
从自动驾驶到物理AI,Mobileye创始人转身,Robotaxi与人形机器人双引擎能走多远?
这两年,智驾圈出现一件趣事:最懂自动驾驶的人,开始探讨自动驾驶之外的话题。具身智能、物理AI、机器人,成了他们常提及的新词汇。
今年7月,Mobileye创始人Amnon Shashua宣布,待继任者到位后,他将卸任CEO,转任董事长,并全身心投入人形机器人公司Mentee Robotics。表面看,这是Mobileye从汽车业务向机器人业务的拓展,实则是一场从智能驾驶到物理AI的产业迁移。卓驭科技CEO沈劭劼直言:“智能驾驶只是物理AI的初始形态,并非最终结局。”Momenta CEO曹旭东也判断:自动驾驶是物理AI的序章。
这并非行业的集体逃离,而是在重新审视自动驾驶的边界。在他们的设想中,自动驾驶并非终点,而是AI进入物理世界的首个落脚点。与其他潜在载体相比,汽车是首个既复杂又标准化、还能实现千万级销量的机器,成为物理AI最早实现“感知 - 决策 - 行动”闭环的载体,而这一路径始于Mobileye。
01 Mobileye:赋予机器“眼睛”
1998年,行业主流聚焦于立体视觉,期望借助更多硬件信息构建更真实的世界。意大利帕尔马大学VisLab实验室完成ARGO项目,用两颗摄像头搭建的立体视觉系统,通过2000公里测试验证该方向。然而,Shashua做出反直觉判断:无需立体系统,一个简单摄像头就能探测三维物体。这一判断催生了Mobileye,也划分出自动驾驶产业最早的分岔路,将问题从“摄像头安装方式”回归到原点:机器如何高效感知物理世界。
单目视觉只是开端,真正影响行业的是Mobileye赋予汽车“眼睛”,推动“摄像头 + 算法 + 专用芯片”三合一智能体系。此前,汽车电子遵循“零件→功能”线性逻辑,摄像头、雷达、ECU各自为战,缺乏协同与“理解”能力。Mobileye将三者整合:摄像头采集环境信息,算法识别道路、车辆、行人,EyeQ芯片实时处理并输出判断。汽车首次实现“感知→判断→辅助驾驶”智能闭环,这一定义了自动驾驶1.0时代的产业标准。
软硬一体化模式将ADAS从实验室推向全球生产线。成立八年后,EyeQ芯片进入宝马、通用、沃尔沃供应链。Mobileye从实验室Demo走向大规模交付,成为车规级供应商。到2016年,超300种车型、1500万辆汽车应用其技术,行业首次认识到机器感知能力可标准化、规模化交付。
02 自动驾驶进入AI竞争时代
Mobileye让汽车拥有“眼睛”,但进入L2 + 和L3阶段,仅“看到”不够,还需“理解”,行业命题从“感知”转向“认知”。
模块化架构(感知→预测→规划→控制)各环节独立运行,通过人工定义接口传递信息,存在信息损耗和规则固化问题。感知模块压缩场景信息,下游模块获取的是“打折的世界”,系统能识别行人,却难判断其下一步行动。此外,模块化依赖工程师编写规则应对复杂路况,难以处理长尾场景。
AI时代的解决方案是从“模块化”转向“端到端”,采用统一神经网络,直接从传感器数据输出驾驶动作,系统在“数据”中学习,模拟人类驾驶行为。自动驾驶竞争核心从“感知能力”转向“认知能力”,比拼重点变为“数据量、模型规模和算力”。
新玩家改变了竞争格局。特斯拉是最早且最坚定的端到端实践者,2023年发布FSD Beta V12,基于数十亿英里真实驾驶数据训练的神经网络,实现摄像头输入、驾驶指令输出,全流程由AI模型主导。华为选择从芯片到云端的路径,ADS采用多传感器融合,结合自研MDC计算平台和云端AI训练能力,应用于问界、阿维塔、智界等品牌。地平线提供芯片和工具链,支持车企自研算法,以开放生态竞争。Momenta聚焦数据效率,通过“飞轮式”数据闭环,利用量产车收集数据、训练模型并OTA升级,核心是以更少里程获取高质量数据。
