每年的 CES 上，Mobileye 不僅僅會回顧總結去年的發展、展望下一年的發展，還會對本行業的發展與未來進行一個深入的分析。Mobileye CEO Amnon Shashua 作為 Mobileye 的靈魂人物和技術布道者，他每次的主題演講都是一大看點。

本文根據Amnon Shashua在CES上的演講整理而成。你將了解到以下信息：

1、Mobileye 自動駕駛解決方案、自動駕駛策略；

2、地圖與 REM；

3、ADAS 的全球趨勢與進化之路。

2018 年的四組關鍵數字：28、20、7、56

2018 年是 Mobileye 碩果累累的年份。

我們有 28 個新的參與到客戶的產品成功投入生產，包括 24 個汽車廠商，8 個 Tier1；其中 16 個來自中國，因此中國已經成為 Mobileye 的主要戰略地區之一。

同時，我們發布了 20 個項目，覆蓋 78 個汽車型號。我們不僅僅為未來做準備，還未現在的行業發展做出了貢獻。

7 個項目安裝了我們的最新芯片 EyeQ4。EyeQ4 是一個相當強大芯片設備，它已經安裝在了寶馬的 X5 車型中。

下一個數字是 56，我們有 56 個汽車產品擁有高級輔助駕駛功能，為用戶帶來超越安全之外的價值。

我們來看下一張圖：2014 年到 2018 年 EyeQ 系列芯片銷量。

我們選擇 2014 年，是因為 2014 年我們首次公開募股。2014 年到 2018 年，我們實現了 46% 的連續增長。迄今為止，我們一共銷售了 3200 萬個 EyeQ 系列芯片，這說明有 3200 萬輛汽車是由 Mobileye 的技術驅動。

在 Euro NCAP 的五星級汽車中，有 13 款汽車搭載的是 Mobileye 技術。這說明我們在汽車領域的領導力越來越強大。

這是寶馬 X5，其中 3 個攝像頭是由 EyeQ4 支持，它能從各個方面增強識別能力，擁有紅燈警報、識別周圍汽車/自行車、緊急剎車等功能。

同時，我們和大眾集團合作，專注打造結合前置攝像頭和 Roadbook 技術的 L2+。

說回到汽車，我們是如何讓地圖系統為汽車的發展提供更多價值的？

舉個道路識別的例子，如果汽車行駛在道路標志特別不明顯，甚至是沒有標志的城市道路上，那么地圖系統也能識別出道路。因為路上有很多車，系統可以收集這些車的數據傳入到云端，從而實現道路識別。因此，就算道路上沒有道路標識，我們也能識別道路。

再說說交通信號燈，地圖系統還能提高 ACC 和 LKA。我們預計在 2019 或 2020 年發布搭載 EyeQ4 和高級地圖識別系統的大眾汽車。

我們還和中國的長城汽車簽訂了協議，未來三至五年內，長城汽車將把 L0-L2+的基于 Mobileye 技術的 ADAS 系統，集成到一系列車型上。為了適應中國獨特的路況，雙方還將在集成 ADAS 的同時，共同開發 L3 乃至更高級別的駕駛系統。

ADAS 的全球發展趨勢

接下來，我們來看看 ADAS 的全球發展趨勢。

上圖的百分比表示 EuroNCAP 數據統計之下 ADAS 在汽車中的覆蓋率，2016 為 12.8%，2018 年為 17.6%，2020 年預計為 20.3%，2022 年預計為 26.5%。

我們可以看到，ADAS 的發展勢頭喜人，輔助駕駛的技術發展并沒有止步不前，它在不斷進化，它在汽車中的比重越來越大。

這張 PPT 非常重要，它展示了我們的總體戰略。

我們的戰略總體來說分為兩類：自動駕駛和輔助駕駛。一方面，輔助駕駛是可以促進自動駕駛的。另一方面，自動駕駛技術也能促進輔助駕駛技術的發展。

我們一直在想，自動駕駛技術的每一種功能，如何遷移到輔助駕駛中來，從而促進輔助駕駛的發展。在輔助駕駛中，我們有一個很明顯的限制：成本限制。輔助駕駛的成本非常之高，但對于自動駕駛來說，成本并不是一個問題。

