一年一度的CES（国际消费类电子产品展览会）向来是全球科技创新的风向标。作为全球最具影响力的科技展会之一，CES 2025再次聚焦于未来出行的前沿技术，尤其是自动驾驶和智能出行领域。随着全球对智能交通系统的需求日益增长，自动驾驶技术正从实验室走向现实，成为改变未来交通格局的核心驱动力。

作为全球自动驾驶领域的领军企业，Mobileye在这场科技盛会中，再次站在了舞台的中央，重点展示了Mobileye SuperVision™、Chauffeur™和 Drive™三大核心智驾平台。SuperVision™作为Mobileye最先进的辅助驾驶系统之一，已经在极氪、极星等品牌的车型上实现量产，能够在高速公路上提供“可脱手（Hands-off）”驾驶体验。而Chauffeur™则通过激光雷达和成像雷达的融合，在特定设计区域范围内，实现了 “可脱手（Hands-off）” 同时“可脱眼（Eyes-off）”驾驶功能，预计将在2年内正式推出。此外，Drive™系统则瞄准了无人驾驶出租车和物流配送领域，展示了Mobileye在完全自动驾驶技术上的雄心。

Mobileye的4D成像雷达和EyeQ™芯片也成为了展台的焦点。其中，4D成像雷达对Mobileye实现真正冗余（True Redundancy）意义重大，而EyeQ™系列芯片则以其高效的计算能力和低能耗设计为自动驾驶系统提供了强大的硬件支持。

Mobileye 创始人、总裁兼首席执行官 Amnon Shashua 教授于CES 2025期间发表演讲；图片来源：Mobileye

在展会的喧嚣之中，Mobileye 创始人、总裁兼首席执行官 Amnon Shashua 教授亦登上演讲台，围绕“要实现未来出行领域的变革，究竟需要做对什么？(What does it take to revolutionize transportation?)”这一核心议题，分享了他对自动驾驶技术如何彻底改变人们出行方式的深刻洞见。在他的阐述中，Mobileye在技术上的最新突破，以及其通过创新的解决方案应对行业挑战的思路也得到的充分展示。

自动驾驶系统精确度与召回率的平衡之道

在自动驾驶的复杂技术体系中，精确度和召回率是两个关键的概念，共同支撑着系统的可靠性与实用性。

精确度，主要关乎自动驾驶系统的安全性能，以平均故障间隔时间（MTBF）作为重要衡量指标。它反映了系统在运行过程中保持稳定、避免故障或是事故发生的能力。一个高精确度的系统意味着在长时间的运行中，出现关键故障的频率极低。

然而，Shashua 教授指出，设计一套足够安全的自动驾驶系统，仅仅依靠提高MTBF 是远远不够的，还需要有处理不合理风险（unseasonable risk）的能力。在现实场景中，即便碰到诸如婴儿躺在路上这类不合理却极度危险的状况，自动驾驶系统也必须像人类驾驶员一样迅速且正确地做出反应。此外，由于人类驾驶过程中存在酒驾、分心驾驶等非法或不负责任行为，使得统计数据存在偏差，而自动驾驶系统则不存在这些问题，故直接拿两者的MTBF进行对比是不合理的。针对自动驾驶系统，应该有更高的安全标准。

召回率则与系统的可用性紧密相连，其涵盖了设计运行区域（ODD）、地理可扩展性和成本等多个关键维度。Shashua 教授在演讲中提到，ODD决定了系统所能适应的驾驶场景范围，包括不同的天气条件，各类道路类型，以及复杂多变的交通状况。地理可扩展性体现了系统在新地理区域部署时的适应能力，若系统能够在全球各地迅速投入使用，且无需进行大规模的重新校准工作，便能极大地提高其可用性。而成本因素，涵盖了硬件采购、后续维护和系统升级等各个环节，较低的成本能够使系统更易于普及，进而提升其在市场中的竞争力。例如，一辆能够在各种环境下稳定运行且成本合理的自动驾驶汽车，其召回率必然处于较高水平。

精确度和召回率之间存在着相互制约又相互促进的复杂关系。在一定程度上，提高精确度可能需要增加系统的复杂性和成本，这可能会对召回率产生影响；反之，过度追求召回率而忽视精确度，可能会导致系统出现安全隐患。因此，在自动驾驶技术的研发过程中，如何在两者之间找到一个最佳的平衡点，是所有企业面临的关键挑战之一。

