時隔不久，早在自動駕駛領域有所布局的騰訊再次出現在公眾視野，區別于此前，此次騰訊首次面向社會單獨為自動駕駛業務舉辦了技術開放日。12月7日，騰訊自動駕駛總經理蘇奎峰、仿真業務負責人孫馳天、數據云平臺產品負責人王鈺悉數到場，詳細為現場人員介紹了其在自動駕駛領域的戰略布局。

即便將時間定在周末，騰訊總部大廈二層的這間小會議室里依舊座無虛席。開放日正式舉行的一周前，騰訊就在名為“騰訊產業互聯網”的公號上開放了報名通道，當天到場的有來自整車廠、科技公司等對自動駕駛感興趣的百名人士。大廈之外，還停放著幾輛騰訊改裝的自動駕駛汽車。

會議現場，蘇奎峰再次重申了“騰訊不造車，也不做硬件”的初衷。明顯，做好軟件和服務才是騰訊的目標，他們將服務對象瞄向車企。

基于數據平臺、模擬仿真和高精度地圖三大基礎平臺，騰訊自行研發了融合定位、環境感知、決策規劃等核心算法，主要針對L2以上場景產品研發，提供模塊化軟件和服務，助力自動駕駛產品快速落地。

但要想實現自動駕駛量產應用，企業必須將用戶需求作為首要考慮要素。蘇奎峰認為，上下班通勤擁堵和長途旅行駕駛疲勞兩種特定情況，已經成為目前用戶在出行方面的痛點。為解決此問題，騰訊自動駕駛正在推進高速巡航（HWP）與擁堵巡航（TJP）相結合的解決方案，力求在國內120 km/h的限速前提下，實現縱向和側向跟車（包括上下匝道等）功能。

該功能的實現需要大量數據做驅動。所以，如何高效收集和利用數據，如何提高數據循環鏈路速度，如何利用數據做測試驗證，成為制約自動駕駛技術迭代的關鍵。對此，騰訊開發了自動駕駛數據云平臺和TAD Sim自動駕駛模擬仿真平臺，而這兩個平臺的構建需要建立在高精地圖的基礎之上。因此，高精地圖也被騰訊擺在了重要戰略位置上。

自動駕駛數據云平臺方面，騰訊通過線上工具鏈，進行算法預標注，以實現樣本自動化生產，其中包括全要素目標檢測、跨相機目標跟蹤、語義分割等圖像標注、3D激光點云標注、以及精準圖像與3D點云融合標注、變道標注等多種自動駕駛研發專用樣本。“區別于線下工具，云端標注能夠平均節省50%以上的人工標注成本。”王玨表示。

與此同時，該云平臺還能提供便捷圖形化界面交互、KPI評測體系等算法訓練評測服務，并能夠支持大規模場景數據集檢索使用的統一數倉管理服務。

基于以上功能，騰訊自動駕駛數據云平臺不僅能夠為車企及自動駕駛開發、測試及運營部門，提供軟硬件開環系統的測試驗證、典型交通場景的閉環驗證、傳感器模型及其它環境模型驗證。同時還能提供自動駕駛車隊管理調度、運行監控、軌跡跟蹤、在線反饋，以及高精度地圖、算法模型、軟件OTA升級等整套服務。

自動駕駛模擬仿真平臺方面，依托于在游戲領域的技術積累，騰訊將游戲引擎、工業級車輛動力學模型、虛實一體交通流等技術應用在其仿真平臺TAD Sim，利用場景編輯器、路采數據、和數據交通流生成虛擬場景，提供場景型云仿真和虛擬城市型云仿真兩種模式，對自動駕駛技術進行測試驗證。

孫馳天稱，有別于傳統模擬測試軟件，騰訊更加注重數據的利用率，憑借云端運行的方式，其能夠利用現有數據資源生成更多場景。除測試驗證自動駕駛技術外，騰訊的模擬仿真平臺還可以為政策制定部門、交通管理部門提供交通調度管理、道路及交通規劃、自動駕駛法規研究等方面的測試。

作為兩個平臺構建基礎，在高精地圖的布局上，騰訊一方面在云端存儲大量數據，形成數據閉環體系，實時反映在高精地圖中；另一方面，其能夠在車端實時觀察地圖，一旦發現出現變化，就采用眾包方式去驗證和更新地圖，以保持其精度和鮮度。

據孫馳天介紹，通過高精度地圖，TAD Sim可以完成不同環境下的幾何模擬，以及測試車輛的感知能力、決策能力、和車輛控制的模擬仿真。

截至目前，基于以上三大基礎平臺（數據平臺、模擬仿真、高精度地圖），成立近四年的騰訊已基本構建了自動駕駛核心能力。對于騰訊而言，接下來要做得是將業務重點放在技術迭代和做好用戶服務上。

會后，蘇奎峰、孫馳天、王鈺共同接受了包括億歐汽車在內的核心媒體的采訪。

以下為采訪實錄（有刪改）：

Q：騰訊對自己的定位是什么？只做軟件服務商的話，未來將如何適配硬件？

蘇奎峰：騰訊的定位是提供軟件和服務，助力車廠自動駕駛業務快速落地。未來，我們會把更多資源投入到能夠助力車廠的軟件服務、供應鏈、核心軟件上面。關注好客戶需求，做好用戶服務。

