AI技术的发展为自动驾驶带来了更加光明的未来。
作者|Juice
编辑|志豪
国内自动驾驶行业发展迎来了春天。
日前，国内四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，《通知》中正式对L3/L4自动驾驶的准入规范进行了具体要求，完善了相关规则。
这意味着国内为推出L3和L4级自动驾驶车型做好了政策基础，自动驾驶向商业化、规模化又迈进了一步，对于国内自动驾驶行业的发展来说，可谓是一个里程碑式的事件。
▲四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》
这份文件中，重点说明了事故责任的划分，在自动驾驶系统激活状态下发生违法或事故，试点企业与试点使用主体需在规定时间内向相关部门提供证明材料。若未按规定提供材料，则需承担事故责任。
除了政策法规完善之外，自动驾驶的相关技术也有了很大的发展，大模型的爆发也给自动驾驶提供了更多的思路。行业的头部玩家都在用大模型的思路在做自动驾驶，目前特斯拉向内部员工推送的FSDV12就采用了端到端的大模型思路。
而另一方面，为保证自动驾驶安全，模拟仿真、封闭场地和实际道路测试三种测试方法缺一不可。通常情况下按照先模拟仿真、再封闭场地、最后实际道路测试的顺序，在自动驾驶系统开发和应用的不同阶段，采用不同的测试方式。从场景测试数量看，模拟仿真测试远远大于封闭场地和实际道路测试，实际道路测试通常远大于封闭场地测试，从而可以提升测试效率、降低测试成本、减少测试时间。从经济和效率角度看，自动驾驶仿真测试是最有效手段，不仅能够覆盖更多场景，也能够更好满足全生命周期的OTA需求。
▲城市交通数字孪生仿真测试
这方面也有很多公司在进行布局了，如腾讯提出了实时数字孪生的概念，对自动驾驶领域的仿真进行了很多思考，并且还和广汽、上汽等车企建立了合作。
随着政策和相关技术的不断完善，自动驾驶正在朝着非常光明的方向发展。
在这样的背景下，日前，智东西/车东西联合腾讯发起了「数字孪生十问」系列活动，第一期主要围绕自动驾驶展开，针对自动驾驶领域邀请部分行业专家学者、主机厂和自动驾驶产业链代表进行了一场交流，进一步分析了仿真在自动驾驶落地过程中的重要作用。
01.
自动驾驶领域出现新思路 端到端算法火热
自动驾驶产业在近年来由于相关技术突破、市场需求的催化，取得了一些进展，但整体上，受制于技术复杂度高、需求波动、法规政策制定不完善等问题，产业呈现起起落落的发展节奏。
西安建筑科技大学校长，长安大学教授、博导，国家重点研发计划新能源汽车重点专项“自动驾驶仿真及数字孪生测试评价工具链”专项牵头人赵祥模在会上提到，网联化自动驾驶的发展涉及到车、路、云、网的全面协同问题，但核心还是首先要解决低延时高可靠的网络通信问题。现阶段的5G无论是成本还是性能都不能完美地支撑自动驾驶发展，尤其是成本消耗会给企业带来巨大压力。如果未来支撑自动驾驶的通信技术得以很好解决，自动驾驶产业会迎来井喷式发展。
当下对于自动驾驶产业来说，则是非常重要的时刻：一方面，国内出现了关于L3和L4相关的法规，鼓励整个行业进行更多的探索，从法规层面真正为自动驾驶奠定了基矗
而另一方面，自动驾驶领域也不断有新的技术出现，其中最典型的无疑是特斯拉，早在2021年特斯拉就正式提出了BEV+Transformer的组合，开始用全新的思路研发自动驾驶。
▲特斯拉FSD Beta版本页面
此后，国内多个玩家迅速跟入。现阶段，几乎所有的玩家都在布局BEV+Transformer算法。2022年，特斯拉又进一步推出了占用栅格网络（Occupancy），进一步完善了车辆的3D空间识别。这些技术的快速落地也推动了自动驾驶的快速发展，现阶段火热的高速/城市NOA都离不开这些算法层面的更新。
推动自动驾驶量产落地，仿真测试的重要性正在不断增加，通过模型或者设备模拟车辆行驶时的环境和车辆的情况，建立起闭环运行的自动驾驶环境。通过这些测试，可以更好验证自动驾驶算法的运行情况，也可以更早地发现算法上的漏洞进行修补和更新。
会上，同济大学汽车学院教授、汽车安全技术研究所所长、博导朱西产提到，采用路测的方式能确保获取数据的真实度，但要想实现场景全覆盖，就需要有一些更科学的方法，这其中，仿真是自动驾驶工具链的重中之重，不仅可以用最短的时间、最小的里程来完成尽量多的场景覆盖，而且还可以再生成数据。
02.