图片来源：Mobileye

在自动驾驶技术的赛道上，不同公司采取了截然不同的策略，这也直接反映在他们在精确度和召回率方面的发展现状和未来规划中。

与业界其他主流技术路线不同，Mobileye采取了一种“渐进式”的策略，其技术演进围绕着多个关键系统逐步推进。以即将推出的 SuperVision™ 62系统为例，它主要基于摄像头构建感知体系，并搭配少量雷达辅助，预计明年（2026年）推向市场。其在精确度和召回率方面，较之2024年推出的SuperVision™ 52系统有显著提升。

Chauffeur™ 系统则是 Mobileye 迈向更高自动驾驶水平的关键一步。计划于 2027 年推出的 Chauffeur™ 系统，在初期会聚焦于高速公路等特定场景，通过牺牲一定的召回率来实现高精确度和“脱眼”驾驶功能，后期再逐渐提升召回率。

从长远来看，Mobileye 与行业内其他企业一样，将大规模布局 L5 级自动驾驶系统作为终极追求。在这个理想状态下，系统能够达到 100% 的召回率和 100% 的精确度，车辆能够在几乎所有道路和驾驶环境条件下实现完全自动驾驶，无需人类干预，真正实现出行领域的变革。

图片来源：Mobileye

Shashua 教授认为实现高精确度和高召回率的关键在于有效攻克泛化问题。泛化问题主要源于两个方面的挑战：一是众多的边缘情况：在实际驾驶中，可能会出现突然闯入道路的动物、道路上的临时障碍物、非标准的交通标志等意外情况，这些边缘情况若不能妥善处理，将严重影响系统的准确性和可靠性；二是地理扩展时的分布外情况：由于不同地区的地理环境、交通规则和文化习惯存在差异，当系统从一个地区推广到另一个地区时，可能会遭遇数据不适用的问题，导致系统性能下降。

为了应对这些挑战，Mobileye在设计自动驾驶系统时遵循了一套独特的原则。首先，积极收集足够多样化的数据。这些数据囊括了全球各地不同的驾驶场景、天气条件和道路类型等信息，为系统的训练和优化提供了丰富的素材，从而提高其在不同场景下的适应性和泛化能力。

其次，在系统架构方面，Mobileye 采用冗余系统设计，在某个子系统出现故障时，其他子系统也可以提供支持和保障。Mobileye还将一些先验知识和抽象概念注入所有的子系统，将原本复杂多变的分布外情况和边缘情况转化为系统能够理解和处理的典型情况，减少了对大量数据的依赖，提高了系统的处理效率和准确性。

真正的冗余：Mobileye自动驾驶系统的安全之盾

为实现精确度和召回率的“双高”，Mobileye在系统设计层面进行了深入探索。其中，在冗余系统设计方面的创新，为提升整个自动驾驶行业的技术可靠性提供了宝贵的经验。

图片来源：Mobileye

在Mobileye提出的安全架构下，有四类错误需要规避和应对，即规划类错误（planning），可复制型错误（reproducible errors），可识别型错误（identifiable errors），以及“黑天鹅”事件（black swans）。而冗余系统对于处理后两类错误至关重要。

从应对硬件与软件故障（即可识别型错误）的角度来看，无论是传感器的突发失灵，还是软件代码的潜在漏洞，都可能瞬间打破系统的正常运行节奏。冗余系统通过多重备份与交叉验证，在故障发生时及时介入，确保关键功能的持续运行。

Shashua 教授举了一个硬件冗余的典型应用案例： Mobileye Chauffeur™ 系统采用双电路板设计，每个电路板配备独立的EyeQ™ 6芯片，确保在一个电路板故障时，另一个仍能接管车辆控制，实现安全驾驶。

同样，在面对那些罕见且难以理解的 “黑天鹅” 事件时（多为AI漏洞），冗余系统亦是关键的补救措施。通过软件冗余、传感器模态冗余等多种手段，提高整个系统的容错能力、可靠性和MTBF。

尽管冗余系统在提升自动驾驶安全性与可靠性方面具有显著优势，但在实际应用中，如何在多种子系统间实现高效融合却是一个巨大的挑战。不同子系统之间可能存在数据格式不统一、时间戳不一致等问题，导致数据融合时出现误差，影响系统的整体性能。

为解决该问题，Mobileye也提出了一系列创新思路。Shashua 教授强调， Mobileye 在系统设计之初就将冗余设计作为核心考量，通过精心的架构设计，从源头上提升了系统的精度和可靠性，而非被动地依赖数据驱动迭代。此外Mobileye 规定系统只有在两个及以上的子系统同时出现故障时才会失效，这使得系统的容错能力得到了显著增强。

