车东西（newhard）
文 | origin

和王曦见面的时候，他背着一个电脑包，不像是一家公司的CEO，反而更像一个工程师。在接受车东西采访之前，王曦刚刚和Nvidia的人交流了技术。事实上，建立ADAS初创天瞳威视的他，正是工程师出身。

两年前，王曦从澳洲归来，筹备创办天瞳威视。两年后，这家名不见经传的公司“悄悄地”与某国际大型汽车零部件供应商（Tier1）和整车厂达成了合作。

我们来看看王曦与ADAS初创天瞳威视的故事。

一、技术团队：汽车行业老马当家 海归人才组团

王曦的工程师气质是有历史渊源的——创立天瞳威视之前，他已经积累了十余年汽车安全电子研发经验。

2005年，从北航自动化专业毕业后，王曦前往英国雷丁大学，继续修习机器视觉与深度学习在嵌入式系统中的应用。取得硕士学位后，王曦留在英国，进入大型汽车零部件供应商天合汽车集团（TRW，于2015年与采埃孚合并），参与电动助力转向系统（EPS，Electric Power Steering）ECU的研发与测试。

2012年，王曦又前往澳洲，继续开发汽车电子产品。在那里，他创办了天瞳威视的前身，恩泊泰科技（AnglePointTech）。一年后，恩泊泰成为TRW亚太区的供应商，为后者提供面向DAS、电动助力转向、电子驻车的功能测试站。

(王曦）

在多年的工作中，王曦涉猎的范围既包括ECU开发，又有对视觉系统的集成。

2015年，深度学习在计算机领域率先展现了其威力，其人脸、物体识别准确率均超过了人类；同时，中国国内2600万辆的汽车年产销量让王曦嗅到了巨大的潜在商机。这一年，王曦决定归国创业，方向已经选定，就是基于视觉的ADAS。

回到国内，王曦面临的首先是搭建团队的问题，他找到了曾在硅谷工作的朋友谢晓靓博士。谢晓靓本科毕业于南开大学数学系，随后进入美国爱荷华大学修习应用数学，后来又去了芝加哥大学学金融数学。谢晓靓毕业后进入彭博社，从事软件开发——这个不是一般软件开发，而是运用深度学习算法，负责对彭博社庞大的数据库进行管理。

而谢晓靓现在的身份是，天瞳威视CTO，深度学习框架研发负责人。

（谢晓靓）

两人一个属于汽车行业，一个则是深度学习背景，以他们俩为核心，加上王曦的高中同学以及在雷丁大学的同学，天瞳威视完成了早期团队组建的筹备工作。2016年3月，天瞳威视正式成立。

目前，天瞳威视由一支6人核心团队领头。除了CEO王曦和CTO谢晓靓，还有从英国留学归来专长于追踪算法的计算机博士李皓，德国海归电子工程博士王若瑜。另外两名负责深度学习算法的工程师，也来自国内顶尖大学。

跟辗转多地的王曦一样，天瞳威视也是四处扎根。一开始，天瞳威视所在地为苏州；后来， 总部搬至天津，苏州成为数据中心，两地研发人员加起来一共超过30人。而最近，天瞳威视正在北京建立分部，意图“争抢”北京众多高校的人才。

争抢这个词一点也不夸张，王曦说，北京许多名校的人工智能相关人才，还是在校生，就已经被求贤若渴的众多公司“预订”了。除了吸纳技术人才，利用北京高校的研发力量也是天瞳威视选择在北京建设分部的一大考虑。

二、技术产品：软硬结合，做ADAS的纯视觉模块

目前，天瞳威视ADAS系统CalmCar能够实现的功能包括LDW（车道偏离预警、）、FCW（前向碰撞预警）、PCA（行人碰撞预警）、BSD（盲区监测）、TSR（交通标志识别）。这一切，都是通过一枚单目摄像头来完成。

上文已经提到，天瞳威视的这套ADAS采取的技术路径是基于视觉的。或者更准确地说，是基于深度学习算法的纯视觉方案：由深度学习算法驱动的图像识别对道路情况进行分析，判定车道线、各个交通参与者（包括行人、机动车、自行车），计算出与他们的距离，对潜在的危险发出预警。其中最重要的，就是视觉识别。

