Mobileye日前在CES 2026上宣布，其环绕式ADAS方案再获一家全球头部车企定点。2025年3月，Mobileye曾官宣该方案定点大众汽车集团，加上此次新合作的美国车企，方案总交付量将达到1900万套，其中本次新合作车企将带来900万套的订单，由此也可以推算此前与大众汽车集团针对横置发动机（MQB）车型的合作涉及订单约1000万套。
环绕式ADAS是Mobileye去年新推出的组合辅助驾驶系统方案，作为针对辅助驾驶功能下沉经济车型这一市场趋势的迅速响应，将NOP功能聚焦于使用需求相对更高的高速公路及特定道路场景，集安全性、便捷功能、高成本效益于一体。
传感器配置方面，标准配置包含1个长距前视摄像头、4个短距泊车摄像头，以及多达5个雷达，可选配长距后视摄像头等额外传感器。
计算芯片方面，仅需一颗EyeQ6H，就集成了计算机视觉、传感器融合、智能路网技术、驾驶策略及OTA升级功能。
不到一年时间，两家头部车企相继定点的背后逻辑
推出不到一年时间内，得到两家头部车企定点，前后脚杀入欧美成熟市场，究其原因：
一方面在于该方案能够切实地回应行业本身长期面临的现实挑战——复杂且分散的供应链导致辅助驾驶系统成本居高不下，而在车企加速推进软件定义架构的背景下，如何降低硬件复杂度就成为关键。在这一点上，Mobileye 的环绕式ADAS 采用单 ECU、高集成度的设计，在覆盖核心辅助驾驶功能的同时，提供成本更可控的方案。
另一方面，这一系统的功能组合能够同时满足行业监管对系统安全的硬性需求，以及用户对辅助驾驶功能体验日益提升的期待。据了解，环绕式ADAS能够在获批高速公路路段的特定条件下，支持最高时速约130公里/小时的驾驶员运动脱离驾驶，同时具备自动变道、高速公路拥堵辅助以及防加塞等功能。驾驶功能方面，系统还在EyeQ芯片运算架构中集成了盲区监测、避让辅助、增强型行人检测以及驾驶员监测等功能，进一步强化行车安全，同时还可按需选配泊车辅助功能。可以说是既回应了消费者实际使用的诉求，又契合即将出台的严苛安全法规。
Robotaxi推进去安全员，规模化在即
在官宣环绕式ADAS再拿大单的同时，Mobileye在Robotaxi方面的项目进展与部署前景也日渐清晰。
在Mobileye创始人、总裁兼首席执行官Amnon Shashua教授的CES年度主题演讲中，大众汽车集团自动驾驶出行公司首席执行官Christian Senger也同台对话，探讨了双方的合作项目。
目前，在包括德国的汉堡和慕尼黑，挪威的奥斯陆，美国加州洛杉矶、德克萨斯州奥斯汀、以及佛罗里达州部分地区，有100辆ID. Buzz在进行路测。双方正按计划推进达成关键绩效指标（KPI）的进度，目标是在今年第三季度实现”去安全员”行驶，并计划于2027年在六座城市启动商业化部署。
Christian Senger还提到，预计至2033年将有10万辆Robotaxi投入运营。
在采访中，Shashua教授也提到，Mobileye在Robotaxi领域的优势之一就是“与具备大规模量产能力的汽车制造商的深度合作伙伴关系。”
他指出，当前市场上的 Robotaxi 大多是通过车辆改装实现的，这种方式在小规模部署时或许可行，但难以支撑数万辆级别的规模化运营。
相比之下，大众汽车集团生产预装 Mobileye Drive™ 系统的 ID. Buzz 平台，使得车辆出厂即具备相关能力，无需再进行改装。Shashua教授表示，这一模式为 Mobileye 带来了显著的量产与交付优势。而其他主机厂若需实施同类服务，则通常需要先采购车辆并进行改造，在一定程度上增加了复杂性，也影响了整体的规模化进程。
在规模化推进过程中，另一个问题就是远程操作员。业界往往对此避而不谈，但实际上，每辆车后台都有专人监控。如果每辆车配备一名操作员，其本质上并未摆脱对人工驾驶的依赖，也无法支撑大规模商业化。
要实现规模化，Shashua教授认为，必须显著降低人机比例。但具体如何实现呢？如何将这一比例降至每10辆车配备一名远程操作员，进而扩展到每100辆车、每1000辆车配备一名操作员，最终趋近于零远程操作员？