这些玩家都将自己定位为“AI公司”,争夺数据飞轮速度、模型智能程度和算力底座稳定性的优势。Mobileye则提出Compound AI(复合人工智能)架构,将驾驶自动化解耦为多个模块,每个模块由专用AI模型优化,与其一贯的“模块化”理念相符。该架构通过分层隔离、冗余兜底,平衡AI灵活性与安全性:模块化便于独立开发和优化;冗余集成多感知模态和多样化AI方法,保障长尾场景性能;抽象化融入结构化逻辑,注入“安全常识”和“道路经验”。从“视觉公司”到“AI公司”的转变,是战略层面的升级。
自动驾驶技术范式正从“让机器看见”向“让机器理解并行动”转变,汽车开始拥有“大脑”。
03 物理AI寻找新“身体”
“行动”不限于汽车,与机器人相比,汽车的“行动”主要是“移动”。机器人需应对非结构化环境、开放式任务和高复杂度交互,解决更广泛的“行动”问题,应用场景涵盖工厂、物流、家庭和服务等领域。汽车只是物理AI的载体之一,从汽车到机器人是自动驾驶能力向更广泛物理世界的自然延伸。
2021年,Shashua创办人形机器人公司Mentee Robotics。今年1月,Mobileye以9亿美元收购该公司,Shashua将在继任者到位后专注于人形机器人业务。他在今年第二季度财报电话会上表示,就Mobileye推进的项目而言,自动驾驶技术“基本已被解决”,短期内SuperVision和Robotaxi算法架构已定,接下来是商业落地和运营拓展;长期看,该领域无需科学突破,也不再需要科学家型CEO。截至2025年底,全球超2.3亿辆汽车搭载Mobileye芯片,即每8辆车中就有1辆的“眼睛”来自该公司。
从技术逻辑看,自动驾驶和人形机器人底层高度同构,都面临感知环境、理解场景、规划动作和安全决策的挑战。Mentee Robotics认为两大领域依赖共同的物理AI技术栈,Mobileye在视觉感知、芯片设计、安全体系和量产经验方面的积累,是其进入机器人领域的优势:视觉感知能力与机器人环境感知逻辑相通;EyeQ芯片的算力和效率适合机器人需求;RSS安全模型成为行业标准,提供安全决策框架;量产经验和工程化能力难以被竞争对手超越。
商业逻辑上,自动驾驶是Mobileye的基本盘,但增长可预测,而机器人业务充满不确定性。具身智能机器人成为热门领域,特斯拉Optimus、Figure AI等企业加速布局,全球行业进入“量产落地元年”。收购Mentee Robotics使Mobileye在巩固自动驾驶业务的同时,进入新市场,形成“自动驾驶 + 人形机器人”双引擎结构。
然而,技术迁移并非简单复制。机器人面临的现实世界比汽车更复杂,存在技术鸿沟。首先是感知精度问题,自动驾驶避障厘米级精度即可,而人形机器人抓取物体需亚毫米级精度,且响应频率要求从车载系统的10 - 30Hz提升到100 - 200Hz。场景复杂度也是挑战,家庭环境中的机器人需应对非结构化场景和开放式任务。
目前,Mentee Robotics商业化进度落后,2026年进行客户验证,2027年小批量试产,2028年规模化量产,相比特斯拉Optimus和Figure AI等头部竞品落后1 - 2个周期。此外,Robotaxi和人形机器人业务烧钱,资金链压力大,接班人未确定也影响Mobileye股价。
技术同源不意味着迁移容易,感知精度、场景复杂度和控制频率的提升是巨大挑战,这是从成熟产业进入新领域的再创业。Shashua的转变是产业转折的缩影,从Autonomous Driving到Autonomous Everything,核心问题是AI如何真正进入物理世界并具备感知、理解和行动能力,Autonomous Driving只是起点。
179



被折叠的 条评论
为什么被折叠?



