6月13日，GTIC 2023全世界汽车芯片创新峰会将在上海国际低碳智慧出行展览会同期举办，首批演讲嘉宾已揭晓，欢迎报名。

  关于这样的一个问题，行业内目前有两个答案，一是采用昂贵的软硬件，让量产车实现高阶智能驾驶，如高速NOA和城市NOA；另外一个则是将硬件性能发挥到极致，通过较低的成本让车辆具备辅助驾驶能力。

  这也可以被视为两条不同的细分路径，而这两条路径也并没有对错之分，只是代表了不同玩家对市场的思考。

  不过站在当下的时间节点来看，高阶辅助驾驶如城市NOA的落地进展并不算快，而更被消费者看重的10～20万市场也还没有完成辅助驾驶的普及。

  更值得注意的是，今年以来，汽车市场非常卷，车企都在降价促销，这样一来，辅助驾驶的成本就更加敏感了。因此，目前整个汽车行业亟待性价比更高的辅助驾驶解决方案打开局面。

  这一趋势下，一些智能驾驶方案供应商们选择在传感器上下功夫——减少雷达数量，从nR1V到1R1V，再到单视觉方案，力争将硬件成本降到最低。

  日前，智驾科技MAXIEYE发布了牧童MonoToGo™解决方案，仅采用一颗摄像头就可以在一定程度上完成L2级辅助驾驶，并且满足CNCAP2021版本和2024版本主动安全五星+评分要求，AEB误触发率远优于行业平均水准。

  那么，仅凭一个单目摄像头，牧童MonoToGo™单视觉L2解决方案是怎么样应对各种复杂场景的呢？单视觉方案会是未来智能驾驶行业的确定性方向吗？车东西与MAXIEYE首席运营官杨腾飞进行了深入交流，并从中找到了答案。

  在汽车智能化大趋势的要求下，辅助驾驶能力正在成为车企重要的竞争力之一。因此智能驾驶领域也非常之卷，一部分玩家在卷高阶智能驾驶，另一部分玩家则在卷性价比。

  尽管如此，智能驾驶的普及仍然任重道远。去年，国内L2智能驾驶方案渗透率首度超过30%，这在某种程度上预示着平均每10辆车里面就有3辆车搭载了L2智能驾驶系统，但市场上至少还有七成的车辆没有采用L2级智能驾驶方案。

  另一方面，今年兴起的车圈价格战却给智能驾驶的普及带来了成本上的难题。价格战影响下，车企对于成本的要求更加敏感，对于占市场主体的10～20万区间的车型来说，既想要减少相关成本，又想要通过增加智能驾驶功能提升产品竞争力，这对车企来说几乎是进退两难。

  这种情况下，不少车企开始在功能和成本之间寻找平衡点，性价比也因此成为了关键词，不少1R1V方案开始上车。

  虽然1V1R的方案的成本已经比较低了，但仍然没有很好的方法做到快速普及。于是，一些玩家还在进一步思考，1V1R的方案是不是已经触摸到了行业的底部？是否还有能力更进一步？

  从第一性原理来看，1V1R确实还有下探的空间，只通过一颗摄像头来实现辅助驾驶自然是最合理的方式。

  而目前也有玩家已经在这方面做了布局，不仅拿出了完整的方案，而且市占率还在持续上升，公开多个方面数据显示，自主品牌近三年来单视觉L2配置率逐年提升，并有望取代1R1V的部分市场份额。

  此前，市场上只有Mobileye和地平线拿出了单目视觉感知方案。而在日前，MAXIEYE推出牧童MonoToGo™，成为了第三家推出量产和底层自研的单视觉L2级方案的玩家。

  至此也产生了一个新的问题，与1R1V方案相比，市面上一些单视觉解决方案在测距和测速的精度上会降低，这也是整车厂对单视觉L2方案主要的担忧和痛点。

  基于数据支撑，MAXIEYE的牧童MonoToGo™在实车测试场测评中，达到CNCAP2021版本和2024版本主动安全五星+评分要求，测评数据符合E-NCAP 2023主动安全五星要求。

  牧童MonoToGo™在复杂场景下的目标识别准确，离不开MAXIEYE的底层感知自研和数据迭代能力的加持。

  MAXIEYE自研了基于MAXI-NET深度学习网络的感知到规控全栈技术链，通过系统软件之间的联合优化，高效实现系统最优。

  另外，MAXIEYE在牧童MonoToGo™中采用了双网络冗余技术，在目标识别的时候会通过两个神经网络去确认目标。

  其中一个神经网络解决目标检测问题；另一个神经网络主要是解决目标与环境的关系问题。经过两个神经网络综合确认后，牧童MonoToGo™基本能准确无误地识别目标，来保证车辆安全行驶。

  值得注意的是，MAXIEYE还采用了创新性4D视觉算法对速度和距离这两个重要参数进行特殊处理，基于双网络冗余校验，在提升准确率同时，针对性优化了颠簸路况、俯仰路况等复杂场景。

