在自動駕駛探索中，Mobileye 無疑是業界先驅之一。
從 2004 年 Mobileye 就開始投入其中，在視覺，地圖和晶片等領域優勢巨大。
與此同時，Mobileye 有着資本市場最喜歡的故事：Mobileye 的 ADAS 系統有主流車企的背書。
2021 年 Mobileye 的晶片拿到了 30 家車企的訂單，訂單總量達5000 萬片，将搭載在 188 個新車型上。營收上，2021 年獲得超14 億美元收入。
截止 2021 年年底，Mobileye 的 EyeQ 晶片累計銷量已經突破 1 億片。未來，EyeQ 晶片将繼續進化，支援半自動和全自動駕駛功能。
2024 年，如果 Mobileye 的自動駕駛業務能全面爆發，Mobileye 的「錢景」将不可限量。即使按照現在 40% 的成長率，其未來幾年的營收增長将非常迅猛：
2022 - 18 億美元
2023 - 25 億美元
2024 - 36 億美元
2025 - 50 億美元
2026 - 70 億美元
去年 12 月，英特爾宣布計劃在 2022 年年中推動自動駕駛汽車子公司 Mobileye 在美國上市，估值或超過 500 億美元。
外界更好奇的是，IPO 之後，Mobileye 能講好自己的故事，成為一家高增長的自動駕駛公司嗎？以及這家輔助駕駛的巨頭是否能支撐起 500 億美元估值？
或許我們可以從 Mobileye CEO Amnon Shashua 的分享中找到問題的答案。
作為 Mobileye 的靈魂人物和技術布道者，Shashua 教授每年在 CES 上的演講，猶如一場自動駕駛的思想盛宴。他不僅會回顧 Mobileye 過去一年的進展、展望未來，還會對自動駕駛行業走勢和判斷進行深入的思考。
本文由汽車之心根據 Amnon Shashua 在 CES 的演講整理而成（略有删減）。在本次主題演講中，你将了解到：
Mobileye 2021 年的成績單
Mobileye 2025 年戰略是什麼？
Mobileye 關注的三大細分市場
如何判斷一套自動駕駛解決方案的優劣？
在 L4 自動駕駛當中，Mobileye 的部署是什麼？
01
Mobileye 2021 年成績單：
晶片總銷量突破 1 億
2021 年是 Mobileye 創紀錄的一年，Mobileye 用 41 款新産品赢得了 30 多家車企的青睐。
相比 2020 年的 3700 萬台裝車量，Mobileye 産品在 2021 年裝車輛達到了創紀錄的 5000 萬台。
與 2020 年相比，Mobileye 的營收大漲 40%。2021 年全年，Mobileye 營收達到 14 億美元，市場上有188 款車型搭載了 Mobileye 産品。
至于 Mobileye 的主打産品 EyeQ 晶片，銷量也是逐年攀高，2020 年這一數字是 1930 萬片，2021 年則攀升至 2810 萬片。
回顧 EyeQ 晶片曆史，自 2007 年問世以來，其總銷量已經突破 1 億片。這也意味着，Mobileye 的技術已經搭載在全球1 億台汽車上。
2021 年，Mobileye 也創造了不少業界第一。
比如，Mobileye 打造了一套視覺系統，并聯合本田在日本率先推出了 Level 3 車型；Mobileye 的 120 度視場 800 萬像素攝像頭也用在了寶馬車型上；另外，Mobileye 還與大衆聯合推出了雲端增強版的駕駛輔助系統，用到了 Mobileye 的 REM 技術。
當然，如今市場上的主流還是 Level 2，這裡就要提到 Mobileye 主打的 SuperVision 系統。輔以定制版的 ECU，兩顆 EyeQ 晶片就可配合全車 11 顆攝像頭視線駕駛輔助功能。現在，還有數千輛搭載這一系統的車型在中國上路。
2022 年，Mobileye 計劃通過 OTA 将 ADAS 功能更新到 NOP 領航輔助功能。
在其他資料上，Mobileye 也亮點頗多。
