攝像頭是ADAS核心傳感器，相比毫米波雷達(dá)和激光雷達(dá)，最大優(yōu)勢在于識別(物體是車還是人、標(biāo)志牌是什么顏色)。汽車行業(yè)價格敏感，攝像頭硬件成本相對低廉，因?yàn)榻鼛啄暧?jì)算機(jī)視覺發(fā)展迅速，從攝像頭角度切入ADAS感知的創(chuàng)業(yè)公司數(shù)量也非?？捎^。

這些創(chuàng)業(yè)公司可以統(tǒng)稱為視覺方案提供商。他們掌握核心的視覺傳感器算法，向下游客戶提供車載攝像頭模組，芯片以及軟件算法在內(nèi)的整套方案。前裝模式下，視覺方案提供商扮演二級供應(yīng)商的角色，與Tier1配合為OEM定義產(chǎn)品。后裝模式里，除了提供整套設(shè)備，也存在售賣算法的模式。本文中將對視覺ADAS功能、硬件需求、評價標(biāo)準(zhǔn)等進(jìn)行解析，在《【車云報告】adas視覺方案入門盤點(diǎn)(下篇)》內(nèi)容中將參考Mobileye對國內(nèi)11家供應(yīng)商的產(chǎn)品進(jìn)行詳細(xì)解讀。

視覺ADAS供應(yīng)鏈體系一、視覺ADAS可實(shí)現(xiàn)功能

因?yàn)榘踩涗?、停車等需要，攝像頭在車上的大量應(yīng)用是行車記錄儀、倒車影像等輔助功能。一般通過安裝在車身各個位置的廣角攝像頭采集影像，經(jīng)過標(biāo)定和算法處理，生成影像或拼接形成視圖補(bǔ)充駕駛員視覺盲區(qū)，不用涉及整車控制，因此更加注重視頻處理，技術(shù)已經(jīng)成熟并逐漸普及。

目前在行車輔助功能中，攝像頭可用來單獨(dú)實(shí)現(xiàn)很多功能，并且按照自動駕駛發(fā)展規(guī)律逐漸演進(jìn)。

這些功能更加強(qiáng)調(diào)對輸入圖像的處理，從拍攝的視頻流中提取有效目標(biāo)運(yùn)動信息做進(jìn)一步分析，給出預(yù)警信息或直接調(diào)動控制機(jī)構(gòu)。相比視頻輸出類功能，強(qiáng)調(diào)高速下的實(shí)時性，這部分技術(shù)正處在發(fā)展上升期。

二、視覺ADAS軟硬需求

視覺系A(chǔ)DAS產(chǎn)品由軟硬件組成，主要包括攝像頭模組、核心算法芯片以及軟件算法。硬件方面考慮行車環(huán)境(震動、高低溫等)，大前提是要符合車規(guī)級要求。

(一)車載ADAS攝像頭模組

車載ADAS攝像頭模組需要定制化開發(fā)。為了適應(yīng)車輛全天候全天時的需要，一般要滿足在明暗反差過大的場合(進(jìn)出隧道)，很好平衡圖像中過亮或太暗部分(寬動態(tài));對光線比較靈敏(高感光)，避免給芯片帶來太大壓力(并不是一昧追逐高像素)。

攝像頭模組是基礎(chǔ)。好比一張底子不錯的照片才有修飾美化的余地，保證拍攝圖像夠用的基礎(chǔ)上，算法才能更好地發(fā)揮效力。

另外在參數(shù)上，ADAS與行車記錄儀對攝像頭的需求不同。用于行車記錄儀的攝像頭需要看清車頭周圍盡可能多的環(huán)境信息(后視鏡位置看向兩個前輪，水平視角約要110度)。ADAS的攝像頭更講究為行車時預(yù)留更多判斷時間，需要看得更遠(yuǎn)。類似相機(jī)鏡頭廣角和長焦，兩項(xiàng)參數(shù)不能兼得，ADAS在硬件選取時只能取其平衡。

(二)核心算法芯片

圖像相關(guān)算法對計(jì)算資源有很高的要求，因此芯片性能講究。如果在算法上疊加深度學(xué)習(xí)來幫助識別率提升，對硬件性能的要求只增不減，主要考慮的性能指標(biāo)是運(yùn)算速度、功耗、以及成本。