图片来源：Mobileye

在多维度冗余来源方面，Mobileye 也进行了全面的布局。在传感器层面，实现了摄像头、雷达、激光雷达的冗余配置。摄像头能够提供丰富的视觉信息，雷达在恶劣天气下具有优势，激光雷达则可以提供高精度的三维环境感知，三者相互补充，形成强大的感知网络。

在算法层面，除了基于外观与几何的计算机视觉算法冗余外，还采用了感知算法冗余。其中基于外观的算法擅长识别物体外观特征，基于几何的算法能利用距离、角度等精准定位。而感知算法则能通过机器学习和预先建立的模型来提升感知和理解能力。它们相互配合，与计算机视觉算法一同提高了算法的准确性和鲁棒性。

在感知架构层面，Mobileye采用了分解式与端到端感知架构相结合的方式。分解式架构将复杂的感知任务分解为多个子任务，每个子任务由专门的模块负责处理。而端到端架构则将感知任务从数据输入到结果输出视为一个整体，通过一个统一的模型来完成。二者优势互补，形成了架构冗余。

Mobileye独特的系统设计原则以及多维度冗余来源布局已然为系统的可靠性奠定了坚实基础。然而，如何将这些冗余组件高效整合并使其在复杂的自动驾驶场景中精准协同运作，成为了进一步提升系统性能的关键所在。为此，Mobileye提出了主系统 - 监护系统 - 备用系统（Primary - Guardian - Fallback，PGF）创新融合方法，它作为 Mobileye 冗余体系中的核心协调机制，在实现多源信息的智能融合与保障系统持续稳定运行方面发挥着重要作用。

图片来源：Mobileye

具体而言，主系统率先提供预测结果，对车辆的行驶状态和周围环境进行初步的判断和分析。监护系统则肩负着检查职责，依据严格的标准和先进的算法对主系统的结果进行全面细致的验证。一旦监护系统判定主系统失效，就会立即转向备用系统，由备用系统及时提供决策方案。在自动驾驶系统的实际运行过程中，许多决策并非简单的二元选择。这种分层决策模型将多数法则扩展至非二元决策，从而增强系统在复杂场景下的可靠性和适应能力。

例如，在车辆跟随场景中，摄像头、雷达、激光雷达持续收集环境感知信息，当传感器信息发生矛盾时，例如摄像头因光线干扰或视野遮挡判断前车距离骤减，而雷达和激光雷达显示前车状态稳定，PGF架构开始发挥作用。主系统可能基于摄像头信息初步判断需紧急制动，但监护系统会综合雷达和激光雷达数据进行验证，发现主系统的决策存在误差。此时，系统切换至备用系统，重新评估行驶状态，并做出更合理的决策，如保持速度继续跟随或适当调整车速和跟车距离。

PGF融合技术不仅应用于不同的传感器模态，还贯穿于整个软件栈。 Shashua 教授还着重表示，“该技术的核心目的是提升系统精确度。只有在成本对消费者友好的前提下实现 100% 的精确度，并且具备足够的召回率，我们才能真正引发自动驾驶领域的革命，否则它充其量只能算一个不错的产品。”

复合人工智能系统助力自动驾驶技术规模化落地

自动驾驶技术正从以技术竞争为主的上半场迈向商业化落地的关键下半场。在这个转变过程中，企业不仅需要持续创新技术，更要探寻切实可行的商业模式以实现规模化应用。复合人工智能系统（CAIS，Compound AI System）便是 Mobileye为应对这一挑战提出的重要解决方案。

Mobileye 在复合人工智能系统中巧妙地融合了深度学习、端到端等前沿 AI 技术与自身长期积累的视觉算法优势。深度学习技术在处理大量的图像和传感器数据时发挥了关键作用，它能够自动学习和提取数据中的特征和模式，从而实现对不同交通场景的准确识别和分类。端到端技术则直接建立了从原始图像输入到驾驶决策输出的高效映射关系，大大提高了系统的响应速度和决策效率。而 Mobileye 传统的视觉算法优势在图像预处理、特征提取和目标物识别等环节依然起着重要的支撑作用，确保了输入数据的质量和准确性，为后续的决策提供了可靠的基础。