一是，Mobileye 搭建了 200PB 的超級資料庫，一些傳送給了預置軟體，另一些則直接存在了亞馬遜 AWS 雲端。作為對比，母公司英特爾現有資料庫也不過 238PB。
除此之外，Mobileye 還存儲了 1600 萬個駕駛片段，相當于在路上駕駛了 25 年。在算力上，Mobileye 有 50 萬個峰值 CPU 核心。
每個月，Mobileye 的運算機器會執行 5000 萬次計算任務，這就意味着 Mobileye 每個月會處理 100PB 的資料。換算下來，這背後則是 50 萬小時的駕駛時間。
02
Mobileye 戰略解讀
2017 年，Mobileye 制定了三大基礎戰略。
一是REM 地圖。這是一套基于駕駛輔助系統的衆包技術。隻要是搭載了 EyeQ 系列晶片的車輛，就能将有用的資料傳到雲端。在雲端，則由 Mobileye 專門研發的算法将這些資料整合，進而搭建出能支撐駕駛輔助與自動駕駛的高精地圖。
二是True Redundancy（真正備援）。在打造一台自動駕駛汽車時，會用到不同類型的傳感器，比如攝像頭、毫米波雷達和雷射雷達。不過，在 Mobileye 的攝像頭和雷射雷達最終會被整合進兩個不同的子系統。為了打造端對端的駕駛體驗，Mobileye 對兩個系統同時進行精心打磨和整合，以換取雙重備援。
三是Mobileye 安全模型 RSS（責任敏感安全模型）。RSS 解答了不少棘手問題，比如「到底如何定義什麼是安全駕駛？」，「魯莽駕駛和謹慎駕駛的界限在哪？」，「自動駕駛汽車如何在保證安全的情況下彙入車流？」。
上述就是 Mobileye 的三大基礎戰略，驅動着 Mobileye 兩大部門不斷前進。
首先，是進階輔助駕駛部門，也就是 L2+。這套系統搭載多顆攝像頭，擁有完整的運作設計域。
不過，其成本相對低廉，因為系統隻需要攝像頭和 REM 即可。當然，基于 RSS 的駕駛政策也融入其中，這就讓 Mobileye 在路徑規劃時實作了精益計算。
其次，是 L3/L4 自動駕駛部門，覆寫了有條件的自動駕駛和全自動駕駛領域。REM 能保證其适用範圍，而 RSS 則為車輛安全保駕護航。在這一階段，毫米波雷達和雷射雷達也登場了。
2017 年定下目标後，Mobileye 現在走到哪一步了？
在 REM 地圖上，Mobileye 已經組建了全球最大的地圖測繪衆包車隊。眼下，Mobileye 每天能累積 2500 萬公裡的行駛裡程。
整個 2021 年，Mobileye 采集了40 億公裡的資料。2022 年，如果每天累計 2500 萬公裡，Mobileye 最終能實作90 億公裡的資料積累。
現在的 Mobileye，不但有了全功能的 L2+ 系統，還在許多城市部署了自動駕駛測試車，比如紐約、底特律、東京、巴黎、慕尼黑及以色列。
在真正備援上（True Redundancy）上，Mobileye 實作了攝像頭子系統的産品化，其結晶就是 SuperVision。
目前，這款産品已經在極氪汽車上搭載，2022 年 Mobileye 将通過一系列 OTA 更新充實其功能。
其次，Mobileye 完成了毫米波雷達/雷射雷達子系統的搭建，這就意味着 Mobileye 已經能抛開攝像頭提供端到端的駕駛體驗。
除此之外，2021 年 9 月，Mobileye 在法蘭克福車展推出了 Robotaxi 服務，統一了攝像頭與毫米波雷達/雷射雷達兩大子系統。2022 年年中，Mobileye 的 Robotaxi 就會正式上路。
03
從 ADAS 到自動駕駛：
Mobileye 的今天和明天
在雲端增強版的 L2+ 上，REM 地圖是一項強力的補充，而首個受益的車企是大衆 Travel Assist 2.5 平台，率先搭載在 ID.4 上。
有了 REM 地圖資料加持，車輛甚至能在沒有道路标線的地方實作車道保持和居中功能。
