腾讯自动驾驶（“新基建”助推自动驾驶进入快车道 腾讯等科技企业加大投入）

本文目录

• “新基建”助推自动驾驶进入快车道 腾讯等科技企业加大投入
• 腾讯的出行梦想
• 盘点知名自动驾驶仿真平台，Waymo、腾讯榜上有名
• 竞速商业落地 自动驾驶赛程进入下半场

“新基建”助推自动驾驶进入快车道 腾讯等科技企业加大投入

2020年，“新基建”成为了全民关注的焦点。据统计，截止到3月1日，全国有13个省市发布了2020年重点项目投资计划清单，涉及新基建总投资金额约为34万亿。包括5G基建、充电桩、大数据中心、人工智能、工业互联网等在内的七大板块，涵盖了交通出行、工业生产、民生保障、通信等方方面面。

新基建七大领域

自动驾驶进入快车道

与传统“铁公基”相比，“新基建”带有浓重的产业互联网基因，强调运用许多已经存在的尖端科技、技术去对传统的产业进行改造升级，是一个“并入式”的发展过程。从这个角度上来说，中国众多科技企业多年来的技术积累，为“新基建”的开展奠定了基础。

以 “新基建”七大板块之一的人工智能为例，自动驾驶集成了人工智能几乎所有技术类型，可以说是AI技术的皇冠。其发展应用涉及到从底层硬件到AI技术和平台等多个方面，包括芯片、传感器、计算机视觉、云平台、大数据服务等技术板块，涵盖环境感知、决策、高精地图与定位、车联网V2X、决策控制、测试与验证等复杂细分产业链。

腾讯自动驾驶汽车路试

每一次的工业革命，都是从能源、交通、信息这三大领域推动。随着国家对新能源产业发展的大力支持、大带宽、低延时的5G通信网络普及、以及智慧化的道路建设，自动驾驶将进入发展快车道。

科技企业加大自动驾驶领域技术投入

过去几年，为实现自动驾驶的商业化落地，以腾讯为代表的众多科技企业投入了大量的资源，为自动驾驶迎接“新基建”时代储备了充足的技术资本。

1、高精度地图覆盖全国高速、快速路

以高精度地图为例，它能为车辆提供精准的车辆位置信息和丰富的道路元素数据信息，帮助汽车预知路面复杂信息，如坡度、曲率、航向等，对于L4级以上的自动驾驶汽车来说，高精度地图是必要条件。

我国拥有高精度地图生产资质的企业屈指可数，腾讯就是其中之一。目前腾讯高精度地图团队已经完成了对全国重点城市快速路、高速路的高精度地图采集和数据生产，基于高精度地图的L4级自动驾驶汽车也开始了道路测试。

2、自动驾驶仿真技术落地应用

测试与验证，是自动驾驶技术落地的一大难点。绝对安全是人类对自动驾驶汽车的期望和要求，而行业普遍认为，要做到这一点，至少需要110亿英里的测试数据来对自动驾驶系统进行优化。这需要100辆汽车，以40km/h的速度，昼夜不停跑上500多年，对任何企业来说，都是一个难以企及的目标。

为了积累足够的测试数据，使用模拟仿真平台提升测试效率成为了行业的普遍选择。腾讯也利用强大的游戏引擎、工业级车辆动力学模型、三维重建等技术打造了自动驾驶模拟仿真系统TAD Sim。

上海博园路仿真效果对比

通过高精度、可扩展的模拟仿真技术，腾讯自动驾驶模拟仿真平台可以依据具体需求构建出一个无限趋近真实世界的场景，不仅可以满足不断迭代的测试需求，还可以提高自动驾驶研发效率。在场景型云仿真之外，腾讯还打造了虚拟城市型云仿真，让自动驾驶车辆在虚拟环境中持续的运行，并支持大规模并行加速，提升测试效率，满足自动驾驶技术发展的验证需求。

目前，国家智能网联汽车“长沙”测试中心等自动驾驶测试验证机构，也在采用腾讯模拟仿真平台来探索测试验证的创新应用。

3、顺应时代 布局5G-V2X

V2X，是自动驾驶走向落地的另外一项关键技术，其中V代表车辆，X代表任何与车交互信息的对象，当前X主要包含车、人、交通路侧基础设施和网络。该项技术的作用在于打通车、路、人的闭环，实现车辆与外界的实时信息交互，以最大限度弥补单车智能的不足，保证自动驾驶汽车在极其复杂的交通环境中也能安全行驶。