目前用于ADAS攝像頭的芯片多數(shù)被國外壟斷，主要供應(yīng)商有瑞薩電子(Renesas Electronics)、意法半導(dǎo)體(ST)、飛思卡爾(Free scale)、亞德諾(ADI)、德州儀器(TI)、恩智浦(NXP)、富士通(Fujitsu)、賽靈思(Xilinx)、英偉達(dá)(NVIDIA)等，提供包括ARM、DSP、ASIC、MCU、SOC、FPGA、GPU等芯片方案 。

ARM、DSP、ASIC、MCU、SOC是軟件編程的嵌入式方案，F(xiàn)PGA因?yàn)閷τ布苯泳幊?，和嵌入式相比處理速度更快?/p>

GPU 和FPGA并行處理能力強(qiáng)。圖片這樣的文本，尤其在使用深度學(xué)習(xí)算法需要多個像素點(diǎn)同時計(jì)算，F(xiàn)PGA和GPU會更有優(yōu)勢。兩類芯片的設(shè)計(jì)思路類似，都是為了處理大量簡單重復(fù)的運(yùn)算。GPU的性能更強(qiáng)但耗能也更高，F(xiàn)PGA因?yàn)榫幊毯蛢?yōu)化都是直接在硬件層面進(jìn)行的，能耗會低很多。

因此在平衡算法和處理速度，尤其是用于前裝并且算法穩(wěn)定時，F(xiàn)PGA被視為一個熱門方案。FPGA是個好選擇。但同時，F(xiàn)PGA對技術(shù)要求也很高。原因在于計(jì)算機(jī)視覺算法是C語言，F(xiàn)PGA硬件語言是verilog，兩種語言不同，將算法移植到FPGA的人既要有軟件背景，又要有硬件背景。在人才最貴的今天，是筆不小的成本。

現(xiàn)階段可用于傳統(tǒng)計(jì)算機(jī)視覺算法的車規(guī)級芯片有多種選擇，但是適用于傳統(tǒng)算法疊加深度學(xué)習(xí)算法的低功耗高性能芯片，還沒有真正出現(xiàn)。

(三)算法

ADAS視覺算法的源頭是計(jì)算機(jī)視覺。

傳統(tǒng)的計(jì)算機(jī)視覺識別物體大致可以分為圖像輸入、預(yù)處理、特征提取、特征分類、匹配、完成識別幾個步驟。

有兩處尤其依賴專業(yè)經(jīng)驗(yàn)：第一是特征提取。在識別障礙時可用特征很多，特征設(shè)計(jì)尤其關(guān)鍵。判斷前方障礙物是不是車，參考特征可能是車尾燈，也可能車輛底盤投在地面的陰影等。第二是預(yù)處理和后處理，預(yù)處理包括對輸入圖像噪聲的平滑、對比度的增強(qiáng)和邊緣檢測等。后處理是指對分類識別結(jié)果候選進(jìn)行再處理。

科研中的計(jì)算機(jī)視覺算法模型運(yùn)用到實(shí)際環(huán)境中，不一定就能表現(xiàn)得很好。因?yàn)榭蒲械贸龅乃惴〞黾又T如天氣、道路復(fù)雜情況在內(nèi)的條件限制，現(xiàn)實(shí)世界里除了關(guān)注復(fù)雜環(huán)境的算法表現(xiàn)，還要考慮各種環(huán)境下算法的魯棒性(是否穩(wěn)定)。

算法上比較重要的一個變化是深度學(xué)習(xí)的滲透。

深度學(xué)習(xí)讓計(jì)算機(jī)模擬人類思考的神經(jīng)網(wǎng)絡(luò)，可以自己學(xué)習(xí)判斷。通過直接向計(jì)算機(jī)輸入標(biāo)定后的原始數(shù)據(jù)，比如挑選一堆異形車圖片，然后丟給計(jì)算機(jī)讓它自己學(xué)習(xí)什么是一輛車。這樣就可以免去計(jì)算視覺特征提取、預(yù)處理等步驟，感知過程可以簡化為輸入圖片-輸出結(jié)果兩步。

業(yè)內(nèi)比較一致的觀點(diǎn)認(rèn)為，在感知方面，深度學(xué)習(xí)將會彎道超車傳統(tǒng)視覺算法。目前深度學(xué)習(xí)的算法模型已經(jīng)開源，而且算法種類不多，因此有降低門檻大量優(yōu)秀結(jié)果涌現(xiàn)的可能。但是受限于沒有合適的車端平臺，離產(chǎn)品化還有一段距離。

