提到自動駕駛的商業(yè)競爭，車聯(lián)網(wǎng)無疑是其中最為慘烈的一個領(lǐng)域，里面充斥著各種巨頭博弈、屌絲逆襲的勵志故事。

可是，自動駕駛賽道的復(fù)雜性遠(yuǎn)遠(yuǎn)不是臺面上所顯露出的那么簡單。

當(dāng)自動駕駛進(jìn)入到以Robotaxi為代表的公開道路測試階段時，如何提升測試效率、更加精進(jìn)技術(shù)、加快落地速度，成為行業(yè)迫切需要解決的問題，此時，自動駕駛模擬仿真平臺的重要性被凸顯出來。

事實上，Waymo、騰訊、百度一直將其視為自己在自動駕駛領(lǐng)域的核心能力，最近華為也加入到這一領(lǐng)域的競爭，推出了自動駕駛云服務(wù)Octopus（八爪魚）。

另外一個維度，以AutoX、文遠(yuǎn)知行、Pony.ai、希迪智駕等為代表的幾乎所有的自動駕駛初創(chuàng)公司也根據(jù)各自的需求，自主研發(fā)模擬仿真環(huán)境。

與此同時，行業(yè)也逐漸培育了諸如賽目科技、51VR等在自動駕駛模擬仿真測試平臺有所專長的獨(dú)角獸。

問題來了，讓行業(yè)巨頭趨之若鶩的虛擬仿真市場到底藏著些什么秘密？

自動駕駛模擬仿真，既是商業(yè)之爭，也是標(biāo)準(zhǔn)之爭

眾所周知，自動駕駛在研發(fā)的過程中需要進(jìn)行大量的測試，這也是美國的鳳凰城以及國內(nèi)大大小小各類測試區(qū)存在的意義所在，可是對于行業(yè)而言，即便算上那些允許進(jìn)行測試的開放道路，目前能夠進(jìn)行測試的場地和環(huán)境還是遠(yuǎn)遠(yuǎn)不夠，其中的原因有二。

其一為自動駕駛研發(fā)需要“喂養(yǎng)”極為龐大的數(shù)據(jù)。

美國蘭德智庫有一項估算，一套自動駕駛系統(tǒng)至少需要經(jīng)過110億英里（約170-180億公里）的驗證才能達(dá)到量產(chǎn)條件。這是一個什么概念呢？即組建一支100輛測試車構(gòu)成的自動駕駛車隊，以25英里（40公里）的平均時速全天24小時不停歇的測試，也要花費(fèi)大約500年的時間。

誰能等到這一刻？

其二為極端場景測試可遇不可求。

開放道路的測試可以驗證絕大多數(shù)場景，但對于自動駕駛系統(tǒng)在暴雪、暴雨、臺風(fēng)等極端場景下的安全性和可靠性的測試則只能“等”了，這不光效率極低，成本巨大，而且還有一定的危險性。

綜合以上兩點，模擬仿真躍然而上成為行業(yè)剛需。

根據(jù)《中國自動駕駛仿真技術(shù)研究報告（2019）》的預(yù)測，未來5年仿真軟件與測試的國際市場總規(guī)模可在百億美元左右。

不久前由11部委落章的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》也明確提到要構(gòu)建“包括突破復(fù)雜環(huán)境感知、重點支持研發(fā)虛擬仿真、軟硬件結(jié)合仿真、實車道路測試等技術(shù)和驗證工具，以及多層次測試評價系統(tǒng)、開展特定區(qū)域智能汽車測試運(yùn)行及示范應(yīng)用、驗證車輛環(huán)境感知準(zhǔn)確率等工作內(nèi)容”的任務(wù)。

讀到這里，“智能相對論”發(fā)現(xiàn)，其中的矛盾產(chǎn)生了：行業(yè)明確了模擬仿真的重要性，就技術(shù)而言，搭建一個仿真環(huán)境進(jìn)行測試的難度也不大，這也是幾乎每個自動駕駛企業(yè)都自建了自己的仿真工具或平臺的原因所在，那么模擬仿真市場的商業(yè)需求在哪？華為、騰訊、百度等為代表的巨頭在這個領(lǐng)域競爭的又是什么呢？

