5月30日，MINIEYE 在北京召開 2018 成果發布會，公布了MINIEYE 創業五年以來的商業化成果與自動駕駛領域的布局。

作為智能駕駛技術企業，MINIEYE 自主研發的 L3 以下高級駕駛輔助類產品，已經進入前裝領域，并與比亞迪、眾泰、奇瑞、東風柳汽等乘用車和商用車主機廠以及多家 Tier 1 企業產生合作，累計定點 9 款車型，搭載 MINIEYE 產品的多款車型年內將上市。

在后裝領域，其產品已經獲得訂單數萬套，產品分布在全國 29 個省和直轄市的車隊。

同時，MINIEYE 正在與新加坡-美國麻省理工學院聯盟（SMART），開展自動駕駛相關的合作，預計于 2019 年實現商業化落地。

前裝：年內目標十五款車型 

在今年的 CES 展上，MINIEYE 首次展出了前裝產品 X1。

這一款車規級主動安全產品，除了擁有前向碰撞預警（FCW）、車道偏離預警（LDW）、前車監控預警（HMW）、城市前車碰撞預警（UFCW）等功能之外，還新增了行人碰撞預警（PCW）以及交通標志識別（TSR）等功能，進一步保障駕駛員和車輛的安全。MINIEYE X1支持與毫米波雷達融合，功能擴展到自動緊急剎車（AEB）。

劉國清博士介紹，X1完全滿足前裝乘用車客戶的嚴格要求，具有高性能適應復雜工況、低功耗整機功耗小于3w、車規級方案、定制化和低成本五大優勢。

前裝客戶對于產品能否在復雜工況下保持魯棒的性能有著更高的要求，X1 能夠應對大雨、夜晚低光、異型車、高溫、顛簸等不同工況。

其在性能魯棒的同時，整機功耗小于 3 瓦。這意味著 X1 能夠在炎熱的環境下同樣穩定工作。在車規級方面，MINIEYE 目前已經獲得了 IATF16949 認證，X1核心器件也滿足 ISO26262、AEC-Q100 等標準。另外，X1 具有靈活設計可擴展的特點，可以滿足與車機、數字儀表、HUD等結合的定制化需求，也能夠擴展到AEB等控制型功能。
 
基于產品X1的這些優勢，MINIEYE 牽手數家前裝客戶，前裝乘用車領域包括比亞迪、眾泰、奇瑞等主機廠；萬向集團等Tier1。商用車領域包括東風商用車、東風柳汽等主機廠和VITI、KUS等Tier1。劉國清博士透露，和乘用車主機廠的合作年內就能實現SOP，已定點3款車型。商用車已獲得6個車型的定點，目前已經量產供貨。

進入前裝領域對 MINIEYE 來說，意義重大。后裝產品因其局限，無法切入執行層面，前裝市場相比較而言前景巨大。以國際巨頭Mobileye作為參考，其一年的營收中，前裝收入達到將近80%。劉國清博士稱，MINIEYE的小目標是今年年內定點十五款車型。
 
后裝：裝載車輛遍布 29 個省市 

自去年 11 月份 MINIEYE 的后裝 ADAS 產品 M3 量產以來，已經獲得數萬套訂單，裝配車輛遍布全國 29 個省市。

今年 MINIEYE 進一步豐富產品矩陣，推出了內視產品——駕駛員行為監測系統F1，以滿足更多后裝客戶的需求；以及 M3 的升級版本 M4，在原有功能上增加對行人、交通標志牌的識別，并開通數據平臺服務。

劉國清博士稱，無論是前裝市場還是后裝市場，MINIEYE一直秉承客戶需求導向原則。后裝客戶除了對產品性價比的要求外，還希望產品的安裝速度快、適配車型廣等等。MINIEYE 自主研發的安裝工具讓安裝人員不再需要筆記本電腦和笨重的標定板、花二十分鐘就能安裝一臺設備。

相比較市場上同類產品的安裝大約需要 1 到 2 小時，MINIEYE 能夠為客戶節省更多人力開銷和時間成本。另外，MINIEYE 的產品能夠適配超過1000 種車型，支持非破線式安裝。
 