業(yè)內(nèi)對深度學(xué)習(xí)在ADAS應(yīng)用的看法都比較客觀冷靜。不少觀點(diǎn)認(rèn)為深度學(xué)習(xí)算法是一個黑箱(Blackbox)算法，類似人感性決策的過程，可以很快輸出一個結(jié)果，很難在發(fā)生事故后反查原因，因此在使用深度學(xué)習(xí)時要加入理性決策部分，并且分區(qū)塊設(shè)計(jì)。[!--empirenews.page--]

也有觀點(diǎn)認(rèn)為傳統(tǒng)計(jì)算機(jī)視覺算法比我們想象的“智能”，在不斷尋找車輛圖片共性和差異的過程中，也能檢測出一些異形車輛。并且在疊加深度學(xué)習(xí)算法后，傳統(tǒng)計(jì)算機(jī)視覺算法也可以幫助減少深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的層數(shù)，簡化算法。

可以肯定的是，無論哪種算法，數(shù)據(jù)都是用來訓(xùn)練測試的寶貴資源，而且不是單純的越多越好，而是越有效越好(符合實(shí)際用車環(huán)境并保證多樣化)。

(四)不同攝像頭平臺

單目和雙目

視覺方案要完成ADAS任務(wù)，一般要實(shí)現(xiàn)測距(本車與前方障礙物距離)和識別(障礙物是什么)兩項(xiàng)工作。按照車載攝像頭模組的不同，目前主流ADAS攝像頭可以分為單目和雙目兩種技術(shù)路線。

單目攝像頭的算法思路是先識別后測距：首先通過圖像匹配進(jìn)行識別，然后根據(jù)圖像大小和高度進(jìn)一步估算障礙與本車時間。在識別和估算階段，都需要和建立的樣本數(shù)據(jù)庫進(jìn)行比較。想要識別各種車，就要建立車型數(shù)據(jù)庫，想要識別麋鹿，就要建立麋鹿數(shù)據(jù)庫。

雙目攝像頭的算法思路是先測距后識別：首先利用視差直接測量物體與車的距離，原理和人眼類似。兩只眼睛看同一個物體時，會存在視差，也就是分別閉上左右眼睛看物體時，會發(fā)現(xiàn)感官上的位移。這種位移大小可以進(jìn)一步測量出目標(biāo)物體的遠(yuǎn)近。然后在識別階段，雙目仍然要利用單目一樣的特征提取和深度學(xué)習(xí)等算法，進(jìn)一步識別障礙物到底是什么。

因?yàn)橐暡钤竭h(yuǎn)越小的緣故，業(yè)內(nèi)有觀點(diǎn)認(rèn)為，雙目在20米內(nèi)有明顯的測距優(yōu)勢，在20米距離外，視差減小測距存在難度，可以用高像素?cái)z像頭和更優(yōu)秀的算法來提升測距性能，該處是難點(diǎn)也是核心競爭力。

雙目鏡頭間距和測距是兩個此消彼長的參數(shù)，鏡頭間距越小，檢測距離越近，鏡頭間距越大，檢測距離越遠(yuǎn)?？紤]車內(nèi)美觀和ADAS需要，小尺寸遠(yuǎn)距離雙目產(chǎn)品更受歡迎。

因?yàn)樵黾恿艘粋€鏡頭，帶來更多運(yùn)算量，整個攝像頭模組的性能要求和成本都更高了。而且在兩者都有的標(biāo)定工作上，雙目要比單目更加復(fù)雜。

而且選擇雙目方案切入市場并不能完全繞開單目方案的難點(diǎn)，在第二個階段，你依然要需要一個龐大的數(shù)據(jù)庫，依然需要打磨算法。

單雙目比較多攝像頭方案

除了單雙目之外，還有多攝像頭組成的平臺。有的方案中選用長焦和廣角攝像頭于ADAS主攝像頭配合，兼顧周圍環(huán)境與遠(yuǎn)處物體探測。比如Mobileye方案，在下文會介紹。

也有在環(huán)視平臺上疊加ADAS功能的情況。例如對于環(huán)視做車道偏離預(yù)警(LDW)，與單目實(shí)現(xiàn)該功能比有一定優(yōu)勢。在大雨天氣或者前方強(qiáng)光源的情況下，前視攝像頭有可能看不清車道線，環(huán)視攝像頭斜向下看車道線且可以提供多個角度，基本不會受到地面積水反光的影響，功能可以比前視做得更穩(wěn)定。但同時也要考慮側(cè)向無車燈照射時，攝像頭的夜間表現(xiàn)。

