魔视智能创始人兼CEO 虞正华
“预计今年年底前，我们就可以量产自动驾驶产品100万套，比原计划提前一年，这在国内将是第一家。”魔视智能CEO虞正华说完后，有些腼腆地笑了笑。
作为技术型出身的创始人，虞正华并不善于言谈，但说起自动驾驶，他的话匣子瞬间被打开，魔视智能迅速量产的秘密也被娓娓道来。
“可以说，我们已成为国内唯一一家在乘用车前装、商用车前装、主动安全智能车载设备三大关键市场都占据领先地位的自动驾驶企业。”在虞正华看来，魔视智能之所以能够迅速打开市场，得益于全方位的业务布局。
当前，魔视智能乘用车前装产品已在国内5家主流主机厂实现量产交付或获得量产定点，并与另外4家主流主机厂进行预研项目合作，涵盖自动泊车、记忆泊车、代客泊车等主流应用。
在商用车层面，魔视智能研发的支持双预警、AEB等辅助自动驾驶系统已在国内头部的商用车主机厂中获得多个定点并大批量交付。此外，在商用车主动安全这一规模巨大的垂直市场，魔视智能稳居行业前列，软硬件产品正在赋能超过70%的行业客户，囊括物流普货、两客一危、公交市政、环卫渣土等领域。
在主动安全智能车载设备领域，用软硬件产品就赋能70%左右的客户。
这是否意味着只要自动驾驶企业大规模布局不同领域，也可复制魔视智能的量产之路？
虞正华的答案是否定的：“自动驾驶技术从研发到量产应用是一个厚积薄发的过程，不仅需要赛道选择，更重要的是公司的战略选择与实力。”
国际权威算法评测Cityscapes 魔智算法检测画面截图
魔视智能自成立起就选择了以全栈技术多方位布局：“全栈技术包括感知、融合、定位、规划、决策、控制，这是一个完整的智能驾驶核心技术链，行业里的人通常会有选择地做，我们则把所有的环节都打通了。”
但打通并非易事——感知能力是智能驾驶的基础，视觉作为感知中重要的手段，其算法的好坏，会直接影响智能驾驶系统的可靠性。
而算法的背后，是人。作为CEO，虞正华曾任澳大利亚国家信息通信技术研究院（NICTA）高级研究员；联合创始人之一首席科学家沈春华于澳大利亚阿德莱德大学获得博士学位，是机器学习及计算机视觉领域国际著名专家。
“我们其他成员多来自专业领域，并均有建树。”虞正华说。
左一为虞正华博士
人才齐聚之后，如何以人工智能深度学习技术路线来做汽车自动驾驶，成为彼时摆在他们面前的难题。
2015年，深度学习已积累了多年，但应用于自动驾驶领域，国内尚未有成功案例，而国内的质疑声也此起彼伏。
此外，深度学习需要比较强的芯片平台，传统基于视觉的人工智能算法多运行于CPU/GPU芯片，不论是对工作环境的要求，还是对功耗的要求，都无法实现在车辆上的大批量应用。
最终，魔视智能选择了汽车级嵌入式芯片平台路线，将复杂的人工智能算法利用车规级FPGA芯片实现，形成了自主的深度学习计算引擎，并将其高效运行在汽车级嵌入式处理器上，结合多传感器融合，实现准确、实时的环境感知和车体定位系统，最终实现更安全、更自由的自动驾驶。
这套基于魔视智能嵌入式深度学习的方案同样可应用于自动泊车，通过多目视觉感知和超声波雷达融合，大幅增加了停车位检测的成功率，从而提高了泊车入位的成功率和准确度，实现半自动和全自动泊车控制以及一键式遥控泊车。
“现在说起来，好像几句话就说完了”，但在魔视智能公共事务总监曹燕印象中，这个过程历经了一年半的时间。“那段时间，我们团队就只埋头研发，不做市场宣传，不做客户推广，最终才完成了国内第一套采用高性能FPGA芯片的基于深度学习的车规级ADAS产品。”
“那时我们一直在‘潜水’，外面的人不知道你在干什么，只有你自己知道。”对于虞正华来说，只有真正研发并量产出东西才是最好的宣传。“你需要不鸣则已，一鸣惊人。”
如今，“自动驾驶”概念经过几年的积淀，正在达到历史以来的新高峰。自动泊车场景作为率先实现L4级标准的自动驾驶技术之一，其大规模落地需要大算力的车规级芯片加以支持。
此前，芯片供货紧张引发的“多米诺骨牌效应”也波及到自动驾驶领域，甚至出现“一芯难求”的现象。“即使是现在，整个行业都面临着芯片供应紧张的现实困境，芯片成本会上升，交货周期也会拉长。幸运的是，我们和供应商都保持着良好的关系，不至于处于缺货的状态，同时我们也在不断扩展供应商的渠道。”
除芯片外，自动驾驶企业想要真正实现研发、量产以及落地，还需要打通汽车产业中漫长的供应链，上到整车厂，下到各零件一级供应商以及二级供应商。
“这也是我们当初选择、当前依旧留在张江的原因。”在虞正华看来，张江，不仅拥有良好的人工智能产业生态，更有整车厂商、蓬勃发展的自动驾驶企业以及车联网、生产制造供等产业链上下游企业，自动驾驶已在张江形成“集群效应”。
“相信我们会借着张江这股生态‘东风’，持续地优化算法核心技术，用技术、产品帮助客户实现更大的价值，从而最终实现我们的上市目标。”虞正华总结道。
