華為入局百億美元自動駕駛仿真市場，平臺賦能玩家交鋒在即

受疫情影響，“停飛”也成為這一時期自駕車輛的寫照。雖然現場路測受阻，但得益于自動駕駛模擬平臺，仍然可以進行在線虛擬模擬路測。所謂自動駕駛仿真，是指通過傳感器仿真、車輛動力學仿真、高級圖形處理、交通流仿真、數字仿真、道路建模等技術，模擬道路測試環境，并加入算法構建相對真實的駕駛場景，完成自動駕駛汽車道路測試的一種形式。據雷鋒網報道。com、Waymo、騰訊都將其視為重中之重；AutoX、Pony.ai、文遠智行等自動駕駛創業公司也在自主開發仿真環境；業界也逐漸培育了51VR等開源第三方自動駕駛仿真平臺。2019年4月上海車展，華為自動駕駛云服務Octopus首次展出，模擬測試是服務能力之一。2020年1月9日，華為自動駕駛云服務首次落地長沙湘江新區，這也意味著自動駕駛模擬領域迎來了一個巨頭。虛擬模擬駕駛測試是先進自動駕駛車輛開發過程中的剛需，無論是車輛系統的復雜程度還是使用環境的復雜程度都在快速增加。因此，需要向自動駕駛車輛“反饋”足夠多的數據，以保證車輛在實際道路中的安全。但是自動駕駛的實地路測是一件沒完沒了的事情。業內普遍預測，為了保證自動駕駛技術的安全性和可靠性，自動駕駛玩家需要110億英里的測試數據來不斷優化和升級自動駕駛系統。如果以100輛自動駕駛汽車全天24小時行駛，平均速度為每小時25英里(40公里)，那么完成目標里程需要500多年，而這期間的成本更是無法計算。此外，自動駕駛汽車可能還要應對暴風雪、暴雨、臺風、強光等極端場景。然而，在自然環境中，這些場景是有限的，也是最危險的。因此，僅依靠實地路測不僅效率低，而且成本高，難以滿足自動駕駛汽車的要求。自動駕駛模擬測試平臺的出現彌補了傳統實地路測的不足，成為自動駕駛企業的剛性需求。據估計，未來五年仿真軟件和測試的國際市場總規模約為100億美元。雖然華為作為汽車領域的后來者進入了數百億美元的市場，但華為在賦能自動駕駛平臺方面有自己的邏輯。華為認為，自動駕駛的快速開發、上市和功能迭代將是車企在未來智能網聯競爭中首先贏得市場的關鍵，但在這個過程中，自動駕駛的開發者面臨的挑戰也非常明顯。一、如何快速獲取自動駕駛車輛產生的海量數據并高效處理？一輛自動駕駛測試車1小時產生8TB左右的數據，一天8小時就會有64TB的數據。一個月22天的工作日，大概產生1.3 Pb/月的數據，但有效數據只有0.05%，每車/天還有80萬張圖片需要人工標注。第二，訓練和仿真需要AI算法和超強的計算能力。單車預計積累100+億公里，300GPU/2天模型訓練，模擬測試每天需要處理100萬公里。第三，仿真層面不僅需要大量場景支持在線仿真，還需要基于實車的決策規劃仿真系統。所以要解決模擬問題，首先要解決數據問題。華為的自動駕駛云服務能展現出怎樣的優勢？大家可以看到，華為自駕云服務Octopus，外形為章魚，涵蓋自駕數據、模型、訓練、仿真、標簽等全生命周期服務，為開發者提供數據服務、訓練服務、仿真服務三大服務。

