最前线 | Mobileye大中华区总经理童立丰：2025年，出行数据市场将超过700亿美元

以ADAS技术方案著称的Mobileye，正快速切入数据服务领域。

11月24日，英特尔与南京溧水经济开发区和新境智能宣布成立新境智能交通技术（南京）研究院，要面向智能交通行业，提供边缘计算平台、智能交通互联系统等产品和服务。5G和人工智能快速成熟和普及，让智能交通成为IT巨头们角逐的新市场 ，今年4月，百度就推出了百度Apollo对外发布“ACE交通引擎”，宣称利用百度Apollo在自动驾驶、车路协同方面的积累，在北京、长沙、保定等城市构建智能交通体系。

英特尔坐拥丰厚的计算技术和通讯、存储、云等资源，也正从边缘计算、安全标准和数据服务等方向进入智能交通市场。这其中，英特尔子公司Mobileye就在智能交通标准制定、车与边缘设备交互以及数据服务等领域发挥了作用。

据英特尔中国研究院宋继强介绍，Mobileye的责任敏感安全模型RSS是一个逻辑上可验证的安全模型，该模型对安全做出了规定，并定义了恰当的响应行为，”车辆无需数百万英里的里程积累就能学会如何安全地行驶。”据介绍，RSS具有技术中立性，这能够使全行业以此为出发点，统一对安全自动驾驶的认识。目前已经有包括百度Apollo、法雷奥等多家厂商装配了RSS。

此外，数据服务也成为Mobileye的下一个发力点。以色列公司Mobileye是ADAS行业的领头羊，2017年被英特尔斥资153亿美元收入麾下，该公司拥有芯片到算法到摄像头的全栈技术，全球每年将近9000万辆新车当中，有2000多万台是配备了Mobileye的ADAS技术。正是凭借计算机视觉、机器学习、数据分析、定位和高精地图技术，Mobileye的数据服务业务得以成型。

“到2025年，整个MaaS出行，全球市场超过1600亿美金，其中有关数据的潜在市场超过700亿美金。”Mobileye大中华区总经理童立丰在演讲中表示。

童立丰说，自动驾驶不是一蹴而就的，还需要大量的人类的驾驶员在高速在城区进行驾驶，“在这个过程当中，大量的道路数据，比如说交通标识、标线的损耗程度，日常维护，道路路面的使用程度，这对个人驾驶或者是政府日常管理高度相关。”

童立丰告诉36氪，Mobileye的数据服务目前应用最成熟的是基于驾驶员行为的商业保险，这一部分的数据获取也相对清晰，“驾驶员是和车队签约，所有驾驶员相关的行为，因为都是跟车队，跟公司是高度挂钩的。”童立丰说，而Mobileye和整个英特尔都是核心技术的提供商，“我们把设备或者硬件提供给下游的合作伙伴如车联网公司，车联网公司再整合硬件和数据给车队作为应用。”

而针对上述提到的路标识标线、公共基础设施，以及路面养护等几个数据应用领域，童立丰告诉36氪，Mobileye也在正在南京溧水区进行落地探索，“期待明年或者是什么时候，再回来说一说这方面应用的成功案例。”

以下是童立丰演讲，略经摘编：

Mobileye作为英特尔的子公司，我们整个团队的人员在以色列耶路撒冷，整个公司超过2000个人当中，绝大部分的成员都是位于以色列的研发团队。Mobileye是基于视觉技术为核心的智能驾驶和自动驾驶的全栈式解决方案提供商。

到目前为止，全国已经有超过28个车企，绝大部分的主流车企都是我们的合作伙伴，全球有超过十多个自动驾驶的从L4到L5产品的研发项目。到目前为止，全国超过6000万部车辆配备了以Mobileye技术为核心的解决方案。现在全球每一年将近9000万辆新车当中，有2000多万台是配备了Mobileye的ADAS技术。

随着整个汽车行业的发展和智能驾驶的发展，最终我们从智能驾驶逐步回向自动驾驶方向演进。Mobileye也毫无疑问在整个自动驾驶的前沿领域有大量的投入和合作方案。其中在MaaS（出行即服务）领域，目前被认为是自动驾驶在落地过程当中，短期内最快能够商用化的一个场景。在这个场景上面，Mobileye在2022年的时间点上我们会在法国、以色列、韩国布置我们的出行即服务的整体落地。虽然说新冠疫情对全球范围的整个经济，汽车行业尤其是自动驾驶领域影响非常大，但是在Mobileye的整体研发和落地布置的路线上，我们所承诺的2022年的时间点仍然保持不变。