V2X技术需要依赖5G带来的大宽带、低延时信息交互。在“新基建”中，5G建设也作为支撑经济社会数字化、网络化、智能化转型的关键，被列为重中之重。

在5G-V2X的运用方面，腾讯未来网络实验室在2019年5月，正式发布了5G车路协同开源平台，聚焦于基于边缘计算的车路协同领域，着力于解决终端设备普及率低、没有主流软件触达用户、道路设备缺乏有效连接、道路信息碎片化等行业痛点，推进智能网联汽车应用的快速落地。

结语：

一方面，新基建热潮给科技企业带来更多的发展机遇，另一方面，科技企业的创新探索也为新基建发力提供了基础。可以说，以腾讯为代表的科技企业，储备了大量的尖端技术，在“新基建”的助推、普及下，可以助力自动驾驶行业玩家实现快速发展，推动智慧交通系统的建设。

今后，伴随着“新基建”的全面铺开，自动驾驶产业链上下游都会迎来更大的发展空间，这样的良性循环，对以自动驾驶技术为代表的智慧交通系统的构建乃至整个社会的整体发展来说，都具有重要的意义。

腾讯的出行梦想

未来的智慧出行产业，蕴含着十万亿级别的商业机会。

这个产业中的车联网、自动驾驶、智慧交通等领域，已经成为了诸多互联网与科技公司争夺的焦点。

在国内，百度有 Apollo 开放平台；阿里有实现无人物流的野心；华为不造车，但想再造一个 ICT 领域的「博世」。

而作为中国最大的互联网公司之一，腾讯在智慧出行产业也不会缺席。

一、

2018 年 10 月，20 岁的腾讯进行了其成立以来第三次重大的组织架构调整，将原有七大事业群整编成六大事业群：

撤销了移动互联网事业群（MIG）；社交网络事业群（SNG）；网络媒体事业群（OMG）；并将其业务分拆进调整后的各大事业群内；另外新增云与智慧产业事业群（CSIG）和平台与内容事业群（PCG）。

在此基础上，腾讯内部还组建起技术委员会，加大对人工智能、机器人等领域以及前沿基础科学的研究。

组织架构调整背后，折射的是其「扎根消费互联网，拥抱产业互联网」的发展战略。

新增的「云与智慧产业事业群」（CSIG）被寄予厚望，因为这个事业群将是腾讯拥抱产业互联网最核心的武器。

为此，腾讯派出了得力干将、腾讯公司高级执行副总裁汤道生担任 CSIG 总裁。

CSIG 整合了包括腾讯云、腾讯地图、智慧零售、安全产品等在内的业务线。

在新成立的 CSIG 事业群里，腾讯新建了一条针对汽车出行产业的重要业务线——腾讯智慧出行。

这个业务线的领头人是腾讯公司副总裁钟翔平，他被称为是腾讯内部最优秀的三个产品经理，另两位是微信的张小龙和打造「王者荣耀」的姚晓光。

组织架构调整后不久，当年 11 月，腾讯在南京召开了全球合作伙伴大会。

在这次大会上，腾讯的智慧出行战略首次曝光，同时腾讯自动驾驶作为独立品牌进行了首次亮相。

当时，腾讯智慧出行确立了「四横两纵一中台」的业务矩阵：

「四横」指的是四大重点业务，包括车联网、自动驾驶、位置服务以及乘车码；「两纵」是指腾讯的海量内容平台和安全保障系统；「一中台」则是将腾讯 AI 和腾讯云作为中台，为业务矩阵提供底层保障，帮助车企建立自己的车联网云平台和超级大脑。

