當前觀點：單視覺方案成L2新方向，內卷之外我們還看到了什么？

車東西（公眾號：chedongxi）

作者 | 小崔

(資料圖片)

編輯 | Juice

什么樣的智能駕駛方案才最符合當下汽車市場的要求？

關于這個問題，行業內目前有兩個答案，一是采用昂貴的軟硬件，讓量產車實現高階智能駕駛，如高速NOA和城市NOA；另一個則是將硬件性能發揮到極致，通過較低的成本讓車輛具備輔助駕駛能力。

這也可以被視為兩條不同的細分路徑，而這兩條路徑也并沒有對錯之分，只是代表了不同玩家對于市場的思考。

不過站在當下的時間節點來看，高階輔助駕駛如城市NOA的落地進展并不算快，而更被消費者看重的10～20萬市場也還沒有完成輔助駕駛的普及。

更值得注意的是，今年以來，汽車市場非常卷，車企都在降價促銷，這樣一來，輔助駕駛的成本就更加敏感了。因此，目前整個汽車行業亟待性價比更高的輔助駕駛解決方案打開局面。

這一趨勢下，一些智能駕駛方案供應商們選擇在傳感器上下功夫——減少雷達數量，從nR1V到1R1V，再到單視覺方案，力爭將硬件成本降到最低。

日前，智駕科技MAXIEYE發布了牧童MonoToGo?解決方案，僅采用一顆攝像頭就能夠實現L2級輔助駕駛，并且滿足CNCAP2021版本和2024版本主動安全五星+評分要求，AEB誤觸發率遠優于行業平均水準。

牧童MonoToGo?解決方案

可以說，這一方案雖然在硬件上做了取舍，但是其表現力并沒有打折扣。

那么，僅憑一個單目攝像頭，牧童MonoToGo?單視覺L2解決方案是如何應對各種復雜場景的呢？單視覺方案會是未來智能駕駛行業的確定性方向嗎？車東西與MAXIEYE首席運營官楊騰飛進行了深入交流，并從中找到了答案。

一、成本重要性提升 單視覺方案備受關注

在汽車智能化大趨勢的要求下，輔助駕駛能力正在成為車企重要的競爭力之一。因此智能駕駛領域也非常之卷，一部分玩家在卷高階智能駕駛，另一部分玩家則在卷性價比。

盡管如此，智能駕駛的普及仍然任重道遠。去年，國內L2智能駕駛方案滲透率首度超過30%，這意味著平均每10輛車里面就有3輛車搭載了L2智能駕駛系統，但市場上至少還有七成的車輛沒有采用L2級智能駕駛方案。

另一方面，今年興起的車圈價格戰卻給智能駕駛的普及帶來了成本上的難題。價格戰影響下，車企對于成本的要求更加敏感，對于占市場主體的10～20萬區間的車型來說，既想要降低成本，又想要通過增加智能駕駛功能提升產品競爭力，這對車企來說幾乎是進退兩難。

這種情況下，不少車企開始在功能和成本之間尋找平衡點，性價比也因此成為了關鍵詞，不少1R1V方案開始上車。

雖然1V1R的方案的成本已經比較低了，但仍然沒有辦法做到快速普及。于是，一些玩家還在進一步思考，1V1R的方案是否已經觸摸到了行業的底部？是否還有能力更進一步？

從第一性原理來看，1V1R確實還有下探的空間，只通過一顆攝像頭來實現輔助駕駛自然是最合理的方式。

而目前也有玩家已經在這方面進行了布局，不僅拿出了完整的方案，而且市占率還在持續上升，公開數據顯示，自主品牌近三年來單視覺L2配置率逐年提升，并有望取代1R1V的部分市場份額。

自主品牌汽車單視覺方案和1V1R滲透率趨勢

此前，市場上只有Mobileye和地平線拿出了單目視覺感知方案。而在日前，MAXIEYE推出牧童MonoToGo?，成為了第三家推出量產和底層自研的單視覺L2級方案的玩家。

至此也產生了一個新的問題，與1R1V方案相比，市面上一些單視覺解決方案在測距和測速的精度上有所下降，這也是整車廠對單視覺L2方案主要的擔憂和痛點。

基于數據支撐，MAXIEYE的牧童MonoToGo?在實車測試場測評中，達到CNCAP2021版本和2024版本主動安全五星+評分要求，測評數據符合E-NCAP 2023主動安全五星要求。

也就是說，MAXIEYE用較低的成本做出了足夠好用的方案。

那么，智駕科技是怎么做到的呢？

二、軟硬件同步發力 推出多項核心算法

為了實現這一成績，MAXIEYE在軟硬件兩方面都下了很多功夫。

牧童MonoToGo?在復雜場景下的目標識別準確，離不開MAXIEYE的底層感知自研和數據迭代能力的加持。

智駕科技MAXIEYE全棧技術布局

MAXIEYE自研了基于MAXI-NET深度學習網絡的感知到規控全棧技術鏈，通過系統軟件之間的聯合優化，高效實現系統最優。

另外，MAXIEYE在牧童MonoToGo?中采用了雙網絡冗余技術，在目標識別的時候會通過兩個神經網絡去確認目標。

其中一個神經網絡解決目標檢測問題；另一個神經網絡主要是解決目標與環境的關系問題。經過兩個神經網絡綜合確認后，牧童MonoToGo?基本可以準確無誤地識別目標，從而保證車輛安全行駛。

