规模化L2公司融资加速，渐进式路线才是自动驾驶最优解？

雷峰网 11-13 149

前言：

此刻各位老铁们对“win10玩l4d2闪退”大体比较关切，我们都想要了解一些“win10玩l4d2闪退”的相关内容。那么小编同时在网上网罗了一些对于“win10玩l4d2闪退””的相关文章，希望兄弟们能喜欢，我们快快来学习一下吧！

“目前市场上有20%的项目能接受比上一轮更低的价格融资。即使是明星项目，比上一轮的加价率也从50%下降到10%~20%。”

这是全国社会保障基金理事会副理事长陈文辉在上个月的演讲中透露出的一个事实，今年的融资环境之严峻可见一斑。

在自动驾驶行业，今年的融资情况虽不像上述那样“严峻”，但察其端倪，也不同以往。专注于细分场景，规模化量产、L2及L2+级别自动驾驶的公司似乎更容易获得投资人的青睐。

智驾科技MAXIEYE就是其中代表。

在去年接连完成A+轮与B轮融资之后，MAXIEYE再获韦豪创芯、沄柏资本、爱芯元智C1轮联合战略投资。据了解，该轮估值较上一轮翻了近一倍。

其在官方披露中表示，“未来，几方也将在战略资源上互相协同，释放跨界合作生态势能，共同为汽车智能化及未来出行创造价值。”

平台化技术体系为基

在自动驾驶行业，to VC的故事早已不能让人信服。MAXIEYE能连续获得融资，其根本上在于产品端具有足够竞争力。

在乘用车领域，MAXIEYE最近发布了MAXIPILOT® 1.0&PLUS系统，支持高性价比NOM（Navigate on MAXIPILOT®）领航辅助驾驶，并获得合创汽车的新车型量产项目定点。

在商用车领域，MAXIEYE不仅与德赛西威（也是其B轮股东）达成高阶智能驾驶的战略合作，还获得了东风商用车的项目定点。据了解，该公司截止2021年底已实现数十万套商用车ADAS产品量产出货。

能在两个领域都做到规模化量产的公司在行业内较为少见，MAXIEYE能有如此成就或许要归功于其感知到规控全栈自研的平台化技术体系。

所谓平台化，即底层架构与核心技术模块不变，根据不同的需求对产品进行规划，并凭借嵌入式软件技术，在不同算力芯片上实现快速迁移。

直白点说，核心技术不变，算法可以复用，只在上层应用层面根据不同细分市场的差异化需求，进行产品定制和量产项目落地。

也正因此，平台化技术体系赋予了MAXIEYE快速迭代的能力。

纵向来看，支持L2级全速智能巡航的MAXIPILOT® 1.0方案于去年量产，今年升级版1.0 PLUS系统则实现了高性价比的NOM领航辅助。另外，据MAXIEYE介绍，同时支持NOM及行泊一体的2.0系统将于明年发布，同样官宣即量产。

NOM领航辅助与行泊一体的装配是敲开高阶智能驾驶大门的关键。

NOM领航辅助驾驶的出现及发展顺应了市场对L2++智能驾驶的需求，MAXIEYE的高性价比方案也一直秉承着“用得起，愿意用”的原则，让场景覆盖高速公路和城市快速路领航辅助驾驶可在5-15万的车型上搭载，真正使得高阶智能驾驶体验惠及大众消费市场车型。

而行泊一体的发展则是给了国内tier1弯道加速的契机。这种汽车电子电气架构由分布式向集中式演进的过程中催生的行泊车一体化技术，在国内市场备受追捧。据不完全统计，现阶段至少有18家自动驾驶企业发布了支持行泊一体的智能驾驶方案，大部分将于今明两年量产落地。

与此同时，对行车和泊车单一领域积累雄厚的外资tier1也逐渐开始打通壁垒，着手布局行泊车一体化。不过，更新迭代的速度以及对国内市场的理解仍是国内tier1的优势，外资tier1按部就班的本土化进程已经有些追之不及，因此，他们也通过投资与合作等方式进行探索。

如博世通过投资MOMENTA来加速本土化进程；采埃孚也通过与天瞳威视的战略合作进军泊车领域。

而MAXIEYE作为国内tier1的新兴代表，也将凭借平台化技术体系不断向上探索，成长。

感知先行构建核心壁垒

MAXIEYE平台化技术体系的成功，离不开成立初期对感知技术的加码。

MAXIEYE团队组建于2015年，创始人周圣砚博士便是视觉感知出身，师从麻省理工学院自动驾驶科学家卡尔·艾格尼马。

联合创始人骨干团队，均来自车企及国际一线 Tier 1，在视觉感知和自动驾驶领域具有深厚的学术积累及前装量产项目经验。

在具体技术层面，据MAXIEYE副总裁杨腾飞介绍，MAXIEYE擅长在跨平台的不同算力芯片、尤其有限算力平台上实现算法更优效果的工程化部署。

这并不是一件容易的事情，如同一个人戴着枷锁跳舞，前期目标很明确，但跳的过程中所遇到的难题是不可想象的，半途而废也时有发生。

杨腾飞说：“感知算法在PC端运行一般都能得到不错的效果，但实际上做成嵌入式产品，要在车规级的有限算力芯片上运行，这种情况下达到可量产的性能状态是一件很难的事情，如果没有经过大量的工程化去验证，研发到最后可能就会发现根本做不出来，这也是不少行车项目最后烂尾的原因。”