這幾種方案在技術(shù)路線上和單目沒有本質(zhì)差別，更多是基于不同平臺，發(fā)揮不同類型攝像頭模組的優(yōu)勢分配任務(wù)，或者提供更多視角來解決一些復(fù)雜環(huán)境中單目勢單力薄的情況。

三、視覺系A(chǔ)DAS產(chǎn)品測試與評價

目前沒有統(tǒng)一的ADAS測試評價標(biāo)準(zhǔn)。常規(guī)的測試一般分為兩個階段：

在算法庫測試，庫中包含了各類工況下收集的行車場景視頻，通過用庫中的場景視頻跑分，測試算法識別率。目前測試庫由各家自采自測，因?yàn)椴杉玫膫鞲衅鞑煌?，不同企業(yè)間的測試單看結(jié)果沒有可比性。

由德國卡爾斯魯厄理工學(xué)院和芝加哥豐田技術(shù)研究所聯(lián)合創(chuàng)辦的KITTI，是國際上權(quán)威性較高的機(jī)動車輔助駕駛應(yīng)用技術(shù)評估的算法評測平臺。目前有部分公司在該網(wǎng)站測試算法，結(jié)果公開可查。不同公司跑分的用時存在差異，因此在看結(jié)果排名時，也不能忽略多個參數(shù)比較。

在實(shí)車測試階段，將產(chǎn)品DEMO安裝到車上測試，根據(jù)漏報、誤報判斷算法可靠性，對發(fā)現(xiàn)問題進(jìn)行反復(fù)調(diào)試。現(xiàn)階段高質(zhì)量的實(shí)車測試大多由主機(jī)廠和零部件供應(yīng)商掌握，準(zhǔn)確測量需要借助激光雷達(dá)等設(shè)備，在相互校驗(yàn)的過程中完成測量，成本略高，檢測周期也略長。

業(yè)內(nèi)人士表示，測試產(chǎn)品能力70-90分的區(qū)分更多使用算法庫測試，區(qū)別90-95分，甚至是95-98分時，必須進(jìn)行實(shí)車定量測試。而目前ADAS各家拉開差距正是在于將90分提高到99分。想做到這點(diǎn)必須要通過大量的實(shí)際道路測試打底，并對算法的準(zhǔn)確性和魯棒性不斷打磨。因此從某種程度上來說，經(jīng)歷過主機(jī)廠Tier1嚴(yán)苛訓(xùn)練的方案提供商，產(chǎn)品可靠性更高，前裝經(jīng)驗(yàn)會成為下一次合作洽談的資本。

目前企業(yè)對外宣稱衡量算法能力的“識別率”指標(biāo)不能說完全沒有參考價值。前提是談?wù)撍^的識別率要把產(chǎn)品放在不同復(fù)雜場景下評估，并且單獨(dú)講識別率指標(biāo)沒有意義，需要把它和其他指標(biāo)放在一起考量。產(chǎn)品必須確保在不同的路況、天氣、車型，對不同姿態(tài)的人、不同的車道線，算法都能穩(wěn)定工作(魯棒性)。

四、一哥Mobileye

講視覺系A(chǔ)DAS不得不提一家以色列公司Mobileye，1999年成立，2007年推出首款產(chǎn)品，2014年8月1號在紐交所上市。公司主要從事汽車工業(yè)的計(jì)算機(jī)視覺算法和駕駛輔助系統(tǒng)芯片技術(shù)的研究。Mobileye的產(chǎn)品覆蓋了全球50個國家，據(jù)官方資料顯示，截至2015年底，Mobileye在全球有1000萬的裝載量，到2016年底會有273款車的SOP的合同。

(一)公司定位

前裝業(yè)務(wù)中，這家以色列公司作為二級零部件供應(yīng)商向Tier1提供產(chǎn)品，涉及車輛應(yīng)用的部分會和主機(jī)廠配合。通過一級供應(yīng)商提供集成、個性化開發(fā)以及測試工作。后裝采取代理銷售的方式。