Mobileye 與福特的合作也結出了碩果，雙方共同推出了新一代 BlueCruise，REM 地圖将為其提供強大支援。當然，在中國，Mobileye 與極氪合作，後者搭載的 SuperVision 系統也有 REM 地圖的輔助。
L3 上，Mobileye 在日本選擇與本田和法雷奧合作，Mobileye 承擔了計算視覺的工作。
此外，寶馬也是客戶之一，搭載 L3 系統的 7 系今年将正式問世。未來，Mobileye 還将進一步提升 L 3 系統的運作設計域。
在 L4 方面，Mobileye 去年 9 月就推出了 Robotaxi，其內建了 Mobileye 的攝像頭與毫米波雷達/雷射雷達雙子系統，預計 2022 年年中正式上路，并在年底拿到德國與以色列監管部門的準許，徹底取消安全員。
除此之外，Mobileye 還拿到了 Sixt，RATP，Transdev，Udelv，Willer 等公司的 Robotaxi，自動駕駛汽車，自動駕駛小巴和無人配送車訂單。
就在前不久，Mobileye 還拿到了第一個消費級 L4 訂單，客戶是吉利集團的極氪品牌。
這裡所謂的消費級指的是能在市場上買到的自動駕駛汽車，而不是打車服務。這款消費級 L4 平台搭載 6 顆 EyeQ5 晶片，2024 年年初就會進行 SOP。
那麼，Mobileye 所做的這些努力會将我們帶向何方？
——答案是三大新的細分市場：
第一是輔助駕駛領域的新興細分市場，也就是更為進階的 ADAS，我們稱其為L2+。
之是以這樣定義是因為 Mobileye 已經實作了全向傳感。拿極氪 001 來說，其搭載 11 顆攝像頭，其中 7 顆 800 萬像素長焦攝像頭，另外 4 顆則用在泊車上，加上 REM 地圖和不斷更新的 OTA 固件，車輛性能可不斷提升。
除此之外，L2+ 平台還有完整的感應-規劃-執行循環，運作設計域也是相當寬泛。當然，這套系統的本質還是 L2+，駕駛員不能開小差。
第二個則是帶有地理圍欄的 L4 Robotaxi。從成本來看，整套系統得數萬美元，Mobileye 2021 年 9 月在法蘭克福車展推出的 Robotaxi 就屬于這一細分市場。
第三個新興細分市場将在 2024 或 2025 年嶄露頭角，它就是消費級 Level 4 自動駕駛汽車。相比 Robotaxi，它有自己獨一無二的優勢，那就是突破地理圍欄，想開到哪就開到哪。
在這裡，Mobileye 的 REM 地圖就相當關鍵。當然，其成本控制也更加優秀，預計市場售價也就 1 萬美元左右，成本更是會低于 5000 美元。
目前，Mobileye 在三大細分市場都有涉獵。
至于自動駕駛未來的發展方向，Mobileye 認為有兩個：
其一是 Robotaxi，既能載人，又能運物。除了 Mobileye，很多公司都在押注這一賽道，比如 Waymo，Argo，Cruise 和 Aurora 等。
另一個方向就是消費級自動駕駛汽車。隻需要買一輛車，你就能獲得 Level 4 自動駕駛能力，Mobileye 也看好這個方向。除此之外，特斯拉和蘋果也是這一市場的重要玩家。
不過有一點需要注意，這兩大市場并不是同等體量的。畢竟消費級自動駕駛汽車可以變身 Robotaxi，但 Robotaxi 可不是消費級自動駕駛汽車，而且其成本更高。
Mobileye 還認為，消費級自動駕駛汽車必須是特制的，你不能拿 Robotaxi 技術去硬生生的轉化，畢竟其規模和成本都沒什麼優勢。
這也是 Mobileye 正在做的，兩條腿走路，但會優先考慮規模和成本。
當然，同時押注兩大方向并不隻是為了風險對沖，Robotaxi 和消費級自動駕駛系統之間還有強大的協同效應。
在部署 Robotaxi 的過程中，Mobileye 能積累大量關鍵經驗，然後反哺給下一階段的消費級自動駕駛汽車。
2022 或 2023 年将成為 Robotaxi 大年，而 2025 年将成為消費級自動駕駛汽車元年。
04
如何判斷一套自動駕駛解決方案的好壞？
判斷一套自動駕駛解決方案的好壞，有沒有标準呢？