各个业务板块中，车联网的负责人是钟学丹，自动驾驶的负责人是苏奎峰，地图负责人是谢建家，以及位置服务的负责人是牟蕾。

二、

其实，在腾讯整体确立智慧出行战略之前，这家中国最大的互联网公司之一已经通过投资的方式深入到造车、自动驾驶和高精地图等领域。

虽然并非所有领域都自己亲力亲为，但腾讯在汽车出行产业绝非「门外汉」。

2014 年的时候，李斌创办蔚来汽车，马化腾与京东的刘强东、小米的雷军等人一起成为蔚来汽车的联合发起人。

随后，在蔚来上市之前与之后的的数轮融资中，腾讯不断加注。

如今的蔚来已经走过坎坷，交付超过 4 万辆车，而腾讯则是蔚来的第二大股东，持有蔚来 15.1% 的股票。

在地图领域，腾讯在 2014 年以 11.73 亿人民币入股四维图新，拿到了 11.3% 的股权。

四维图新之后成为了腾讯地图的基础，其中四维图新提供地图基础数据，腾讯提供上层面向用户的服务。

今天的四维图新和腾讯都进行高精地图的研发，二者在该领域应该也保持着底层数据的合作。

2016 年，腾讯还出手投资了硅谷的自动驾驶公司?Zoox，金额约为 1 亿美元。Zoox 在上个月刚刚被亚马逊收购，整体收购金额大致在 12 亿美元。

与投资 Zoox 同年，腾讯内部成立了自动驾驶实验室，并开始在高精地图、环境感知、融合定位、决策控制等领域进行研发。这也是现在腾讯自动驾驶业务的基础。

四维图新和 Zoox 的投资案，背后的一位重要推动者就是时任腾讯 LBS 业务副总裁的马喆人，马喆人同时也是腾讯自动驾驶团队的发起人之一。

2017 年，马喆人出任 G7 总裁，此后又创办嬴彻科技。嬴彻科技，相当于货运版的 Zoox。

同样在 2017 年，腾讯斥巨资收购了特斯拉 5% 的股权，这起交易涉及金额达到了 17.8 亿美金，腾讯总计收购了特斯拉约 816.75 万股，成为特斯拉的第五大股东。

后来特斯拉将腾讯地图集成在了其车型上。不过今年年初，特斯拉在车机导航上放弃了腾讯地图，转向使用百度地图。

除了地图方面的合作，特斯拉和腾讯没有太多业务交集，不过如今特斯拉的股价飙升至 1300 多美元，投资特斯拉让腾讯赚了个盆满钵满（据说腾讯的持股成本在 220 美元左右）。

腾讯过往针对出行产业的投资还有很多，比如滴滴已经是网约车领域的超级玩家；腾讯扶持的摩拜单车，在共享单车赛道大热时，也是其中的佼佼者，虽然摩拜后来被美团收购，但美团同样是腾讯投资的企业。

腾讯要做拥抱产业互联网的急先锋。在汽车出行领域，其野心也在不断膨胀，投资之外，其已经亲身下到赛道中。

确立智慧出行战略、推动车联网产品上车、大力投入研发自动驾驶技术等等，这一切都表明，腾讯不是那个「没有梦想的腾讯」。

至少在智慧出行领域，腾讯有自己的大梦想。

这个「大梦想」的重要组成部分，就是腾讯的车联网和自动驾驶业务。

三、

腾讯做车联网，要追溯到 2015 年。

当年 9 月，腾讯车联开放平台举办了一场产品品鉴会，这是当时腾讯移动互联网事业群（MIG）旗下的车联网产品的首次公开亮相。

这场品鉴会上，腾讯车联开放平台发布了三大产品体系：车联 ROM、车联 App?和「我的车/MyCar」服务。

车联 ROM 可以理解成一个基于安卓定制的车机系统。

车联 App 则主要针对尚未联网的车机，用户下载手机端的 App 后，通过 USB/WiFi 就可以将手机和车机进行互联。

这样一来，实时更新的腾讯地图、娱乐信息和社交内容就可以通过手机显示到车载屏幕上。

MyCar 支持用户在微信/手机 QQ 端添加自己的车辆为好友，并且实现一些简单的功能。包括提醒车主车辆的状态，如大灯尚未熄灭、手刹未拉、所在位置等等。

2015 年 9 月上市的奔驰 GLE SUV 车型是首款搭载腾讯 MyCar 服务的车型。

两年后，在车联 ROM 的基础上，腾讯在 2017 年全球合作伙伴大会上推出了车联「AI in Car」系统。

当年，广汽、长安、吉利、比亚迪以及东风柳汽五家汽车厂商成为 AI in Car 生态的首批合作车企。

腾讯发布「AI in Car」系统半年之后，该系统就实现了量产上市，首款尝鲜的车型是广汽传祺 GS4。

而在 2018 年 11 月的腾讯全球合作伙伴大会上，「AI in Car」得到进一步更新，正式升级为?TAI 1.0（Tencent Auto Intelligence 1.0）汽车智能系统。