  基于跨平台嵌入式开发能力，MAXIEYE在硬件方案上会灵活性更好，可以有更多跨平台芯片选择的自由，MAXIEYE可以再一次进行选择某个细分领域最对自己最合适的芯片，然后基于SOA底层软件架构设计实现高效的平台化移植。

  据悉，此次发布的第一代牧童MonoToGo™采用安霸CV22芯片，水平FOV参数100°，目标探测距离最远支持200m，针对性优化了夜间/阴雨/光线变化等场景适应性，集成MAXI-NET深度学习网络模型，支持十余种目标属性感知和预测，针对单视觉应用强化了速度/航向角等属性估计的性能，支持4D感知网络，可满足SAE J3016TM定义的无人驾驶等级中的L0-L2级全功能。

  MAXIEYE自2021年起搭建基于量产系统的数据智能体系，支持全流程场景复现和数据闭环，该体系支持数十种事件触发视频回传机制，能持续通过数据驱动实现算法迭代升级。

  事实上，AEB误制动的场景非常多，几乎没办法穷举，只有在系统投放市场使用后，经过大量的实际路况应用才能收集到。

  每当已量产的系统产品发生误制动或别的问题场景时，MAXIEYE都会将在车端脱敏处理过的场景信息和处理结果回传回来。

  值得关注的是，与市面上其他单视觉系统相比，牧童MonoToGo™内部含有一个视频解码芯片，能够更完整和真实地还原AEB发生前后几秒的场景，这也突破了既往行业仅支持回传单张图片的壁垒，可良好解决实际问题的复现分析。

  另外，这一个视频解码芯片支持视频记录集成复用，对于车厂或者是终端用户来说，硬件成本基本上没有增加，但是却增加了一个视频记录的软件功能。

  数据回传之后，研究人员则会去分析定位是哪一个环节出现了问题，如系统计算的问题，或是此前没有收集到的目标信息。

  如果是系统的计算能力发生故障，那么研究人员会有明确的目的性地做修复和备案，假如慢慢的出现了此前未收集到的目标信息，那么该目标信息将会被添加到系统之中，确保目标下一次出现时能够准确识别。

  如果单视觉方案的处理结果与1R1V方案的处理结果相同，那说明单视觉方案在这些场景中表现很好，如果不同，MAXIEYE便会对两种方案的不同处理结果进行记录并回传，通过比对完成训练。

  由此可见，MAXIEYE在数据闭环方面做了很多布局，而慢慢的变多的数据也可以在一定程度上促进产品的持续迭代。官方多个方面数据显示，MAXIEYE量产系统积累场景数据已突破了2亿公里，在行业内已经排在了前列。

  得益于数据闭环能力，牧童MonoToGo™解决方案的OTA更新速度最快可达到一季度一次。

  整体上来看，智驾科技MAXIEYE已完成了全栈技术布局，这样做的好处，除了能实现技术自控，另一方面也可以大大降低不同模块调校和误差叠加等开发成本。

  一般情况下，当感知模块出现一些明显的异常问题时，方案供应商不仅一定要通过优化感知本身去解决，还需要靠规控端去做调整。如果感知和规控都是自己研发，那么两者的兼容问题就可以轻松又有效在内部快速解决，感知和规控能够直接进行深入耦合，取长补短，互相弥补，合作研发也就更紧密。

  正是这样的前期布局，MAXIEYE在保证了核心竞争力的同时，也让商业化方面的更多尝试成为了可能。

  目前，智能驾驶标准化产品进入价格内卷阶段，这正在倒逼车企和方案商积极布局降本增效。单视觉方案的极致成本下探和创新功能加成，是应对L2规模化市场需求的一份答卷。

  当下，高阶智能驾驶的落地速度不如预期，最大的问题就在于对场景的覆盖率不足，算法性能打磨和体验优化仍待提升。

  基于诸如单视觉L2等成本极致化的数据闭环方案部署，所谓“低阶赋能高阶”的路径有望被打通。具体而言，作为业内唯一支持量产单视觉L2部署视频数据闭环的方案提供商，MAXIEYE部署了完整的数据全流程闭环，以及基于视频流实现vSLAM关键场景构建的底层技术架构。

  数据闭环的价值不仅针对量产的当前系统支持功能迭代，还可针对性面向十字路口、匝道口等高阶智能驾驶的痛点场景建立知识库积累，以实现对内自迭代、对外促升级的数据驱动双闭环。

  不论是科技普惠，抑或是铺垫高阶的新打法，牧童MonoToGo™都在相对标准化的L2市场给出了新的定义。所谓行业内卷，不健康的现象长期而言只是暂时的，排除杂音，回归商业本质，解决痛点和使用者真实的体验，或许才是唯一难但正确的“捷径”。

  6月13日，GTIC 2023全世界汽车芯片创新峰会将于上海国际低碳智慧出行展览会同期举办。芯驰科技首席技术官孙鸣乐、杰发科技副总经理马伟华、芯砺智能创始人兼CEO张宏宇、思特威汽车芯片部副总裁邵科、云途半导体CEO耿晓祥、纳芯微电子产品线总监张方文已确认参会。欢迎扫名~返回搜狐，查看更加多