在希迪智駕智駕產(chǎn)品總監(jiān)宋漢辰看來，目前雖然各家都在自建仿真平臺，但都面臨著建立完整仿真體系的資源占用和功能全面性兩個問題，“仿真環(huán)境的搭建需要用到一長串的工具鏈，涉及大量的研發(fā)和適配，特別是與硬件適配完成的平臺上，使用效率會提高很多。對單個自動駕駛企業(yè)來說，自己搭建的仿真平臺勝在需求滿足精準(zhǔn)，缺在受限于資源和時間，所能支持的硬件、算法、場景、車型有限，無法做到全面周到。”

這時，巨頭的機(jī)會來，他們可以集中大體量的資源優(yōu)勢，快速形成仿真平臺產(chǎn)品，完成這項技術(shù)整條工具鏈的搭建，從而建立起以自己為核心的商業(yè)生態(tài)。

以華為的八爪魚為例，建在華為自動駕駛云上，又與MDC（移動數(shù)據(jù)中心）等車端硬件平臺和ADAS系統(tǒng)無縫對接，如果八爪魚這個產(chǎn)品能被行業(yè)認(rèn)可，則在模擬仿真市場建立了一個“華為生態(tài)”，即云服務(wù)、硬件設(shè)備、數(shù)據(jù)甚至自動駕駛整體解決方案。

這與當(dāng)前的車聯(lián)網(wǎng)生態(tài)是不是高度相似？車聯(lián)網(wǎng)既是自動駕駛大生態(tài)的一部分，同時又“自成一派”，以車聯(lián)網(wǎng)為核心形成了一個小生態(tài)，在模擬仿真領(lǐng)域，巨頭們依然采用的是全家桶式的商業(yè)模式。

還有比建立仿真平臺生態(tài)更有誘惑力的嗎？這個問題的答案是肯定的。

湘江智能副總經(jīng)理李焱表示，目前行業(yè)對虛擬仿真測試確實存在大量需求，但其中的問題在于測試手段和測試工具等都沒有形成統(tǒng)一的測試標(biāo)準(zhǔn)，這就使得技術(shù)從落地到推廣缺乏科學(xué)指引，“大家都說自己的好，但我們又怎么評判呢？”

這也是長沙既要和華為合作，搭建湖南智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)云，又要和賽目科技、騰訊合作建設(shè)智能網(wǎng)聯(lián)汽車仿真實驗室的原因所在。

前者從服務(wù)自動駕駛企業(yè)研發(fā)的角度出發(fā)，希望通過八爪魚的生態(tài)力量來推動行業(yè)研發(fā)水平的整體提升；后者從測試手段、測試方式等方面入手，不但能對自動駕駛系統(tǒng)或者產(chǎn)品的能力進(jìn)行評判，還能對傳感器、汽車架構(gòu)等硬件進(jìn)行仿真測試，這實際上也是對建立自動駕駛行業(yè)模擬仿真測試標(biāo)準(zhǔn)的一次實踐探索。

如此一來，巨頭入局的虛擬仿真市場的用意就非常明顯了，既是市場占位的商業(yè)之爭，也是打破混沌的標(biāo)準(zhǔn)之爭。

巨頭間的交鋒有哪些看點？

毫無疑問，和車聯(lián)網(wǎng)市場一樣，幾乎所有的科技巨頭也都在模擬仿真市場聚首，作為吃瓜群眾，這場競爭的看點在哪？巨頭們到底用怎樣的打法完成市場割據(jù)呢？

1、騰訊：搭建自動駕駛的“綠洲”

騰訊用虛實結(jié)合、線上線下一體的自動駕駛仿真系統(tǒng)TAD Sim（Tencent Autonomous Driving Simulator）作答。