值得注意的是，MAXIEYE還采用了創新性4D視覺算法對速度和距離這兩個重要參數進行特殊處理，基于雙網絡冗余校驗，在提升準確率同時，針對性優化了顛簸路況、俯仰路況等復雜場景。

corner case場景

基于跨平臺嵌入式開發能力，MAXIEYE在硬件方案上會更加靈活，可以有更多跨平臺芯片選擇的自由，MAXIEYE可以選擇某個細分領域最適合自己的芯片，然后基于SOA底層軟件架構設計實現高效的平臺化移植。

據悉，此次發布的第一代牧童MonoToGo?采用安霸CV22芯片，水平FOV參數100°，目標探測距離最遠支持200m，針對性優化了夜間/陰雨/光線變化等場景適應性，集成MAXI-NET深度學習網絡模型，支持十余種目標屬性感知和預測，針對單視覺應用強化了速度/航向角等屬性估計的性能，支持4D感知網絡，可滿足SAE J3016TM定義的自動駕駛等級中的L0-L2級全功能。

MonoToGo? L2功能

三、數據閉環是關鍵 可持續迭代升級

支持數據全流程閉環，是牧童在單視覺產品定義中最大的功能亮點之一。

MAXIEYE自2021年起搭建基于量產系統的數據智能體系，支持全流程場景復現和數據閉環，該體系支持數十種事件觸發視頻回傳機制，可以持續通過數據驅動實現算法迭代升級。

MAXIEYE數據智能體系

那么，其工作的具體流程是怎樣的呢？我們以AEB的誤制動為例。

事實上，AEB誤制動的場景非常多，幾乎無法窮舉，只有在系統投放市場使用后，經過大量的實際路況應用才能收集到。

每當已量產的系統產品發生誤制動或其他問題場景時，MAXIEYE都會將在車端脫敏處理過的場景信息和處理結果回傳回來。

值得關注的是，與市面上其他單視覺系統相比，牧童MonoToGo?內部含有一個視頻解碼芯片，能夠更完整和真實地還原AEB發生前后幾秒的場景，這也突破了既往行業僅支持回傳單張圖片的壁壘，可良好解決問題的復現分析。

另外，這個視頻解碼芯片支持視頻記錄集成復用，對于車廠或者是終端用戶來說，硬件成本基本上沒有增加，但是卻增加了一個視頻記錄的軟件功能。

數據回傳之后，研究人員則會去分析定位是哪一個環節出現了問題，如系統計算的問題，或是此前沒有收集到的目標信息。

如果是系統的計算能力出現故障，那么研究人員會有針對性地進行修復和備案，如果出現了此前未收集到的目標信息，那么該目標信息將會被添加到系統之中，確保目標下一次出現時能夠準確識別。

除此之外，MAXIEYE的影子模式也可以促進數據閉環。

可以通過量產方案的影子模式對單視覺和1R1V兩種方案進行演練。

如果單視覺方案的處理結果與1R1V方案的處理結果相同，那說明單視覺方案在這些場景中表現非常好，如果不同，MAXIEYE便會對兩種方案的不同處理結果進行記錄并回傳，通過比對完成訓練。

量產系統數據閉環案例

由此可見，MAXIEYE在數據閉環方面做了很多布局，而越來越多的數據也能夠促進產品的持續迭代。官方數據顯示，MAXIEYE量產系統積累場景數據已經突破了2億公里，在行業內已經排在了前列。

得益于數據閉環能力，牧童MonoToGo?解決方案的OTA更新速度最快可達到一季度一次。

整體上來看，智駕科技MAXIEYE已經完成了全棧技術布局，這樣做的好處，除了可以實現技術自控，另一方面也可以有效降低不同模塊調校和誤差疊加等開發成本。

一般情況下，當感知模塊出現問題時，方案供應商不僅需要通過優化感知本身去解決，還需要靠規控端去做調整。如果感知和規控都是自己研發，那么兩者的兼容問題就可以有效在內部快速解決，感知和規控可以進行深入耦合，取長補短，互相彌補，合作研發也就更緊密。

正是這樣的前期布局，MAXIEYE在保證了核心競爭力的同時，也讓商業化方面的更多嘗試成為了可能。

四、牧童MonoToGo?方案或將促進高階智駕落地

目前，智能駕駛標準化產品進入價格內卷階段，這正在倒逼車企和方案商積極布局降本增效。單視覺方案的極致成本下探和創新功能加成，是應對L2規?；袌鲂枨蟮囊环荽鹁?。

另外，如何理解單視覺方案對高階智能駕駛技術產生促進作用呢？

當下，高階智能駕駛的落地速度不如預期，最大的問題在于對場景的覆蓋率不足，算法性能打磨和體驗優化仍待提升。

基于諸如單視覺L2等成本極致化的數據閉環方案部署，所謂“低階賦能高階”的路徑有望被打通。具體而言，作為業內唯一支持量產單視覺L2部署視頻數據閉環的方案提供商，MAXIEYE部署了完整的數據全流程閉環，以及基于視頻流實現vSLAM關鍵場景構建的底層技術架構。

數據閉環的價值不僅針對量產的當前系統支持功能迭代，還可針對性面向十字路口、匝道口等高階智能駕駛的痛點場景建立知識庫積累，以實現對內自迭代、對外促升級的數據驅動雙閉環。

不論是科技普惠，抑或是鋪墊高階的新打法，牧童MonoToGo?都在相對標準化的L2市場給出了新的定義。所謂行業內卷，不健康的現象長期而言只是暫時的，排除雜音，回歸商業本質，解決痛點和用戶體驗，或許才是唯一難但正確的“捷徑”。