那么 ，我們如何讓自動駕駛來促進輔助駕駛的發展？

對于這個問題，我們想了很多。下面，我想跟大家分享其中一個想法。在自動駕駛領域，我們有兩個變革，但是人們喜歡將它們混為一談。

其中之一是交通的變革，它被自動駕駛深深影響。隨著自動駕駛的發展，交通發生了重大的變革，表現形式不勝枚舉：更加智能的城市、更少的停車場等等。

另一個變革，是一個拯救生命的變革，如果道路上的每一輛車都是自動駕駛汽車，那么沒有人將會因交通事故而死亡。

輔助駕駛，已經開始變成了一種拯救生命的變革。雖然輔助駕駛還沒有完成這個變革，但是通過輔助駕駛，我們能夠創造一種正確的技術（我將在本次演講結尾處仔細說明），創造“零傷亡愿景（Vision Zero）"的未來。

“零傷亡愿景”意味著，如果每輛車都安裝自動駕駛系統，那么車輛事故的發生率可以忽略不計，可以為零。拯救生命的變革來自 ADAS，交通變革來自自動駕駛。

我們把兩種變革分開，這樣我們就知道每種變革各自需要的技術是什么。

詳解 Mobileye 自動駕駛解決方案

下面，我們來說說我們的自動駕駛解決方案。總得來說，我們的解決方法分為四種：

· Visual perception and sensor fusion（視覺感知和感知融合）

·Compute platform（計算平臺）

·Driving policy and RSS（駕駛策略和責任敏感安全模型）

·Dynamic mapping（動態地圖）

視覺感知和感知融合與傳感器和數據相關，數據由攝像頭、雷達、激光雷達等傳感器收集，進入計算系統，創造360度環境模型，模型包括道路、交通燈、路標等。

同時，我們還需要計算平臺來支持如此龐大的數據計算，這個平臺需要非常強大，因為計算量相當巨大；同時考慮到成本問題，它還要十分高效。

此外，我們還需要駕駛策略和 RSS，這樣才能保證駕駛的安全，同時還能在安全在合法的范圍內取得一個平衡。

最后，我們需要動態地圖，三年前我們創造了這個技術，說到地圖，我們便會談到它的升級，稍后我會提到它。

現在我們來說說 Mobileye 目前正在努力的五個方面：

Open EyeQ5（開放架構的 EyeQ5）：英特爾有自己的硅光子生產線，可以生產雷達所需的芯片，同時，它是開放架構的，到時我們的客戶可以在芯片上編寫自己的代碼，自己來做融合。

Closed EyeQ5（封閉 EyeQ5）：它不僅僅包含 EyeQ5，還包含我們的舊代芯片 EyeQ4、EyeQ3，它正是我們目前輔助駕駛用的芯片。

Surround Vision（環境視覺）：不僅用在輔助駕駛中，還用在自動駕駛中。

AV Series（自動駕駛汽車系列）：包括 360 度視覺、地圖、駕駛策略、傳感器等等。

AV Series+Maas platform（自動駕駛系列和 Maas 平臺）：除了 AV Series，它還包括 Maas 軟件系統。

請大家記住，我們所有與自動駕駛相關的東西，都與這五個方面有關。

接下來，我們來談談視覺識別（Visual Perception）。

視覺識別是個復雜的東西。現在，我只想說說它的基本原則，我把它稱為“真正的冗余”。目前，我們的關注點在攝像頭上，我們知道：攝像頭在自動駕駛車輛中起了非常重要的作用，我們的目標是用攝像頭實現自動駕駛。

但是，僅僅依靠攝像頭實現自動駕駛，是相當困難的，因為攝像頭提供的，并不是直接的 3D 信息，它就像我們的雙眼，提供的數據很有限。

要實現自動駕駛功能，我們需要的是 3D 信息。雖然攝像頭擁有高分辨率，但在開發者看來，攝像頭提供的是一種“懶惰”的視覺。因此，我們還需要其他的傳感器，比如雷達、激光雷達等，來給我們直接的3D信息。

但這樣以來，便會出現一個問題：傳感器太多了，會造成冗余。因此，我們需要讓攝像頭的功能更加強大，讓它具有完整的、端對端的操作功能，這樣其他的傳感器加進來才是真正的錦上添花，才能實現真正的冗余。