TAD Sim結(jié)合了專業(yè)的游戲引擎、工業(yè)級車輛動力學(xué)模型、虛實一體交通流等技術(shù)。去年11月的Techo開發(fā)者大會X論壇上，騰訊自動駕駛仿真業(yè)務(wù)負(fù)責(zé)人孫馳天在《自動駕駛與“頭號玩家”》的演講中就談到，“通過高精度地圖、大數(shù)據(jù)、AI和云技術(shù)，騰訊自動駕駛仿真系統(tǒng)可以讓虛擬場景無限接近真實世界。”

孫馳天對此的解讀為，TAD Sim就像運(yùn)轉(zhuǎn)一部大型的RPG游戲，需要強(qiáng)大的游戲引擎作為基礎(chǔ)，才能保證場景還原有足夠的真實度。就如銷售常掛嘴邊的那句話，“你正好需要，我正好有”一樣，騰訊本身就有著非常豐富的游戲研發(fā)經(jīng)驗和技術(shù)儲備，遵循著這一路徑在模擬仿真賽道跑出也就不難理解了。

當(dāng)然TAD Sim不是簡單的游戲引擎的移植。

騰訊認(rèn)為，在場景的幾何還原上，模擬仿真平臺要做到三維場景仿真和傳感器仿真，讓環(huán)境和測試車輛條件都與現(xiàn)實世界相同；在場景的邏輯還原上，要在虛擬世界中模擬出測試車輛的決策規(guī)劃過程；在場景的物理還原上，需要模擬出車輛的操控和車身動力學(xué)作用結(jié)果。

三種層次的還原之后，才能在虛擬世界中看到與現(xiàn)實世界無限接近的自動駕駛測試結(jié)果。同時仿真平臺還要滿足高并發(fā)的特點，實現(xiàn)所有場景下車輛反應(yīng)的排列組合。

敲黑板，劃重點。

說了那么多的三維重建，TAD Sim的側(cè)重還是在自動駕駛的模擬仿真測試上。騰訊后手還藏了一個大招，在模擬仿真平臺、高精地圖平臺和數(shù)據(jù)云平臺的基礎(chǔ)之上，騰訊還推出了一個城市級的仿真平臺，構(gòu)建了一個運(yùn)行在云端，與現(xiàn)實物理世界平行的虛擬世界。

城市仿真不僅包含靜態(tài)的環(huán)境信息，也包含交通、人流等動態(tài)信息，還可在其中疊加諸如交通流這類虛擬信息，既可支撐自動駕駛的開發(fā)和安全驗證，還可為智慧城市、智能交通的建設(shè)助力。

不難看出，在模擬仿真市場的競爭中，騰訊最大的優(yōu)勢是把握住了“仿真”二字，如同電影《頭號玩家》中的“綠洲“一樣，在虛擬世界中最大程度的還原真實世界。

像騰訊與國家智能網(wǎng)聯(lián)汽車（長沙）測試區(qū)仿真實驗室的合作項目，就是基于高精度地圖和模擬仿真技術(shù)，將對測試區(qū)的地理全貌進(jìn)行數(shù)字化建模，實現(xiàn)在仿真環(huán)境下進(jìn)行安全、高效的智能汽車實驗。

此外，騰訊還認(rèn)為閉環(huán)的數(shù)據(jù)應(yīng)用體系，提升數(shù)據(jù)利用效率，是自動駕駛產(chǎn)品落地的關(guān)鍵。

騰訊布局自動駕駛云生態(tài)的開發(fā)平臺，則基于云端存儲及算力支撐，構(gòu)建了數(shù)據(jù)采集管理、樣本標(biāo)注、算法訓(xùn)練評測、診斷調(diào)試、云端仿真、實車反饋閉環(huán)全流程云服務(wù)，提供支撐自動駕駛研發(fā)的全鏈路云服務(wù)和開發(fā)平臺。

2、華為：云+AI+軟硬件+芯片的組合生態(tài)

