从传统业务到汽车软件服务，李尔的求变之路｜CES 2020
CES，是一个很好的舞台，我们可以看到很多新的技术产品，洞悉行业发展趋势，甚至，透过厂商们的展示内容，从一丝蛛丝马迹中窥得一些新的变化。在今年的 CES 上，有一家供应商引起了我的注意，那就是李尔。 很多人可能对李尔不太熟悉。先简单介绍一下，这是一家汽车座椅及电子电气系统供应商，产品和服务已经覆盖了全球主流汽车供应商，应用在 400 多个品牌的汽车上，像我们熟知的保时捷 911、梅赛德斯-奔驰 C 级、奥迪 A6 以及宝马 X6，他们的座椅就是由李尔生产制造。能够打入豪华车品牌的供应体系内，李尔实力可见一斑。 按道理来说，李尔这次展示的内容应该与座椅业务相关的产品，但是这次带来的却是车载互联相关的产品和技术，可能很多人觉得：李尔是不是跑偏了？为此，我们专门和李尔的 CTO 张爱博（John Absmeier）进行了一次深入对话，对于李尔这家供应商的理解也更深了。 从传统业务到汽车软件技术 李尔的业务重心主要有两块：汽车座椅和电子电气系统，都是比较传统的业务。在汽车座椅这一块，李尔是全球少数几个拥有纵向整合能力的座椅系统供应商之一，研发中心和制造工厂遍布全球；而在汽车电子电气业务这一块，李尔拥有强大的电气化产品组合，包括充电器、电池管理系统、储能变流器等产品。但是新四化的浪潮，带来了新的不确定性和新的挑战，汽车行业面临新一轮的洗牌，传统的主机厂+供应商的链条被重构，越来越多的科技公司也涌入进来，试图分一杯羹，在这种情况下，行业参与者们要如何应对这种变革？李尔的答案是转型。 李尔 CTO 张爱博（John Absmeier）告诉 GeekCar，「 我们看到了传统座椅中也有了传感器的加入，看到（智能）互联也进入车内，当下的座椅也越来越重视科技感，与此同时，这种变化也带来了很多新的机会。当自动驾驶以及共享化加入进来之后，你的车子可以变成一个 Robotaxi，成为很多人使用的工具，与之对应的，座椅结构又将发生变化，因为要满足不同人群的不同需求，这也意味着我们要想出更多新的设计、新的模式以及新的服务进来。这是座椅业务新的增长点。」 于是我们看到，李尔将座椅业务与电子电气业务相融合，推出了各种融合智能化的座椅新技术，比如逸途 Intu™智能座椅、百变座舱 ConfigurE+，其中 ConfigurE+可调节座椅滑轨系统将在今年与欧洲一家豪华汽车制造商联手投入生产。 行业的另一个大趋势在于「 软件定义硬件」。硬件越来越抽象，软件在整车中占的比重将越来越大，提前在这一块布局的公司将会在未来行业竞争中抢占一定先机。李尔也很清楚的看到了这一点。「 这是李尔一个重点跟进的领域，我们在这里看到了新的增长点，这是一种不同的商业模式，不同的技术，也是一个巨大的机遇，因为软件以及车载电脑的加入，我们可以直接通过软件来定义功能，这些都让这台车子变得更有价值。」 张爱博（John Absmeier）告诉 GeekCar，「 这门业务的增长点在于更为复杂的域控制器、汽车中的车载电脑、软件以及背后的内容及服务。新四化到来之后，我们看到了更多机会（不仅仅是传统的销售硬件）」。 在过去二十年间，李尔也有参与汽车电子部分的业务，比如充电器、高压线束、端子与连接器等设计开发，之后又进入到 ECU 电子控制单元等业务，这些都为李尔后续在汽车新四化深入布局打下基础。 一个很典型的例子是收购 Xevo。这家公司致力于提供云端、车载应用以及移动设备解决方案。Xevo 自己搭载了一个 Xevo Market 汽车商业与服务平台，李尔可以通过这个平台为车主提供软件相关的内容及服务。李尔看中的就是这家公司的软件实力以及未来的潜力，收购这家公司可以扩大李尔的互联网技术产品系列，同时可以提升在软件、服务等领域的实力。更早之前，2017 年，李尔完成对以色列公司 EXO Technologies 的收购，加强了其在 GPS、蜂窝通讯和无线通讯等方面的技术能力。 透过上面这些内容，你会发现李尔的战略规划很清晰，紧紧围绕新四化趋势进行布局。 李尔创投计划（LIV）除了亲自参与到「 新四化」 趋势下的技术创新中，李尔还在去年一月启动了李尔创投计划（Lear Innovation Ventures，简称 LIV），一方面通过该计划鼓励内部创业，另一方面积极与行业内技术公司进行投资、收购以及合作，加速在移动出行技术领域的布局，在李尔看来：「 横向的合作可以拓宽视野，同时集各家技术所长，为用户创造更大的价值。」 目前，李尔 LIV 已经宣布了多项计划，包括收购车联网软件及大数据用户体验开发商 Xevo，对以色列风险投资基金 Maniv Mobility 和硅谷风投公司 Autotech Ventures 进行投资，以及与全球创投孵化器 Techstars 和硅谷创新平台 Plug and Play 建立合作伙伴关系。 为什么李尔要推动 LIV 计划？张爱博（John Absmeier）告诉 GeekCar，LIV 计划是为了建立一套系统的流程，通过创新来获取商业回报，李尔表示，这并不是一项研究或者是一个科学项目，LIV 在试图建立一套规程，这样我们就知道什么时候该投资，如何投资，什么时候该停止投资，什么时候该继续投资。「 虽然会承担一定的风险，但这也是在我们的未来做准备。」 小结 行文至此，我想大家对于李尔这家公司都有了更深的理解，同时可以看到的是，李尔的业务重心正更多的从传统业务向软件服务倾斜， 未来转型成为一家软件服务供应商也不是不可能 。Absmeier 告诉我，接下来李尔要做的事情就是进一步提升软件能力以及产品服务能力，同时他表示，李尔 LIV 也在积极寻求与中国初创公司以及主机厂进一步的合作机会。未来李尔在国内还将有怎样的举动，GeekCar 也会持续予以关注。
