车东西（公众号：chedongxi）
作者 | 小崔
编辑 | Juice

什么样的智能驾驶方案才最符合当下汽车市场的要求？

关于这个问题，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于市场的思考。

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能够实现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。

▲牧童MonoToGo™解决方案

可以说，这一方案虽然在硬件上做了取舍，但是其表现力并没有打折扣。

那么，仅凭一个单目摄像头，牧童MonoToGo™单视觉L2解决方案是如何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。

一、成本重要性提升 单视觉方案备受关注

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%，这意味着平均每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，既想要降低成本，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，但仍然没有办法做到快速普及。于是，一些玩家还在进一步思考，1V1R的方案是否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进行了布局，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。

▲自主品牌汽车单视觉方案和1V1R渗透率趋势

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有所下降，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。

也就是说，MAXIEYE用较低的成本做出了足够好用的方案。

那么，智驾科技是怎么做到的呢？

二、软硬件同步发力 推出多项核心算法

为了实现这一成绩，MAXIEYE在软硬件两方面都下了很多功夫。

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。

▲智驾科技MAXIEYE全栈技术布局

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™基本可以准确无误地识别目标，从而保证车辆安全行驶。

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。

▲corner case场景

基于跨平台嵌入式开发能力，MAXIEYE在硬件方案上会更加灵活，可以有更多跨平台芯片选择的自由，MAXIEYE可以选择某个细分领域最适合自己的芯片，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定义的自动驾驶等级中的L0-L2级全功能。

▲MonoToGo™ L2功能

三、数据闭环是关键 可持续迭代升级

支持数据全流程闭环，是牧童在单视觉产品定义中最大的功能亮点之一。

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，可以持续通过数据驱动实现算法迭代升级。

▲MAXIEYE数据智能体系

那么，其工作的具体流程是怎样的呢？我们以AEB的误制动为例。

事实上，AEB误制动的场景非常多，几乎无法穷举，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其他问题场景时，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，可良好解决问题的复现分析。

另外，这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出现故障，那么研究人员会有针对性地进行修复和备案，如果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。

除此之外，MAXIEYE的影子模式也可以促进数据闭环。

可以通过量产方案的影子模式对单视觉和1R1V两种方案进行演练。

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非常好，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。

▲量产系统数据闭环案例

由此可见，MAXIEYE在数据闭环方面做了很多布局，而越来越多的数据也能够促进产品的持续迭代。官方数据显示，MAXIEYE量产系统积累场景数据已经突破了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已经完成了全栈技术布局，这样做的好处，除了可以实现技术自控，另一方面也可以有效降低不同模块调校和误差叠加等开发成本。

一般情况下，当感知模块出现问题时，方案供应商不仅需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有效在内部快速解决，感知和规控可以进行深入耦合，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。

四、牧童MonoToGo™方案或将促进高阶智驾落地

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。

另外，如何理解单视觉方案对高阶智能驾驶技术产生促进作用呢？

当下，高阶智能驾驶的落地速度不如预期，最大的问题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，解决痛点和用户体验，或许才是唯一难但正确的“捷径”。