黑芝麻提供端到端、全栈式的感知系统解决方案

马斯克掀起“激光雷达 or 摄像头”的争论还在继续。

尽管惯于“打嘴炮”的马斯克还是很难让人相信，一台完全不使用激光雷达的特斯拉能在 2020 年达成 Robotaxi 的目标，但纵观特斯拉和 SpaceX 的发展史，这位疯狂的工程师又的确是在不断的质疑中将各种“不可能”一一实现。

近日，黑芝麻智能科技有限公司（下称：黑芝麻）CEO 单记章接受了 DeepTech 的采访，专注于打造 AI 计算平台和机器视觉感知算法的黑芝麻同样走着一条以视觉方案为主的路线，目标是为 L3 及以上级别自动驾驶提供感知解决方案。

在视觉处理领域有着丰富经验的单记章认为，在不使用激光雷达的前提下，提升视觉感知算法能力就能让摄像头在部分场景下很好地完成测距功能，进而在保证性能的情况下达到量产要求。

图|黑芝麻创始人兼 CEO单记章（来源：黑芝麻）

资料显示，黑芝麻智能科技最初成立于 2016 年 8 月，致力于打造 AI 和机器视觉的核心算法和计算平台，公司在上海和硅谷设有研发中心。4 月，该公司刚宣布已经完成 B 轮融资，领投方君海创芯，其他投资方包括：上汽集团、SK 中国、招商局集团旗下招商局创投、达泰资本、风和资本等。本轮融资主要用于自动驾驶域控制器参考设计开发，车规级软件集成。

单记章在采访中透露，“芯片+算法”是黑芝麻从早期就已确定的技术路线，黑芝麻希望以 Tier 2 或 Tier 3 的身份，凭借视觉感知算法和自动驾驶芯片两项产品，为主机厂和供应商提供从传感器端到应用端的全栈式感知解决方案。

计算平台是实现辅助驾驶、自动驾驶的重中之重，近日特斯拉宣布推出自研的车载 AI 芯片，比原有英伟达提供的芯片在算力和能耗上都有巨大提升，这在业界引起了不小的震动。

在这方面，黑芝麻计划在今年量产推出车规级芯片，可满足 L3 级自动驾驶的算力需求。在具体指标上，单记章称，“我们自动驾驶控制器的功耗大概是特斯拉公布的一半左右，计算能力能达到特斯拉的 2 倍。”目前公司已经与多个一级供应商和车厂达成合作。考虑到汽车行业的周期较长，最早搭载该公司芯片的车辆大概在 2021 年左右能够面市。

图|黑芝麻智能驾驶平台 SOC（来源：黑芝麻）

另一个重要方面则是算法。单记章在采访中强调，团队成员在视觉感知方面有着深厚的技术背景，他本人也在图像传感器行业从业超过 20 年。他认为感知算法是该公司的“一项特殊能力”。比如在图像处理上，黑芝麻能在昏暗、强光、高动态等情况下通过控光技术，对光的波前、波谱、偏振、光场等进行测量和调整，使得摄像头能在各种特殊工况条件下适应环境，从而得到更高质量的计算机视觉成像。

值得注意的是，黑芝麻提供的方案瞄准的是 L3 级别的自动驾驶。背后的原因在于，单记章认为如今市场上的 L1、L2 级辅助驾驶的产品已经非常多了，其中不乏一些芯片巨头和博世这样的一级供应商，竞争会非常激烈。而 L2 以上的自动驾驶则有所不同，比如英特尔旗下的 Mobileye 在 L3 以上的进展也较慢，目前市场上没有真正好用的产品，而这正是黑芝麻的关注焦点。

不过，L3 级别自动驾驶本就是一条饱受争议的路线。L3 级自动驾驶处在以人为主的辅助驾驶与以系统为主的自动驾驶之间，在部分场景下实现自动驾驶，但在特殊情况下又需要人类驾驶员快速接管，责任主体的转变会带来责任难以划分的问题。此外，业内也有声音认为 L3 自动驾驶缺少开发价值，属于“伪命题”。

在这一争议问题上，单记章也提出了 L3 自动驾驶的必要性：“在今天看来，从 L2 直接跨越到 L4 是显然站不住脚的。实际上大家都计划在 2020、2021 这个时间点做出 L3 级的车。”同时他认为，在将安全性做的更好之后，在部分场景下解放驾驶员的双手是一件完全可以做到的事情。

单记章在采访中表达了自己也站在了激光雷达的反对者一方，最关键的原因是激光雷达仍未突破量产难题，同时在环境适应能力上也存在问题。特别是高线束激光雷达，高昂的价格让其无法满足市场的需求，多数仅能在测试车上使用。

图|黑芝麻提供端到端、全栈式的感知系统解决方案（来源：黑芝麻）

现阶段黑芝麻推出的传感器融合方案中并没有使用激光雷达。“我们不排斥任何技术，但目前市场上仅有一家公司能做到真正的车规级激光雷达。”单记章说道。

与此同时，他也并不认为车规级激光雷达能在短时间内出现。近日有业内人士围绕这一话题，提出激光雷达有望在 3-5 年内将成本大幅降低。对于这一说法，单记章认为，在性能和成本上能达到量产要求的激光雷达，可能需要 5-8 年的时间才能进入市场，再加上汽车行业的周期很长，车厂在采用了激光雷达之后，距离车辆能真正上路则可能还要额外 2-3 年。

在自动驾驶的环境感知环节，激光雷达能更好地获得三维信息，对周围物体进行更加精确的定位，而摄像头获得的是二维画面，因此借助摄像头进行定位存在较大的难度。且由于高阶自动驾驶对汽车周围环境的感知精度需要提升不少，因此目前市面上多数 Robotaxi、无人货运车辆等都不可避免地选择了激光雷达。

出于对符合车规、量产的考虑，使用低线束低成本的激光雷达搭配其他传感器也成为了部分自动驾驶解决方案的一个选择。而单记章对此认为，低线束激光雷达能够很好地完成对较近处物体的测距，但这部分工作通过摄像头也能完成，目前很多深度学习算法已经能在测距上达到较好的效果。

举例来说，虽然人类驾驶员在开车时多通过双眼观察周围的环境，但在单眼的情况下，其实也能很好地判断周围物体的方位和距离。

单记章表示，这就是因为人会对眼前的二维画面进行估计和判断，自动驾驶也是一样的，在摄像头仅得到二维画面的情况下，运用深度学习算法也能判断出画面中的物体距离，这样就可以将激光雷达丢掉，在提升性能的同样能够保证量产。