在中國，自動駕駛則是一派彎道超車的熱鬧景象，4月11日，三部委聯合印發了《智能網聯汽車道路測試管理規范（試行）》，標志著自動駕駛一些行為今后有法可依，接著，阿里宣布了“蓄謀已久”自動駕駛進展，上來就是L4級以上的水平，自此BAT在自動駕駛領域已經悉數入局，更勿論國內數十家自動駕駛領域的創業公司風頭正勁，且看近期國內自動駕駛領域在立法、企業、資金、人才等方面相繼傳來的好消息，更不用提中國是全球最大的汽車市場，這些優勢為自動駕駛行業創造出了得天獨厚的發展環境，足以令其站在全球一線笑看云卷云舒。

問題如影隨行，是陣痛？還是技術天花板

視線轉到大洋彼岸，作為行業領頭羊的美國卻傳來了讓人高興不起來的消息，3月19日，Uber無人駕駛車在夜間行駛測試時撞死一位行人，成為有史以來最嚴重的交通事故，為自動駕駛前景蒙上一層寒霜。

雖然事故的原因目前依然眾說紛紜，但從公布的資料來看，問題還是聚焦在夜間行駛這個場景上，有美國的網友看過視頻后表示，在光線昏暗的情況下，攝像頭拍攝的圖像非常昏暗，不可能看到行人。記者也特地咨詢了國內專注做視覺成像芯片的眼擎科技CEO朱繼志，朱繼志則認為：“具體情況還不明了，但現場環境來看，不會那么黑，因為傳統攝像頭比人眼能力差幾十倍，所以如果人來看的話，應該是可以看到行人。但對于汽車來說，第一、行人離車距離太近，車速過快，激光雷達未必反應的過來。第二、當時行人是從暗部走向亮部，因為路燈的原因，光線明暗反差太大。在暗部的時候，汽車沒有監測到，等行人走到亮部的時候，距離太近已經太遲了。夜間道路光線環境太復雜，汽車攝像頭的動態范圍需要提升30倍以上，自動駕駛汽車才有上路的可能。”

然而，讓人驚訝的是，攝像頭能力并沒有我們想象中的那樣火眼金睛，傳統攝像頭廣受光照條件影響，在強光、弱光、逆光、反光等情況下，普遍無法保持正常工作，自動駕駛正常行駛的本質，打個比喻來形容，攝像頭就是眼睛，而激光雷達是手，如果看不清楚只靠摸的話，終歸不是長久之計。

“過去三十年，以ISP為代表的傳統成像架構一直統治著成像能力的表現，即使現在AI發展了，發現傳統攝像頭能力不夠，效果也不可能有很大的提升，原因很簡單，三十年前的技術架構，人家不可能考慮未來人工智能有什么需求，以前圖像只考慮給人看，現在的圖像是給機器看，但傳統架構成形多年，積重難返。這就是技術架構的弊端，久而久之，大家沒看到視覺能夠突破，就形成了一種潛移默化，普遍認為視覺能力就是不可能有突破，這也是激光雷達日后被叫好的一個原因，其實本質上，我們應該回到問題的源頭，視覺能力不夠，就研發新的成像引擎架構，做視覺成像專用的芯片，來提升汽車的視覺能力，這件事不好干，我們為此專注做了4年，就是眼擎科技目前做的事情。”朱繼志的介紹中，我大體可以明白自動駕駛視覺領域技術存在天花板的成因，也基本明白了為什么大家都不愿意去做，原創技術沒有經驗、耗時費力，“聰明人”都覺得不劃算。

而當前最受車企青睞的激光雷達，除了成本高、分辨率低外，更無法獲取物體對象的顏色信息，更不善于實時地分辨物體。

一時之間，陷入僵局。

自動駕駛車企想要發展，必須要考慮三個問題：

第一就是自動駕駛算法層面的設計和優化，目前大部分廠商考慮接入百度Apollo，一部分則考慮自建團隊自力更生，這是人才和技術的“軍備競賽”，而這點互聯網公司和新興創業公司具有優勢。

第二是量產能力，近期特斯拉頻頻被行業人士抨擊，就是因為特斯拉汽車產能不足，前段時間威馬創始人沈暉接受采訪時也表示：“造車新勢力的窗口期只有三年，年銷量10萬量才能活下來，而期待靠其他車場代工解決量產能力，是一個美好的愿望。”印證了汽車整體量產能力不亞于生死線，這點傳統車企有優勢。

第三則是“隱形實力”關鍵技術的儲備，不管是算法層面、數據層面、還是硬件技術層面的關鍵節點，都會成為持有者看不見的殺手锏，其實這三座大山哪一座有突破，都有很大的機會。

專注成像引擎關鍵技術，為自動駕駛打造火眼金睛

眼擎科技是專注成像引擎技術的公司，今年1月份發布了全球首款成像專用芯片。之后公司一直保持低調，直到近期筆者聯系時才知道眼擎科技要針對自動駕駛“發大招”，經過過去一年與汽車合作伙伴的深度調研和聯合研發，眼擎科技耗時6個月，準備推出一套專門為自動駕駛設計的成像解決方案，該方案使自動駕駛視覺能力提升到史無前例的120dB（達到超越人眼的視覺能力），并且整套系統符合車規標準，出色適應地庫、夜間道路、隧道等各種復雜光線環境，給算法端輸出高信噪比的視覺圖像。這家潛心4年專注于AI視覺成像引擎技術突破的公司，又用了近10個月專項研發自動駕駛視覺成像解決方案，這在業內實屬少見，我們期待眼擎科技能夠為自動駕駛行業帶來驚喜。