這就是我們的哲學，我們不是說攝像頭能解決所有問題，我們也不否認雷達、激光雷達等傳感器的必要性。

因此，我們正在做兩件事。

第一，我們要找到一個正確的方式，實現真正而非沒有必要的冗余。

此外，我們還在做一個更重要的事，就是將自動駕駛技術遷移到輔助駕駛中來，減少輔助駕駛的成本。

現在的傳感器是幾萬美元，樂觀估計一下，將來也許會下降到幾千美元，但是它的成本還是太高了，無法實現大規模運用。那么，如何減少成本，實現大規模的自動駕駛呢？

答案是攝像頭。雷達和激光雷達都相當昂貴，但攝像頭很便宜，它是你所能想象到的最便宜的傳感器。20 美元就能買到一個質量很好的攝像頭。

因此，要想減少成本，我們需要將重點放在攝像頭上。因此，如果你想要影響輔助駕駛的變革，我們先要走通較為困難的路：利用攝像頭實現自動駕駛。

在這條路走通了之后，我們再讓它影響輔助駕駛的發展。這是一種戰略性的思維，我們首先用真正的冗余實現自動駕駛，然后讓自動駕駛促進輔助駕駛。

Mobileye 的自動駕駛策略

下面來說說自動駕駛策略。

如果你去到我們的展位，可以用 VR 體驗到我們的自動駕駛汽車。汽車上一共有 12 個攝像頭（前方有 3 個攝像頭，角落里有 2 個攝像頭朝前方、2 個朝后，2 個朝側方，3 個用作停車），沒有其他的傳感器，沒有 GPS。

圖示上方是攝像頭所拍到的景象，右邊顯示的是道路狀況 3D 圖。我們重點看看右邊，藍色車代表自動駕駛汽車，我們可以看到它越過了一個十字路口，給一輛紅色的車讓路，同時停下車等待突然進入道路的路人。這個 3D 圖也是靠攝像頭實現的。

談談計算平臺

首先回顧下我們的芯片。EyeQ4 于 2018 年發布，EyeQ5 在剛剛過去的 2018 年 12 月推出，它比 EyeQ4 強大 10 倍。

目前，EyeQ5 已經有了訂單量，我們將從 2021 年 3 月開始 EyeQ5 的批量生產。

總體來說，EyeQ5 是一個非常強大的芯片，低耗能，它是僅限硅的“開放式”芯片（允許第三方代碼運行）——不僅能造福自動駕駛，還能造福輔助駕駛。

我們與安波福合作，為寶馬打造2021年的自動駕駛汽車量產，這也是搭載了 EyeQ5 芯片。

駕駛策略 和 RSS

安全可以分為功能安全（Functional safety）和名義性安全（Nominal safety），大部分人關注的是功能安全，而我們關注的是常規安全，也就是說如何讓我們的設計避免事故，即在系統設計之初就要確保不會給社會帶來安全事故隱患，實現安全駕駛。

去年，我們與監管部門合作，提出了 RSS （Responsibility Sensitive Safety，責任敏感安全模型）模型，它是一整套數學公式，將人類對于安全駕駛的理念和概念轉化成為數學公式和計算方式，用來界定什么樣的駕駛行為才是安全的駕駛。

RSS 模型提出安全駕駛需要滿足以下三點：

1、合理性。即要滿足人們對“保持注意”的理解和判定，而不是天方夜譚地隨意去定義。

2、有效性。一個合理的定義也有可能是完全無用的。

譬如這樣一個聽起來還不錯的定義：在一車變道時，其他車道上行駛的車輛都不允許改變速度，不應該受到該車變道的影響。但是這個聽起來挺“謹慎”的定義，在很多時候都不奏效，比如在你碰到恐怖分子的時候，甚至在加州繁忙的道路上，它都不可能實現。因為實際在變道的時候，其他車輛必須要減速才能讓變道車輛實現換道。因此，安全駕駛不僅要合理，有效性也很重要。

3、可驗證性，即該定義是可以進行驗證的。也就意味著，必須要把所下的定義與機器進行實際結合，以驗證該定義是否正確和有效，同時要證明沒有蝴蝶效應。

這里的蝴蝶效應是指，開始時一個很小的無心之舉，通過系統中其他動作的作用，最后導致了一場車禍。

下面我們來看看在 RSS 模型框架下的駕駛策略。

我們將駕駛策略分為四種：策略（strategy）、戰術（tactics）、路徑規劃（path planning）以及控制（control）。

舉個例子，策略表示“我想變道”，下面我們到戰術策略，也就是說我已經決定了要變道，那么我需要決定我需要給哪輛車讓道，要哪輛車給我讓道，這兩輛車之間的距離就是我變道行駛的距離。