在「AI in Car」的基础上，腾讯 TAI 1.0 推出了多模人机交互、场景化地图、车载小程序和语音收发微信四大产品能力。

2019 年 5 月，腾讯在其全球数字生态大会上首次提出了「生态车联网」的概念，并将车联网系统升级为?TAI 2.0。

此次升级，系统中集成了场景引擎，场景引擎基于超级 ID、AI、大数据和 LBS 能力，实现用户兴趣、车端场景和服务应用的匹配，通过场景感知进行个性化服务的主动推送。

其次，腾讯车联提供超级 ID 与微信支付能力，超级 ID 打通手机-车机-智能设备等多个终端，实现服务的「全时在线」。

这可以理解为腾讯利用生态在车端提供场景服务的核心。

此外，系统还推出了一套跨 OS 的、云端轻量化的开发者应用框架——腾讯小场景。

这一次升级中，还有一个在车联网领域举足轻重的产品——车载微信也被集成到系统之中。

不过当时车载版微信还没有定型，直到 2019 年 8 月的重庆智博会上，车载版微信才进行了首次亮相。

后续，很多车型都已经集成车载微信，包括长安 CS75 Plus、广汽第二代传祺 GS4、理想 ONE、长安 UNI-T 以及 2020 版哈弗 F5 等。

2020 年，腾讯智慧出行在 1 月份的 CES 上和 6 月份的新品发布会上分两次发布了?TAI 3.0?系统。

TAI 3.0 包含两大车载 App——腾讯随行、腾讯爱趣听，以及上面提到的云端轻量化的生态开放平台「腾讯小场景」。

TAI 3.0 据称能为车上生态带来?300 万量级服务应用扩展空间。

在上车速度方面，腾讯官方称 TAI 3.0 系统能够适应不同车机系统和硬件平台，对于通过系统和硬件依赖性评估的车辆，2 个月就能实现快速上车。

新款的长城哈弗 F7 已经确认将首发搭载 TAI 3.0 系统。

从车联 ROM 到「AI in Car」再到 TAI，腾讯在车联网服务的内容多样性和体验的完整性上不断提升。

5 年时间里，腾讯先后与 29 家车企展开了合作。

根据官方数据，其落地量产车型超过 110 款。其中既有自主品牌的长安、广汽、长城、吉利等；也有国际车企如BBA、通用等。

今年，腾讯又和中国一汽、本田等车企达成了合作。

四、

在车联网业务之外，腾讯智慧出行的另外一大重要业务就是自动驾驶（TAD）。

腾讯的自动驾驶，并没有像百度 Apollo 或者阿里布局无人物流那样的野心庞大。

腾讯自动驾驶总经理苏奎峰曾经表示，他们「并非想成为一个颠覆者，而是做一个行业的助力者——成为技术落地的工具箱和加速器」。

早在 2016 年下半年，腾讯就成立了自动驾驶实验室，并开始在高精度地图、环境感知、融合定位、决策控制等领域进行研发。

腾讯自动驾驶实验室囊括了高精地图、融合定位、仿真平台、系统与架构、数据平台、核心算法等 6 大部门。

在 2019 年，其整体规模已经超过 200 人。

过去几年，腾讯还将这块业务从「自动驾驶实验室」调整为「业务中心」。苏奎峰后来在接受采访时讲到：这个变化意味着腾讯自动驾驶希望更贴近产业。

从平台策略出发腾讯自动驾驶，目前最核心的成果就是集研发、测试以及验证于一身的三大平台：开发云平台、虚拟仿真平台，以及高精度地图平台。

自动驾驶云平台（TAD Cloud）将基于云端存储空间与计算资源支撑，构建了数据采集、样本标注、算法训练评测、云端仿真、实车反馈闭环全流程云服务，提供自动驾驶全链路云服务和开发平台。

