)，100公里為100萬字節(jié)，芯片能將這些數(shù)據(jù)計算和儲存。如果你一年駕駛了2萬公里，那么芯片便能收集到2億字節(jié)的數(shù)據(jù)。而將2億字節(jié)的數(shù)據(jù)上傳到云端，只需0.5美元。
這些數(shù)據(jù)發(fā)送到云端之后，將會用于制作精確度非常高的地圖。
REM（Road Expeirence Management，道路體驗管理）背后有三個架構(gòu)：收集數(shù)據(jù)（Harvesting)、整合數(shù)據(jù)（Aggregation）和定位（Localization）。
首先，收集道路（線路、交通信號燈等等）和地標信息，創(chuàng)造1萬字節(jié)／千米的數(shù)據(jù)；
其次，將所有數(shù)據(jù)上傳至云端的RoadBook中并進行整合；
最后，使用RoadBook和實時地標檢測系統(tǒng)為車輛進行準確定位，其準確程度滿足相關(guān)政策的要求。
為了更加直觀理解REM，我們來看幾張圖片。
上圖顯示了一輛行駛在拉斯維加斯道路上的自動駕駛汽車，左半部分是汽車的前方視覺，右半部分是汽車在Google地圖上的狀態(tài)。
紫色的線為道路上真實的線，你仔細看會發(fā)現(xiàn)它非常筆直，這表明地圖的精確度非常高，因為如果精確度不高，那么紫色線將會變得彎彎曲曲。
上圖是一輛搭載第三等級自動駕駛技術(shù)的尼桑汽車在日本高速公路行駛的視圖，這是汽車廠商們發(fā)起的一個項目，目的是自動駕駛汽車高速公路駕駛提供指導(dǎo)。
這個項目有諸多合作伙伴，包括寶馬、日產(chǎn)以及很多其他汽車廠商。在行駛的過程中，這輛自動駕駛汽車能夠不斷收集數(shù)據(jù)，而這些數(shù)據(jù)可以用來打造地圖。2018年全球?qū)⑸a(chǎn)200萬輛自動駕駛汽車，這些汽車都能收集并發(fā)送數(shù)據(jù)，幫助打造地圖。
打造自動駕駛地圖并不斷進行更新，如果要用到特殊的裝備，其實是非常昂貴的。但是，這種方法無需其他特殊裝備，所以它能很好的控制成本。
因此，通過聯(lián)合多方力量，利用自動駕駛汽車收據(jù)的數(shù)據(jù)來打造地圖，是降低自動駕駛地圖制造成本的好方法。
現(xiàn)在，Mobileye的EyeQ系列芯片已經(jīng)非常強大。
我們已發(fā)布EyeQ3，其長度為40納米，采用4個創(chuàng)新型向量微碼六核處理器（VMP）和4個CPU，已于2014年11月正式投入生產(chǎn)。EyeQ4芯片長28納米，采用了6個VMP、2個可編程宏陣列（PMA）和4個CPU，將于2018年3月正式投入生產(chǎn)，用于寶馬、大眾、日產(chǎn)、福特、通用、本田等汽車。
EyeQ4芯片是可擴展攝像機系統(tǒng)的重要組成部分，不僅會出現(xiàn)在碰撞避免系統(tǒng)中用于單目鏡影像處理，來滿足歐洲新車評估測試（NCAP）、美國國家公路安全局（NHSTA）以及其他地區(qū)規(guī)章要求，還將使用在三焦距攝像機結(jié)構(gòu)中用于實現(xiàn)一些高端客戶需求，例如半自動駕駛功能。
EyeQ4芯片能夠與雷達傳感器和掃描光束鐳射完美兼容，為用戶帶來更先進的服務(wù)體驗。
EyeQ5僅長7納米，使用了先進的半導(dǎo)體制作工藝——10納米甚至精度更高的FinFET新電晶體架構(gòu)制程，其加速器核心經(jīng)過了優(yōu)化，如計算機視覺、信號處理、機器學(xué)習(xí)任務(wù)以及深度神經(jīng)網(wǎng)絡(luò)。EyeQ5具有異構(gòu)性，完全可編程的加速器，芯片內(nèi)置的四種類型加速器均經(jīng)過其系列算法優(yōu)化。
Level 5 級別（SAE）的自動駕駛汽車將使用兩顆 EyeQ5 芯片以及英特爾 CPU 的支持。EyeQ5樣品將于2018年8月發(fā)布，將于2020年3月投入生產(chǎn)。
總結(jié)
我講了兩個非常基本的問題，但這兩個問題經(jīng)常是被大家忽略的。