Shashua教授通过生动的演示，展示了复合人工智能系统在自动驾驶领域的实际应用效果。

图片来源：Mobileye

在该案例中，通过 11 个摄像头（7 个长距摄像头和 4 个泊车摄像头）采集的像素信息输入到转换器，实现从图像到控制指令输出的端到端过程。

图片来源：Mobileye

而在 Vidar（视觉激光雷达）的案例中，从摄像头这端输入的信息，经由特殊AI模型的处理，可直接输出类似激光雷达的 3D 感知结果。在实际驾驶中，比如在复杂的路口或有障碍物的场景下，仅依靠外观图像可能会误判物体的距离和位置，但 Vidar 能提供准确的 3D 信息，与传统的基于外观的图像查看方式形成冗余。

与那些依赖大量昂贵传感设备和复杂架构的自动驾驶方案相比，Mobileye的复合人工智能系统通过精心的传感器选型和高效的系统架构设计，实现了有效的成本控制。在大规模量产的过程中，这种成本优势将转化为市场竞争力，使得更多的汽车制造商能够在不同车型上采用自动驾驶技术，从而加速自动驾驶技术在市场上的普及速度。

EyeQ™ 6 芯片设计哲学：效能为王

作为Mobileye独家的车规级系统集成芯片，EyeQ™ 系列被视为其自动驾驶系统的心脏和大脑。此次于CES期间的展示，EyeQ™ 6 芯片无疑是焦点之一。

Mobileye始终秉持着“不迷信算力，注重成本与效率平衡”的理念，这一点在其芯片设计中得到了充分的体现。基于在计算机视觉算法方面的深厚积累，并结合在AI深度学习方面的前沿突破，Mobileye在芯片设计中采用了完全异构的计算架构。这种架构的精妙之处在于，它能够根据卷积、transformer 等不同神经网络以及视觉运算的多样化计算场景，将适合的运算任务精准地分配到与之适配的核上进行处理。如此一来，芯片的利用率得到了极大提升，实现了整体计算的有效加速。

得益于此，在处理高清图像和复杂的深度学习算法时，相比上一代 EyeQ™ 5H 芯片，EyeQ™ 6H仅有其两倍的算力，但是FPS（每秒传输帧数）指标却是前者的十倍。这意味着 EyeQ™ 6 芯片在实际运行过程中能够更快速、流畅地处理大量的图像数据和复杂的计算任务。

图片来源：Mobileye

EyeQ™ 6 芯片的高效率对MTBF的提升也起到了关键的作用。通过Shashua教授的展示，可以得知，搭载两块EyeQ™ 5H芯片的第一代产品（GenⅠ），MTBF仅为5至10个小时，而基于冗余架构并搭载两块EyeQ™ 6H芯片的第二代产品（Gen II），仅在摄像头系统上，MTBF就暴增至500至1000个小时。也就是说，EyeQ™ 6H的算力是上一代的10倍，但由于冗余设计的加持，10倍算力可以转化为MTBF的100倍。

Shashua教授还透露，该第二代产品将于 2026 年率先在保时捷和奥迪的车辆上亮相。随后，配备三块EyeQ™ 6芯片的Chauffer™系统会首发应用于奥迪的车型。

4D 成像雷达：兼具性能与成本优势

此次CES展会上，Mobileye特别设置了展区，集中展示其4D成像雷达。

早在 2018 年，Mobileye 便开启了对理想传感器的探索，旨在为摄像头寻找强有力的补充。彼时，激光雷达虽被部分人视为理想之选，但 Mobileye却认为其与摄像头在故障发生模式上存在诸多共性，如在恶劣天气（暴雨、大雪、浓雾）条件下，二者的性能均会大打折扣。相比之下，雷达与摄像头的故障原理截然不同，具有独特优势。然而，传统雷达由于分辨率和性能的限制，难以独立构建起全面的环境感知体系。因此，Mobileye毅然投入到了成像雷达的研发之中。

据Amnon Shashua教授介绍，Mobileye的4D成像雷达在技术参数和性能表现方面相比同类产品均有显著优势。在技术规格上，其虚拟通道分辨率高达 48×32，远超其他竞品成像雷达的 16×16，能够捕捉到更精细的环境细节。动态范围达到 100 分贝，而市场上其他同类产品仅为 60 分贝，这使其在复杂光线和多目标场景下，具备更强的信号处理能力与目标识别能力。无论是区分车辆附近的行人，还是靠近护栏的微小木块等不同物体，都能精准判别，为自动驾驶车辆提供准确的环境感知信息。