模拟仿真平台（TAD Sim）是采用各种场景来进行、模型在环、软件在环、硬件在环和车在环的全链条自动驾驶测试。

现阶段，很多主流的自动驾驶仿真系统都是根据游戏引擎开发的，而长于游戏开发和运营的腾讯，也将其在游戏上的积累应用在了仿真平台 TAD Sim 上。

今年 6 月，腾讯发布 TAD Sim 2.0，其场景库有超过 1000 种场景类型，基于 Agent AI 技术，借助腾讯云并行加速加持，可以泛化生成万倍以上规模的丰富场景，具备每日 1000 万公里以上的测试能力。

目前，腾讯自动驾驶仿真业务由孙驰天负责。

业务上，宝马也已经与腾讯就仿真模拟测试开展合作。

高级别自动驾驶离不开高精地图的支持。

腾讯拥有导航电子地图甲级测绘资质，在 2014 年便开展了高精度地图研究工作，其目前已完成了全国高速及快速路高精度地图数据采集。

腾讯的高精地图部门隶属于自动驾驶业务中心，但同时也要用到腾讯地图本身的数据和服务。所以这是一个跨部门的业务。

腾讯高精地图负责人为谷小丰。据知情人士透露，腾讯的高精地图部门即将划入腾讯地图，谷小丰将向苏奎峰和地图部门负责人双线汇报。

这三大平台在具体运作上，研发人员会利用云平台的数据进行算法训练、算法评测，再进行规模化的场景生成和仿真测试，利用数据来驱动自动驾驶技术快速的迭代和演进。

苏奎峰认为，这三大平台将形成「三剑合璧」的效果。

「不做硬件不造车」是腾讯自动驾驶的边界。

现在的腾讯自动驾驶，集成了算法、模拟仿真、高精地图等核心技术，专注于为车企提供平台和工具链。

五、

2018 年 5 月，一篇题为《腾讯没有梦想》的文章引爆网络，文章中一个重要的观点是腾讯很长一段时间里都处在「投行思维」中，仅通过投资去扶持每个赛道的领先者，顺便从中获取不菲的投资收益；但这个过程放弃了对于核心技术的探索，丧失了对技术驱动的狂热追求。

这一点，从腾讯早年对汽车出行领域的投资布局来看确实不假。

但在 2018 年的组织架构调整之后，在智慧出行领域，腾讯开始加大技术投入。

未来出行产业的庞大市场正在成型。在这样一个重要的产业领域，腾讯已经在投入大量的资金、资源，展开核心技术的探索，打造开放平台，为汽车的数字化、智能化转型提供技术驱动。

这是腾讯在智慧出行领域重拾梦想的开始。

盘点知名自动驾驶仿真平台，Waymo、腾讯榜上有名

无人驾驶离我们还有多远？

在发出这个问题前，首先要知道，自动驾驶汽车想要真正上路，必须经历多重安全考验，而路测则是必不可少的重要环节。

据美国兰德智库的估算，一套自动驾驶的系统至少需要经过110英里（约170-180亿公里）的验证才能达到量产条件。这就意味着，即便是一支拥有100辆测试车的自动驾驶车队，以25英里(40公里)每小时的平均时速全天24小时一刻不停歇地测试，也需要花费大约500年的时间。

同时，一台成熟的自动驾驶汽车还需要在暴雪、暴雨、强太阳光照射等极端条件下灵敏地识别道路上的物体，正确、迅速地做出反应。但在自然环境中，这些极端条件不会经常发生，且很多极端情况都非常危险，在测试中必须要估计到。所以，仅仅依靠实地开展自动驾驶道路测试，效率低，成本巨大，且不够全面。在这样的情况下，能够提供完美的虚拟现实路测环境的仿真平台，就成为了自动驾驶汽车进行道路测试的高性价比选择。今天我们就来一起看看，那些国内外知名的自动驾驶仿真系统是如何进行虚拟道路测试的。

英伟达：Drive Constellation——基于两种不同服务器的计算平台

在可编程图形处理技术上处于世界领袖地位的英伟达，于去年3月正式宣布上市云自动驾驶仿真平台Drive Constellation。

Drive Constellation使用照片级真实感模拟，基于云的自动驾驶汽车测试系统，是一款基于两种不同服务器的计算平台。第一台服务器运行 NVIDIA DRIVE Sim 软件，用以模拟如摄像头、激光雷达和雷达等自动驾驶汽车的传感器。DRIVE Sim软件可生成照片级逼真的数据流，以创建大量不同的测试环境，例如，它能够模拟诸如暴雨和暴风雪等不同天气状况，一天中不同时间内的光线变化，以及所有不同类型的路面和地形。第二台服务器则搭载了 NVIDIA DRIVE Pegasus AI 汽车计算平台，可运行完整的自动驾驶汽车软件堆栈，并能够处理如同来自路面行驶汽车上的传感器的模拟数据。

