在5G、人工智能、云計算、大數據等新ICT技術的使能下，汽車，正在成為一種新的移動智能終端。

自動駕駛是汽車新四化（智能化、網聯化、電動化、共享化）的核心，集中運用了計算機、人工智能、融合傳感、通信、云計算、高精地圖、自動控制等多學科綜合技術，被視為現代科學皇冠上的明珠。

2020年2月10日，發改委、工信部等11個國家部委聯合印發《智能汽車創新發展戰略》，提出：“到2025年，實現有條件自動駕駛的智能汽車達到規模化生產，實現高度自動駕駛的智能汽車在特定環境下市場化應用”。

各大車企與檢測機構正急迫需要突破自動駕駛關鍵基礎技術、完善測試評價體系，構建 “人－車－路－云”協同的自動駕駛系統。

2019年10月22日，世界智能網聯汽車大會上，華為輪值董事長徐直軍做了主題演講，闡述了華為智能汽車業務戰略，描繪了智能汽車解決方案的五大業務板塊：智能網聯、智能駕駛、智能座艙、智能電動、云服務，而華為自動駕駛云服務就位于金字塔的塔尖。

華為自動駕駛云服務，也被稱為HUAWEI Octopus（華為八爪魚），它與華為MDC智能駕駛計算平臺、智能駕駛OS一起，共同組成了車云協同的智能駕駛平臺，可以有效幫助車企和開發者快速開發出自動駕駛應用，助力自動駕駛快速商用落地。

2020年1月9日，HUAWEI Octopus已在湘江新區上線，將有效降低湘江新區自動駕駛領域研發企業的門檻，促進更多企業、機構、學校積極投入自動駕駛、智能網聯潮流，帶動這一前瞻產業在當地的蓬勃發展，助力湘江新區打造智能網聯產業生態聚集新高地。

華為自動駕駛云服務為何取名“華為八爪魚”？有什么特點呢？

八爪魚被譽為海洋里的靈長類動物，它有一個聰明的大腦，學習能力強，進化程度高。這與如今自動駕駛開發落地所需要的核心能力非常相似：超強自動駕駛感知，需要持續學習，方能四通八達、無處不在。

傳統汽車在一個國家生產，只要通過區域檢測機構認證，就能在該區域內的任何地方行駛。區域內的不同場景是依靠人的駕駛技術來適應的。

但智能網聯汽車不行，它的自動駕駛行為無法再像傳統汽車只能依靠人的駕駛進行判斷，而是更多的依靠算法，其在出廠前是無法窮盡各種場景。自動駕駛汽車需要持續地學習，基于計算機視覺的感知系統，要學習高速場景、城市場景、各國交通標識、偏僻鄉村、深山等各種場景，進行fine tuning訓練，以提高感知算法的準確率和置信度。自動駕駛云服務要能支持任何特定物理區域的訓練接入。

“華為八爪魚”就如同海洋中的八爪魚一般，依靠豐富靈敏的感知觸角、不斷學習的聰明大腦，支持任何特定物理區域的訓練接入，實現四通八達、無處不在。

打造自動駕駛全生命周期的全棧平臺

華為利用自身在云計算、車聯網、人工智能等ICT技術領域的積累，通過構建一個統一的、面向自動駕駛全生命周期的全棧云平臺。

可以向車企和開發者，提供三大服務，五個能力，及一站式體驗，降低自動駕駛開發門檻，讓自動駕駛開發變得更智能、更高效、更便捷，助力車企及開發者快速開發和使用自動駕駛。