華為從自動駕駛的數(shù)據(jù)服務(wù)入手，繼而延伸到訓(xùn)練服務(wù)和仿真服務(wù)的領(lǐng)域。

眾所周知，自動駕駛測試會產(chǎn)生極為龐大的數(shù)據(jù)，除了數(shù)以百億技的測試?yán)锍讨猓惠v自動駕駛測試車1小時就能產(chǎn)生約8TB的數(shù)據(jù)，一天按測試8小時計算，就會有64TB的數(shù)據(jù)。一個月按22天工作日則產(chǎn)生約1.3PB/月的數(shù)據(jù)，但其中有效數(shù)據(jù)僅為0.05%，同時還有80萬張/車/天圖片有待人工標(biāo)識。

此外，現(xiàn)有的仿真工具多為煙囪式孤島，分散，不利于大數(shù)據(jù)的統(tǒng)一、AI能力的統(tǒng)一構(gòu)建，及高效運(yùn)營管理。

華為的邏輯是通過“八爪魚”構(gòu)建一個按需獲取的全棧云平臺，除了可以邁過數(shù)據(jù)處理這座高山，還能覆蓋自動駕駛的模型、訓(xùn)練、仿真、標(biāo)注等全生命周期業(yè)務(wù)。因而“八爪魚”可以向用戶提供以下幾種核心能力。

· 處理海量數(shù)據(jù)，自動化挖掘及標(biāo)注，能夠節(jié)省70%以上的人力成本；

· 軟硬件加速，平臺提供華為自研昇騰910 AI芯片和MindSpore AI框架能大幅提升訓(xùn)練及仿真效率；

· 豐富的仿真場景，高并發(fā)實例處理能力：通過集成場景設(shè)計和數(shù)據(jù)驅(qū)動的方法，合計提供超過1萬個仿真場景；系統(tǒng)每日虛擬測試?yán)锍炭沙^500萬公里，支持3000個實例并發(fā)測試；

· 云管端芯協(xié)同，車云無縫對接：Octopus天然支持無縫對接MDC（移動數(shù)據(jù)中心）等車端硬件平臺和ADAS系統(tǒng)，實現(xiàn)車云協(xié)同；

以上可以看出，華為的自動駕駛仿真能力并不是單獨(dú)出現(xiàn)的，而是作為華為“八爪魚”生態(tài)中的一種能力而存在，仿真能力是整個生態(tài)數(shù)據(jù)閉環(huán)的一個節(jié)點，當(dāng)這個節(jié)點與其他環(huán)節(jié)產(chǎn)生協(xié)同合作時，才能體現(xiàn)出“八爪魚”生態(tài)的優(yōu)勢。

我們可以注意到，“八爪魚”并非僅僅是云+AI的結(jié)合體，整個生態(tài)中還包含芯片、MDC等車端硬件平臺和ADAS系統(tǒng)，華為表示，未來還會將高精地圖、5G及V2X技術(shù)等能力集成到“八爪魚”中，如是看來，“不造車”的華為在仿真市場的布局頗為宏大。

3、百度：補(bǔ)動力仿真短板

百度在模擬仿真領(lǐng)域也擁有較強(qiáng)的實力，其主要體現(xiàn)在兩個方面。

首先，另辟蹊徑提升仿真的“真實性”。

去年3月百度論文《AADS:Augmented autonomous driving simulation using data-driven algorithms》登上《Science》雜志子刊《Science Robotics》，該論文提出了一套全新的自動駕駛仿真系統(tǒng)：增強(qiáng)現(xiàn)實的自動駕駛仿真系統(tǒng)（AADS）。

有別于傳統(tǒng)的自動駕駛仿真環(huán)境都根據(jù)游戲引擎或高保真計算機(jī)圖形創(chuàng)建的方式，AADS系統(tǒng)是一種以數(shù)據(jù)驅(qū)動的端到端自動駕駛仿真方法，通過模擬交通流來增強(qiáng)現(xiàn)實世界圖像，進(jìn)而創(chuàng)建逼真的、媲美現(xiàn)實世界渲染的仿真場景。