通常來說，說到自動駕駛，我們會講到與傳感器相關(guān)的問題，但這些問題其實都不復(fù)雜。真正復(fù)雜的，是如何讓社會接受自動駕駛技術(shù)。
如果社會不接受，那么自動駕駛汽車將永遠不會大規(guī)模生產(chǎn)。所以我們需要保證自動駕駛汽車的安全，這就需要汽車行業(yè)和監(jiān)管部門的合作。
同時，我們還需要解決自動駕駛的經(jīng)濟性和可擴展性的問題，因為即使自動駕駛汽車再安全，如果人們不接受它的成本，那自動駕駛汽車將不能大規(guī)模上路。
我列舉了幾種降低自動駕駛成本的方法，比如打造地圖、優(yōu)化駕駛策略、設(shè)計芯片。因時間關(guān)系，還有一種方法（Low power SoCs）我沒有講，如果你們感興趣，可以下載相關(guān)論文。
Q：我們知道今年三月，Mobileye被英特爾收購。您能談?wù)劄槭裁催x擇英特爾作為收購方？
A：加入英特爾，并不是因為其誘人的收購價格，而是其擁有的無價資源。
Mobileye成立于1999，今年已經(jīng)18歲了。2014年8月，Mobileye在紐約證券交易所上市，當時的市場營業(yè)額已經(jīng)達到了55億美元。我們從駕駛輔助（基于前向 ADAS，與毫米波雷達融開始，一舉成為行業(yè)的領(lǐng)頭羊。
但是，我們意識到：當我們談?wù)撟詣玉{駛時，我們談?wù)摰牟皇悄硞€產(chǎn)品，而是整個行業(yè)。我們不是談?wù)撚嬎銠C視覺、人工智能、芯片系統(tǒng)，而是基礎(chǔ)設(shè)施、云計算、汽車廠商、監(jiān)管部門、5G網(wǎng)絡(luò)、數(shù)據(jù)中心。
那么，一個只有650名員工的公司怎么能憑一己之力做到這些？我們知道，是時候加入一家業(yè)內(nèi)巨頭，并具有強烈工程師文化的公司。
其實，我們?nèi)钡牟皇清X，而是資源，包括人力資源、基礎(chǔ)設(shè)施資源等。我們需要與相關(guān)監(jiān)管部門協(xié)商，但是以Mobileye的規(guī)模，我們只能與以色列國內(nèi)的監(jiān)管部門協(xié)商，而不能與其他國家監(jiān)管部門協(xié)商。
但以英特爾的規(guī)模，它能和全球范圍內(nèi)的監(jiān)管部門協(xié)商。因此，我們清楚地知道：Mobileye需要加入一家行業(yè)巨頭，翻開新的篇章。
英特爾有一個部門專門致力于自動駕駛，他們在理念上與我們達成共識，因此我們選擇加入。與此同時，英特爾的以色列分部有將近1萬名員工，它在以色列的布局很大。這也是英特爾吸引我們的原因。截止到兩個月前，英特爾以色列分部的200名工程師加入了Mobileye，從事下一代芯片EyeQ5的開發(fā)工作。
現(xiàn)在，我們已經(jīng)打造了100車輛的自動駕駛車隊，它們將一邊收集數(shù)據(jù)，一邊進行自動駕駛測試。如果單憑Mobileye的一己之力，我們不可能打造規(guī)模如此龐大的自動駕駛車隊，但有了英特爾的力量，這就小菜一碟。
Q：在很多文化中，失敗意味著完蛋。但是在硅谷，失敗有著另一種含義。因此，您能談?wù)劇笆 边@個話題嘛？
A：這個話題很有趣，因為它與文化息息相關(guān)。有一本著名的關(guān)于以色列的書叫做《創(chuàng)業(yè)的國度:以色列經(jīng)濟奇跡的啟示（Israel - The start-up nation）》，但它的作者不是以色列人，而是兩位美國人。
正如“當局者迷，旁觀者清”，外國人觀察以色列，能給予我們一個不同的視角。在讀這本書時，有兩個觀點讓我感到很驚奇。其中一個就是關(guān)于失敗的問題，在以色列文化里，因粗心大意而失敗是值得批評的，但因你想嘗試某種新事物而失敗，是無可厚非的。
如果你拼盡全力創(chuàng)立一家公司，但失敗了，人們不會批評你，而是會說你有經(jīng)驗了，那么下次你就不會犯相同的錯誤。因此，這樣的失敗并不會讓你失去信念。
另外，以色列沒有等級制度。以色列公司文化是很扁平的，如果我的員工用正當理由指出我的錯誤，那么他不會被解雇，反而有可能會升職。這樣缺乏等級制度的文化讓員工們能夠暢所欲言，這一點在創(chuàng)立初創(chuàng)公司時是非常重要的。