當然有！Mobileye 歸結為三個方面：
第一是能力。我們得有一個廣泛的自動駕駛運作設計域。也就是說，無論是高速，城市還是郊區路況都能勝任。當然，在駕駛政策上也得向人類習慣上靠攏。比如彙入交通時要果斷，不能猶豫不決。
第二是魯棒性。系統的平均故障間隔時間（MTBF）必須足夠長，至少要大幅高于人類駕駛員，可以是 10 倍，100 倍甚至 1000 倍。
第三則是效能。效能也是成本。如果沒有足夠高的效能，恐怕很難做好成本控制，同樣也無法走出地理圍欄。
這就是決定自動駕駛解決方案好壞的三大标準，那麼 Mobileye 準備如何達标呢？
在能力上，Mobileye 能支援完整的運作設計域，覆寫 L2 到 L 4。也就是說，Mobileye 認為不同等級的自動駕駛差別不在于運作設計域，而在于平均故障間隔時間。
如果系統表現低于人類駕駛員的平均水準，那麼它就是 Level 2 系統。如果系統平均故障資料高于人類平均水準，那麼它就算得上是 Level 4 系統。
再說說魯棒性，Mobileye 遵循兩大原則：一是 RSS 模型，另一個則是 True Redundancy 概念。靠着這兩大支柱，Mobileye 能大幅提升系統魯棒性并增加平均故障間隔時間。同時，對于系統的驗證也會更容易。
至于效能，Mobileye 認為有四大關鍵元素。
（1）定制的 EyeQ SoC
Mobileye 的 EyeQ 晶片到現在已經發展到第五代了，其銷量是百萬級别。比如 Mobileye 與寶馬合作項目，其核心就是 EyeQ5 晶片，另一家德國巨頭奧迪也是 EyeQ5 的使用者。
在今年的 CES 上，Mobileye 帶來了三款全新的 EyeQ 家族 SoC：
EyeQ6 Light，它主要為 Level 2 ADAS 功能而生，功耗超低，隻有 3W 而已，而且可以裝在風擋後。
EyeQ6 High，其性能介于 EyeQ5 的 2-3 倍之間，是下一代 SuperVision 的禦用 SoC。
EyeQ ULTRA 則是 Mobileye 自動駕駛探索路上的經驗結晶，全新的架構能充分支撐繁重的工作負荷。
簡單來說，Mobileye 這次是奔着設計出終極晶片去的，它就是 EyeQ ULTRA。雖然采用單片內建架構，但能實作全自動駕駛。此外，這款晶片還自帶内部備援，配合外置 MCU，能完全進化成 ASLD 系統。
過去，Mobileye 打造了 4 個不同的加速器，其中之一專注于深度學習計算。另一個則類似于 FPGA，我們稱其為 CGRA。
第三個名為 Sim D，它與 DSP（數字信号處理器）類似。最後一個加速器則是多線程 CPU。
在工作時，不同類型的核心會負責不同的工作負荷，EyeQ ULTRA 共有 64 個這樣的加速核心。
在制程上，EyeQ ULTRA 用上了最新的 5nm 技術，它擁有 12 個 RISC—V 核心，每個核心 24 線程。除此之外，Mobileye 還給它武裝了 GPU ISP，專攻視覺任務。火力全開時，它算力可達 176 TOPS，能支援海量的 8-bit 的深度學習工作。與競争對手相比，176 這個數字并不多，甚至可能隻有其十分之一，原因是 EyeQ ULTRA 在乎的可不隻是算力（TOPS）。
在 Mobileye 看來，效能來自于對軟硬體互相作用真正的了解，比如在工作中到底要用到什麼核心，用哪種算法來支援這些核心。
拿 SuperVision 舉例，整套系統用到了兩顆 EyeQ5 晶片，它不但能完成 11 顆 800 萬像素攝像頭采集資料的運算工作，還能制定完整的駕駛政策，并完成感覺-規劃-決策循環的閉環，而單顆 EyeQ5 的算力為 15 TOPS。
顯然，Mobileye 對算力的要求并沒有想象中那麼高。這就意味着，隻要能完成軟硬體垂直整合，就能實作效能大提升和精益計算。176 TOPS 其實已經是 EyeQ5 算力的十倍了，這也是當下 Mobileye 能夠拿出的最強武器。