這種決策是實時變化的，比如我已經決定了需要哪輛車給我讓道，但這輛車不給我讓道，那么如果我還是堅持我的想法，可能就會發生事故，所以我改變了主意。因此， 戰術策略是一種“瞬間性”的決策，它會隨著情況的變化而變化。

在以上兩種決策中，機器學習起了很重要的作用。

接下來，是路徑規劃，它正是 RSS 運用的地方。它為執行戰術策略而計劃車輛行駛軌跡，這個軌跡必須是安全的。那么，什么才是安全軌跡？這個時候，RSS 就派上用場了。

最后是控制，已經計劃好軌跡之后，就需要汽車進行控制，比如什么時候剎車。

所有這些策略，都是為了實現安全駕駛。

下面我給大家看一些例子，我想說明的一點是，我給大家看的所有例子，車內視角都是靠攝像頭實現，不依靠任何其他的傳感器。當然，這張是無人機視角鳥瞰拍攝。圖中道路上有一輛車停在了路中間，因此道路上的車紛紛開始變道，中間那兩帶著我們 Logo 的藍色車輛為自動駕駛汽車，我們可以發現，它的駕駛行為非常像人類，成功變道。

以上是車內視角。我們看到右邊，帶著 Logo 的藍色車輛為自動駕駛汽車，前方紅色車輛為自動駕駛汽車決定讓道的車，綠色車輛為自動駕駛汽車決定“搶道”的汽車，這個決定，是戰術決策，是一個瞬間的決定。

自動駕駛汽車的變道距離，正是紅色車輛和綠色車輛之間的距離，如果綠色車輛不讓自動駕駛汽車搶道，那么自動駕駛汽車將會改變決定。

這并不是一個簡單的操作，但自動駕駛汽車處理地相當優秀。

下面還是類似的道路設定，唯一的不同是多了一位行人。雖然道路情況復雜，但藍色的自動駕駛汽車還是成功地避開車輛和行人完成了變道。

下面的道路設定是城市道路。我們可以看到自動駕駛汽車一路前行，周圍有正在行駛的汽車，也有停下來的汽車。

當它行駛到了一條交叉路口，一位行人正在穿過道路。這時候，自動駕駛汽車停下來等待行人穿過，等行人過了馬路，自動駕駛汽車繼續行駛。接下來，自動駕駛汽車給右邊過來的汽車讓路，然后再成功左轉。

這是車內視角。

下面我們來看看部分道路被堵住時，自動駕駛汽車的處理方式。左邊停下來的卡車堵住了道路左側，自動駕駛汽車順利地從卡車旁邊駛過。

其實，這是一個比較困難的決策，因為自動駕駛汽車需要判斷這道路是一個交通堵塞狀況，還是卡車停在了路旁。但是，基于道路上其他車輛的處理方法，自動駕駛汽車做出了正確的決策。

最后一個例子。自動駕駛汽車穿過十字路口直行，左側一輛公共汽車左轉進入前方道路，自動駕駛汽車給公共汽車讓路，同時左側過來的另一輛小汽車給自動駕駛汽車讓了路。

因此，我們的自動駕駛汽車的處理方式與人類非常相似，它在 RSS 模型框架下，實現了安全駕駛。

我們與多方都成功進行了合作，其中比較大型的合作包括法雷奧、百度和中國 ITS。

法雷奧是我們最近的的 Tier 1 合作伙伴，法雷奧和 Mobileye 簽署協議，表示未來會將 RSS 加入其自動駕駛研發項目并聯合其他工業標準一起使用并同意共同制定行業標準。

幾個月前，我們與百度簽署了合作協議。百度在今年年初宣布計劃在其 Apollo 開源項目及 Apollo Pilot 商用項目中部署 RSS 模型，Apollo 項目是 RSS 模型的首個開源應用。

我們最大的合作是與中國 ITS(Intelligent Transport System, 中國交通部下屬的標準制定團體—中國綜合智能交通產業與服務聯盟 ）簽訂的合作，ITS 已經提議將 RSS 模型作為即將出臺的自動駕駛安全規范的框架。我們不僅僅與中國政府合作，還與包括蔚來、高德地圖、華為在內的多家中國科技公司進行了合作。

