复合人工智能：赋能可扩展驾驶自动化的技术架构

在AI领域，Mobileye 独辟蹊径，植根于系统设计、现实世界验证与规模化。这一理念体现在我们的“复合人工智能（Compound AI）”架构中：融合灵活的端到端学习与专用算法，实现安全、可扩展的部署。它不单是架构体系，更是一套指导框架，为当前的高级辅助驾驶系统和更高等级驾驶自动化解决方案提供核心驱动力。

本文将解析 Mobileye 复合人工智能架构的内涵及其如何奠定可扩展驾驶自动化的基石。

何为面向高等级驾驶自动化的复合人工智能架构？

复合人工智能架构是指集成多个专用化、定制化的AI模型协同工作，以解决那些单一模型难以高效应对的复杂任务。与依赖单一通用型模型的方式不同，复合人工智能采用模块化、分层的架构。每个模块都针对特定子任务进行优化，系统通过协调各模块的输出，生成具连贯性且智能化的结果。

目前，许多高等级驾驶自动化系统仍依赖于单一的端到端模型，将驾驶自动化视为一个庞大的学习任务。这种方法试图通过视觉输入学习全部内容，从而构建驾驶策略，即所谓的“从光子到控制”。

然而，越来越多的尖端AI成果出自复合系统。此类架构由多个专用模块构成，各司其职。正如伯克利人工智能研究所（BAIR）所称：“当前最先进的AI成果，正日益由多模块复合系统实现。”

Mobileye 的复合人工智能架构也遵循相同的理念，将驾驶自动化明确解耦为感知（sensing）、规划（planning）、执行（acting）等模块，每个模块对应一个或多个专用的 AI 模型。

Mobileye 如何实践复合人工智能？

如 Mobileye《高等级驾驶自动化系统安全架构》所述，实现可扩展驾驶自动化系统所需的安全性与可靠性需要坚实的技术基础。而Mobileye的技术基础在于模块化设计、多源独立感知模态以及多层冗余。

这是 Mobileye 在开发现实世界 AI 系统时所采取的策略，融合多种技术与专业能力，共同构建现实世界中可扩展部署的关键路径。每一部分在复合人工智能的决策应用中都扮演着至关重要的角色。

• 模块化：感知、规划、执行等各层均可以独立开发和优化。工程师能够专注于特定驾驶功能，从而实现更高效、灵活的开发和部署。

• 冗余：为了确保在不可预测的环境中依然保持出色表现，Mobileye 集成了多感知模态（摄像头、雷达、激光雷达）、REM™智能路网信息、多样化AI方法及重叠算法层，可保障不确定环境下的性能。这些独立的路径相互强化，提升系统鲁棒性，不仅在常规驾驶条件下表现优异，也能应对边缘情况和复杂场景。

• 抽象化：Mobileye 在关键环节融入结构化逻辑。RSS™模型开发了无需学习的核心安全原则，REM™则通过智能路网和驾驶智能层，增强实时感知能力。这些抽象层降低了系统的方差，同时保持系统的稳定性和可解释性。

软硬件协同

Mobileye复合人工智能架构的内部设计体现了灵活性与效率之间的精妙平衡。Mobileye专为高等级驾驶自动化系统设计的EyeQ™6 High芯片，内置五个专用模块；每个模块都在灵活性与专用性之间实现了不同的平衡：双CPU（MPC和MIPS）提供灵活算力，XNN加速器实现高效目标性能；VMP与PMA加速器弥合灵活性与专用性之间的差距，使系统能够动态适配多元运行需求。

EyeQ™6 High 芯片算力为34 TOPS (INT8)，但单纯的TOPS指标并不足以衡量其性能，实际应用场景和效率更为重要。在实际驾驶负载下，该芯片能够以超过每秒1000帧的速度处理像素标注神经网络，充分展示了智能架构在实际中的强大表现。

为道路而生

复合人工智能作为一种架构体系，也承载着我们持续构建以安全、效率与可扩展性为核心的解决方案的使命。它构成了从高级驾驶辅助系统（ADAS）到高等级驾驶自动化平台（如Mobileye Chauffeur™和Mobileye Drive™）的技术基础，这些平台支持视觉脱离乃至完全自动驾驶的出行方式。

随着AI持续重塑出行，驾驶自动化的可行性已不是问题所在。行业焦点已转向如何使其具备可扩展性、安全性和现实可行性。一种基于实际性能、分层化、模块化且严谨的方法论 - 复合人工智能架构，就是Mobileye交出的答卷。