在上述三項服務下，華為自動駕駛云服務“章魚”可為企業用戶提供以下核心能力:處理海量數據，自動挖掘和標注，可節省超過70%的人力成本；軟硬件加速，平臺提供華為自研910 AI芯片和MindSpore AI框架，可大幅提升訓練和仿真效率；豐富的仿真場景和高并發實例處理能力:通過整合場景設計和數據驅動的方法，提供超過10000個仿真場景；該系統可并行處理海量仿真任務，日虛擬試驗里程可超過500萬公里，同時可同時模擬3000個實例。云端協同和車云無縫對接:章魚天然支持MDC(移動數據中心)和ADAS系統等硬件平臺無縫對接，實現車云協同；華為的意圖很明顯。自動駕駛云服務將與智能駕駛計算平臺MDC和智能駕駛OS一起，充分發揮華為云+AI的優勢，在車云形成協同MDC智能駕駛平臺，開放合作，推動智能駕駛的快速發展。換句話說，華為的自動駕駛模擬能力并不是單獨出現的，而是作為一種服務和能力集成到華為的自動駕駛云服務中。仿真能力只是其數據閉環中的一個節點，這個節點只有與其他環節配合才能發揮其最大的組合優勢。華為還表示，未來將把高精地圖、5G和V2X技術融入Octopus，攜手更多車企和開發者，加速智能駕駛的商業落地。“不造車，專注ICT技術，成為智能網聯汽車的增量零部件供應商”是華為進入汽車領域時的承諾。這既是一個承諾，也是一個目標。無論是最近獲得ISO 26262功能安全管理認證證書的華為MDC智能駕駛計算平臺，還是位于智能汽車業務戰略金字塔頂端的自動駕駛云服務，都可以看出華為的“醉翁之意”并不是成為自動駕駛開發者，而是開發者手中的武器。平臺使能者的對抗，但華為的進入，無疑會與更早進入的玩家正面碰撞。比如之前，騰訊在打造自己的自動駕駛“綠洲”。和華為一樣，騰訊的仿真系統也憑借其高精地圖、開發和運營云平臺打出了“組合拳”。結合專業游戲引擎、工業車輛動力學模型、交通流與虛擬現實等技術，騰訊構建了虛擬現實與線上線下相結合的自動駕駛模擬器(TADSIM)。

騰訊濱海大廈路段多天氣多時段模擬你可以理解為大型RPG角色扮演游戲。當然，這需要強大的游戲引擎作為基礎，保證場景還原有足夠的真實性。因此，可以清楚地看到，騰訊長期以來積累了豐富的游戲經驗和技術儲備，并由此將其運用到模擬中，展現場景優勢。騰訊認為，在場景的幾何還原上，仿真平臺要實現三維場景仿真和傳感器仿真，使環境和測試車輛條件與真實世界相同；在場景的邏輯還原上，要在虛擬世界中模擬測試車的決策和規劃過程；在場景的物理還原中，需要模擬車輛操縱和車身動力學的結果。經過三級還原，我們可以在虛擬世界中看到無限接近真實世界的自動駕駛測試結果。同時，仿真平臺還應滿足高并發的特點，實現所有場景下車輛響應的排列組合。騰訊的TAD Sim內置高精度地圖，可以完成實車中所有模塊的感知、決策、控制算法等閉環仿真驗證。可以實現不同天氣、光照條件等環境的幾何模擬，以及測試車輛的感知能力、決策能力、車輛控制模擬。騰訊自動駕駛總經理蘇奎峰介紹，TAD Sim的虛擬城市有兩個維度，一個是在真實城市環境中搭建的城市級仿真；另一個是得益于騰訊的高精地圖，可以支持開發者在全國高速公路上模擬、測試、驗證。結合收集到的交通流數據和更極端交通場景的模擬，可以在TAD Sim上進行各種攻擊性駕駛和極端自動駕駛測試，以更高效、更安全的方式完成現實世界中無法進行的各種測試。除了騰訊，另一個玩家51VR也會讓跨界玩的風生水起。基于AR(VR)+AI技術，原本在房地產領域的51VR于2018年12月18日推出了51Sim-One自動駕駛模擬測試平臺。經過一年的迭代，51VR在地球克隆計劃3發布會上發布了“51World城市級全要素場景自動化平臺”。對于其自動駕駛仿真平臺而言，“全場景要素”意味著自動駕駛功能測試的全覆蓋。

據雷鋒網報道。51世界全要素場景包括L1-L5五個等級。L1是初始模擬場景，可以快速自動生成城市網格；L2是一個中等仿真場景，可以快速自動地還原城市建筑細節、道路細節、地表植被、交通和人。L3高仿真場景，細節比L1-L2更完整真實，目前可以達到建筑細節、動態光影、交通流量等高逼真畫質。L4是超仿真場景，主要用于仿真和AI訓練，可以還原交通信號、車輛、行人等細節。最先進的L5全模擬場景，可以實現紋理細節的照片級真實還原，可以真實還原光照等物理規律。51VR表示，目前該技術已覆蓋智慧城市、智慧交通、智能駕駛等領域，并與行業頭部客戶合作。華為擅長硬件，騰訊擅長軟件，51VR的觸角很廣。這些公司的參與有望幫助建立一個更加良性的自動駕駛模擬生態系統，幫助自動駕駛汽車解決許多常規場景下無法解決的問題。當然，這并不意味著虛擬仿真測試可以代替外場路試，解決量產最終面臨的測試問題。但至少在自動駕駛汽車量產的路上，玩家可以少走彎路，加速商業落地的到來。