如今，兩顆 EyeQ5 就能驅動 Mobileye 的計算視覺子系統 SuperVision。
在 2024 年，極氪旗下還會有車型用上 6 顆 EyeQ5，實作有限運作設計域的 L4 自動駕駛。
Mobileye 的 Robotaxi 上，則一次性搭載了 8 顆 EyeQ5。從實踐經驗來看，Robotaxi 至少需要 10 顆 EyeQ5。
顯然，EyeQ ULTRA 有能力支撐起完整的 L4 系統，而且其售價最終不會超過 1000 美元。在成本方面，這絕對能改變行業遊戲規則。功耗上，EyeQ ULTRA 也很低，整套系統還不到 100 W。
在算力方面，EyeQ6 High 是現有 EyeQ5 晶片的 3 倍，即 34 TOPS，但能耗隻增加了 25%。在加速核心上，EyeQ6 High 隻有 14 個，而且制程也和 EyeQ5 一樣變成了 7nm。
不過，它依然搭載了 GPU ISP，未來可适配下一代 SuperVision（兩顆 EyeQ6 High）。
當然，單顆 EyeQ6 High 也能勝任其他類型的工作。如果一切順利，EyeQ6 High 的工程樣片今年年底就能問世，并在 2024 年實作量産。
EyeQ ULTRA 工程樣片會在 2023 年年底問世，2025 年實作量産。
EyeQ6 Light，它采用 7nm 制程，擁有 5 TOPS 的算力。
眼下，Mobileye 用在 ADAS 市場的晶片是 EyeQ4 Mid，EyeQ6 Light 的算力是其 5 倍，而且功耗隻有 3 W。
雖然還沒量産，但 EyeQ6 Light 其實已經訂出去了 900 萬顆，而且其工程樣片半年前就完成了，2023 年将實作量産。
（2）下一代雷達——「軟體定義的圖像雷達」
為什麼 Mobileye 又把目光轉向了毫米波雷達？
我想主要說一說這兩大子系統，一個是基于攝像頭的 SuperVision，由 ToF 雷射雷達實作 360 度覆寫，再由毫米波雷達實作 360 度全覆寫子系統。
在工作時，兩個子系統會執行獨立的感覺工作。站在 Mobileye 的角度，不但想要更強的魯棒性，還想降低成本。
從經驗來看，雷達的成本隻有雷射雷達的五分之一或十分之一。
問題在于，當下的毫米波雷達如果單拎出來使用，确實不太可行，在擁堵的交通中，毫米波雷達根本無法分辨行人和車輛。
好在現在的毫米波雷達也在快速進化。兩年前，Mobileye 決定打造一款高精雷達，稱其為「軟體定義的雷達」，因為這款雷達可通過軟體，甚至 OTA 進行更新，甚至對信号的接收/發送和處理進行配置。
此外，借助相應的深度學習算法，Mobileye 還能打造出能獨立運作的傳感器，讓毫米波雷達獲得 Mobileye 的功能。如果 Mobileye 實作既定名額，那麼 2025 年自動駕駛汽車就隻需要搭載一顆前置雷射雷達，毫米波雷達和攝像頭完全能肩負起周邊環境的監測任務了。
軟體定義的圖像雷達會成為降成本的大殺器，作為能獨立運作的傳感器，它們還能再次提升系統的魯棒性，因為前視角度有了三路備援。
在 2021 年的演講中，Shashua 已經講過這款高精雷達的性能名額。
簡單來說，Mobileye 的軟體定義雷達有 2000 個虛拟信道，信号發射器與接收器各 48 個，其動态範圍可達 100db，性能上絕對的強悍無兩。眼下，Mobileye 已經完成了整套雷達系統晶片的試生産，雷達的裝配試驗也在進行中。
如圖所示，上圖左側的雷達點陣：其中，綠色代表海拔，藍色是逐漸遠離自身的車輛，紅色代表靠近自身的車輛或物體。左側圖像中，許多藍色小點兩側的綠色點陣是雷達識别的馬路牙子，當視訊動起來後你就會發現，道路交通十分繁忙。
再舉了一個例子，視訊中車輛要從橋下經過。從雷達上，甚至能看到被護欄遮擋住的車輛，而且隧道内的車輛也清晰可見。
如果換做是現在的市面上的雷達，根本達不到這樣的識别水準。下一段視訊裡，你會在左側的雷達點陣中看到機車，即使是已經離開了視軸，雷達依然能探測到，整個軌迹清晰可見，要知道這可是繁忙的主幹道。
