下面我来简单介绍一下Mobileye的产品优势与产品瓶颈。
通过架构提升计算机视觉性能
Mobileye EyeQ芯片系统集成模式稳固了该产品的市场领先地位。 30 多家汽车制造商选择了 EyeQ，因为它能够在满足产品高性能功率比、低成本的同时支持复杂且计算密集的视觉任务。 通过使用高效的硬件加速器架构，EyeQ 在低功耗范围内提供了最先进的计算机视觉性能。与此同时，该系统还采用了 异构计算（Heterogeneous Computing）模式，从通用 CPU 内核到高计算密度加速器，再到深度学习神经网络，EyeQ 能够为每一个任务选择最合适的核心。
打包模式提供高接受度，RSS模型提供驾驶安全
对于软件开发能力较差或AI投入较少的OEM厂商来说，Mobileye的芯片+系统打包模式具有更好的接受度。 Mobileye将芯片和自动驾驶算法做紧耦合,打包供应给Tier1整车厂，快速为整车厂商提供智能化能力。 该模式相对而言较为封闭,车厂在Mobileye的基础上进行系统的集成,参与算法改进的程度较低。由于Mobileye在计算视觉及 自动驾驶方面有很长的开发经验，与投入大量经费进行算法自研相比，很多AI投入较少的整车厂商，如吉利、宝马等，会 更倾向于选择Mobileye的成熟集成产品。
先进的自动驾驶安全数学模型RSS为汽车安全保驾护航。 以人类关于安全驾驶意义的常识规则作为算法开发的指导方向，Mobileye提出了责任敏感安全（RSS）数学模型，该模型 由形式逻辑和规则组成，并设立遵守具体安全规则以保证自动驾驶汽车能够面对绝大部分突发状况并作出正确的决定。 目前，RSS模型被业界广泛认可，百度、Apollo、Valeo等智能汽车企业的人工智能算法同样采用了该模型。
比HD地图更强大的AV地图
与传统的HD地图相比，Mobileye的AV（Autonomous Vehicles）地图具有如下优势： 地图可拓展，数百万配备Mobileye的ADAS车辆以小数据包 (10kb/km) 的形式将数据发送到云端，并同时更新地图。 依靠公司复杂的变化检测算法，地图可以近乎实时地更新。 按下按钮即可全自动生成地图，具备更优的局部精确度。
基于摄像头/雷达两套AV系统同时运行，提升判断准确率并降低数据需求量。 在AV对现实世界进行分析时，摄像头子系统是AV的支柱，而添加雷达-LiDAR 子系统能够提供更高安全性。 True Redundancy方案通过互补非冗余传感器（摄像头、雷达、激光雷达）同时感知环境，实现更高模型精度。
精简结构提高芯片功耗效率
EyeQ Ultra以精简的结构实现自动驾驶。 EyeQ Ultra以仅仅176 TOPS的算力就能够完成自动驾驶的计算工作，芯片功耗效率最大化，使其成为业界最精简的 自动驾驶汽车 (AV) 芯片。这款高效设计的SoC建立在七代经过验证的EyeQ架构之上，可准确提供全电动汽车AV所 需的功率和性能。
“黑盒”模式缺乏灵活性
车企自研辅助驾驶已成趋势：随着高级辅助驾驶（ADAS）热度的不断提升，传统车企与新势力车企皆加大了对该领域的 研发投入，车企对全栈自研的需求逐步提高，这要求车企在进行汽车设计时要有全局思维和全流程问题的解决能力，掌握 所需的最关键与最核心技术，自研辅助驾驶已成趋势。
驾驶的使用成本，但同时下游车企亦无法自研辅助驾驶，缺乏灵活性，在全栈自研的趋势下黑盒反倒成为了限制。
商业模式的转变：为解决上述问题，2022年7月公司正式发布首个面向EyeQ系统集成芯片的软件开发工具包EyeQ Kit， 将充分利用EyeQ 6和EyeQ Ultra处理器的高能效架构，让车企既能使用Mobileye的核心技术，又能在EyeQ平台上部署差 异化的代码和人机接口工具。
芯片算力有待优化
迭代速度与算力：1）迭代速度上，Mobileye EyeQ芯片迭代速度为3-4年，英伟达与高通的迭代速度分别约为2年和1年。 2）在产品性能上，EyeQ5单颗算力为24TOPS，而同时期国产芯片厂商地平线“征程5”单颗最高算力达到128TOPS，英 伟达Orin单颗算力达到254TOPS，二者算力均远超Mobileye，而Mobileye的高算力产品EyeQ Ultra（176TOPS）则需要 到2023年底才实现供货，预计量产时间为2025年。
车企选择：目前高级辅助驾驶（ADAS）发展迭代速度快，智能汽车产业向硬件冗余设计倾斜，以提高复杂场景的处理能 力。为了留出充足的算力空间以应对未来智能化升级，越来越多车企在选择自动驾驶芯片时倾向于高算力，公司正面临英 伟达Orin X、高通Ride等产品的挑战。