场景覆盖代替里程覆盖
数字孪生+AIGC意义重大
自动驾驶对于安全性的要求非常高，实地测试并不是一个合适的途径，基于数字世界的仿真测试显得更为重要。
这点贯穿自动驾驶的整个流程，以前段时间讨论地非常火热的AEB为例。部分企业对AEB的要求是50万公里触发一次，而有一些企业则要积累测试80～100万公里。
对于这种“争吵”的声音，长安汽车首席智能驾驶技术官陶吉认为，大家争论AEB谁家的好，说明大家对自动驾驶的功能，已经超越了“有和没有”的阶段，进入到“好用和不好用”的阶段。
但里程覆盖存在一个问题：对于普通的消费者来说，交通事故的概率极低，可能有人一辈子都不会发生交通事故，可能有的人每隔一段时间就会有一些事故发生，这些例子是无法通过里程来覆盖的。
朱西产认为，比里程覆盖更为科学的则是场景覆盖，而仿真就能够促进场景覆盖成为现实，因为在仿真测试中可以生成更多的场景。
▲TAD Sim虚拟城市型云仿真
腾讯在这方面已经做了很多的布局，数字孪生就能够提供仿真需要的一些能力。
另一方面，自动驾驶的测试验证存在长尾场景，算法的成熟度越高，采集数据的有效性会越来越低。
针对一些极端的场景，像一些撞击、翻车这样的危险场景，很难通过现实场景来收集到数据。
除此之外，数据还存在一个样本均衡性的问题，如果某些样本容量很小，那就很难通过这些数据训练出一个性能不错的模型，而这些都可以通过仿真来实现。
腾讯集团副总裁、腾讯智慧交通与出行总裁钟翔平提到，数字孪生是从数到实，将现实世界以数字化的方式呈现，可以提供更多的场景，以及足够多的样本，保证结果的安全性。
▲腾讯基于数字孪生仿真技术实现场景风格转换（左上、左下-仿真场景，右上-真实图像，右下-风格转换后图像）
另外，仿真也可以带来很多成本和时间上的优势，具体来看，用真实的车辆进行测试，就需要投入大量的车辆去跑，这就带来了很大的成本。
另一方面，真实的测试中，数据的积累和时间的付出是正相关的，只有投入更多的时间才能收集到更多的数据。
从效率角度来看，仿真可以用最少的里程，最短的时间完成最多的场景覆盖，真正提升测试的效率。
腾讯地图副总裁、腾讯数字孪生业务负责人张少宇提到，自动驾驶仿真测试中，地图与数字孪生的结合会起到重要的作用，可以提供更真实和准确的仿真环境，模拟真实世界中的道路、交通流、交通信号、交通标志等，方便进行更加全面的模拟测试，包括功能、性能、安全性等测试，提升用户体验。同时，使用仿真测试来进行高精地图OTA前的数据检查，可以降低地图数据检查成本和回归测试时间。
元戎启行CEO周光也指出，在实车测试过程中，我们需要考虑各种现实因素对智能驾驶系统的影响，例如障碍物体积、角度、车速、光照、天气、传感器状态等，但是这些并不容易被复现。为了积累更多测试数据及复现极端场景，智能驾驶企业除了实车测试，也需要在仿真系统里进行测试。而数据孪生可以对交通场景进行高精度还原，实现雨、雪、光照等自然环境以及道路情况的逼真模拟，提升了仿真测试的可靠性。
▲雪天高速公路数字孪生仿真测试
而在数字孪生之外，腾讯也在结合目前比较火热的AIGC技术来做一些方案。
目前，仿真测试通过采集真实数据去重建数字场景，然后进行编辑，生成更多场景。AI技术的爆发，可以让这项工作效率大幅增长。
腾讯自动驾驶总经理苏奎峰谈到，采用AIGC技术可以创造出更多的合成数据，尤其是一些敏感或高安全领域的数据和长尾数据，从而填补真实数据中的缺口，提升训练和测试样本的样本的多样性、完备性和均衡性。同时，利用ChatGPT这种大语言模型，提升人机协同能力，实现更好的人机交互和人机共驾。
▲夜间交通数字孪生仿真测试
因此，整体上来看，在自动驾驶的落地方面，仿真测试的重要性在整个行业内已经形成了共识，而腾讯在这方面有很深的技术积累，随着技术能力的不断释放落地，将会加速L3级自动驾驶时代的到来。
03.