同時，我們的合作伙伴還在不斷擴大之中。與中國智能交通系統的合作，是我們與監管部門合作的絕佳例證。

其實，這些合作與 Mobleye 的技術無關，它與技術分離開來，它并不是說與我們合作的公司開發自動駕駛汽車需要安裝 Mobleye 攝像頭，也并不是說需要 Mobleye 的策略來實現自動駕駛，而是說在 RSS 這個安全框架之下，成功實現安全的自動駕駛。

地圖與 REM

下面來說說地圖和 REM（道路經驗管理）技術。

REM 是通過眾包的形式為自動駕駛汽車提供高精度地圖服務，也就是俗稱的“全球路書（Global Roadbook）”。

首先，我們說說 REM 數據處理過程。目前，所有的自動駕駛汽車都在前側安裝攝像頭，而大部分攝像頭是由 Mobileye 的芯片驅動。

如果自動駕駛汽車安裝的 EyeQ4 芯片，那么首先它需要實現信息收集，也就是通過芯片驅動的攝像頭收集道路和路標信息。

第二步，收集的信息被匿名化并被加密。

第三步，加密的信息儲存到云空間中，生成自動駕駛路書。

第四步，地圖信息分配到自動駕駛汽車中。

最后是定位，在10厘米的精確度范圍內，自動駕駛汽車在路書中進行定位。

目前，我們已經與寶馬、尼桑等汽車公司進行了合作，在自動駕駛汽車行駛過程收集信息并傳送到云端，讓路書更加強大。

我們看到這個視頻，左邊黃色長方形表示路標，白色表示道路邊緣、車道標識線、中心車道，攝像頭可以收集信息，傳送到云端，然后進行高精確度的實時定位。右邊是相同數據在谷歌地圖上的成像。

目前我們的傳輸數據量是 1000 米 1000 字節，這個量是非常重要的。我們需要將數據傳輸到云端，它是需要低成本的，目前我們的成本是一輛車一年僅花費 1 美元。

如果成本較高，那么沒有汽車制造商將會采用這個系統。數據從云端傳輸到汽車的過程中，如果產生十億字節的數據，那么也將會造成成本過高的問題。

因此，我們的系統是低成本的系統。

目前，我們已經和日產等企業合作，完成了在日本的高精度地圖采集，并計劃在不久的將來合作發行日產L3 自動駕駛汽車。24 小時之內一鍵自動生成地圖，這與當今的手動地圖相比，是一個巨大的進步。

每公里 10 KB 壓縮收獲數據、最后的地圖壓縮至 400MB，每個紫色地圖圖塊代表 1 平方公里、平均瓦片大小僅為 30KB。數據精確度小于 10 厘米、整體收集超過 110 萬地圖特征，覆蓋 32 萬個信號、30 萬個信號燈、25 萬車道線、19 萬路障等。

我們還與寶馬合作，大部分寶馬自動駕駛汽車安裝了 EyeQ4 芯片，它們都將收集數據傳輸到云端。

REM 的商業應用主要分為三方面，第一個為自動駕駛地圖，第二個是 L2+/3/4 自動駕駛，這也是自動駕駛反哺輔助駕駛的表現，第三個是非機動領域應用。

REM 在二級市場上也得到了應用，首先我們與政府合作，簽訂了三個地圖協議；其次，我們啟動了三個智能城市項目；同時，我們還在歐洲和美國成立了自動駕駛車隊，覆蓋到 2 萬輛自動駕駛汽車。

我們的合作范圍覆蓋到上圖的國家、城市、公司和項目。

其中，值得一提的是我們與英國國家測繪機構——英國地形測量局（Ordnance Survey）達成了一項合作協議，旨在為英國組織機構和企業提供高精度定位數據。使用地圖改善企業與城市之間的協作有助于提升城市的智能化水平，讓城市道路更安全。

英國地形測量局領先的地理空間和技術專長將與 Mobileye 基于汽車攝像機的測繪能力相結合，為能源、基礎設施和其他領域的客戶提供全新、準確和可定制的位置信息服務。

利用我們的技術，相關測繪車輛將收集大量關于公路網和路邊基礎設施的位置數據，然后將收集的數據與現有的地理空間數據庫相互參照對比，從而以驚人的細節和精度繪制英國道路和周圍地區的精確地圖。