探測能力這麼強悍，輸出的雷達資料品質怎麼樣呢？
為什麼說這個問題？因為與雷射雷達的圖像輸出不同，想要讀取毫米波雷達資料很困難。為此，Mobileye 專門訓練了兩個神經網絡，其中一個是由毫米波雷達輸入，雷射雷達輸出。
Mobileye 專門整合了毫米波雷達和雷射雷達，借助神經網絡将毫米波雷達的輸入轉化為雷射雷達的輸出（做成相同的形式隻是為了展示毫米波雷達的功能）。從最終的結果來看，雷射雷達和毫米波雷達探測到的場景幾乎相同。
再看幾個例子，毫米波雷達在探測精度上已經可以比肩雷射雷達，其采集到的資料品質相當之高。
Mobileye 還做了另一個試驗，即「訓練神經網絡，把雷達的輸出轉化成攝像頭圖像」。這次，Mobileye 整合了毫米波雷達和攝像頭，然後用神經網絡對其進行訓練，結果如視訊所示，雖然有些許變形，但護欄和車輛清晰可見。
Mobileye 的目标很簡單，用這款成本隻有雷射雷達五到十分之一的雷達為使用者省錢，同時提升整個系統的安全備援（2 路到 3 路）。
說到雷射雷達，Mobileye 也有專門的部門負責開發——Mobileye 做的FMCW LiDAR，可以實作 4D 點雲，額外增加了速率的資料。
眼下，Mobileye 幾乎已經完成了 LIPRO SoC 原型産品的開發，未來它将負責雷射雷達資料的處理，支撐 90 個垂直信道的掃描。最重要的是，Mobileye 的 FMCW LiDAR 2024 年就能實作量産。
Mobileye 最強悍的EyeQ ULTRA 自動駕駛晶片将于 2024 年上路，2025 年投入量産。其次是軟體定義的雷達，它能獨立成軍，充當第三級備援。
這些裝備配齊，Mobileye 就有了一套不到 5000 美元的自動駕駛系統。
（3）基于 RSS 的精益駕駛政策——不但要定制 SoC，支援 Level 4 的算力也必須足夠「精益」。
精益計算與系統效能高低緊密相關。
首先是感覺，即車輛要了解自己周邊的道路狀況，而且是 360 度全景的。道路參與者的位置及他們的動态，固定的物體，障礙，交通信号燈，馬路牙子和道路标線等。
接着是規劃，車輛在行駛時需要自行做出決策，比如什麼時候并線，如何并線，甚至是如何不那麼突兀的并線。最後是執行，執行就是對車輛的控制。為了完成這個循環，需要投入超強的算力。
為什麼算力投入巨大，Mobileye 又是如何通過精益計算來節省算力的？
什麼是駕駛政策？所謂的駕駛政策其實就是通過引擎将感應狀态（即車輛周邊的所有事物）的映射轉化為動作，實作對車輛行駛狀态的控制。
聽起來挺簡單，但它卻是個實實在在的大難題，為什麼呢？
首先，與感覺不同，駕駛政策沒有路面實況支撐，而且任何動作都會産生長期影響。也就是說，現在的一個小動作，可能會在幾秒或者幾分鐘後引發一場事故。是以，每做一個動作都得考慮後續的連鎖反應。
況且這還是個閉環，你并非遊戲的唯一參與者，必須處理路面上的不确定性，畢竟其他道路參與者也會有自己的動作。
眼下，許多公司都在開發相關技術，試圖用新的方式來制定駕駛政策。
左邊的圖表（如上圖），縱軸代表計算量，橫軸代表搜尋的品質。至于「蠻力」，就很容易定義了，為了推導出未來，我們就必須預測一切客體可能做出的動作，然後循環往複進行這個工作，就像一棵向四周野蠻生長的大樹。
顯然，靠蠻力太笨拙了，但如果擁有無限算力，最終也能推導出最佳解決方案。可惜的是，算力并不是無限的。
在機器人和自動駕駛行業，有一項技術應用很廣泛，它就是 MCTS——蒙特卡洛樹搜尋算法，即跟着感覺搜尋出幾種「最可能」的方案，然後再去思考這幾種方案對手「最可能」的應對措施，接下來再想自己該如何進行下一步。至于搜尋的品質，最終還要看算力強悍與否。
最後則是 MDP——馬爾可夫決策過程，它的搜尋品質非常高，但你要需要進行強假設，在不考慮各種互動情況下預測其他道路參與者在未來幾秒，幾十秒甚至 100 秒之後的動作。如果你相信各類假設，那麼 MDP 會相當高效。