Q：現(xiàn)在的自動駕駛領(lǐng)域風(fēng)起云涌，競爭激烈，你認為哪家公司會贏？
A：我認為贏家不只一個。自動駕駛領(lǐng)域有如Google、蘋果、Uber這樣的科技公司，也有奔馳、通用這樣的汽車公司。另一些公司與Mobileye這樣的供應(yīng)商進行合作，比如寶馬。去年，寶馬就和Mobileye進行了合作，一起打造2021年生產(chǎn)的自動駕駛汽車。
接來下，我們還會宣布與更多公司的合作。有了這樣的合作，我們就能影響整個行業(yè)。所以，我覺得贏家不只一個。
你看看航空領(lǐng)域，會發(fā)現(xiàn)飛機的外觀相差不大，各個航空公司也將近趨同。我認為自動駕駛最后的格局將和航空領(lǐng)域相似，大家一起共贏。
Q：您能談?wù)勌厮估淖詣玉{駛技術(shù)嗎？
A：首先，特斯拉的Autopilot系統(tǒng)是基于Mobileye的技術(shù)。特斯拉現(xiàn)在的自動駕駛技術(shù)還處在自動駕駛的Level 2 水準，它叫做“半自動駕駛”。Levle 2的問題是我們必須告知駕駛員Autopilot系統(tǒng)的限制。駕駛員必須隨時待命，在系統(tǒng)退出的時候隨時接管。如果駕駛員放開方向盤，讓車自己駕駛，那么將會面臨問題。
一般來說，但是當我們談?wù)摗白詣玉{駛”時，我們談?wù)摰牟⒉皇堑诙燃墸辽俚谌燃壔蛞陨?。我們與奧迪合作開發(fā)A8車型便是 Level 3 級別的自動駕駛技術(shù)。
除此之外，我們還與日產(chǎn)、本田等汽車制造商合作開發(fā)第三等級技術(shù)。如果自動駕駛等級達到第三等級，那么在某些環(huán)境條件下，駕駛員可以完全放棄操控，交給自動駕駛系統(tǒng)進行操控。
如果系統(tǒng)需要駕駛員進行一些操作，駕駛員可偶爾對方向盤進行干預(yù)。駕駛員不需要全身關(guān)注看車外的情況。此等級特點就是，系統(tǒng)某些條件下完全負責(zé)整個車輛的操控了。
而Level 4更加高級，自動系統(tǒng)在某些環(huán)境和特定條件下，能夠完成駕駛?cè)蝿?wù)并監(jiān)控駕駛環(huán)境，但在一些特定的環(huán)境中，它還不能完成任務(wù)。
但是，Level 5可以解決這個問題，這一級別的自動駕駛系統(tǒng)能夠覆蓋所有情況，在所有條件下都能完成的所有駕駛?cè)蝿?wù)，它是自動駕駛技術(shù)的最高等級。
Q：在自動駕駛汽車要做出決策時，是云端來做決定，還是車內(nèi)裝置來做決定？
A：自動駕駛汽車在做決策時，時間是非常關(guān)鍵的。
首先，我們不可能讓云端來做決策，云端能做的是與地圖、收集其他車輛數(shù)據(jù)、更新規(guī)劃路線等相關(guān)的事情。它就像我們現(xiàn)在使用的地圖，比如Google地圖等等，不斷收集環(huán)境中的數(shù)據(jù)，進行更新，然后來重新規(guī)劃路線。
自動駕駛汽車要做決策需要的是人工智能，其能幫助處理很多問題，比如傳感、收集并處理傳感原始數(shù)據(jù)、像人類一樣理解虛擬世界等等。人工智能還能為駕駛做規(guī)劃和決策。在做所有這些決策時，時間是非常關(guān)鍵的。你沒有時間向云端發(fā)送信息，然后等著它作出反饋。
現(xiàn)在，自動駕駛汽車車內(nèi)一定會安裝高性能計算機，搭載人工智能技術(shù)。因為自動駕駛汽車要做出決策，只有極短的時間，所以它必須自己在車內(nèi)做出決策，而不經(jīng)過云端。
雷鋒網(wǎng)推薦閱讀：
想靠數(shù)學(xué)模型解決自動駕駛時代的事故問題，Mobileye 的工程師思維“很傻很天真”？
Mobileye被收購后首發(fā)聲：不走這條路，自動駕駛永遠都實現(xiàn)不了
關(guān)注“新智駕”微信公眾號，在微信后臺回復(fù)關(guān)鍵詞“Shashua演講”，即可獲得Amnon Shashua關(guān)于本文的演講視頻。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
