立足规模化L2支点，MAXIEYE首次披露向上突围全新技术架构车讯
核心提示：MAXIEYE实现了我国智能驾驶系统的规模化量产，客户覆盖商用车和轿车领域的数十个品牌车型，在国内率先实现了从感知到规制的全栈L2技术开发。
据编辑介绍，2022年5月6日，由盖世汽车和慕尼黑上海电子展联合主办、武汉东湖新技术开发区特别支持的2022第五届自动驾驶与无人机云共享论坛如期举行，共计6.4万多人次观众在线参与。其中包括相关的政府企业家、大学学者、科研机构专家、厂商代表等，一起在“云”上寻找自动驾驶的发展道路。
上海智驾汽车科技有限公司（智驾科技MAXIEYE）创业者CEO周圣砚进行主题演讲，盖世汽车为了向读者介绍而总结成文章。在周圣砚的指导下，MAXIEYE实现了我国智能驾驶系统的规模化量产，客户涵盖商用车和轿车领域的数十个品牌车型，在国内率先实现了从感知到规制的全栈L2技术开发。
规模化的L2自动驾驶系统是智能驾驶的向上突起的支点。其中有两个关键词，一个是规模化，另一个是L2。
目前公路圈可批量生产的最高驾驶水平为L2，其中国内自主开发的智能驾驶系统仅占整个市场不到3%。但在2021年下半年，由于国内主导的L2产品开始逐步进入量产阶段，在“不到3%”的数量中，确实有一些企业在5年左右的时间里，在国外已经完成了十几年的技术积累。因此，周圣砚认为，如果国内企业能够保持速度、抓住机遇，本土品牌就能够抓住智能驱动器向上突起的支点。
追踪10年本土品牌的机会与挑战
回想2025年，国内自动驾驶行业取得了蓬勃发展，站在世界第一阶段，成为该技术的世界主流供应商。周圣砚将前后5年分成2个部分。最初的5年称为宣传量产，接下来的5年称为关注体验。
在呼吁量产的阶段，各行各业都进入了自动驾驶课程，从出身来说，有互联网、手机、汽车厂等领域，也有来自象牙塔的大学派，还有博士刚毕业，就想带着实验室兄弟们，带着雄心勃勃的希望杀出一条血路等。
从技术方案来看，有主推GPU派，有FPGA派，有ASIC派，有工控机派。从场景上看，道路上的Robotaxi派、Robotruck派、渐进派（我们），当然还有清洁派、采掘派、港口码头帮手、机场送披萨派等。各路豪杰热闹不热闹，大家都用自己的故事和蓝图一个接一个地打动投资者，一个接一个地挖掘新场景。中国自动驾驶的故事就是从那时开始的。因为我们所处的这个领域是与汽车厂共同规模化量产的产品供应给C端。
到了2021年，我们或多或少看到了一个重要的变化：一些派系（国内）玩家，冲了出来，用户逐渐进入了更关注体验的阶段，而不是只青睐（全球）大厂商品牌。接下来的五年，你需要从驾驶体验和成本两个方面努力。这些是实现规模化的两个要求。
在自动运行的规模化L2中有一个座位
自动驾驶技术要实现最重要的三个部分：算法、计算力、数据。
从算法的角度来说，MAXIEYE经历了三个阶段：传统的机器视觉、深度学习、BEV架构。当然，在这里这样区分深度学习和BEV架构并不严格。这里主要想强调基于像素水平的深度学习框架和基于BEV全局视点的深度学习框架的2个世代差。使用不同算法的方法要求计算力不同，智驾科技第一代是基于传统视觉进行的，下一代是深度学习，所以有几个T，进行像素级计算力的开发。到了下一阶段，100T、200T可以很好地运用BEV之类的基于框架的算法。
L2之所以是必争之地，是因为以上所有功能都需要以“迭代”方式进行开发，我们日常的L2覆盖了80%-90%的场景，越去开发越能遇到的情况越少，所以在开发阶段就很难完成L3应用全功能的开发产生了边量产边开发的倾向。
例如，当L2产品通过一种方式（累计力、上域控制）时，电路板、计算芯片比Ipad更大，成本也高出好几倍，体验也是如此，最终将成本转嫁到车厂，车厂可能转嫁给终端消费者，这就产生了自动驾驶的价值陷阱。
但真正的技术产品创新意识，是少数人可以享受，可以推广到最广泛的用户群体。所以2022年无论是高端车还是低端车都会出现组装L2产品的现象。制作产品的公司不仅关心客户，也关心客户，即最终用户。
客户是OEM，用户是C端，C端和OEM是共同关注的三点，OEM强调安全、增值和成本，对应C端的是安全、舒适和预算。
如何评价一款好的L2-L3级智能驾驶系统