除了我们在汽车行业，我们从智能驾驶到自动驾驶的过程当中，相应的会诞生大量的数据。这些数据会应用在整个交通行业和出行相关的从车、路到驾驶人的全产业链的各个方面。

说到自动驾驶，我们先来看一段视频。

这个视频比较短，整体上这是我们今年的6、7月份，在以色列拍摄的一个自动驾驶视频，整个视频我们包含了三个，这是其中一个。这当中包括在高速公路上下匝道的变道，也包括在城区的大量的公交车、出租车和私人车辆的复杂环境的自动驾驶运作以及刚刚展示了特定的场景，是在非常传统的城区当中，非常窄的道路上面，自动驾驶车在看到行人以及路边停放车辆比较复杂路段的驾驶行为，以及出了弄堂也好，胡同也好，到了路口，面对一个左转弯道的一个比较复杂的场景介入。

整个过程当中，大家可以看到我们有三个镜头，一个是我们内部的平台，在这个上面，可以把我们所有通过摄像头技术所识别到的路况，包括车、路或者是人的情况能够展现出来。下面是一个车内的摄像头，实时的拍摄有安全员在，但是没有驾驶行为过程当中所有车辆的表现。右侧是无人机在俯拍这辆车的情况。可以看到这个当中有几个点我们可以关注一下。

第一，在Mobileye的技术当中，我们的自动驾驶技术不再是实验室的，或者是封闭场景或者是内部的一些产物，而是完全能够在开放路段，如同我们每个人驾驶汽车一样去进行自动驾驶技术应用。

第二，我们看到这台车虽然内部有一些特殊的设备，但是从外观来看，它不再是一个顶着巨大的天线或者是做一些特形的改造，而是从外观来看，完全看不出和我们普通的家用车有什么区别。

第三，在它的场景复杂性上面来说，我们考虑的不是0和1的过程，并不是说完全没有自动驾驶或者所有的车都是自动驾驶，而是说我们自动驾驶车在过程当中有大量的人车混行，跟人类驾驶同时在开车的时候，我们的自动驾驶技术如何融入到大的交通环境当中，这三个亮点是我相信可以给大家带来同其他的一些不一样的感受。

在这个过程当中，虽然我们看着很简单，但是这个背后有大量的理论的逻辑它的应用数据。比如说我们需要通过传感器的感知，我的决策与执行，这些是最基础的。在这个过程当中，传感器我们最多用到了13个摄像头，保证我们识别整车所有周边的情况。在这个过程当中，我们还纳入了RSS的模型，来做到如果发生交通意外的情况下，我怎么来判定一些事故。

甚至包括我有大量的实时的数据交互来帮助我们前台的车端的数据收集、分析和应用，以及包括车和车的交互，因为我们未来在耶路撒冷、韩国、法国都会布置整体的车队，让车队要运行，存在大量的车端和云端的数据交互。所以这些数据的积累和应用对自动驾驶或者是MaaS出行，在未来短期内，两到三年，三到五年内的落地，这样数据基础设施的建设是极其重要的。

这个是数据对自动驾驶和交通产业的部分应用，那和我们的日常生活有什么关系？实际上，除了自动驾驶以外，整个大交通领域里面有大量的数据交互和数据的应用。比如说来自道路的数据，自动驾驶不是一蹴而就的，我们还是需要大量的人类的驾驶员在高速在城区进行驾驶。在这个过程当中，大量的道路数据，比如说交通标识、标线的损耗程度，日常维护，道路路面的使用程度，这对我们个人驾驶或者是政府日常管理是高度相关的，而且是高度有作用的。

同样，对于我们个人来说，大家可以说在出行过程当中经常会用到导航地图，当然现在因为技术发展的速度，我们用的导航和原来相比越来越便利，这是为什么？这是因为有大量新的数据诞生，数据的交互使得我们导航信息更加完善，但是这些还不完全足够。

比如说我用一个简单的例子，现在大家在导航过程当中，我们会看到某一条路，但是我们并不知道在这条道路当中分车道的情况。也许我通过这条道路我只需要左转，我并不关心直行的拥堵情况，如何做精细化的交通流量管理，同样也是需要大量的基础数据来进行实时分析。

所以基于这样的一些逻辑，Mobileye从我们的基于安全部门的车辆检测，车道线检测逐渐向道路资产的标识标线或者是基础设施建设的数据的采集和分析这条路上向走了更多。

现场拍摄

基于这个数据，我们做了大量的行业调研和分析，基于Mobileye现在的核心技术，我们可以把我们未来跟数据相关的这些能力分为五个大的方向。

我们要对道路的情况、路况，比如说这条路是完整的还是有龟裂的，或者说是路面有坑洞的，这些与我们自己驾驶相关，也与自动驾驶高度相关的路况数据的应用。包括路上的标识表现，车道线、限速牌这些信息的识别和应用。当然也包括路边的红绿灯、机箱等公共设施的识别。更深一步的，当我们有大量的数据积累之后，我们可以做到第二级的交通的出行动态分析和实时交通的情况分析，哪一条路是拥堵的，哪一条路是通畅的，这条路当中，哪一条车道是拥堵或者是通畅的。接这些大量的数据，不管是导航还是自动驾驶，我们就可以做到更加完善的路径规划和实时的路径规划。