CES 2020|构筑视觉霸业，这就是 Mobileye 的野心
与往年一样，本届 CES 上，Mobileye 的 CEO Amnon Shashua 照例用了一个小时来阐述 Mobileye 的技术进展以及未来规划。而这一个小时反映出了 Mobileye 的宏大野心：从一个 Tier 2 ADAS 供应商逐渐转型为高级别自动驾驶出行服务商，构筑一个基于视觉技术的自动驾驶霸业。 野心背后的底气 在当今的 ADAS 领域，Mobileye 是毫无疑问的领头羊，其 EyeQ 芯片的市场占有率相较于其它供应商有着压倒性的优势。在产品上，EyeQ 芯片的优势体现在其优秀的视觉解析表现力，较高的系统稳定性，以及较低的功耗。并且不管是现在的 EyeQ4 还是未来的 EyeQ5， 其既可以用于中央域控制器，也可以直接整合在挡风玻璃上的前视摄像头模块当中，OEM 即使不想使用中央化的域控制器架构，也可以通过在分布式结构中整合 EyeQ 芯片，研发出一套成熟的 L2 甚至是 L2+ ADAS 产品。 随着自动驾驶行业遇冷，越来越多的汽车厂商开始意识到两个现实性问题： 出于场景和法律原因，L3 目前很难普及，未来的几年内，L2+才会是量产车 ADAS 领域内的主流 在短期内，应用高度中央化的域控制器平台需要从根本上改变现有的研发与供应链体系，且研发成本非常高。 既然花了大成本研发出的中央域控制器架构在短期内也就只能应用 L2+，那么为何不用成熟度更高的传统分散式架构做 ADAS，并保证利润呢？因此我们可以看到大部分车厂仍然仅会在高端车型中部署域控制器。正是这个原因，使得 Mobileye 的市场地位在短期内很难被撼动（目前市场上 70%的 L2+系统都采用了 Mobileye 的产品）。即使 OEM 和 Tier 1 都苦于 Mobileye 封闭的产品形态，也无法找到合适的替代供应商。 而靠着稳定前装市场份额所带来了的充沛造血能力（这里还没有算上 Intel 对他们的支持），Mobileye 可以底气十足的在尚不赚钱的高级别自动驾驶领域「 烧钱」。按照 Shashua 教授公布的规划，Mobileye 将在 2022 年实现 L4 级别的出行服务部署（与大众和 Champion Motor 在以色列的合作项目，以及与蔚来合作的 L4 项目），在 2025 年推出面向量产车的 L3/L4/L5 全栈式自动驾驶系统（不只是提供芯片，而是提供完整的自动驾驶系统）。 以视觉为绝对核心的技术路线 除了特斯拉之外，Mobileye 也一直坚定的在走靠机器视觉实现自动驾驶的路线。在演讲的后半部分，Shashua 教授重点介绍了 Mobileye 的机器视觉路线。 首先，Mobileye 并没有完全放弃激光雷达 ，他们将激光雷达与毫米波雷达融合形成一套完整的环视感知体系，再用纯摄像头视觉形成一套完整的环视感知体系，两者互相独立，且各自都可驱动高级别自动驾驶的功能，前者的主要意义是作为后者的冗余层存在。换句话说，Mobileye 并没有做主流的多种传感器融合路线，而是将两种不同的传感器路线各做一套感知，再通过两套感知冗余叠加，实现更高的安全性。 更烧脑的是，Mobileye 在摄像头视觉这套环视感知体系当中，还同时使用了多种相互独立的感知算法实现冗余叠加，这么做的目的是为了在两个维度上进一步提升感知的精确度与稳定性，这两个维度分别是： Detection：决定感知的对象是什么物体 Measurement：通过对摄像头的 2D 画面进行推理，得出感知对象的具体 3D 信息 光是在 Detection 维度，Shashua 教授就在演讲时举例了 6 种他们所使用的独立算法： 3D Vehicle Detection(3DVD)：识别 2D 画面中的目标车辆，将其标注上 3D 的 Bounding Box Full Image Detection：主要用于识别车辆两侧近距离的大型物体（如客车或卡车），由于单一摄像头的很难完整捕捉这类近距离物体，因此需要结合多摄像头捕捉的画面进行整体标注 Top View Free Space：重点识别画面中没用被占用的道路并进行标注，通过排除法可以得出，没有被标注的空间都是有物体占用的 Features Detection (例如 Wheels)：重点识别物体独有的一些特质，例如车轮 VIDAR：通过多个摄像头的交叉三角测量生成 3D 画面，再将这个 3D 画面导入到激光雷达的感知算法中进行物体识别 Scen Segmentation(NSS)：通过对摄像头画面进行像素级识别，分割出不同种类的物体并分别用不同颜色标注 可以看出，Mobileye … 继续阅读