受疫情影响，“禁足”也成为自动驾驶车辆在这段时期的写照。

　　尽管实地路测受阻，但得益于自动驾驶仿真平台，线上的虚拟仿真路测仍旧得以开展。

　　所谓的自动驾驶仿真，就是指通过传感器仿真、车辆动力学仿真、高级图形处理、交通流仿真、数字仿真、道路建模等技术模拟路测环境，并添加算法，从而搭建相对真实的驾驶场景来完成自动驾驶汽车路测工作的一种形式。

　　据雷锋网了解，Waymo、腾讯将其视为头等大事；AutoX、Pony.ai、文远知行等自动驾驶初创公司也在自主研发仿真环境；业内也逐渐培育了51VR等开源式的第三方自动驾驶仿真平台。

　　而后，华为也加入了这个队伍之中。

　　2019年4月上海车展上，华为自动驾驶云服务Octopus首次展出，仿真测试就属于其中一项服务能力。2020年1月9日，华为自动驾驶云服务首次在长沙湘江新区落地。

　　虚拟仿真路测成刚需

　　在高级自动驾驶车辆的开发过程中，无论是车辆系统的复杂程度、还是使用环境的复杂程度都在急剧增加。因此需要“喂”给自动驾驶车辆足够多的数据，才能保证车辆在实际上路过程中的安全。

　　但自动驾驶的实地路测是一件漫无尽头的事情。行业内普遍预测，为了保证自动驾驶技术安全可靠，自动驾驶玩家需要110亿英里的测试数据来对自动驾驶系统不断优化升级。

　　如果按照100辆自动驾驶汽车，每天24小时不停歇路测，平均时速25英里（40公里）每小时来计算，需要500多年的时间才能完成目标里程，期间所耗费的成本更是不可估计。

　　此外，自动驾驶汽车可能还要应对暴雪、暴雨、台风、强光照等极端场景。但在自然环境中，这些场景发生的情况有限并且大多危险。因此仅依靠实地路测，不仅效率低而且成本巨大，很难满足自动驾驶车辆的要求。

　　而自动驾驶仿真测试平台的出现，很好地补足了传统实地路测的不足，成为自动驾驶企业的刚性需求。据推算，未来5年仿真软件与测试的国际市场总规模约在百亿美元左右。

　　华为入局自动驾驶仿真市场

　　尽管在汽车领域是后来者，但华为在自动驾驶云服务赋能上有着自己的逻辑。

　　华为认为，自动驾驶的快速开发上市及功能迭代，将是车企在未来智能网联竞争中率先赢得市场的关键，但在这个过程中，自动驾驶的开发者面临的挑战也十分明显。

　　一是如何快速获取自动驾驶车辆产生的海量数据并且高效处理？一辆自动驾驶测试车1小时产生约8TB数据，一天8小时就会有64TB的数据。一个月按22天工作日则产生约1.3PB /月的数据，但其中有效数据仅为0.05%，同时还有80万张/车/天图片有待人工标识。

　　二是训练和仿真需要AI算法和超强算力的加持。单车预计需累积里程100+亿公里，300GPU/2天模型训练，仿真测试则每天需处理100万公里。

　　三是仿真层面不仅需要大量场景支持在线仿真，同时也需要有以实车为主的决策规划仿真系统。

　　因此，如果要解决虚拟仿真问题，海量数据的处理是必须迈过的一道坎。

　　那华为自动驾驶云服务这把利刃，能够亮出什么样的锋芒？

　　诚如所见，华为的自动驾驶云服务Octopus形为八爪鱼，服务覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期业务，向开发者提供包括数据服务、训练服务、仿真服务在内的3大服务。

　　在上述的三大服务之下，华为的自动驾驶云服务“八爪鱼”能为企业用户提供以下核心能力：

　　处理海量数据，自动化挖掘及标注，能够节省70%以上的人力成本；

　　软硬件加速，平台提供华为自研升腾910 AI芯片和MindSpore AI框架能大幅提升训练及仿真效率；

　　丰富的仿真场景，高并发实例处理能力：通过集成场景设计和数据驱动的方法，合计提供超过1万个仿真场景；系统每日虚拟测试里程可超过500万公里，支持3000个实例并发测试；

　　云管端芯协同，车云无缝对接：Octopus天然支持无缝对接MDC（移动数据中心）等车端硬件平台和ADAS系统，实现车云协同；

　　可见，华为的自动驾驶仿真能力并非单独出现，而是作为一种服务和能力集成在华为自动驾驶云服务之中。

　　仿真能力只是其数据闭环中的一个节点，这个节点只有与其他环节合作才能发挥出最大的组合优势。

　　也就是说，华为意在让自动驾驶云服务与智能驾驶计算平台MDC、智能驾驶OS一起，发挥华为云+AI优势，组成车云协同的MDC智能驾驶平台，开放合作促进智能驾驶快速发展。