但騰訊只提供軟件，不代表不碰硬件，因為軟件需要基于整車硬件進行優化。首先，在軟件架構設計層面，我們會盡可能搭建一個能夠兼容各個平臺的算法；其次，我們會針對不同車型和廠家進行優化。由于自動駕駛對算法算力要求高，底層優化非常關鍵，一定要做到適配，這個步驟一定不能繞過去。所以，針對硬件的優化也是軟件的一部分。

Q：現在騰訊的仿真平臺需要多少機器資源？仿真場景能不能和實際路測場景相匹配？

孫馳天：騰訊云是可擴展的，現在是根據我們提交的需求來擴展資源。我們提交的場景越多，騰訊云給到的資源就會越多，這是動態的。從現實來看，虛擬場景和真實場景是能對應上的。真實場景的路測，可以在仿真系統里復現和測試。但仿真系統測試完之后，如何能在路上做一模一樣的測試，很難，除非找個演員。

Q：騰訊仿真平臺的最大賣點是什么？

孫馳天：我們比較重視數據的利用率，也就是如何能最大限度把采集的數據利用起來。我們更重視如何用現有數據資源生成更多場景，這需要很大算力，我們主要在云上運行，這是我們和傳統車輛仿真軟件比較大的一個區別。

蘇奎峰：自動駕駛需要大量數據來做一些基于數據的驗證，這不單純是仿真自己的問題，還是生成技術手段的問題。因此我們的云端、感知、決策，所有團隊都會助力仿真團隊做好這件事。同時，騰訊在游戲、AI方面都有一定的技術積累，能為仿真提供幫助。

Q：在數據采集標注和仿真方面，目前騰訊的付費模式是什么？

蘇奎峰：仿真方面，我們會根據客戶需求，提供單機版和云端版。會為客戶提供基礎配置，也會根據客戶需求提供不同配置，至于服務費和運維方式，是要具體談的。標注的話就按標注的章，都有計費方式去收費，如果客戶有測試資質，我們可以提供從采集到標注的一條龍服務，如果客戶已經有數據了，需要我們標注，我們只提供標注服務也可以。現在市場上也有一些小標注公司的成本也很低，但不知道他們是不是合法合規經營，騰訊的態度是，國家法律規定是紅線底線，絕對不會碰。

Q：在高精地圖實時更新這方面，騰訊目前是在測試階段？是通過眾包方式實現更新的嗎？

蘇奎峰：對，云端和車端的驗證，我們技術層面都打通了。依靠很多車在馬路上跑，才能更新自動駕駛數據，而不是通過再采集、再分析的方式。當然這是低成本的數據更新，這兩個不太一樣。

更新分兩種，一種是大規模眾包方式，前提條件是我已經有一定的基礎。還有一種情況是，如果新修一條路，我們一定要拿激光先采一遍，做一個底圖上去。不同的更新有不同方法和策略，但都是為了保證高精地圖的可靠性、準確性、實時性。單獨派采集車的話，周期比較長，頻率很低。但如果有上百萬輛自動駕駛車去跑，會回傳很多數據，自動駕駛車本身也有感知能力，很多已經檢測到了，分辨出了差異化，再傳回來，實現更新。

Q：除眾包之外，騰訊通過怎樣的自由手段更新高精地圖？

蘇奎峰：比如V2X、5G路測的一些節點。但像目前基礎設施還無法覆蓋足夠大的范圍，5G的成本也很高，這就要考慮商業化問題。如果只更新五公里、十公里、一百公里的示范區，是沒有問題的，各種手段都可以，但是要在全國范圍內一遍遍刷新的話，就存在一定的商業邏輯在里面。

Q：關于高精地圖制作成本，騰訊成本大概是在什么量級？現在來看，城市內道路的高精地圖采集成本是比較高的嗎？

蘇奎峰：量級差別還是蠻大的。城區道路的要素很多，環境也差。采集時，城區的車輛多，擁堵情況多。這種情況下，地面的要素就看不到了，可能這次看了20%，下次再堵的時候，又看了20%，就需要一次一次采集。我們現在還沒有大規模生產。小規模生產和大規模生產也有很大差異性，很難橫向比較。

現在看來城市內道路的采集成本有點高，但也未必，主要取決于技術手段和技術實力。

Q：騰訊現階段的業務重心是不是在HWP和TJP方面？

蘇奎峰：這是我們落地的一個方向，比如仿真云，我們布了大量人力，但在這過程中，我們L4也在做測試，做技術迭代。當下不會投入太多資源，比如把50%或者80%的資源放在L4，不會的。我們資源會有傾斜，傾斜到當下產業階段，產業需要什么，我們就做什么。

Q：騰訊以后會不會去掉激光雷達，走與特斯拉相似的路線？

蘇奎峰：激光雷達去不去掉，是取決于場景的。現在一些激光雷達的距離、激光點的密度遠遠滿足不了未來真正自動駕駛的需求，我們需要更好的激光雷達。現階段很難拿到滿足要求的激光雷達，并不代表不做激光雷達。沒有激光雷達，很多場景是解決不了的，尤其是城區這種場景。現在，早期買的激光雷達基本都需要替換，激光雷達沒有想象得那么好，尤其機械部件，容易隨著時間的增加而磨損，但他又對光學要求很高，時間一長，會出現很多問題。