英伟达Drive Constellation

腾讯：TAD Sim——如同大型RPG游戏的仿真平台

众所周知，目前很多自动驾驶主流的仿真系统都是根据游戏引擎开发的，而擅长游戏开发和经营的腾讯，也将专业的游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术运用在了自动驾驶模拟仿真平台TAD Sim（Tencent Autonomous Driving Simulator）上，这也是腾讯做自动驾驶仿真平台得天独厚的优势。

在TAD Sim这个无限趋近真实世界的场景里，不仅可以满足自动驾驶汽车不断迭代的测试需求，还可以提高自动驾驶技术研发效率。TAD Sim内置的高精度地图，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，完成不同天气、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。结合采集的交通流数据以及极端交通场景的模拟，TAD Sim能够持各种激进驾驶、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。

去年，腾讯与宝马在自动驾驶领域达成战略合作，针对中国复杂多变的驾驶场景进行分析处理，助力宝马研发符合中国市场的自动驾驶技术和产品。此外，TAD Sim还可以为政策制定部门、交通管理部门提供交通调度管理、道路及交通规划、自动驾驶法规研究等方面的测试, 全方位助力自动驾驶的量产落地。

腾讯TAD Sim复杂路况仿真

Waymo：Carcraft——将现实变为虚拟的“开拓者”

从最初的“谷歌无人车”到后来的谷歌Waymo，谷歌可以说是自动驾驶研究领域的“老大哥”。前不久，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。

由于自动驾驶汽车需要利用网络神经与算法进行不断学习，所以Carcraft设置的各种各样的道路状况，可以让车辆从中学习到更多。Waymo 测试车在路上遇到的许多情况可以直接在模拟器中进行模糊化，同时程序员也可以将多种情况进行叠加，以创造出各种极端情况。Carcraft进行模拟后得到的数据又可以反馈给现实世界的测试车，这样循环往复，车辆就会变得越来越强大。对此前还在用“场景回放”进行测试的Waymo来说，Carcraft在自动驾驶研究中扮演着前所未有的重要角色，甚至对于世界的自动驾驶技术而言，Carcraft都意义非凡。

2019年年末， Waymo 宣布收购英国仿真技术公司Latent Logic，用于帮助Waymo实现更加贴近现实的仿真技术，更好地进行自动驾驶的预测和规划。

当前，国内的自动驾驶仿真系统还处于起步阶段。即使是国际上仿真模拟技术比较成熟的公司，在中国道路场景的开发与中国驾驶员行为模拟方面仍不够成熟。从另一个角度来看，这其实给中国本土研发自动驾驶仿真模拟技术的公司释放了良好的机会。期待越来越多的像腾讯这样的本土科技企业加入自动驾驶仿真系统的建设中来，搭建具有中国特色的仿真测试环境，助力成熟的无人驾驶技术早日实现。

竞速商业落地 自动驾驶赛程进入下半场

 [汽车之家 行业]? 自动驾驶竞赛进入下半场，推进商业化应用成为各企业发力的重点。根据美国兰德公司的研究，自动驾驶算法想要达到人类驾驶员水平至少需要累计177亿公里的驾驶数据来完善算法。

 如果配置一支100辆自动驾驶测试车的车队，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，期间所耗费的时间和成本无疑难以承受。

 利用仿真技术进行测试，被认为是降低成本、提升效率关键。目前，仿真测试在自动驾驶领域的发展如何？10月12日，中国电动汽车百人会、腾讯自动驾驶、中汽数据有限公司联合发布了《2020中国自动驾驶仿真蓝皮书》，详细介绍了技术应用现状及挑战。

趋势：未来或有99.9%测试利用仿真平台

 基于场景库的仿真测试是解决自动驾驶路测数据匮乏的重要路线。仿真测试主要通过构建虚拟场景库，实现自动驾驶感知、决策规划、控制等算法的闭环仿真测试，满足自动驾驶测试的要求。