　　华为还表示，未来会将高精地图、5G及V2X技术等能力集成到“八爪鱼”中去，携手更多的车企和开发者加速智能驾驶商用落地。

　　“不造车，聚焦ICT技术，成为面向智能网联汽车的增量部件供应商”，是当初华为进军汽车领域时的定位。

　　无论是近日获得ISO 26262功能安全管理认证证书的华为MDC智能驾驶计算平台，还是位于智能汽车业务战略金字塔顶端的自动驾驶云服务，都可见，在智能汽车领域，华为的“醉翁之意”并非是成为自动驾驶开发者，而是开发者手中的那枚利器。

　　赛道玩家的交锋

　　华为的入局，大概率会和早先入局的玩家迎头撞上。

　　在已经入局的玩家中，Waymo的自动驾驶模拟系统Carcraft是较为神秘的那一个，但Carcraft的脚步从未停止。

　　Waymo的自动驾驶车辆在实地路测时遇到的许多情况可以直接在Carcraft中进行模糊化，程序员可以将多种情况进行叠加创造出各种极端情况，而在模拟器中得到的数据又可以反馈给现实世界的测试车。

　　得益于这样的数据闭环，前段时间谷歌宣布， Waymo自主研发的仿真测试软件Carcraft已模拟了100亿英里的道路场景，且支持Waymo车型进行大规模测试。

　　此外，2019年末， Waymo 还收购英国仿真技术公司Latent Logic，后者开发的AI技术能够通过“模仿学习”来构建逼真的人类驾驶行，帮助Waymo实现更加贴近现实的仿真技术。

　　在国内，此前腾讯也已在搭建自己的自动驾驶“绿洲”。

　　结合专业的游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术，腾讯打造了虚实结合、线上线下一体的自动驾驶仿真系统 TAD Sim（Tencent Autonomous Driving Simulator）。

　　腾讯滨海大厦路段多天气多时段仿真

　　你可以把它理解为一部大型的RPG角色扮演游戏。当然这需要强大的游戏引擎作为基础，才能保证场景还原有足够的真实度。

　　因此也可以很明显地看到腾讯长久以来在游戏经验和技术储备上丰富的积累，运用到仿真模拟上所表现出来的场景优势。

　　腾讯认为，在场景的几何还原上，模拟仿真平台要做到三维场景仿真和传感器仿真，让环境和测试车辆条件都与现实世界相同；在场景的逻辑还原上，要在虚拟世界中模拟出测试车辆的决策规划过程；在场景的物理还原上，需要模拟出车辆的操控和车身动力学作用结果。

　　三种层次的还原之后，才能在虚拟世界中看到与现实世界无限接近的自动驾驶测试结果。同时仿真平台还要满足高并发的特点，实现所有场景下车辆反应的排列组合。

　　除三维重建之外，TAD Sim还与高精地图、云加速平台、交通流模型等技术打出“组合拳”。

　　TAD Sim内置高精度地图，可以完成感知、决策、控制算法等实车上全部模块的闭环仿真验证。不同天气、光照条件等环境的几何模拟，以及测试车辆的感知能力、决策能力、和车辆控制仿真都可以实现。

　　同时，借助腾讯的云计算资源，极大地加速海量场景计算过程。

　　在应对极端场景上，结合采集的交通流数据以及更多极端交通场景的模拟，在TAD Sim上可以进行各种激进驾驶、极端情况的自动驾驶测试，以更高效率、更安全的方式完成在现实世界中无法进行的各项测试。

　　除腾讯外，另一个玩家51VR也将跨界玩转得风生水起。

　　基于AR（VR）+AI技术，原本在地产领域发力的51VR在2018年12月18日推出51Sim-One 自动驾驶仿真测试平台。

　　经过一年的迭代，在地球克隆计划3发布会上，51VR发布了“51World城市级全要素场景自动化平台”。对其自动驾驶仿真平台来说，“全场景要素”意味着更完整的自动驾驶测试功能覆盖。

　　据雷锋网了解，51World全要素场景囊括 L1-L5 五大分级。

　　L1为初仿真场景，能快速自动生成城市网格；L2为中仿真场景，可实现快速自动还原城市建筑、道路细节、地表植被、车流人流等细节；L3高仿真场景，可实现建筑细节、动态光影及车流等高拟真画质；

　　L4为超仿真场景，主要用于模拟仿真及AI训练，可实现交通信号、车辆及行人的细节还原；最高级L5全仿真场景，可实现纹理细节的照片级真实还原，并能真实还原光照及其他物理规律。

　　51VR表示，目前这个技术已经覆盖智慧城市、智慧交通、智能驾驶等领域，并与行业中的头部客户进行合作。

　　华为善于硬件、腾讯长于软件、51VR的触手范围广泛，这些公司的参与，有望帮助建立起更加良性自动驾驶仿真生态，帮助自动驾驶车辆解决很多常规场景下无法解决的问题。

　　当然，这不意味着虚拟的仿真测试能够代替实地路测，解决量产最终面临的测试难题。但至少在迈向自动驾驶车辆量产的路上，玩家能够少走一点弯路，加速商用落地的到来。