自動駕駛的快速開發使用及功能迭代，是車企在未來競爭中率先贏得市場的關鍵。但在此過程中，車企和開發者將面臨如下挑戰：

需要處理的數據量大，成本高。單車會產生1．3PB／月的數據，80萬張／天的圖片待標注，如何快速的獲取數據和高效的處理數據？

從訓練和仿真來看，單車預計需累積里程100＋億公里，將耗費大量的人力、算力、時間，如何加快訓練效率，輸出更多的場景，更高的準確率，助力快速上市？

仿真是確保自動駕駛持續提升安全性的關鍵，如何支持更豐富的場景快速的完成仿真測試，并持續優化算法？

如何實現大數據的統一、AI能力的統一構建，及高效運營管理？

“華為八爪魚”是一個按需獲取的全棧云平臺，服務覆蓋自動駕駛數據、模型、訓練、仿真、標注等全生命周期業務。向車企及開發者，提供了包括數據服務、訓練服務、仿真服務在內的三大服務。

數據服務：處理車載硬件平臺上輸出的傳感器數據，回放雷達、攝像頭等不同格式的數據；支持PB級海量存儲、交互式大數據查詢和海量數據治理。

訓練服務：管理和訓練自動駕駛模型，不斷在新的數據集和測試集上提升模型的準確度，持續提升自動駕駛安全系數。不僅如此平臺還提供軟硬件加速，能大幅縮短訓練時間，提升訓練效率。

仿真服務：提供仿真、場景庫管理、場景片段、評測系統等應用工具，確保自動駕駛模型合規、安全、可度量、質量達標，快速集成到版本中。同時支持檢測機構快速建立自動駕駛評測系統。

同時，“華為八爪魚”具備如下五大能力，以芯片與平臺為核心，讓自動駕駛開發更智能、更高效、更便捷。

01

面對海量的數據處理，平臺具備PB級別海量存儲和億級數據秒級檢索，自動化標注功能，在公開數據集訓練上達到領先準確度，將加速數據處理的閉環，節省70％人力。

02

模型訓練和調試需要大量GPU資源，華為昇騰910 AI芯片和MindSpore AI框架將大幅提升訓練效率：如在典型的ResNet50 網絡的訓練中，Altas900集群與主流訓練GPU相比，顯示出接近2倍的訓練速度提升。在超強算力加持下，自動數據挖掘功能結合預置豐富場景生成規則，還將為仿真提供更多有意義的場景，如接管，前車插入和數據丟幀。

場景一：自動駕駛算法需要不斷挖掘場景、學習及調優。無人車在十字路口左轉出現車輛前插，導致接管。系統挖掘出這一場景轉換成仿真，供算法調優，同時系統也會就調優效果進行比較，以供算法持續優化。

03

除了內置超過1萬個仿真場景，覆蓋智能駕駛、主動安全、危險場景等六大場景，還支持將路測數據場景轉換為仿真場景，讓場景更豐富。可同時并發超過3000實例用于海量仿真任務，每日虛擬測試里程可超過500萬公里。

場景二：自動駕駛算法的評測，需要大量豐富的場景庫，如自然場景、危險場景、事故場景等，評測方根據測評要求，制定測試方案，提供場景庫及測試服務。評測過程中，為提高效率，評測方可提供場景并行評測，并快速輸出測評結果。而針對未通過場景，還可單獨回放，詳細了解測試過程及相關數據。

04

全托管，開箱即用，全生命周期管理，用戶無需從零搭建一套復雜的自動駕駛系統，從而能聚焦于核心價值（算法和數據標注），快速開展自動駕駛業務。

05

最后，HUAWEI Octopus天然支持無縫對接MDC（移動數據中心）等車端硬件平臺，實現車云協同。

共同邁向智能網聯汽車新時代

華為自動駕駛云服務自2019年4月正式發布以來，已逐步得到車企和開發者的廣泛認同，目前已在湖南長沙湘江智能網聯示范區等項目中商業落地，面向區域內的生態企業提供服務，幫助車企和開發者快速開發自動駕駛應用，也正與國內外客戶和合作伙伴逐步展開自動駕駛評測等合作。

未來，華為還將把高精地圖、5G及V2X技術、更多的AI算法、仿真場景等能力集成到“華為八爪魚”中去，攜手更多的車企、開發者和檢測機構等，加速智能駕駛快速商用，共同邁向智能網聯汽車新時代。