 场景库是自动驾驶仿真测试的基础，场景库对现实世界的覆盖率越高，仿真测试结果越真实。自动驾驶汽车研发的不同阶段对于场景库的要求也不同，需要场景库实现不同的测试功能。

 在自动驾驶的开发流程中，纯模型仿真—软件在环仿真—半实物仿真—封闭场地道路测试—开放道路测试的开发流程是最经济、高效的开发流程。

『Waymo自动驾驶测试车辆』

 目前，自动驾驶仿真已经被行业广泛接受。例如美国自动驾驶领军企业Waymo旗下的仿真平台Carcraft每天在虚拟道路上行驶约2000万英里，相当于在真实世界中行驶10年。截止2020年5月，Waymo已经模拟行驶了150亿英里，相比之下，去年6月的数据是100亿英里。

 除Waymo外，通用旗下的Cruise、AutoX、小马智行等国内外自动驾驶解决方案商也在进行大量的仿真测试，以完善自己的自动驾驶系统，仿真测试已经成为自动驾驶商用最重要的测试。

 目前的数据来看，自动驾驶算法测试大约90%通过仿真平台完成，9%在测试场完成，1%通过实际路测完成。随着仿真技术水平的提高和应用的普及，行业希望通过仿真平台完成99.9%的测试量，封闭场地测试完成0.09%，最后0.01%到实路上去完成。这样，自动驾驶汽车研发将达到更高效、经济的状态。

『自动驾驶仿真测试场景』

现状：各赛道参与者积极布局

 目前自动驾驶仿真市场参与主体主要包括：科技公司、车企、自动驾驶解决方案商、仿真软件企业、高校及科研机构、智能网联测试示范区。由于每个市场主体在自动驾驶仿真方面的技术基础不同，因此在推动自动驾驶仿真方面的研发及合作方式呈现不同模式。

 科技公司在仿真方面起步相对较晚，在汽车功能探索方面经验较少，但是具备大数据优势，软件开发能力强。

 自动驾驶汽车相比传统汽车，对软件的需求更大，科技公司进行仿真软件的探索，目的是进入市场庞大的汽车行业，建立更大的数据平台，形成新的业务增长点。目前自动驾驶仿真科技公司主要包括腾讯、百度、华为、阿里等。

『科技公司自动驾驶仿真平台对比』

 微软、英伟达及LG等国外科技公司主要针对自动驾驶仿真软件进行研发，通过和产业链企业合作建立了自动驾驶研发生态体系，成为自动驾驶仿真的重要参与者。

 对于整车企业来讲，路测和仿真测试同步进行是最佳选择，而自动驾驶汽车在真正实现落地之前，需经过众多功能与安全测试，路测就是其中一环。由于路测效率较低，目前很多车企都倾向于选择自动驾驶仿真测试与路测相结合的方式来完成落地前的测试工作。

『车企利用自动驾驶仿真软件情况』

 自动驾驶解决方案商主要针对自身需求研发定制化仿真软件，较少对外提供仿真服务，但借助于充足的资金、人才集聚力及自身研发驱动力，在自动驾驶仿真方面具有很强的创新能力。各领先自动驾驶解决方案商都有自身仿真测试软件，如Waymo、Cruise、小马智行、AutoX等。

 仿真软件企业可分为传统仿真软件企业、初创企业两大类。传统仿真软件企业由于技术积累比较深厚，进入自动驾驶仿真具有先天优势，而且合作伙伴较多，二次开发具有优势。初创企业由于起步晚，技术积累较弱，国内企业和国外的差距较大，但依靠雄厚的资金和人才集聚力，创业公司在自动驾驶仿真软件研发方面有望迅速崛起。

 高校及科研机构主要应用自动驾驶仿真软件进行前瞻性、基础性研究，但很难形成成熟的商业化产品。国内从事自动驾驶仿真研究的高校及科研机构主要包括：清华大学、同济大学、北京航空航天大学、吉林大学、天津大学、长安大学、南京航空航天大学、武汉理工大学等。