而MAXIEYE的核心壁垒，正是将诸如这样难而正确的事做好。

举例而言，2020年，MAXIEYE已经可以基于单目视觉实现3D感知，当时行业内大部分依托单目视觉的量产方案在遇到上下坡场景时会出现闪退现象，而基于3D感知的单目视觉就可规避这种漏洞。

MAXIEYE视觉感知技术的研发之路，同样是我国感知技术国产替代的崛起之路。

由于我国汽车工业起步较晚，早期产业链的成熟度远不能与汽车工业出口大国相比。因此，在感知领域，早期的市场份额大多由外资厂商占据。

如以色列厂商Mobileye，早在10年前便是宝马的技术供应商，曾占据70-80%的全球市场份额。而十年前，我国的感知技术远不能与其同日而语。

感知技术的重要性毋庸置疑，作为自动驾驶的第一环，感知技术是自动驾驶之眼，所有的后续规划决策都以感知为基础才能进行。

直到今天，一个自动驾驶系统的整体上表现好坏，很大程度上都取决于感知系统的性能差异。

随着我国自动驾驶产业链不断走向成熟，国内厂商也通过各关键技术模块在国产替代的浪潮中不断获取市场份额，以MAXIEYE为例，早在2020年，其视觉产品就已出货超过十万套。

不仅如此，MAXIEYE还以自研视觉为基础构建了从感知到规控的全栈自研技术体系。

全栈自研的能力让MAXIEYE能从每个环节都自主定义产品，为其实现规模化L2并渐进式升维打下了坚实的基础。

押注BEV架构突破升维之路

得益于平台化技术体系与早期在感知层面构建的核心壁垒，MAXIEYE的智能驾驶系统及智能视觉感知系统两大产品在市场上都有着十分不错的表现。

如今，MAXIEYE将下一轮增长点压在了全局BEV架构之上。

据介绍，BEV即上帝视角维度的鸟瞰图，是一种由神经网络将视觉信息从图像空间转换到BEV空间的技术。

基于BEV技术架构，不仅将极大地提高感知精度、更好地解决目标遮挡问题、实现更优的特征融合，更重要的是可以让感知到融合规控的技术体系更加简约轻量化，让自动驾驶系统策略开发更加简单高效。

“以往面对不同Corner case，需要一些针对性的trick来解决，这种trick通常不具有普适性，多场景多trick解决方法的累加，将会让系统越来越复杂甚至不堪负重，难以满足规模化量产落地的需求。”杨腾飞解释，BEV架构将彻底颠覆以往智能驾驶基于“分层式”逻辑关系的叠加开发方式，真正实现端到端。

鉴于BEV对深度学习及智能驾驶的突破性影响，业内也有人提出这样一句话：基于图像的深度学习推动了L2的规模化普及（包括性能和价格方面），解决空间和时序问题的BEV将引爆L3。

值得注意的是，基于BEV实现量产落地也有不少难点，比如对算力和海量数据处理能力要求更高，强大的嵌入式工程落地能力、场景资源和数据处理效率将成为最大化发挥BEV技术优势和应用价值的关键。

随着电子电气架构的演变与车用操作系统等技术的突破，行业内部分L2级产品已进入量产应用阶段并成为了各家供应商的主力产品。

在不久前的第九届国际智能网联汽车技术年会全体大会上，工信部装备工业一司副司长郭守刚表示：“2021年，我国L2级辅助驾驶乘用车新车市场的渗透率达到23.5%，今年上半年更是提升到了30%。”

对此，杨腾飞告诉新智驾：“当下L2级智能驾驶的配置已经进入了一个快车道，可能用不了几年配置率就会达到50%以上。在这样一个增量红利的时代，供应商如果能抓住机会，业务可能短时间内就会有爆发性增长。”

此外，L2级辅助驾驶的渗透率虽已达到了30%，国内tier1仍处于发展初期，留给自主品牌的市场空间巨大。

在增量红利和国产替代的双重影响下，“国内智能驾驶企业在未来几年可能会迎来一个加速发展期。”

作为渐进式路线的忠实拥护者，MAXIEYE一直将L2的规模化量产作为突破高阶自动驾驶的起点。

一方面，L2的规模装车可以有效地积累原始数据，凭借数据积累与技术突破可以让L2做到渐进式升维至L3，L4、乃至L5。

另一方面，L2的规模化量产也可以让消费者走出传统燃油车时代固有的思维模式，建立技术信任和新的体验认知。

“在配置为1R1V（一个摄像头与一个毫米波雷达）的L2级系统上，我们就会去部署数据闭环系统。通过大量的数据回传帮助我们去进行技术迭代，快速推出新的产品。”MAXIEYE表示， “L2级自动驾驶系统装配的量越大，数据回传越多，新的技术迭代就越快。”

现阶段把L2做好似乎也成为了行业内大部分公司的共识，不少曾专注于L4级自动驾驶研发的公司，也开始降维做L2级的产品。