(二)產(chǎn)品功能

目前可用安裝在后視鏡后的單顆彩色攝像頭(非標(biāo)準(zhǔn)RGB Sensor)對目標(biāo)物進(jìn)行檢測、識別和分類，同時還會對物體的運(yùn)動軌跡進(jìn)行跟蹤、分析，并分析道路狀況。實(shí)現(xiàn)功能包括車道檢測、車輛檢測、行人檢測、動物檢測、交通標(biāo)志識別、紅綠燈識別、燈光控制。

Mobileye 具有自主研發(fā)設(shè)計(jì)的芯片EyeQ系列，由意法半導(dǎo)體公司生產(chǎn)供應(yīng)?，F(xiàn)在已經(jīng)量產(chǎn)的芯片型號有EyeQ1、Eye Q2、EyeQ3，EyeQ4正在開發(fā)進(jìn)行中，預(yù)計(jì)將于2018年推出，其工程樣本有望在2016年第四季度發(fā)布。2016年5月Mobileye宣布將與意法聯(lián)手合作研發(fā)下一代將用于自動駕駛的EyeQ5芯片，2018年開始提供工程樣品。[!--empirenews.page--]

目前Mobileye后裝產(chǎn)品的終端售價約為8000元左右，前裝價格會低很多。

Mobileye 不同芯片可以實(shí)現(xiàn)不同的ADAS功能。其中EYEQ2支持產(chǎn)品級的AEB，EyeQ3是支持full AEB。EyeQ2等級只能做到ASIL-B，EyeQ3可以做到ASIL-D等級。(ASIL，Automotive Safety Integration Level，汽車安全完整性等級，是ISO26262中的系統(tǒng)危害風(fēng)險等級指標(biāo)，從A到D產(chǎn)品的安全等級依次增加。)

Mobileye EyeQ1-EyeQ3產(chǎn)品地圖2007年在沃爾沃上實(shí)現(xiàn)了攝像頭+雷達(dá)集成防撞預(yù)警的功能。(EyeQ1)2008年在寶馬上實(shí)現(xiàn)了單攝像頭車道偏離預(yù)警、交通標(biāo)志識別等功能。(EyeQ1)2010年在沃爾沃上做到了行人防撞檢測，首個行人檢測AEB。(EyeQ2)在寶馬、通用、歐寶上，用單攝像頭實(shí)現(xiàn)了擁堵情況下車道內(nèi)跟車行駛。(EyeQ2)2013年在寶馬和尼桑上用一個攝像頭實(shí)現(xiàn)AEB功能(部分) 。(EyeQ2)利用EYEQ2實(shí)現(xiàn)了寶馬量產(chǎn)的基于攝像頭的自適應(yīng)巡航(ACC)和交通擁堵輔助(Traffic Jam Assistant)。(EyeQ2)2015年在奧迪上實(shí)現(xiàn)了基于攝像頭的全AEB功能。(EyeQ3)在特斯拉車型上實(shí)現(xiàn)了交通等檢測、利用深度神經(jīng)網(wǎng)路判斷自由空間和路徑規(guī)劃。(EyeQ3) 在Mobileye的過往演講和介紹中，提到了一些前車識別算法上的細(xì)節(jié)：

從前車識別來看，一般單目有兩種算法來進(jìn)行預(yù)估，一種是THW(Time Headway)，一種是TTC(Time to Collision)。THW計(jì)算公式中時間t=兩車距離/本車速度;TTC公式中時間t'=輛車距離/兩車相對速度。TTC對于計(jì)算要求也更高一些，因?yàn)槌吮拒囁俣戎?，還要實(shí)時測算出前車的速度，計(jì)算方法是通過兩車之間的距離變化以及本身速度進(jìn)行估算。

Mobileye將兩種算法用在不同場景。

前向碰撞檢測(FCW)方面采用TTC，尤其是高速行駛前車急剎的情況，可以很明顯發(fā)現(xiàn)，TTC的算法更符合實(shí)際情況。Mobileye檢測規(guī)劃路徑中會遇到的前車后(不僅僅是識別本車道車輛)用圖像的變化快慢來做TTC，以此判斷碰撞可能，采取干預(yù)、控制、剎車操控。

目前 Mobileye 的后裝產(chǎn)品 TTC時間設(shè)定為 2.7 秒，官方給出的FCW精準(zhǔn)度大約在99.99%。前裝方面，對離本車最近的本車道車輛來計(jì)算TTC做AEB，AEB一般在1秒上下的區(qū)間里起作用。

