大规模量产，一直是摆在ADAS初创公司面前的一道坎

大规模量产，一直是摆在ADAS初创公司面前的一道坎。

“我们不盲目选择酷炫的技术，只追求最极致的应用，只有适合量产的技术，做出来的产品才是最有意义和价值的。从2016开始，我们就着重于技术产品化，因为产品化才能通过用户获得更多数据，帮助提升算法，同时健康的现金流也能保证在研发上持续投入。”在MINIEYE创始人兼CEO刘国清看来，公司从2013年成立到现在已经有5年时间了，在视觉感知算法、深度神经网络技术、FPGA开发、嵌入式系统、汽车电子、测试、数据等方面有着长时间的积累，这为大规模量产打下坚实基础。

2018年5月4日-5日，MINIEYE创始人/CEO刘国清在2018年度高工智能汽车开发者大会发表主题演讲

MINIEYE创建于2013年，是一家致力于智能驾驶领域的科技公司，目前公司总部位于深圳，另在南京和北京建有算法研发中心，武汉还有一个销售中心。

公司全职研发人员有100多人，核心团队方面，创始人CEO刘国清，新加坡南洋理工大学工学计算机工程博士，新加坡首个MDA－ADAS研发项目的PI，多次入选福布斯和胡润百富创新与创业榜单；首席科学家吴建鑫，美国佐治亚理工学院计算机工程博士，计算机视觉专家，感知领域国际知名会议CVPR、ICCV、AAAI领域主席；

核心团员还有曾供职于TI、NASA、Intel、三星、Amazon、微软、BAT、Delphi等行业巨头，或毕业于宾夕法尼亚大学、新加坡国立大学、清华大学、北京大学、波士顿大学、德州A&M大学、中科院、华科、浙大等国内外知名高校。

和很多初创ADAS公司不同的是，MINIEYE一直坚持前、后装两手抓，年初订单合同已经破万。

MINIEYE基于视觉的防撞预警产品，具备FCW(前车碰撞预警)、LDW（车道偏离预警）、HMW（车距监测）、STOP&GO(前车启停预警)、UFCW（城市前车碰撞预警）五项功能。其中FCW（前车碰撞预警系统）及LDW（车道偏离预警系统）通过了交通部《JT/T883-2014运营车辆行驶危险预警系统技术要求和验证方法》的专业认证。

“我们的算法更先进、鲁棒性高，在识别率、测距、TTC精度等核心指标上可以对标Mobileye。”在刘国清看来，长期的技术积累，大体量的标注数据，丰富项目经验，和有力的合作方（Xilinx等核心芯片厂商）支持，使得公司的产品在算法性能、硬件可靠性、功耗、定制化深度以及性价比等方面都得到了前装和后装客户的认可。

作为最先落地的商用车市场，MINIEYE的解决方案能够达到车规级要求，配合前装车厂累计已经做了超过一百万公里的测试，而在南京的研究中心，每天在标注和处理数据，70%用来迭代，另外30%做数据库级别的测试。截止到去年12月份，测试数据里程已经超过一千万公里。

2018年美国CES展会上，MINIEYE对外展示了前装乘用车产品X1。X1增加了行人碰撞预警、限速标志识别等功能，并且，是一款完全满足乘用车前装要求的产品。目前，在前装乘用车市场，MINIEYE已经进行了长周期的前向辅助算法评价与路测，并已定点多家 Tier 1、车企。

此外，面向目前日趋明朗的视觉+毫米波雷达融合趋势，刘国清透漏，“近期MINIEYE将发布一套主打L0、L1级别的车规级ADAS产品，其最大的亮点是在感知层面使用了视觉融合毫米波利达算法，而且支持扩展功能，目前该产品已经能够实现量产。这也是MINIEYE产品的一次变革，在国内率先在感知层面做到了视觉与毫米波雷达融合的量产。

而在控制执行层方面，MINIEYE也已经与包括万向集团在内的多家控制类Tier 1开展合作，将前向辅助产品进一步做到主动控制级别（AEB），目前由MINIEYE提供AEB算法已经进入测试优化阶段。

FPGA做车规级ADAS开发

在技术路线和产品架构上，MINIEYE选择基于FPGA做车规级ADAS开发，主要是因为FPGA相比GPU或者其他定制化芯片有4个优势：第一采购成本合理，有利于产品化；第二FPGA相对于GPU整机功耗更低，平均小于3W，符合前装项目要求；第三FPGA可编程。

智能驾驶和人工智能都涉及到了深度神经网络，其中深度神经网络更新迭代非常快，几乎每个月都有新的进展和网络结构、模型出来，可编程非常重要。第四可扩展，能够把感知从满足L1的要求提升到L2，甚至提升到满足L3。

