关于ADAS，正确切入前后装市场的秘密是什么？ | 雷锋网公开课

编者按：今年 8 月，雷锋网将在深圳举办「全球人工智能与机器人创新大会」（GAIR），在本次大会上，我们将发布「人工智能与机器人 Top25 创新企业榜」，Minieye 是我们重点关注的公司之一。今天，我们邀请到了Minieye 创始人和 CEO 刘国清，为大家带来 ADAS 方面的内容分享。

刘国清，Minieye 创始人和 CEO，新加坡南洋理工大学计算机工程博士，10 余篇研究成果在人工智能顶级会议、期刊发表（AAAI、IJCAI 等等），拥有 9 项国内外发明专利。2013 年回国创立 Minieye，带领由三十余名海归博士和优秀工程师组成的团队，自主研发车载视觉感知技术。目前，Minieye 已与多家 OEM、Tier 1 供应商建立了合作关系。

 ADAS 供应商众多，如何切入市场？

雷锋网：你认为目前在国内整个 ADAS 市场现状是怎样的？

刘国清：无论在汽车行业内还是资本市场，ADAS 都是风口，需求增长明显，也很多钱在往里扔。

但是，ADAS 对于国内毕竟属于一个新兴领域，绝大多数的团队都还处于一个早期的摸索阶段。这导致很多同行们对于 ADAS 应用场景的理解相对片面，对感知技术从 demo performance 到产品级水准的巨大跨度没有足够的预期，而开发的算法和产品往往缺乏系统的库测和路测，甚至对前装客户的需求和要求也存在大量盲区。

改善这样一种状态需要一个不短的过程，所以目前的市场需求仍然主要通过国外的供应商来满足。

雷锋网：简单介绍 Minieye 目前在做的事。

刘国清：Minieye 创始团队在 2012 年组建于新加坡，前身是新加坡政府 MDA 的高级驾驶辅助系统研究项目。我们专注在车载视觉感知技术和产品的研发上，也就是利用视觉传感器和算法去识别交通场景中的各类目标，通过分析、理解和预测这些目标的状态和行为，来帮助提升驾驶的安全性和舒适性。

目前，我们的技术主要应用在驾驶辅助和半自动驾驶领域。

雷锋网：关于 ADAS，目前涉足的供应商众多，你们找的是什么切入点？

刘国清：专业和本地化是我们的两个优势。

一方面，如果期望在 ADAS、半自动驾驶、甚至无人驾驶领域能够长足发展，专业性是必须跨过的一道槛。因为这类产品与人身安全直接相关，只有技术足够专业，产品可靠性得到足够保证，才有可能从后装迈进前装，从预警走向控制。

举个例子，你想进美国 OEM 的前装？那先装在他们的测试车上随便跑个四五百公里，发现有任何误检、漏检、甚至丢帧，不好意思，请回家继续修炼。所以这道门槛很高，高到可以挡住绝大多数的玩家。Minieye 为了提升技术的专业性，做了很多努力，比如标准化（涉及与 ADAS 相关的国际标准、协会标准和企业标准）贯穿整个开发和测试流程，再比如每天一万公里的数据帮助我们覆盖尽可能多的工况。

另一方面，本地化也是我们的一大优势。这又包括几块内容：数据、功能和体验的本地化。模型对本土工况的适应程度与训练数据的本地化程度直接相关，而对于功能和体验这两点则更好理解。

比如国内车多路窄、电瓶车行人乱窜，绝大多数碰撞是在低速下发生的，所以低速下的防碰撞功能在中国较欧美更加有用，再比如不同国家的驾驶员对危险的定义有明显区别，咱们中国人神经普遍比较大条，所以你按照欧美的预警机制上产品会让用户觉得烦。

雷锋网：ADAS 广泛应用的决定性因素在于成本，如果大家都朝着「低成本」的方向去做，那么怎么做出产品的差异化？

刘国清：首先 ADAS 包含很多功能，每一个功能点想做好都很不容易，所以不同的公司完全可以选择不同的细分市场去钻。这一点对于初创型团队尤为重要。

另外我想补充一点，成本降低对于 ADAS 产业很重要。但如果一味追求低成本，而忽视技术水平的提高和产品的打磨，这问题很大。大家不要一提到专业、先进的算法，想到的都是硅谷或者以色列，而在中国只能是去把东西做便宜。

人工智能领域有几个顶级的国际会议，最近这几年这些会议中有超过三分之一的成果都有我们的华人同胞参与，所以中国人做算法不比任何老外差。还有，半导体、传感器行业的快速发展势必会帮助显著降低 ADAS 产品的成本。

雷锋网：除了成本外，在你看来，怎么让 ADAS 更加接地气更加为广大车主用？

刘国清：我理解接地气的意思就是满足本地化需求，涉及的主要内容正是我上面提到的功能和体验。想做好这一点，最好的办法就是根据用户反馈迭代产品。

传统行业的普遍心态是这样的：你从我这儿买回东西后，千万不要再来找我，因为我看到你想到的是售后、返修、退货。这样不对头，这方面要向互联网公司学习。

雷锋网：成熟的 ADAS 系统不是一朝一夕完成的，从零开始也需要 3 到 4 年的经验积累，与前装合作也同样需要几年的周期，作为一家创业公司，在长周期下如果保证公司生存？

