Mobileye 以 Amnon Shashua 教授的年度演講宣告CES 2026正式啟幕。

Amnon Shashua 教授登臺演講，展望2026年及未來，公布了公司多項關鍵進展。演講全面覆蓋從高級駕駛輔助系統（ADAS）到自動駕駛汽車（AV）的全產品布局以及核心里程碑事件，包括與大眾汽車和MOIA在自動駕駛出租車（Robotaxi）領域的合作進展，以及Mobileye視覺-語言（VLSA）模型與創新訓練方法的最新技術突破。最后，宣布當日重磅新聞--通過收購Mentee Robotics，Mobileye正式進軍人形機器人領域。

這些發布共同標志著公司邁入全新的發展階段--Mobileye 3.0。在這一階段，Mobileye將其在物理AI領域的技術領導力進一步拓展至兩大極具潛力的前沿賽道。

公司業績與解決方案部署

Amnon Shashua 教授首先概述了Mobileye的市場地位、預期營收以及解決方案部署規模等數據，重點強調了關鍵增長點。

進入2026年，Mobileye未來八年的預期營收總額達245億美元，較2023年173億美元的預期金額增長約42%。2025年，公司斬獲過去十年未曾合作過的兩家新車企（OEM）的定點項目，同時，EyeQ?6L芯片獲得定點數量較2024年增長3.5倍。

截至2025年第三季度末，全球已有超過2.3億輛汽車搭載了Mobileye技術。

環繞式ADAS正在引領面向大眾市場量產車型的駕駛輔助技術突破

演講重點披露了一項重大定點成果：一家美國頭部車企已選定Mobileye環繞式ADAS?平臺，搭載于其即將推出的面向大眾市場量產車型上。此項合作進一步印證了行業趨勢--傳統基礎ADAS正在加速向環繞式ADAS演進。

環繞式ADAS配置多個攝像頭和雷達，通過單個ECU內置的一顆EyeQ?6H系統集成芯片（SoC）來處理數據，實現全車周感知與輔助駕駛功能。該集中式架構旨在降低整車廠系統復雜度與成本的同時，支持更高級別的駕駛輔助功能，包括一體化泊車能力，以及在特定高速公路的運行設計范圍內駕駛員”運動脫離|需注視”的駕駛體驗。

至2033年，計劃同MOIA聯合部署超過10萬輛 Robotaxi

自動駕駛出租車（Robotaxi）在公共道路的安全落地需要端到端生態系統支持，包括持續運營、車隊管理以及真實路況適配能力。在主題演講中，圍繞ID. Buzz項目，大眾汽車自動駕駛出行公司首席執行官Christian Senger受邀登臺，深入探討了大規模部署的實踐路徑。

在這項合作中，大眾汽車提供具備產業規模的車輛生產能力，Mobileye通過Mobileye Drive?系統提供L4級完全自動駕駛技術，MOIA則負責車隊運營與出行服務層搭建，三方共同圍繞ID. Buzz平臺構建完整的運營生態系統。該項目計劃于2026年在美國啟動首批部署，隨后逐步拓展至歐洲市場。

此項合作將自動駕駛出租車（Robotaxi）項目擴大到了可觀的規模，目前已在多種天氣與氣候條件（晴天、雨天、雪天）下的多個城市開展測試。據Christian Senger透露，MOIA計劃到2033年，部署超10萬輛搭載Mobileye系統的高等級駕駛自動化車輛。

人工智能如何深度融入自動駕駛?

合作推動業務落地的同時，技術創新也在持續加速，人工智能已成為自動駕駛演進的核心驅動力。更強大的新模型不斷涌現，其應用早已不再局限于純數字世界，而是擴展到在真實物理環境中運行的系統。但即便依托超高性能模型，人工智能領域的核心挑戰仍未消除，包括“幻覺”問題、安全驗證保障、以及大規模訓練需求等。?

Shashua教授闡述了Mobileye針對這些限制設計的架構方案，以及如何通過“快思考與慢思考”決策雙系統、視覺-語言-語義-動作（VLSA）融合模型等創新，在算力和功耗受限的實時系統中，充分發揮現代人工智能的優勢，同時保持極高的決策準確性。

“快思考與慢思考”決策雙系統

這一架構的核心在于從“快思考”和“慢思考”兩個維度看待駕駛任務：快思考系統負責高頻率的“反射式”決策，包括安全層相關決策；慢思考系統則負責處理需要對整體場景進行推理的駕駛決策（不直接影響行車安全），因此可采用低頻率運行模式。

基于ACI的涌現式駕駛策略

這一架構的核心支撐是人工群體智能（Artificial Community Intelligence，ACI），一種基于自博弈的駕駛策略框架，其駕駛策略訓練依托于感知狀態仿真，而非逼真圖像。借助Mobileye路網智能技術生成的高清地圖，ACI將車輛、行人、公交車等道路參與者模型置于真實道路場景中，并為每個模型配置數百萬種可能的駕駛行為。這一設計可高密度注入低頻但高風險的極端場景，并能在極短時間內生成數十億小時級別的仿真駕駛數據。

視覺-語言-語義-動作（VLSA）模型

視覺-語言-語義-動作（VLSA）模型作為慢思考系統的核心，是一種基于視覺-語言的深層場景語義處理模型，其作用類似于在復雜駕駛場景中陪伴新手駕駛員的資深駕駛員。VLSA模型不直接控制車輛或輸出行駛軌跡，而是提供結構化的語義指導，饋入規劃系統，而安全關鍵控制仍由受正式安全層約束的快思考系統負責。

通過快思考與慢思考的功能分離機制，結合大規模仿真訓練，構建了一套無需將生成式模型置入安全環路、也無需依賴人工遠程操控來解決所有邊緣場景的自動駕駛規模化可拓展的路徑。?

從“需注視”到“注意力脫離”：ADAS、自動駕駛與機器人技術的未來?

Shashua教授展望了2030年代駕駛自動化行業在三大領域的進化路徑，涵蓋ADAS、消費級自動駕駛汽車、以及自動駕駛出租車（Robotaxi），核心圍繞“智能安全擴展”展開。目前應用于高端消費級汽車的L2++“駕駛員運動脫離|需注視”系統，將持續進行成本優化，逐步成為更廣泛車型的標配。

消費級L3系統將從當前的“視覺脫離”向L4“注意力脫離”駕駛進化，降低人工干預頻率，并擴展至現有高速公路設計運營范圍之外的場景。已具備商業部署能力的自動駕駛出租車(Robotaxi)系統，將通過傳感器優化、成本降低，以及車輛遠程操控比例的大幅下降等實現加速發展。

展望2030年，駕駛自動化領域的下一個重大變革將是從“視覺脫離”到“注意力脫離”的跨越，人工干預頻率將降至足以支撐大規模部署的水平。??

Mobileye 與 Mentee Robotics：物理AI的新疆域

在主題演講的尾聲，Shashua教授宣布Mobileye將收購Mentee Robotics。Mentee專注于垂直整合的軟硬件研發，核心技術包括仿真優先式學習、少樣本泛化、高靈巧度人形機器人手部設計和零遠程操控技術。

通過此次收購，Mobileye的業務范圍將從汽車領域拓展至更廣泛的、同樣面向現實世界構建的物理AI系統賽道。?

此舉反映了駕駛自動化與機器人技術的深度融合趨勢，兩大領域共享核心物理AI技術架構，涵蓋多模態感知、環境建模、意圖感知規劃、精密控制，以及不確定性下的決策制定能力。