图片来源：Mobileye

除了上述高分辨率和大动态范围，其远距离检测精度也令人印象深刻。面对多种危险物检测场景，如面向车辆方向的假人、与车辆呈90°的小木块、两辆车之间的儿童及成人的假人等，西方主机厂设定的检测距离要求均为大于 130 米。而 Mobileye 成像雷达在某主机厂的实际测试中，在多数场景下的检测距离远超此要求，其中最低检测距离 136 米亦高于该标准。这对为高速行驶的自动驾驶车辆提供了充足的安全预警距离十分有意义。

图片来源：Mobileye

此外，作为冗余传感器，该4D成像雷达能够在摄像头或激光雷达出现故障时，及时填补感知空白，确保系统的持续运行，从而提高系统的可靠性。

而在成本方面，Mobileye 的4D 成像雷达也展现出了较强的市场竞争力。Shashua教授透露道，构建一个由一个 BSR（前向长距 / 中距雷达）和四个 BSRC（角雷达）组成的 360° 感知系统的总成本能够控制在 1000 美元以内。

目前，Mobileye 已成功研制出该成像雷达的 B款样件，并预计于 2025 年正式投入量产。

数据赋能产品化进程

在自动驾驶领域，技术的最终归宿是市场，唯有经消费者检验，方能彰显其真正价值。Mobileye 在产品化进程中全力以赴，于关键维度持续深耕，力求契合市场所需。

图片来源：Mobileye

从地理可扩展性来看，与超过 50 家主机厂的紧密合作，以及他们应用的智能路网系统对美国和欧盟 95% 以上道路的广泛覆盖，使其拥有了海量且丰富的数据资源。这些数据成为了 Mobileye 不断优化自动驾驶系统的关键支撑，确保其能够适应多样的地理环境和交通状况，极大地提升了系统的可靠性与普适性。

在应对多种车型和主机厂需求方面，Mobileye 展现出了高度的灵活性与适配性。其DXP（驾驶体验平台） 的应用使得主机厂能够根据自身品牌定位和用户偏好，对影响驾驶体验的系统元素进行个性化编码和精细调控，满足不同消费者对于驾驶感受的独特要求。

模块化人工智能栈则为传感器设计提供了丰富的可能性，无论是增加或减少摄像头数量，还是选择是否配备雷达等传感器，都能较轻松实现，并且能够迅速适应传感器在车辆上的不同布局变化，有效缩短了产品研发周期，降低了开发成本。

严格遵循行业标准是 Mobileye 产品化的重要保障。其产品满足车规级、功能安全（FuSa）、预期功能安全（SOTIF）等高标准要求。Shashua教授表示，Mobileye的ADAS产品已成功搭载于超过 50 家主机厂的 1200 款车型，EyeQ™芯片出货量更是超过 1.9 亿颗，并构建了透明的安全架构。

在先进产品的推进与部署方面，Mobileye 成绩斐然。SuperVision™52 已在极星、极氪等品牌车型上实现部署，并逐步拓展至欧洲和美国市场；SuperVision™62 与保时捷、奥迪、宾利等车企合作，涉及 17 款车型的开发；Chauffeur™63 也与多家豪华品牌展开合作，涉及 10 款车型的研发。Mobileye Drive™64 项目同样吸引了大众、舍弗勒、本特勒、Verne 等众多合作伙伴参与。2024年，共有313 款配备 EyeQ™芯片的车型上市，82 个软件量产（SOP）项目顺利交付，80 个活跃的 ADAS 项目持续推进，全年交付软件版本超过 460 个。

写在最后：

Mobileye的愿景不仅仅是推动自动驾驶技术的发展，更是彻底革新人们的出行方式。从基础ADAS系统，到“可脱手/需注视”的SuperVision™，再到“可脱眼/可脱手”的Chauffeur™，最终迈向无需驾驶员的Mobileye Drive™，Mobileye通过渐进式的技术路线，逐步实现从辅助驾驶到完全自动驾驶的跨越。

Mobileye 凭借对精确度与召回率独特的理解与实践，走出了一条与众不同且稳健的发展道路。在成本把控上，无论是相对亲民的 ADAS 系统，还是功能更强大的后续产品，其适配大批量生产的成本设计，为技术走进千家万户提供了可能。地理可扩展性方面，通过智能路网技术等积累的海量数据与广泛覆盖，让自动驾驶的种子在全球各地生根发芽。

此次CES的展示既是对Mobileye过往成果的总结，也将为其后续的发展开启下一个篇章。正如Mobileye所坚信的，只有通过高精确度、高召回率和低成本的技术创新，才能真正实现出行领域的革新，迈向一个更加智能、更安全和更高效的未来。