刘国清：最佳方式当然是通过业务拓展来形成造血能力，从去年下半年开始我们在后市场已经有订单形成了。

雷锋网：Minieye 是如何做前后装市场？您怎么看待目前在一些后装的行车记录仪、后视镜加装 ADAS 功能的现象？

刘国清：前装没有什么特别的打法，扎扎实实开发，一步一个脚印。

后装市场我们选择了几家优势互补的合作伙伴一起开拓，既可以提供完整的硬件功能模组，也可以提供软件解决方案，比较灵活。

雷锋网：业界有一个说法是 Mobileye 成本高，这让一些创业公司获得生存机会，在你看来，为什么创业公司有能力做低成本的 ADAS，而 Mobileye 不能做？

刘国清：Mobileye 的硬件成本并不高，EYEQ 系列的芯片是自己开发，所以成本很低。但从研发成本考虑，国外的研发成本远高于国内，而芯片的前期投入也非常巨大，所以这两方面拉高了 Mobileye 的整体成本。

再者 Mobileye 采取的是全球定价策略，目前看也不会为中国市场大幅降低售价。这正是国内公司的机会。

ADAS 对于汽车的价值是什么？

雷锋网：在复杂交通场景下（包括但不限于各类光照，天气，路况等），Minieye 对目标进行准确识别率能达到多少？这种识别率是否是衡量 ADAS 好坏的唯一指标？

刘国清：通常讲的识别率是指出现 100 辆车你的系统能检测（detect）到其中的多少辆。从技术角度，单独讲识别率没有任何意义。

举个例子，这里有 10 张图片，其中 5 张是车，5 张是树。现在有一个系统，它把 10 张图片都识别成车，这时虽然它的识别率是满分，但同时会产生大量的误检。所以在专业的开发过程中，算法评价体系要同时考虑敏感性和特异性两方面。或者直白地讲，在保证一个可以接受的误检率的前提下，尽可能高的提升识别率。

另外一方面，技术指标和测试用的数据也有直接关系。我在一个 1000 张图片的数据库做到 100%，和我在一个 1 亿张图像上做到 98%，我觉得后者要优秀很多。

雷锋网：ADAS 系统多是基于摄像头，技术基础是计算机视觉，Minieye 关于 ADAS 在摄像头选用上有哪些讲究？摄像头在 ADAS 系统上有多重要？在你们看来，目前单目、双目方案存在哪些差异？各有什么优缺点？

刘国清：宽动态，高感光，机器友好。

摄像头对 ADAS 非常重要，举个例子，你现在从一个暗的地方突然到一个亮的地方，比如出隧道，这个时候如果摄像头的动态和曝光反应不过来，一直过曝光，那有再好的算法也难解决好。

双目有效距离近，对运算量和机械结构要求高，对雨天/过曝光等天气场景处理不好，优点在与定量的距离计算。单目相反。

雷锋网：ADAS 方案需要集成许多项技术，目前是否面临在处理器、传感器、算法方面的挑战？

刘国清：是的。ADAS 镜头模组需要定制化开发，甚至不同的 ADAS 功能对摄像头的要求都不一样。和图像相关的算法天然就很吃计算资源，所以对芯片性能的要求往往比较高。

如果你想把深度学习用到你的系统里，那更是如此。算法上主要的挑战是复杂场景下仍然能够鲁棒的识别目标。

雷锋网：在你们看来，为什么行人识别离产品化还有很大距离？难度在哪儿？

刘国清：相对于车，行人的感知要难一些。一方面行人数据的内差更大，站着蹲着不同姿态、高矮胖瘦奇装异服、城市环境下的各种遮挡，这些导致同样是人，但看起来会差别很大。内差大衍生出来第二个问题，就是模型复杂度增加，所以会对芯片的计算能力提出更高的要求。

不过 Mobileye 的前后装产品都有这个功能，我们公司也会在年内会推出这个功能，所以离产品化的距离也不远。

雷锋网：在你看来，ADAS 对于车企、对于驾驶员来说的价值分别是什么？对于未来汽车的发展有什么意义？

刘国清：ADAS 是驾驶无人化的必经之路。对驾驶员的价值当然是更安全和舒适的驾驶体验。所以 ADAS 功能做的好，可以帮助主机厂走量。另外，可以帮助主机厂更好的布局无人驾驶产业。

雷锋网：今年 8月，雷锋网(公众号：雷锋网)将在深圳举办「全球人工智能与机器人创新大会」（简称：GAIR）。想了解下，您对人工智能的未来趋势怎么看？

刘国清：人工智能未来必然是一个很大的系统，就像生物学上人脑有很多中枢，每种中枢都处理好一种特定的操作，然后系统的联动起来。这里面每一个块要处理好都是很复杂的，比如语音和图像。要解决整个人工智能问题也将是一个巨大的工程，需要全世界优秀科学家和工程师分工协作。

人工智能系统大致包含三大块：感知，决策，执行。视觉感知将会是未来发展最有挑战也是最有潜力的方向之一，毕竟人脑中就有 1/3 左右是用来处理视觉信息的。

精彩问答：

问：业界有没有一个公开的 ADAS 评测图片数据集，供广大 ADAS 厂商检测识别率？否则说识别率达到是多少是没有意义？

刘国清：目前在工业界还没有一个这种数据库。未来有的可能性也不会很大。

原因是这样的，不同公司采用不同的传感器，采集的训练数据会有一些区别，所以没有办法去用一个通用的测试库进行非常公允的评测。倒是可以去明确一些测试标准，大家在同样的规则下去测试，这样的结果会有很好的可比性。

识别率是 ADAS 里很重要的一个指标，但它需要和其他指标放在一起考量才有意义。还有就是，识别率之类的指标是在什么样的规则下测试得出的，在评价 ADAS 技术时也是需要考虑的。

。