MAXIEYE跨越商用车、轿车的为数不多的产品平台化公司，在这两个市场积累了多年的经验，而轿车与商用车最大的区别是，轿车是生活资料，商用车是生产资料，生活资料被理解，更高层次的物质是提供满足文化生活需求的消费品。因此，评价这类产品的优秀属性体现在舒适、智能、方便、人机体验等几个方面。好产品带来的体验是自传广播效应，类似口碑营销。商用车作为生产资料是工具，因此优秀的智能驾驶生产资料追求安全、成本、经济效益、运营效益。
在平台化开发过程中，考虑到商用车和轿车两种共性。共性是SOC的选择型，是MCU的选择型，是基本算法的开发，例如知觉、限制算法等通用算法的开发。但是，ACC、TJA算法等，轿车更考虑舒适性，商用车更考虑油耗，但安全都是底线。
从完整的智能驾驶系统评价系统来说，MAXIEYE无论是商用车还是轿车，共同关注的部分有两个方面，被认为是安全和体验。
作为差异化的部分，轿车更注重场景体验的流畅，如交接率、操纵稳定性、个性化风格的定制，如我们消费者可以选择更多的配置，低配合覆盖的场景占80%-90%它配得越高的边际效果就越不理想，比如增加了一倍的价格，你的功能增加了10%。
但商用车重视的是特种车辆的场景功能，如重卡盲点大、智驾科技MAXIEYE盲点近、中、远的问题用两个视觉双V解决，进行节油改进。所以一个好的商用车智能驾驶系统应该是很早的时间来收回三年内由自动驾驶系统增加的成本，使整车的生命周期能够最终受益于消费者。
智驾科技MAXIEYE提供全栈自动运行服务
MAXIEYE定义的全栈是影响最终产品功能和体验所需的全部努力，即影响客户交付和体验的模块需要有自我研究能力。因此，MAXIEYE的所有栈包括感知、计划、确定和控制。
在整个堆栈的技术开发过程中，我们也发现了很多技术上的问题，从功能体验上来说，定义知觉和规则控制两件事很难分开，是单一感知某个功能不好，还是控制不好。例如解决制动问题、目标车辆cut-in问题，感知和控制端同时努力，比如解决目标车辆cut-in的减速问题，也会从感知和控制端产生影响，所以从全栈的思维来解决问题可以给工厂带来很好的价值体验。
为了给汽车厂带来良好的价值体验，MAXIEYE从技术的纵深一步一步后退，从最初的控制到计划到知觉，挤压到技术的源头去解决问题，从而赋能汽车厂。MAXIEYE这里强调研发端是全栈自我研究，出发点是具备这种能力可以在自动驾驶技术开发过程中迅速找到和解决约束功能实现的关键技术，销售端和市场端从业务形态来看MAXIEYE不仅提供全栈系统（包括云端OTA数据的回送，实现了全栈自研究，全部批量制作），还提供部分模块模块。提供知觉、融合和决策。
MAXIEYE进行了商用车、轿车全堆栈技术平台化的研究开发。平台化研发智驾科技专注于解决占自动运行核心技术总量90%的共同问题，其余10%为最后1公里。这是目前经营的商用车和轿车的部分客户，轿车的L2搭载在两种车型上，预计今年和明年累计出货L2以上20万辆。
如果L2大规模化，你可以看到下一个增长点
MAXIEYE就像所有的自动驾驶企业都是这样，怀着对深度学习的憧憬，捕捉技术周期，提出L2产品所需的要求目标的检测结果，在2T的计算力芯片上行驶。实际上（在产品功能方面）很多公司并没有太大的不同，但是在产品体验方面，MAXIEYE在背后做了很多事情。
例如，使用深度学习开发了梯度识别算法。坡度识别算法可以精确到将80米外的道路坡度拟合到一个方程中，从而规划出整个车辆的三维坡度曲线。为了使目标速度达到接近毫米波雷达的精度，还开发了多帧目标的RNN算法。
为了稳定地跟踪密集的行人来往的行人，开发了MAXIEYE基于行人的ARD算法，使一个目标不会抖动。为确保目标深度140m而开发的三维预测使用两种不同维度的冗余算法来检测元素，以降低感知误认率。在不断创新解决实际工程问题的过程中，我们发现2020年深度学习框架已经达到了技术边界。
智驾科技MAXIEYE从2020年开始认识到打破技术边界的必要性，发现了BEV架构。2021年开始了智驾科技BEV的架构。输出具有目标距离、目标速度和实际物理意义的参数。持续目标时间维的表示是具有实际物理意义的表示。例如向量、车辆与其他元素的相对运动学关系将成为可学习的规则元素。深入学习各种各样的东西，BEV是为此的框架。MAXIEYE搭载BEV架构的轿车今年年底可以批量生产，应该是最早的一批。
MAXIEYE理解创新，其实一直在探索一些技术境界，并向上突破，这里面有微创新，有突破性创新，MAXIEYE创新中不断突破，磨砺向前。