受疫情影響，“停飛”也成為這一時期自駕車輛的寫照。雖然現場路測受阻，但得益于自動駕駛模擬平臺，仍然可以進行在線虛擬模擬路測。所謂自動駕駛仿真，是指通過傳感器仿真、車輛動力學仿真、高級圖形處理、交通流仿真、數字仿真、道路建模等技術，模擬道路測試環境，并加入算法構建相對真實的駕駛場景，完成自動駕駛汽車道路測試的一種形式。據雷鋒網報道。com、Waymo、騰訊都將其視為重中之重；AutoX、Pony.ai、文遠智行等自動駕駛創業公司也在自主開發仿真環境；業界也逐漸培育了51VR等開源第三方自動駕駛仿真平臺。2019年4月上海車展，華為自動駕駛云服務Octopus首次展出，模擬測試是服務能力之一。2020年1月9日，華為自動駕駛云服務首次落地長沙湘江新區，這也意味著自動駕駛模擬領域迎來了一個巨頭。虛擬模擬駕駛測試是先進自動駕駛車輛開發過程中的剛需，無論是車輛系統的復雜程度還是使用環境的復雜程度都在快速增加。因此，需要向自動駕駛車輛“反饋”足夠多的數據，以保證車輛在實際道路中的安全。但是自動駕駛的實地路測是一件沒完沒了的事情。業內普遍預測，為了保證自動駕駛技術的安全性和可靠性，自動駕駛玩家需要110億英里的測試數據來不斷優化和升級自動駕駛系統。如果以100輛自動駕駛汽車全天24小時行駛，平均速度為每小時25英里(40公里)，那么完成目標里程需要500多年，而這期間的成本更是無法計算。此外，自動駕駛汽車可能還要應對暴風雪、暴雨、臺風、強光等極端場景。然而，在自然環境中，這些場景是有限的，也是最危險的。因此，僅依靠實地路測不僅效率低，而且成本高，難以滿足自動駕駛汽車的要求。自動駕駛模擬測試平臺的出現彌補了傳統實地路測的不足，成為自動駕駛企業的剛性需求。據估計，未來五年仿真軟件和測試的國際市場總規模約為100億美元。雖然華為作為汽車領域的后來者進入了數百億美元的市場，但華為在賦能自動駕駛平臺方面有自己的邏輯。華為認為，自動駕駛的快速開發、上市和功能迭代將是車企在未來智能網聯競爭中首先贏得市場的關鍵，但在這個過程中，自動駕駛的開發者面臨的挑戰也非常明顯。一、如何快速獲取自動駕駛車輛產生的海量數據并高效處理？一輛自動駕駛測試車1小時產生8TB左右的數據，一天8小時就會有64TB的數據。一個月22天的工作日，大概產生1.3 Pb/月的數據，但有效數據只有0.05%，每車/天還有80萬張圖片需要人工標注。第二，訓練和仿真需要AI算法和超強的計算能力。單車預計積累100+億公里，300GPU/2天模型訓練，模擬測試每天需要處理100萬公里。第三，仿真層面不僅需要大量場景支持在線仿真，還需要基于實車的決策規劃仿真系統。所以要解決模擬問題，首先要解決數據問題。華為的自動駕駛云服務能展現出怎樣的優勢？大家可以看到，華為自駕云服務Octopus，外形為章魚，涵蓋自駕數據、模型、訓練、仿真、標簽等全生命周期服務，為開發者提供數據服務、訓練服務、仿真服務三大服務。