Shashua教授在演讲中介绍的VLSA（视觉-语言-语义-动作）融合模型就是Mobileye的答案之一。
VLSA是一种输出语义信息的视觉语言模型（VLM），作用类似于在复杂驾驶场景中陪伴新手驾驶员的资深驾驶员，能提醒你注意某些事项，但他不去直接控制油门、刹车和方向盘。与之类似地，VLSA不直接控制车辆或输出行驶轨迹，而是提供结构化的语义指导，馈入规划系统。可以将其理解为经过整个互联网训练的模型，具备出色的推理能力，对场景的理解远胜于常规的基于安全相关数据流训练的模型。
VLSA同时部署在车端和云端，旨在逐步取代远程操作员。
打造“养成系”机器人，全面布局物理AI
驾驶自动化和机器人通常被视为AI在物理世界中最具规模潜力的两大应用方向。因此，对于在驾驶自动化领域早已站稳脚跟的Mobileye，宣布收购一家人形机器人公司，全面布局物理AI，也是顺理成章之举。
这家被收购的公司叫做Mentee Robotics，成立至今约四年，目前已进入其第三代垂直整合的人形机器人研发阶段。
当前的机器人很大程度上要依赖大规模真实场景数据采集或持续远程操控的系统。而不同于此，Mentee的技术路线是让机器人通过自然示范与意图提示，逐步掌握新技能，在保障与人类和物体对象交互的安全性与可预测性的同时，实现成本与实用性之间的最优平衡。
对此，Shashua教授表示，“人形机器人的发展日新月异，与驾驶自动化领域巨大的协同效应也显而易见。这一收购也将为Mobileye创造一个新的增长引擎。”
但同时，他也指出了驾驶自动化和人形机器人两个领域的区别：汽车在相对结构化环境中运行，例如道路场景是相对结构化的，而人形机器人应用所面向的最大的终极市场，也就是家庭环境，则是非结构化环境。
在家庭环境中，或许我们对扫地机器人的能力期待只有清洁地板。然而，对于人形机器人，用户的预期明显会更高。尽管不同家庭在空间布局和生活方式上存在显著差异，消费者仍普遍希望这类设备能够像人类一样胜任多样化的家务和服务型任务。
对于人形机器人制造商而言，由于任务场景并不是一个有限、可预先枚举的集合，因此产品在初始阶段难以被设定为能够全面覆盖各类家庭环境和多样化任务。这也意味着，人形机器人需要具备持续学习与适应的能力，以应对现实世界的复杂性和可变性。
Shashua教授指出 ，尽管如今机器人公司众多，但我们所见的大多数演示仍属于远程操控的范畴。但人形机器人的真正价值前景不在于远程操控，而在于实现独立自主——能够感知世界、规划行动、学习新任务。
也就是说，我们需要具有持续自我学习、自我提升能力的“养成系”机器人。
传统业界熟知的Sim2Real（仿真到现实）是在模拟器中进行训练，然后再部署到现实环境中。但因为模拟器并不能完全呈现机器人的真实状态，无法呈现的事物也不少。
而Mentee在此基础上更进一步开发了“Real2Sim2Real”，本质上是观察人类执行任务的过程。该技术采用基础模型，将其迁移至模拟器进行训练，随后在模拟环境中学习，最后将所学知识自动迁移回机器人——整个过程完全自动化。
这种训练在进入像家庭场景这样的非结构化环境时至关重要，因为这类场景需要机器人持续学习新任务。而对于Mentee的机器人，无需头显、无需VR设备、无需体感服，通过观察人类少量示范如何执行任务，就能快速学习新技能。
在落地路径上，Mobileye和Mentee则将采用由结构化场景向非结构化场景逐步扩展的策略。首先部署于仓储配送中心、装配厂等任务定义清晰的结构化环境，计划时间节点为2028年。在此基础上，部署范围计划在数年后逐步延伸至更复杂的非结构化环境，如家庭使用场景。
随着环绕式ADAS持续被市场采纳、Robotaxi项目进入去安全员阶段，以及对人形机器人公司Mentee的收购，Mobileye的技术布局正从驾驶自动化扩展至更广泛的物理AI场景，全面探索AI的多元化落地路径。巨头的战略动作，也让行业更加确信，下一阶段市场竞争，重点将在于技术体系的完整性，以及在真实环境中实现规模化部署的能力。