其次，Apollo平臺去年7月迎來5.0版升級的時候，新增了車輛動力學(xué)模型。

傳統(tǒng)的建模方式在模型的復(fù)雜度、模型的精準(zhǔn)度、模型的可遷移性、可擴(kuò)展性等維度上都具有很多局限性。Apollo5.0將傳統(tǒng)的車輛動力學(xué)建模方式升級到基于機(jī)器學(xué)習(xí)的Apollo動力學(xué)模型，這一技術(shù)一下將傳統(tǒng)方式建模結(jié)果在誤差上減少了80%。

可以看出，百度在模擬仿真市場的打法強(qiáng)調(diào)技術(shù)的“獨(dú)占性”，即人無我有，人有我強(qiáng)，技術(shù)具有非常鮮明的“百度”特色。

看似性感的模擬仿真也有難題

拋開陳腐的技術(shù)和標(biāo)準(zhǔn)之爭，回到現(xiàn)實的商業(yè)層面，仿真平臺的最終客戶是誰？

單憑大大小小的自動駕駛研發(fā)公司顯然無法支撐起一個百億美元級的市場，且當(dāng)自動駕駛技術(shù)與汽車量產(chǎn)結(jié)合，事情又回到了原點，如何獲得主機(jī)廠的信任，突破主機(jī)廠的壁壘？在“智能相對論”看來，模擬仿真遇到了和車聯(lián)網(wǎng)一樣的問題。

1、既要懂“仿真”，也要懂汽車

從自動駕駛技術(shù)的研發(fā)來看，當(dāng)前的模擬仿真平臺似乎都能滿足需求，但如果從自動駕駛汽車的研發(fā)需求來看，國內(nèi)這些IT巨頭的仿真平臺就有那么些“不夠看”了。

首先，IT巨頭們的優(yōu)勢能力集中在云、數(shù)據(jù)處理、軟件等層面，在底盤、芯片、以及汽車核心零部件等硬件方面缺乏足夠的數(shù)據(jù)和技術(shù)積累，直白的說，就是不“懂”汽車。

其次，汽車仿真是一項跨學(xué)科的綜合技術(shù)，其中包括了計算機(jī)圖形、多媒體、傳感器、光學(xué)和顯示、材料、電子半導(dǎo)體、動力學(xué)等多項技術(shù)，但大多數(shù)IT企業(yè)只熟悉少數(shù)門類，這也造成現(xiàn)在的仿真平臺大多體現(xiàn)真實世界的“還原”能力，即IT企業(yè)的技術(shù)長項上來。

2、平地起高樓，沒有地基難生根

如果將自動駕駛汽車視為傳統(tǒng)汽車的升級，那么自動駕駛的仿真亦是傳統(tǒng)汽車仿真的升級。這也意味著只需在傳統(tǒng)汽車仿真的基礎(chǔ)上進(jìn)行延展即可進(jìn)化成自動駕駛仿真。

然而目前的現(xiàn)實是，就像平地起高樓一般，之前的地基是傳統(tǒng)汽車仿真打的，自動駕駛仿真若要站的更高，要么自己從頭做起，要么受制于人，借用傳統(tǒng)汽車仿真地基。其中可能是一段強(qiáng)強(qiáng)聯(lián)手的佳話，也可能是兄弟閆墻的故事。

3、車企傳統(tǒng)體系慣性大，難突破

在車企的研發(fā)體系中，本來就有固定的仿真測試平臺，IT巨頭們所面臨的問題是標(biāo)的少（汽車廠商就那么多），壁壘高（傳統(tǒng)車企的體系固化，很難輕易更換仿真技術(shù)體系），屆時和車聯(lián)網(wǎng)的競爭一樣，IT巨頭除了激烈的內(nèi)部競爭之外，還不可避免的要與Tier1們迎頭撞上。