依靠雙方的合作，英國測繪局可以和我們一起提供基于位置情報數據的定制解決方案，使現有行業和發展中行業的公司能夠運營更智能、聯系更緊密的業務。例如，公用事業公司可以利用這項服務，獲取其資產在地面上的準確位置，如沙井蓋、燈柱、電線桿等。通過加強對地上和地下資產的了解，這些公司可以更有效地規劃和管理維護需求、支持其他必要的工作。

除了未來的自動駕駛汽車外，測繪創新還可以被應用于其他領域。雙方的此次合作說明 Mobileye 獨有的測繪能力可以將位置數據的價值延伸到包括智慧城市在內的新的細分市場。此外，本次合作的關鍵在于以匿名的方式向企業和政府提供此類數據以保護隱私，而 Mobileye 獨有的測繪方法就能實現該需求。

我們還與大眾和 Champion Motors 合作，計劃于明年初推出首款自動駕駛打車服務，分工如下：ChampionMotors 負責運營車隊，大眾將提供車輛，而 Mobileye 將提供自動駕駛系統。這個項目將于 2019 年初開始運行，并逐步于 2022 年實現商業化。

同時，我們與北京公交集團進行了合作，北京公交集團是全球最大的城市公共交通公司，開展地面公共交通客運業務、公共交通投融資和資產管理、汽車服務貿易等業務。

此次三方合作將通過利用北京公交集團豐富的運營經驗和 Mobileye 的自動駕駛工具——即一套具備第四級無人駕駛能力的、體系完整的自動駕駛系統，為中國公共交通的發展和部署提供可商務化的自動駕駛解決方案。

ADAS 的進化之路

Mobileye 已經將 RSS 模型重新針對 ADAS 產品進行了開發，提議將其作為 AEB 技術的一種預防性補充和增強。

目前這項技術內部代號為「APB 自動預防性剎車」，即「Automatic Preventative Braking」的簡稱。由于 RSS 模型的公式能夠判斷出車輛進入危險環境的時刻，因此 APB 技術能夠通過主動施加輕微、幅度很小的預防性剎車來引導車輛回到安全位置。

APB 系統是自動緊急制動系統的增強版，可使用公式來確定汽車何時會發生危險狀況。并且在潛在危險發生時，可通過讓汽車減速、逐漸停止，來防止發生碰撞事故。

APB 通過采用幾乎不會讓人注意的預防性制動而不是突然制動，幫助車輛恢復到更安全的位置，從而防止碰撞事故發生。APB 不會理會阻礙交通的障礙物，而是主動調整車輛速度，以便在必要時保證安全，從而可在不影響交通的情況下提高安全性。

如果 APB 能夠應用至任何一輛安裝有前置攝像頭的汽車上，它將能夠大幅降低因駕駛策略錯誤引發的追尾事故。而一旦給這些車輛增加環視感知的能力并將 REM 地圖應用至該模型中，那么 APB 將有機會應用至更多場景，這意味著幾乎所有因策略不當引發的碰撞事故都可能被扼殺在搖籃里。

同時，配備環視攝像頭傳感和定位感知功能的 APB 系統可以消除「幾乎所有」的追尾事故。我們希望通過采用此類技術，可將因錯誤駕駛決策而導致的道路交通事故傷亡人數接近零。

我們近期發表了名為《Vision Zero: Can roadway accidents be eliminated without sacrificing traffic throughput?（零傷亡愿景：能否在不犧牲道路吞吐量的前提下消除道路交通事故？）》，提出了 APB 這樣的技術對 Mobileye「零傷亡愿景」的實現十分關鍵。

我們希望通過 APB 的大規模應用來降低道路交通事故傷亡率。此外，APB 的使用也能夠降低類似限速帶等道路基礎設施的投入成本，因為它在必要時能夠主動調整車速保證安全，但并不會破壞正常交通流速造成擁堵。因此，「零傷亡愿景」是可以實現的，在我們的論文中，我們用數據證明了它的可能性。

在自動駕駛領域，我們可以進行兩種變革，第一種交通變革，它是顯而易見的，是有價值的。另一種，是道路安全變革，也就是拯救生命的變革。它是可以依靠技術實現的，而這個技術，其實并不昂貴，不需要成千上萬美元，它只需要幾百美元，卻能拯救生命。因此，我們可以實現道路安全變革。

這就是我這一小時的演講要傳達的主要信息。