Mobileye 采用THW算法，未來加上控制，可以做到用單個攝像頭做ACC或低速Traffic Jam Assistant。目前市面上這兩個功能都是毫米波雷達(dá)來實(shí)現(xiàn)，如果用攝像頭完成，可以融合視覺檢測到的車道、靜止障礙物、車輛橫向運(yùn)動、限速牌，匯總多個信息來做ACC決策，控制會更精準(zhǔn)。

Mobileye后裝產(chǎn)品THW時間設(shè)置可以從2.5秒到0.1秒。

(三)自動駕駛規(guī)劃

關(guān)于自動駕駛?cè)绾螌?shí)現(xiàn)，Mobileye一共會涉及三個方面：感知、地圖與駕駛策略。

感知方面，根據(jù)Mobileye的規(guī)劃，單用攝像頭方案實(shí)現(xiàn)自動駕駛功能且不考慮冗余的情況下，需要8個攝像頭來滿足360度全方位感知的需要。2015年 Mobileye發(fā)布了三路攝像頭做ADAS功能。三個攝像頭分工不同：中間的主攝像頭可以實(shí)現(xiàn)大部分功能，檢測距離可以達(dá)到150米，檢測到之后跟蹤距離可以達(dá)到250米。另有一枚小角度攝像頭探測更遠(yuǎn)距離，一枚廣角鏡頭探測更寬視野。

算法上主要實(shí)現(xiàn)四項(xiàng)內(nèi)容，并且對深度學(xué)習(xí)的要求逐項(xiàng)增加：

1.識別道路上移動/固定的物體;2.識別出道路分割線以及其他交通標(biāo)識;3.在道路上沒有分割線或者分割線不清晰的情況下，分辨出哪些是可以通過的空間，并勾勒出可通過空間與其他部分的隔離線;4.可駕駛的路徑：在識別出可通過空間之后，找到一條可供于駕駛的路線。地圖方面是對感知系統(tǒng)的冗余設(shè)計(jì)，包含Roadbook、高精度定位、可行駛路徑三個方面。Mobileye打算用具備深度學(xué)習(xí)功能的圖像識別體系制作高精度地圖。數(shù)據(jù)采集上會與車企合作，用眾包方式獲得和更新數(shù)據(jù)。

駕駛策略方面，車企可以通過提供的SDK訪問Mobileye預(yù)先訓(xùn)練的網(wǎng)絡(luò)應(yīng)用層，讓控制單元很快計(jì)算并得出可通行的路徑方案。車企在其提供的算法基礎(chǔ)之上，再以自身在車輛控制上的經(jīng)驗(yàn)進(jìn)行優(yōu)化或者再次開發(fā)。這一功能會基于Eye實(shí)現(xiàn)。

Mobileye 計(jì)劃2016年推出半自動汽車技術(shù)，準(zhǔn)備研發(fā)的系統(tǒng)可以讓汽車閱讀交通、街道各類信號，從而與其它車輛保持適當(dāng)車距。大眾、寶馬和通用購買了2018 年生產(chǎn)的系統(tǒng)，該系統(tǒng)可使車輛在高速上自動行駛。2016年5月Mobileye與兩家保密車企已經(jīng)達(dá)成協(xié)議，將在2019年為后者提供全自動駕駛汽車系統(tǒng)。

在2016年7月，Mobileye和寶馬、英特爾共同開發(fā)無人駕駛汽車技術(shù)。2016年8月宣布和德爾福汽車公司共同開發(fā)SAE(美國汽車工程協(xié)會)4/5級自動駕駛?cè)捉鉀Q方案。

(四)團(tuán)隊(duì)介紹

創(chuàng)始人之一是耶路撒冷希伯來大學(xué)計(jì)算機(jī)科學(xué)系教授阿姆農(nóng)·沙書亞(Amnon Shashua)。Mobileye在美國、德國、日本、西班牙也有分部或研究部門，現(xiàn)在公司員工約600多人，研發(fā)人員占比為70%-80%。目前在中國僅有面向后裝的銷售團(tuán)隊(duì)，辦公地點(diǎn)位于上海，沒有研發(fā)人員。

(五)投融資

2006年5月，獲得1500美金投資。

2007年10月，高盛投資的1億美金投資。

2013年7月Mobileye向5家獨(dú)立的金融投資方出售4億美元股份。投資方包括黑石、Fidelity、Wellinton、恩特租車公司以及中國投資公司賽領(lǐng)國際投資基金。這筆交易對Mobileye的除現(xiàn)金外估值達(dá)到15億美元。