智能汽车产业的未来生态
需要打破数据孤岛
对于当下的智能汽车来说，自动驾驶是非常重要的一环，做好自动驾驶，智能汽车的概念才能更好落地。
而智能汽车的开发模式和传统汽车的开发模式则有所不同，主要依靠数据驱动，需要更多的数据来不断迭代优化。
周光认为，海量的测试数据可以反哺算法框架，推动智能驾驶系统解决更多长尾场景。元戎启行通过构建一套大数据问题统计与分析系统，让技术团队能够快速、清晰地了解当前智能驾驶系统的薄弱场景在哪，继而更有针对性地优化智能驾驶算法。数据闭环让元戎启行在短时间内进行百次技术迭代，打造无行驶区域限制的高阶智能驾驶解决方案。
目前所有的玩家都开始重视起数据的重要性了，自动驾驶玩家会收集自动驾驶相关的数据，而车企也会收集行车相关的数据，甚至一些供应商也会建立自己的数据系统。
▲大规模车道级仿真
虽然汽车行业产生了很多的数据，但当下的做法则是每个玩家都单独保存自己的数据，并不对外开放。
这样一来，就出现了一个问题，不同车企之间收集到的数据可能基本相似，不同自动驾驶玩家收集到的数据也会存在基本相似的问题，就变成了大家都在做着同样的事情。
这导致了一部分数据被重复收集，而一部分有价值的数据又不能发挥应有的作用，久而久之就形成了数据孤岛。
长安前瞻技术研究院副总经理、长安智途总经理吴学松认为，要想实现智能汽车的快速发展，一定需要打破数据孤岛，需要更多的公司协作，来实现真正发展。
而像腾讯这样的公司也正在致力于打破信息不通的情况。
在今年4月份，腾讯分享了“车云一体”的思考，通过在云端对研发生产体系的改造，重构“软件开发部署”的“软产线”，提升研发工程效能；同时构建车云一体化数据驱动的运营平台，帮助车企构建起一张由用户来运营的“活地图”，让数据充分发挥价值，来持续提升车端的体验，并拓展创新增值服务；然后通过手机和车、车和车等多端的互动，将连接拓展至更广泛的生活场景，不断创新用户服务的模式。
不难发现，腾讯“车云一体”的概念也是为了更好更高效地发挥汽车数据价值，从而打造出更加具备竞争力的产品，和行业专家的思路不谋而合。
整体上来看，智能汽车产业的未来也需要更多的玩家共同来参与。
站在当下这个时间节点来看，汽车行业正在迎来百年最大的变局，自动驾驶无疑是其中非常核心的一个领域。
经过十多年的摸索，自动驾驶和人工智能技术已经有了非常紧密的合作，而政策的支持也开始逐步显现，腾讯提出的数字孪生+AIGC方案，刚好契合了产业发展的技术要求。
而随着这一方案的不断推广，真正的自动驾驶也将会加速落地。