劉國清博士稱，作為一家技術公司，領先的技術和過硬的產品是立足之本，但如何為客戶創造價值才是制勝關鍵。除了產品本身的質量之外，安裝、維護等等細節也非常重要。對于技術背景的公司來說，需要積極的投身市場，洞察客戶需求，并以迅捷的反應去迭代產品。

 技術：構筑算法、數據、傳感器三大壁壘
 
自動駕駛未來的普及依賴于很多技術的發展，如汽車控制、人工智能算法、傳感器、芯片、高精度地圖、人機交互等等。每一塊都是一個大命題，都需要付出艱辛努力才有機會做好。

MINIEYE 聯合創始人兼首席科學家吳建鑫博士表示，MINIEYE 過去 5 年一直在冷靜積累關鍵技術，持續以安全和有商業價值的產品為核心。

在現場，吳建鑫博士分享了團隊在算法、數據、傳感器融合三個方面的研發成果。

算法方面，吳建鑫博士認為關鍵在于在有限算力、低功耗、合理成本條件下來進行算法設計。MINIEYE自主研發的 ThiNet 技術讓神經網絡有效“瘦身”，降低其對算力和存儲的要求，部分 ThiNet 成果被發表于 AI 領域頂級會議 ICCV2017。

MINIEYE還開發了嵌入式神經網絡加速庫FastNet，利用 FastNet 對Squeezenet 網絡進行加速，其計算性能相較于Caffe，NCNN（騰訊），Tensor FlowLite（Google）均有 1.8 倍以上的提升。

吳建鑫博士還介紹了 MINIEYE 自主設計的神經網絡架構 IP HardNet，這項技術可以幫助高計算復雜度的神經網絡在小面積的 FPGA 上實時工作。ThiNet、FastNet和 HardNet “神經網絡三件套” 幫助了 MINIEYE將深度學習廣泛用于產品化中。
 
數據積累的工作，MINIEYE 在創業初期就開始進行，已經持續了 44 個月。目前積累的標注數據里程超過 1300 萬公里。這也幫助 MINIEYE 在一些本地化場景里的性能表現要優于國外的產品。隨著后裝產品的大規模裝配，MINIEYE 將會逐步在為用戶服務的過程中積累更多數據。
 
而傳感器融合一直是趨勢所向，MINIEYE 為一些前裝客戶定制的解決方案就是視覺-毫米波雷達融合產品，利用攝像頭識別物體，毫米波雷達測量距離和速度，優勢互補，相關產品已經量產。

目前，MINIEYE 在完成和毫米波雷達、IMU 融合的基礎上，正在研發與包括 LiDAR、超聲波、熱成像等更多傳感器融合的感知方案。
 
布局：進軍 L3 級以上自動駕駛 

自動駕駛領域里，有兩條主要的路徑去實現汽車自動化：一是直接去做L4、L5級自動駕駛；一種是從L1、L2級起步向高級別漸進式發展，MINIEYE 屬于后一種。

在L1、L2級別的產品已實現商業化的基礎上，MINIEYE 開始在 L3 以上自動駕駛布局，在發布會上宣布了正在與新加坡 SMART 合作。

SMART 是美國麻省理工學院和新加坡國立研究基金共同成立的研究機構，其專注于 Future Mobility 的分部位于新加坡國立大學。早在 2014 年，其就成為新加坡當地第一個公開測試無人車的團隊，知名自動駕駛公司 nuTonomy 也脫胎于 SMART。
 
MINIEYE 感知技術實力獲得了 SMART 的認可。機構負責人 Marcelo 博士表示他們之前嘗試過各種各樣的傳感器，在這個過程中越發感覺到攝像頭的優越性。它不僅具有性價比，還能夠提供豐富的信息。

MINIEYE 在視覺感知方面的深厚積累被 SMART 看重，Marcelo表示如果將感知部分交給專業的團隊去做，那么他們可以更專注于路徑規劃方面的工作。雙方的合作將瞄準L3及以上的自動駕駛功能，并計劃于 2019 年在國內商業化落地。