Mobileye作為ADAS行業的龍頭企業，目前占有全球超過60%的視覺感知芯片市場份額。與此同時，Mobileye一手建立的封閉式視覺感知生態也成為了行業主流形式。有條件的開放和相對收斂的感知API需求，曾幫助Mobileye建立標準化的感知接口方案，并快速將產品推向全球，攻城略地。

但是，時過境遷。隨著當前視覺ADAS功能的持續升級迭代，行業期待出現更加開放的方案，幫助OEM和Tier1打造差異化且更具適應性的ADAS功能。

駕駛場景的復雜性和地域性呼喚開放的解決方案

曾經有一家國內主機廠嘗試基于Mobileye的視覺感知解決方案開發自主泊車方案。項目實施過程中，需要識別停車場入口處的欄桿。但Mobileye的封閉性方案不支持客戶對感知算法進行自主更新，導致開發遇阻。

這反映了主機廠面臨的困境。一方面，Mobileye的視覺感知解決方案依然是目前最成熟的方案，從產品成熟度、項目風險管控和質量管理角度，都有很多優勢，主機廠無法拒絕。整體來講，屬于保守有余，進取不足的態勢。但另一方面，這種封閉方案又像一個黑匣子。因為無法進行差異化和定制化開發，導致性能同質化;況且在本土化的駕駛場景下，無法完全滿足要求。這就限制了主機廠做出更加進取的產品方案，長期以往會降低產品競爭力。

而中國駕駛場景的特殊性，決定了必須有本土化的感知解決方案，才能滿足ADAS/自動駕駛的功能要求。

同時，為了滿足ADAS/自動駕駛對感知的高可靠性要求，也需要更加開放的感知解決方案，例如，如果我們能夠識別更為豐富的目標，更多的語義分割種類，那么我們就可以獲得更為豐富的語義信息，使得各個不同的類別可以做到交叉驗證，例如，路肩、人行道對于可行駛區域的判斷有明確的輔助驗證作用，路側的固定目標，如交通標識牌、路燈等對于定位有很大的幫助。

假設在下雪天，道路被積雪覆蓋，如何判斷路肩在哪里呢?電影《非誠勿擾》里描述了一個對白情節：

“嗨，你來過(北海道)，你一定知道公路那兩邊箭頭有什么用?”答：“哦，冬天，北海道的雪很厚，箭頭指示人們不要開出路肩。”

假如我們可以識別公路兩邊的箭頭，就可以推理出來可行駛區域的邊界。感知技術的發展趨勢需要更為開放的解決方案

感知技術的發展，關鍵趨勢可以總結為以下四點：

? 從簡單場景到復雜場景

? 從高頻目標到一般目標

? 從2D感知到3D感知

? 從面向實況的感知到面向預測的感知

所有這些趨勢都使得感知的豐富度和復雜度進一步提升，供應商無法使用一個標準的感知解決方案來滿足需要，開放成為必由之路。

軟件定義汽車時代，車企需要更為開放的解決方法

智能化是未來品牌差異化的核心要素，主要是通過增加軟件功能來實現。軟件的后部署將是大勢所趨，這意味著，多數軟件功能將是在汽車出廠之后交付的，軟件迭代OTA將是新常態。這一趨勢對于出行服務運營商來說尤其重要，各種不同的場景服務需求都需要基于現有車隊的功能，通過不停升級迭代來滿足。

在未來，OEM交付的汽車將不是一個功能固化的產品，而是一個持續進化的機器人，在汽車整個生命周期內，硬件平臺能夠持續支持軟件迭代升級。軟件開發的效率和差異化的功能，將決定這場智能化競爭的成敗。

為了提升軟件開發效率，從系統構架的角度看，服務導向的系統構架(SOA)將成為主流，這需要打造一個全新的感知解決方案，滿足四個方面的要求：高度開放、一致并且完善的工具鏈、擁有強大算力儲備、極強的可擴展性，以滿足不同等級車型平臺的要求。

開放的感知中間結果助力國內的ADAS功能不斷進化

目前，對于感知算法API，行業內還是較為封閉的。很多功能較難落地(比如信息娛樂域關于ADAS功能的增強現實顯示功能)，部分原因是由于感知算法只提供給智能前視攝像頭模塊內部使用，不愿提供給其他子系統使用導致的。而地平線感知中間結果可以做到全開放。且由于地平線算法的低級語義非常豐富，全開放的感知中間結果能夠支持客戶在應用層開發更加復雜的功能。

截止目前，地平線算法可以支持10類動態目標和53類靜態目標。其中動態目標包括：成年人、兒童、騎行者等3類行人，以及轎車、SUV、面包車、卡車、客車、摩托車以及老年代步車7類;而靜態目標則包括8類車道線、2類紅綠燈以及43類交通標識。比Mobileye更豐富的感知信息，給客戶實現差異化功能提供了堅實的感知基礎。

開放而全面的工具鏈，踐行“深度賦能”理念

為了增加視覺算法迭代的敏捷性，能夠更好地支持國內各種極端的感知場景，地平線推出了AI芯片工具鏈Horizon OpenExplorer(地平線“天工開物”)，包括數據、訓練和設備部署工具，例如模型訓練工具、檢查驗證工具、編譯器、模擬器、嵌入式開發包等(圖9)，形成閉環。數據產生模型，模型可以被部署到設備上運行，運行過程中又可以指導模型的調優，甚至收集新的數據。這樣的一種自我進化的開發模式，可以提升開發速度，降低開發門檻，保證開發質量。基于這種模式可以減少約30%的開發人力，節省50%的開發時間，更重要的是，因為開發門檻被降低了，開發者的規模甚至可以擴大一個數量級。

地平線會持續對開發工具進行升級，為客戶提供半自動化的處理流程。主要包括：數據工具與模型，模型與端上設備之間的閉環迭代;豐富的模型/系統參考原型，簡潔易用直觀方便的交互手段;標準化開發流程，加上持續的測試，集成，部署機制。

圖9 地平線“天工開物”芯片工具鏈

更具體地將，地平線的模型訓練工具能夠支持TensorFlow等主流的深度學習框架，幫助用戶自己訓練模型;編譯器支持將開源訓練框架模型格式轉換為芯片上的二進制格式;嵌入式開發包則能夠支持客戶調用算法庫開發自己的應用，讓客戶自己在芯片商快速部署應用。整個工具鏈包能夠覆蓋完整的開發鏈路(圖10)。而經過地平線編譯器的優化，能夠極大緩解算法的訪存瓶頸，提高芯片的計算效率(圖11)。

圖10 基于“天工開物”工具鏈的開發流程

圖11 經過地平線編譯器自動優化的算法，性能提升巨大

近來，地平線與韓國SK電訊公司合作開發了動態眾包高精地圖解決方案。SK利用地平線的工具鏈，開發了韓國道路的視覺感知算法，，證明了工具鏈的易用性和可靠性。

簡言之，地平線的開放是從提供系統參考解決方案，到全面開放感知結果，再到工具鏈的全棧解決方案的深層次、多維度的全面開放，充分賦能汽車行業的智能化發展。如果客戶主張效率最大化的分工合作理念，地平線就提供軟硬件一體芯片方案;如果客戶青睞能力最大化，希望使用自己的算法，地平線就為客戶提供純芯片和整套工具鏈，幫助客戶實現足夠深入的開發自由度，踐行“深度賦能”的長期承諾。