对于为何采取这条技术路径，王曦的解释是，深度学习算法的日益成熟，以及微型处理器的计算力爆炸，为在小型嵌入式系统上实现实时的图像识别提供了软硬件支持。

其中的计算力支持，由眼下火热的Nvidia提供。基于纯视觉的ADAS，对图像处理有很高的要求。天瞳威视的ADAS系统CalmCar，应用了英伟达微型GPU平台Jetson TX1、TX2，配合并行计算技术满足对图像实时处理的要求。

（Nvidia Jetson TX1计算平台）

事实上，CalmCar是Nvidia Inception项目的成员之一。对进入该名单的创业公司，英伟达会在计算硬件以及算法模型上予以支持。天瞳威视在开发过程中，也用到了cuDNN、TensorRT等英伟达提供的深度学习工具，与英伟达的开发人员有不少交流。不过，仅仅有这些是远远不够的。由于涉及到汽车的行车安全，ADAS系统对视觉识别有两点严格要求——一是实时性（低延时），二是准确性。

（CalmCar在高速场景下的识别）

对于实时性，决定它的不只是计算力大小，还包括算法架构。深度学习用到的神经网络结构复杂，参数庞大。这些特点将拖慢运算的时间，一旦延迟时间过长，那这套基于视觉的ADAS系统就没用了——都快撞上了，这个时候预警完全来不及。

为了解决这个问题，天瞳威视的团队一方面借助于并行计算技术，极大的提高了CalmCar深度学习的计算效率，使其可以在嵌入式系统中高效实时检测路况。使用参数压缩技术，可以在不损失精度的前提下，可将模型大小压缩为以前的1/30，速度提升10倍。另一方面为CalmCar搭载自主研发的小型深度神经网络，小于10M的网络体积，具备尺度不变性，角度不变性，对于高分图像，在微型GPU平台下达到25fps的处理速度，平均延时低于50ms，满足了视觉传感器在自动驾驶系统的实时性要求。这一问题突破后，王曦称，CalmCar最大的技术难题已解。

而在准确性方面，数据则是最重要的。算法确定的条件下，提供越多的数据予以训练，则图像识别越准确。天瞳威视的团队在早期用过公共数据集，发现情况并不理想。现在，CalmCar的数据集都是供应商、客户提供，以及自己采集。打开王曦的朋友圈，会发现超过一半的内容，都是CalmCar的测试车，在路上跑着，测试其识别准确率、收集新的数据。

另外，他们还建立了自己的驾驶场景库与驾驶行为库。两个库中的数据相互配合，能够还原出特定驾驶场景下的驾驶行为，对于辅助驾驶和自动驾驶的决策模型建立和评测，都有重要意义。

在王曦提供的演示视频中，车东西记者看见，在交通情况复杂的城市道路上，CalmCar工作得也不错。汽车、自行车等都能识别，而被车辆遮住半个身子的行人，CalmCar也能判别出来。

天瞳威视的ADAS系统CalmCar，在白天场景下对车辆的识别距离可以达到100m，在远至50m的地方可以识别出行人。而这些除了软件方面的工作，还要硬件可靠。

得益于王曦在汽车电子零部件方面的研发经验，天瞳威视并不是一个纯软件公司——对图像识别有决定性影响的摄像模块——包括摄像头和ECU，都是由天瞳威视自主研发设计。也是王曦的汽车电子工程师出身，让天瞳威视在面对要求严格的车规时，更有底气。因此，天瞳威视提供的产品其实是一套包含了硬件模块和软件系统在内的视觉整体解决方案。

（天瞳威视开发的视觉ADAS模块）

当然，纯视觉方案也不是全能的，比如夜间，其识别举例会降低；以及没有学习过的极端情况，纯视觉方案的ADAS方案可能会不知如何处理。

但王曦认为，纯视觉方案也需要在性能和成本之间求取一个平衡，天瞳威视的ADAS系统可以在相当的可用度下，将成本下压到2000-3000元，相对于各种价格上万的ADAS系统，成本优势是比较明显的。对于极端情况，他们的客户加装一个毫米波雷达就能顺利处理。