灵活可扩展：基于深度神经网络，精度可达到L2/L3功能的需求，灵活可编程，快速迭代模型和架构，支持客户与其他功能模块打通(液晶仪表、HUD等)和做一些人机交互。

性价比更高：相比同级别竞争对手，MINIEYE基于FPGA平台的车规级芯片，可以把人、车、车道、标志识别这些功能做到一起，功耗只有2-3W，该类芯片每年出货量超过kk级，相对于GPU或者是其他的定制化芯片成本非常友好。

算法方面：我们采用的FPGA有很大优势， FPGA有更好的可编程性，但是这对技术要很高的要求，MINIEYE在这方面有一支很不错的团队，可以根据客户的需求在FPGA里边做一些改动。

在近日举行的2018高工智能汽车开发者大会上，刘国清谈到MINIEYE在技术上有多方面和长时间的积累，其中视觉感知算法、深度神经网络技术和FPGA开发是重点。

在系统架构里MINIEYE采用了传统感知算法和深度神经网络融合的方式，红色区域（下图）是感知模块。

刘国清博士介绍到，传统感知算法与深度神经网络之间各有所长。在产品研发过程中对于方法的选择应该是需求导向的。结合过去几年前装项目的经验，MINIEYE的系统架构里采用传统感知算法和深度学习融合的方式，在功能、成本、功耗和灵活性上找到平衡。

如果要把基于部分使用深度学习的系统实现真正的产品化，放在面积比较小且计算力有限的FPGA平台而且需要低功耗、高性价比，这对技术的研发有一系列的挑战。MINIEYE提出了ThiNet，让整个神经网络变的更“瘦”，计算复杂度变的更低，存储更少。这主要牵扯的核心技术是剪枝。

对神经网络进行剪枝这个想法其基本的思想是：神经网络的参数众多，但其中有些参数对最终的输出结果贡献不大而显得冗余，剪枝顾名思义，就是要将这些冗余的参数剪掉。

它的优势是可以对大网络进行缩减。对于一个有一百个通道的网络，通过对网络架构做裁减，把一百个通道降低到三十个甚至是二十个通道，而带来的精度损失可能只有千分之几。

这可以帮助我们在产品化过程中对性能和效率之间取一个平衡。意味着付出千分之一的精度损失，可以节省十倍甚至几十倍的计算资源，这使得本来要在30美金、50美金芯片上做的事情，在低成本的芯片上就可以实现，大大提高了产品性价比。

目前通过网络压缩可以完成四种任务，检测、分类、回归、分割。这四种任务基本上覆盖了L1—L3里面的感知需求。

ADAS前装量产落地迈过的坎

从技术储备到技术产品化落地，MINIEYE非常清楚需要迈过哪些坎。

刘国清表示：第一、提升性价比。客户除了要求高质量的算法以及一些车规级门槛限制以外，还有很多其他需求，比如、低功耗、高性价比、功能可以扩展等一些定制化需求，其中最重要的就是要高性价比，低成本。

想打进前装市场，哪怕价格贵一百块钱都是一个很大的数字，如何把成本控制下来，把东西做好，而且价格上有优势，这在技术上是一个很大的挑战。我们很高兴已经做到了这一点。

第二，从算法、系统、硬件、应用层面逐步打磨产品，这需要时间。从demo到前装量产，Mobileye花了8年，我们即便站在巨人的肩膀上也用了4年多的时间。

第三、训练优秀的模型，即是技术活，又是体力活。不仅需要一流的研发团队，提出先进的人工智能算法，也同样需要大体量的数据。如果把算法比作武器，那么数据就是弹药。”

对公司接下来的规划，刘国清表示：公司的发展方向还是坚持“坐标系战略”，从横向、纵向两个维度去发展。

横向指产品落地拓展市场。 我们不盲目选择高级的技术，只追求最极致的应用，只有适合量产的技术，做出来的产品才是最有意义和价值的，从2016开始，我们就着重于技术产品化，因为产品化才能通过用户获得更多数据，帮助提升算法，同时健康的现金流也能保证在研发上持续投入。

纵向方面，今年我们除了推进前装（AEB）ADAS应用以外，还会向更高阶的自动驾驶、芯片研发领域发力。在刘国清看来，公司在未来进入ADAS芯片领域是水到渠成的，只是目前时机还不成熟。

主要有两方面原因，第一，芯片的成本跟出货量有直接关系，所以做芯片至少能够充分满足一个细分市场的需求。在汽车行业，想做出满足汽车类客户需求的感知或者深度神经网络专用芯片，一定要对市有足够的了解。所以我们会等产品配套10个车型以上，对市场需求定义有了非常清晰的认识以后，才会做这样的事情；

另一个是芯片开发周期长。从流片到最终量产需要一到两年时间，现在深度学习算法方面更新换代速度太快，每一个礼拜都有几十篇新领域的文章出来，在这样一个阶段，芯片还没开发出来里面的算法就已经很OUT了。

刘国清的一句话或许是最好的注解：“一个人一辈子能做好一件事，便是莫大的成功。MINIEYE正全力以赴！”