第一个点是道路信息的勘察，这里面既包括跟自动驾驶和出行相关的车道线、限速牌这些方面，也包括我们讲到的红绿灯、绿灯杆这些政务的相关信息。Mobileye通过我们众包的方案，通过我们的合作伙伴，将合规的有隐私保护的数据传到GIS数据平台，并且可以提供一个非常友善的GIS数据层接口，给到绝大部分图商的平台或者是地图信息的平台，可以应用这些数据。

Mobileye道路勘察方向，现场拍摄

我们并不会做一个真正意义上的GIS大平台，而是可以通过GIS里面所关心的这些具体信息的精确的勘测和实时的分析。

Mobileye的技术在这个当中有什么独特之处呢？回到刚刚数据的部分，交通的大数据有几个特点。第一，它必须要实时分析。固定的数据对于未来出行的价值不那么明显，而实高频率刷新的数据对未来出行是非常有价值的。所有的路径规划，不管是导航还是未来自动驾驶的，都依赖实时更新的道路数据，而实时更新的道路数据则依赖于数据端的信息。所以Mobileye的设备，通过大量的合作伙伴或者是成熟的后装端的硬件设备，通过我们本地合作伙伴的融合以后，就能在一部分的区域内逐步地去构建一个实时的高频率的数据更新的图层。

而这样的图层具有高度的精确性。因为Mobileye的基础是做自动驾驶和安全的，所有我们每一个功能都是保证99%以上的准确率，将这样的信息拿来做数据分析的时候，我们就会发现我们的原材料非常多，这是一个高度精准可信赖的车端的信息来源。在云端或者是边缘端再做操作分析的时候，一方面我可以节省大量的人力、物力，我前端就可以把几十个G或者是几T的视频和图像，在前端通过ASIC的AI芯片就可以大量快速处理，做到每公里只需要10kb的数据。

这样一个低交互量和比较优化的硬件成本，可以使数据勘探和收集的过程变得可行而且可量化。而传统的数据勘探或者地理信息勘探的设备，动辄是大几十万的成本。所以通过众包方案，可以快速地去实时刷新这些大量的数据，这是一个最基础的优化。

第二部分，通过视觉、图像来识别并且获取我们所需要的数据，未来的可能性是无限的。它不像传统的设备，只能有针对性的对部分标识标线或者是设施进行识别。对于图像漫谈，理论上以Mobileye算法积累和团队研发能力，未来可以是无限拓展的情况。我现有的设备可以通过OTA的方式在未来导入更多的数据的收集和应用。

所以对于前期的任何投入来看，就不用太多考虑未来我3年需要更换硬件，我们通过软件来做。有了这样的高刷新率，这样的全面性，数据的精准客观性和GIS平台的兼容性。我们的后台会去构建适合所有GIS应用的数据图层接着口头，做好我们后端的功能，数据上的独特性也最终能够帮助我们在各个大城市当中构建一个以数据为主导，数据为引擎的城市规划基础。

有了这样一个大的生态之后，在整个生态当中所有的合作伙伴就可以更加轻松地去调用各种自己想用的数据。我们做城市规划的话，比如说我们可以看一下高速公路的道路现在的情况和高速流量的情况，来制定下一个阶段高速规划。对于自动驾驶企业来看，我只需要一个简单的许可，到了这个里面以后，我就可以自动接入实时刷新的电子导航地图的平台，来做自动驾驶或者是阶段的应用。

甚至是对于整个商用化的市场来看，因为我们有大量的人流密集的数据和行车数据，这些匿名的基本数据也可以帮助企业做规划。我在这边到底是不是要设置相关的基础设施，比如说我们探测出来是大量的卡车的流量信息的集中，我们可以在这里设置物流中心。如果说我们探测到大量行人的集中，这方面我们可以考虑商业的基础设施，这个可能是未来的趋势。

数据给到我们的不仅仅是一个简单的一两个应用，而是说Mobileye作为一个底层数据或者是核心数据的工具提供商，可以帮助落地的合作伙伴能够去更容易的以这些数据为基础来做整个规划和平台。

当然在全球范围内，比如说亚马逊也有自己的Marketplace，大量的用户可以从Marketplace去调用这些数据。我们Mobileye或者是整个英特尔，也想在不同的城市去建立这样的一个城市级的数据市场，帮助我们整个生态链的合作伙伴能够更容易的把数据变成产业，把整个产业变成一个良性的发展。

到目前为止，我们全球有超过10个国家和城市（巴塞罗那、纽约、新加坡、杜塞尔多夫、都灵、美国、英国、以色列、保加利亚、大邱）都和我们在出行数据领域有合作，在国内我们也希望尽快与有前瞻规划性的，也有落地的城市进行深度合作。

最后要说一下，以我们对这个行业的研究，到2025年，整个MaaS出行，全球市场超过1600亿美金，其中有关数据的潜在市场超过700亿美金。我相信在这样一个大的全球份额当中，中国绝对会在当中占到非常重要的地位，也期待和大家一起去挖掘这个数据的石油或者是数据的金矿。