在上述三項服務下，華為自動駕駛云服務“章魚”可為企業用戶提供以下核心能力:處理海量數據，自動挖掘和標注，可節省超過70%的人力成本；軟硬件加速，平臺提供華為自研910 AI芯片和MindSpore AI框架，可大幅提升訓練和仿真效率；豐富的仿真場景和高并發實例處理能力:通過整合場景設計和數據驅動的方法，提供超過10000個仿真場景；該系統可并行處理海量仿真任務，日虛擬試驗里程可超過500萬公里，同時可同時模擬3000個實例。云端協同和車云無縫對接:章魚天然支持MDC(移動數據中心)和ADAS系統等硬件平臺無縫對接，實現車云協同；華為的意圖很明顯。自動駕駛云服務將與智能駕駛計算平臺MDC和智能駕駛OS一起，充分發揮華為云+AI的優勢，在車云形成協同MDC智能駕駛平臺，開放合作，推動智能駕駛的快速發展。換句話說，華為的自動駕駛模擬能力并不是單獨出現的，而是作為一種服務和能力集成到華為的自動駕駛云服務中。仿真能力只是其數據閉環中的一個節點，這個節點只有與其他環節配合才能發揮其最大的組合優勢。華為還表示，未來將把高精地圖、5G和V2X技術融入Octopus，攜手更多車企和開發者，加速智能駕駛的商業落地。“不造車，專注ICT技術，成為智能網聯汽車的增量零部件供應商”是華為進入汽車領域時的承諾。這既是一個承諾，也是一個目標。無論是最近獲得ISO 26262功能安全管理認證證書的華為MDC智能駕駛計算平臺，還是位于智能汽車業務戰略金字塔頂端的自動駕駛云服務，都可以看出華為的“醉翁之意”并不是成為自動駕駛開發者，而是開發者手中的武器。平臺使能者的對抗，但華為的進入，無疑會與更早進入的玩家正面碰撞。比如之前，騰訊在打造自己的自動駕駛“綠洲”。和華為一樣，騰訊的仿真系統也憑借其高精地圖、開發和運營云平臺打出了“組合拳”。結合專業游戲引擎、工業車輛動力學模型、交通流與虛擬現實等技術，騰訊構建了虛擬現實與線上線下相結合的自動駕駛模擬器(TADSIM)。

騰訊濱海大廈路段多天氣多時段模擬你可以理解為大型RPG角色扮演游戲。當然，這需要強大的游戲引擎作為基礎，保證場景還原有足夠的真實性。因此，可以清楚地看到，騰訊長期以來積累了豐富的游戲經驗和技術儲備，并由此將其運用到模擬中，展現場景優勢。騰訊認為，在場景的幾何還原上，仿真平臺要實現三維場景仿真和傳感器仿真，使環境和測試車輛條件與真實世界相同；在場景的邏輯還原上，要在虛擬世界中模擬測試車的決策和規劃過程；在場景的物理還原中，需要模擬車輛操縱和車身動力學的結果。經過三級還原，我們可以在虛擬世界中看到無限接近真實世界的自動駕駛測試結果。同時，仿真平臺還應滿足高并發的特點，實現所有場景下車輛響應的排列組合。騰訊的TAD Sim內置高精度地圖，可以完成實車中所有模塊的感知、決策、控制算法等閉環仿真驗證。可以實現不同天氣、光照條件等環境的幾何模擬，以及測試車輛的感知能力、決策能力、車輛控制模擬。騰訊自動駕駛總經理蘇奎峰介紹，TAD Sim的虛擬城市有兩個維度，一個是在真實城市環境中搭建的城市級仿真；另一個是得益于騰訊的高精地圖，可以支持開發者在全國高速公路上模擬、測試、驗證。結合收集到的交通流數據和更極端交通場景的模擬，可以在TAD Sim上進行各種攻擊性駕駛和極端自動駕駛測試，以更高效、更安全的方式完成現實世界中無法進行的各種測試。除了騰訊，另一個玩家51VR也會讓跨界玩的風生水起。基于AR(VR)+AI技術，原本在房地產領域的51VR于2018年12月18日推出了51Sim-One自動駕駛模擬測試平臺。經過一年的迭代，51VR在地球克隆計劃3發布會上發布了“51World城市級全要素場景自動化平臺”。對于其自動駕駛仿真平臺而言，“全場景要素”意味著自動駕駛功能測試的全覆蓋。

據雷鋒網報道。51世界全要素場景包括L1-L5五個等級。L1是初始模擬場景，可以快速自動生成城市網格；L2是一個中等仿真場景，可以快速自動地還原城市建筑細節、道路細節、地表植被、交通和人。L3高仿真場景，細節比L1-L2更完整真實，目前可以達到建筑細節、動態光影、交通流量等高逼真畫質。L4是超仿真場景，主要用于仿真和AI訓練，可以還原交通信號、車輛、行人等細節。最先進的L5全模擬場景，可以實現紋理細節的照片級真實還原，可以真實還原光照等物理規律。51VR表示，目前該技術已覆蓋智慧城市、智慧交通、智能駕駛等領域，并與行業頭部客戶合作。華為擅長硬件，騰訊擅長軟件，51VR的觸角很廣。這些公司的參與有望幫助建立一個更加良性的自動駕駛模擬生態系統，幫助自動駕駛汽車解決許多常規場景下無法解決的問題。當然，這并不意味著虛擬仿真測試可以代替外場路試，解決量產最終面臨的測試問題。但至少在自動駕駛汽車量產的路上，玩家可以少走彎路，加速商業落地的到來。

標簽：

汽車資訊熱門資訊