『上海临港智能网联汽车综合测试示范区』

 智能网联测试示范区建设已形成一定规模。目前全国有10余家国家级和数家省级智能网联测试示范区，主要通过对5G、V2X车路协同、模拟仿真、车联网等新技术的部署和应用，为自动驾驶、网联通信供应商等提供系统测试服务，推动汽车、信息通信、道路设施等内容的综合标准体系的建立。为推动智能网联汽车的仿真测试工作，已有企业和智能网联示范区开展了路测与虚拟仿真相结合的测试。

挑战：测试评价体系缺乏规范

 目前自动驾驶仿真测试已初步形成完整的产业链体系，形成了科技公司、自动驾驶解决方案商、仿真软件企业为主的上游仿真软件提供商，以车企、自动驾驶测试机构为主的仿真软件下游应用商。从产业链角度分析，目前自动驾驶仿真测试还存在诸多问题。

 一方面，仿真场景库建设与合作机制有待完善。

 场景库建设效率低、费用高。目前场景库建设还需要依靠大量人工进行采集、标注，然后进行场景分析挖掘、测试验证，整个流程效率低、成本高，目前全球每年人工标注成本在10亿美元量级。

『国内共建自动驾驶仿真测试场景库仍需克服各项困难』

 场景库规模不够大，多样性、覆盖性、可扩展性不强。现有场景库不足以覆盖常见交通场景，在有限的资源投入情况下，还不能有效覆盖真实世界的多样性。由于场景中不同要素的改变均可以扩展为不同的场景，目前场景扩展性还不足以满足仿真测试的要求。

 场景有效性有待提高。现有场景是按实时数据采集，无法满足自动驾驶场景动态变化的要求。在场景中，人、车、路、行驶环境等动态和静态要素耦合，一个要素的变化将引起其他要素的改变，而且不同交通参与者均有自己的行为逻辑。例如改变车辆行为和轨迹，周边车辆和行人的行为也将随之改变。

 场景数据的采集格式和存储问题。现有的测试场景采集，是基于不同的车辆和传感器配置，无法适用于各类车型及技术路线的研发与测试，高精度地图的格式也是行业关注的重点。场景库的数据格式如系统架构、数据接口、数据库管理系统等统一也是需要重点关注的问题。

 测试场景中的测试真值及评估体系。测试场景数据采集需考虑采集要求、采集方法、数据预处理、数据传输存储、采集数量、采集精度、时间同步性、采集范围、采集完整性等各方面的因素，任何一个因素的欠缺都将导致场景的真实性及有效性。而且针对不同场景下自动驾驶测试车辆的测评指标体系尚不完善。

 场景库建立缺乏合作，资源重复性投入大。目前单一企业很难完成覆盖所有场景的场景库建设。当下各企业场景库建设都是各自为战，导致资源重复性投入，企业之间缺乏场景库建设合作。尤其是自然驾驶场景、标准法规场景等共性场景可以通过合作共建，实现使用共享，目前这方面的合作还很少。

『腾讯TAD Sim部分场景展示』

 另一方面，自动驾驶仿真测试评价体系缺乏规范。

 在自动驾驶仿真测试方面，由于不同仿真软件系统架构及场景库构建方法的不同，导致很难建立统一规范的仿真测试评价体系。目前国内仿真评价体系的研究方向主要是从驾驶安全性、舒适性、交通协调性、标准匹配性等方面评价自动驾驶车辆仿真测试结果，对于仿真软件自身的评价缺乏统一的评价标准，如仿真软件场景真实度、场景覆盖度、仿真效率等。

 自动驾驶汽车作为智能化产品，未来需要应用深度学习算法使汽车具备自我学习能力，如道路障碍物的复述重现能力、场景的泛化迁移能力，因此自我学习进化性也是自动驾驶汽车的评价指标，目前自动驾驶汽车的学习进化性还缺乏相应的评价规范。

总结：

 自动驾驶技术演化有两条路线，分别是由L2级到L3级和L4级到L5级，前者是多数车企走的路线，后者往往是科技公司的选择，两者的主要代表分别是特斯拉和Waymo。今年以来，多家企业表示，已具备L3级自动驾驶车辆量产能力；科技企业也纷纷展开Robotaxi的商业化运营测试。可以看出，各股竞争势力都在试图抢先落地应用自动驾驶技术。谁能在竞赛中拔得头筹？成本和效率无疑是最关键因素，仿真测试的成熟应用或将成为关键。（文/汽车之家 肖莹）