下面，我們再一起看看右邊的圖表（如上圖），到底什麼是最現實的假設。
MDP——馬爾可夫決策過程 是最不現實的，因為你已經假定自己能預測其他道路參與者的動作了，無需進行閉環假設。這也就意味着，你的軌迹是完全獨立的。
至于 MCTS——蒙特卡洛樹搜尋算法，則假設知道駕駛政策，然後在其他道路參與者之間穿梭，可能無法符合現實情況。
用蠻力呢？則需要的假設最少。
顯然，要想得到最佳解決方案，你還是得耗費大量算力。在 RSS 模型相關論文中，我們也講到了駕駛政策但卻很少強調：Mobileye 更喜歡講 RSS 賦能的監管架構。
在 RSS 中，我們講到了下列事物。
首先，我們需要定義什麼是其他道路參與者行為的合理邊界，因為人類駕駛時，也會做出各種假設。
于是，我們就需要捕捉這些假設，而且是用正式的數學形式，這樣我們就能聯合業内各參與者與監管實體，制定這些假設的參數。一旦你确定了假設，就能找出最差的情況，無需操心其他道路參與者會幹什麼了。
在 RSS 中，我們還拟定了一些基于歸納法的形式理論，即在隻考慮最差情況的架構下，你能證明自己不會引發事故，這就給了我們一份正式的保證。
這也是 RSS 獲得如此多機構和公司青睐的原因，它也是解決一些關鍵問題的起點。
當然，在這裡我想強調的并非 RSS 的監管架構，而是它如何影響駕駛政策。
如果我們運用歸納法和分析計算，你就需要把問題呈現出來，RSS 就能結合所有合理的未來假設并予以呈現。顯然，這才是更高效，更現實的方法，而且搜尋品質最高，資料有可解釋性。
那麼，神經網絡什麼時候插手呢？
神經網絡不會出現在安全層級，而應該出現在舒适層級。也就是說，神經網絡不用預測其他道路參與者要幹什麼，而是去發現各種意圖。這些意圖可以是讓路或者插隊，也可以是車輛在泊車或者要掉頭。掌握了這些意圖，神經網絡就能控制 RSS 的各項參數了。
總的來說，如果将基于 RSS 的駕駛政策放在這張圖表中，我們就能在合理假設的基礎上，獲得 MDP 的高效，使駕駛政策真正精益起來。
（4）為 ADAS 和自動駕駛打造 REM 高精地圖
關于效能，REM 地圖也是不能忽視的一環。搭載大衆 Travel Assit 2.5 系統的 ID.4 就在使用 Mobileye 的 REM 地圖。
拿這幾個場景片段來舉例：
比如在鄉間小路上，你根本看不到車道分割線，但借助 REM 地圖，車輛就能激活車道保持功能。
除此之外，交通信号燈，标線和車道之間的互相關系也被囊括在 REM 地圖中，它能支撐一些關鍵的安全功能，比如保證車輛不會闖紅燈。
最重要的是，REM 地圖的覆寫範圍已經非常廣，在歐洲就有 250 萬公裡。除此之外，REM 地圖資料還處在不斷更新中，光是 2021 年，Mobileye 就拿到了 40 億公裡的道路資料，而且這個數字還在以每天 2500 萬公裡的速度增長。
至于 REM 地圖的豐富性，首先它在精确性上無可挑剔，地圖上有行駛路線，道路邊界，交通信号燈，人行道，可行駛車道和限速等等資訊。
在 2021 年，Mobileye 加入了更多資訊，比如建築工地，在地圖上被标為紅色。其次就是轉彎提示，這也是良好自動駕駛體驗的重要環節。
除此之外，Mobileye 還在 REM 地圖中加入了減速帶的位置和不同路段的限速，想做到這兩點并不容易。當然，城市中公共交通的線路也已經包含在地圖中。
我們最後來總結一下：首先，我們的建構重新定義了 ADAS 的進化路線，推動了 Level 2+ 的落地。當然，REM 地圖和精益計算也是其中非常關鍵的元素。對 ADAS 市場來說，它就是指引航向的北極星。
其次，我們了解了什麼才是正确的工程設計，它需要真正的備援來不斷提升故障間隔時間（MTBF），以此為基礎我們才能真正鋪開 MaaS 服務。
最後是一些重磅産品，如 EyeQ ULTRA 和軟體定義的圖像雷達，這是未來全自動駕駛能否下探至消費級市場的重要支柱。