事实上，对和Tier1以及整车厂关系的思考，深刻地影响了天瞳威视的技术和商业路线。

三、商业模式：和巨头站成一队 为Tier1供货

有些读者看到这里可能要犯嘀咕了：天瞳威视的ADAS功能都只是些预警，没有涉及到车身控制，连个最简单的AEB都没有，也太偷懒了。

背后原因，在Tier1中工作过数年，亲手研发过电动转向辅助的王曦非常清楚：天瞳威视瞄准的是前装市场，在这过程中，将不可避免地和零部件巨头们打交道。

目前深度学习的视觉方案比较新兴，巨头们此前积累也不深，因此若有创业公司在这一领域做得出色，基于从头研发成本高、耗费额外人力的考虑，零部件巨头们可能会收购这些创企或者采用他们的视觉方案。

然而，车身控制则是零部件巨头们耕耘了数十年，牢牢占据的领地。若有创业公司要在这一环节做文章，那便是触了逆鳞，直接在Tier1和整车厂的地盘上和他们对抗。

基于对Tier1在汽车产业链中的所扮演的角色考虑，王曦在天瞳威视的筹备阶段就为公司定下了未来的技术路线和商业路径：技术上只做视觉预警，不涉及车身控制；商业化选择上，向Tier1、整车厂提供视觉模块。

在这样的定位下，尽管天瞳威视的ADAS产品尽管还处在研发阶段，就已经吸引了几家大型国际Tier1和大型整车厂的合作，其测试装车量年内会达到千台。王曦预计，明年还会有数千台产品装车。

在Tier1制霸汽车产业的现状下，创业公司的主流选择一般有两条：一是绕过Tier1，避其锋芒；二是和Tier1站在一条战线上，融进既有的生态中。天瞳威视很明显选择的是第二条路线。某种意义上，天瞳威视是走在成为Tier2（即向Tier1供货的二级供应商）的道路上。

当然，当下基于深度学习的视觉识别技术落地应用已经有不少，天瞳威视虽然把ADAS作为助力业务，也并不打算只把鸡蛋放在一个篮子里。目前，天瞳威视在进一步搭建、扩大其机器人技术团队，准备以vSLAM的技术形式切入这一前景广阔的市场；同时，天瞳威视的视觉识别技术也意图进入交通场景下的安防领域。相较于传统的行车记录仪或者天眼系统，天瞳威视可以对人车特征进行提取。王曦举了个例子，公安在交通事故后调取录像进行研判、追查时，就可以使用其技术，标定一个特征，对录像进行快速筛选。

另外，对于天瞳威视的驾驶行为数据库，车东西也与王曦探讨了基于数据挖掘的商业模式。现在一个比较火的概念是UBI保险，通过ADAS系统收集的驾驶数据，可以为UBI保险的保费设计提供依据。不过王曦坦言，国内的UBI保险尚处于起步阶段，各类ADAS产品也处在上量的过程中，所以基于ADAS的UBI保险仍需要一定成长时间。

不过，得益于产品已经出货，天瞳威视预计今年会产出千万量级的营收。在天使轮中，天瞳收获了来自两家风投机构的1000万资金，接下来他们正在筹备下一轮融资。

结语：ADAS初创的一种路径——借力打力与单点突破

在结束对天瞳威视的采访后，车东西发现其技术路径和商业路径深受创始人王曦的汽车行业背景影响，同时也有跳出汽车圈子进行的思考：

基于深度学习的兴起，王曦在ADAS的路径上选择了视觉方案；基于对Tier1地位的理解，王曦选择了与Tier1合作。在外部形势的分析上，王曦既从汽车行业从业者的角度看到了零部件巨头的强势，又从深度学习技术的走强中看到了机会，通过视觉方案去撬动巨头，最终将两股力量都化为自己企业的助推动力。

在对内部情况的考察上，基于对初创团队小体量的思考，王曦选择了纯视觉方案的路线，聚焦于单项的技术研发。

总结一下，天瞳威视的创业策略就是借力打力+单点突破。

对于当下风起云涌、创业者不断的汽车产业来说，虽然行业的变革不乏机会，但玩家并非只有创业公司，老牌的汽车势力以及新入局的互联网巨头们，都是初创们将会面临的强大竞争对手。王曦在天瞳威视的创业路径，则提供了一种参考：如何化敌为友、找到一条适合自己的赛道。