受疫情影響，「禁足」也成為自動駕駛車輛在這段時期的寫照。
儘管實地路測受阻，但得益於自動駕駛仿真平台，線上的虛擬仿真路測仍舊得以展開。
所謂的自動駕駛仿真，就是指通過感測器仿真、車輛動力學仿真、高級圖形處理、交通流仿真、數位仿真、道路建模等技術模擬路測環境，並添加算法，從而搭建相對真實的駕駛場景，來完成自動駕駛汽車路測工作的一種形式。
據雷鋒網瞭解，Waymo、騰訊將其視為頭等大事；AutoX、Pony.ai、文遠知行等自動駕駛新創公司，也在自主研發仿真環境；業內也逐漸培育了51VR等開源式的第三方自動駕駛仿真平台。
而後，華為也加入了這個隊伍之中。
2019年4月上海車展上，華為自動駕駛雲端服務Octopus首次展出，仿真測試就屬於其中一項服務能力。2020年1月9日，華為自動駕駛雲端服務首次在長沙湘江新區落地。
虛擬仿真路測成剛需
在高級自動駕駛車輛的開發過程中，無論是車輛系統的複雜程度、還是使用環境的複雜程度都在急劇增加。因此需要「餵」給自動駕駛車輛足夠多的數據，才能保證車輛在實際上路過程中的安全。
但自動駕駛的實地路測是一件漫無盡頭的事情。產業內普遍預測，為了保證自動駕駛技術安全可靠，自動駕駛玩家需要110億英里的測試數據，來對自動駕駛系統不斷優化升級。
如果按照100輛自動駕駛汽車，每天24小時不停歇路測，平均時速25英里（40公里）每小時來計算，需要500多年的時間，才能完成目標里程，期間所耗費的成本更是不可估計。
此外，自動駕駛汽車可能還要應對暴雪、暴雨、颱風、強光照等極端場景。但在自然環境中，這些場景發生的情況有限並且大多危險。因此，僅依靠實地路測，不僅效率低而且成本巨大，很難滿足自動駕駛車輛的要求。
而自動駕駛仿真測試平台的出現，很好地補足了傳統實地路測的不足，成為自動駕駛企業的剛性需求。據推算，未來5年仿真軟體與測試的國際市場總規模約在百億美元左右。
華為入局自動駕駛仿真市場
儘管在汽車領域是後來者，但華為在自動駕駛雲端服務賦能上有著自己的邏輯。
華為認為，自動駕駛的快速開發上市及功能迭代，將是車企在未來智慧聯網競爭中，率先贏得市場的關鍵。但在這個過程中，自動駕駛的開發者面臨的挑戰也十分明顯。
一是如何快速獲取自動駕駛車輛產生的海量數據並且高效處理？一輛自動駕駛測試車1小時產生約8TB數據，一天8小時就會有64TB的數據。一個月按22天工作日則產生約1.3PB/月的數據，但其中有效數據僅為0.05%，同時還有80萬張/車/天圖片有待人工辨識。
二是訓練和仿真，需要AI算法和超強算力的加持。單車預計需累積里程100+億公里，300GPU/2天模型訓練，仿真測試則每天需處理100萬公里。
三是仿真層面不僅需要大量場景支持線上仿真，同時也需要有以實車為主的決策規劃仿真系統。
因此，如果要解決虛擬仿真問題，海量數據的處理是必須邁過的一道坎。
那華為自動駕駛雲端服務這把利刃，能夠亮出什麼樣的鋒芒？
誠如所見，華為的自動駕駛雲端服務Octopus形為章魚，服務覆蓋自動駕駛數據、模型、訓練、仿真、標注等全生命週期業務，向開發者提供包括數據服務、訓練服務、仿真服務在內的3大服務。
在上述的三大服務之下，華為的自動駕駛雲端服務「八爪魚」能為企業用戶提供以下核心能力：
- 處理海量數據，自動化挖掘及標注，能夠節省70%以上的人力成本。
- 軟硬體加速，平台提供華為自研昇騰910 AI晶片和MindSpore AI框架，能大幅提升訓練及仿真效率。
- 豐富的仿真場景，高併發實例處理能力：通過集成場景設計和數據驅動的方法，合計提供超過1萬個仿真場景；系統每日虛擬測試里程可超過500萬公里，支持3000個實例併發測試；
- 雲管端晶片合作，車雲無縫對接：Octopus天然支持無縫對接MDC（行動數據中心）等車端硬體平台和ADAS系統，實現車雲合作。
可見，華為的自動駕駛仿真能力並非單獨出現，而是作為一種服務和能力，集成在華為自動駕駛雲端服務之中。
仿真能力只是其數據閉環中的一個節點，這個節點只有與其他環節合作才能發揮出最大的組合優勢。
也就是說，華為意在讓自動駕駛雲端服務與智慧駕駛運算平台MDC、智慧駕駛OS一起，發揮華為雲端+AI優勢，組成車雲合作的MDC智慧駕駛平台，開放合作促進智慧駕駛快速發展。
華為還表示，未來會將高精地圖、5G及V2X技術等能力集成到「章魚」中去，攜手更多的車企和開發者加速智慧駕駛商用落地。
「不造車，聚焦ICT技術，成為面向智慧聯網汽車的增量部件供應商」，是當初華為進軍汽車領域時的定位。
無論是近日獲得ISO 26262功能安全管理認證證書的華為MDC智慧駕駛運算平台，還是位於智慧汽車業務戰略金字塔頂端的自動駕駛雲端服務，都可見，在智慧汽車領域，華為的「醉翁之意」並非是成為自動駕駛開發者，而是開發者手中的那枚利器。
賽道玩家的交鋒
華為的入局，大概率會和早先入局的玩家迎頭撞上。
在已經入局的玩家中，Waymo的自動駕駛模擬系統Carcraft是較為神秘的那一個，但Carcraft的腳步從未停止。
Waymo的自動駕駛車輛在實地路測時遇到的許多情況，可以直接在Carcraft中進行模糊化，工程師可以將多種情況進行疊加，創造出各種極端情況，而在模擬器中得到的數據，又可以回饋給現實世界的測試車。
得益於這樣的數據閉環，前段時間谷歌宣佈，Waymo自主研發的仿真測試軟體Carcraft，已模擬了100億英里的道路場景，且支持Waymo車型進行大規模測試。
此外，2019年末，Waymo還收購英國仿真技術公司Latent Logic，後者開發的AI技術能夠通過「模仿學習」，來建構逼真的人類駕駛行為，幫助Waymo實現更加貼近現實的仿真技術。
在中國，此前騰訊也已在搭建自己的自動駕駛「綠洲」。
結合專業的遊戲引擎、工業級車輛動力學模型、虛實一體交通流等技術，騰訊打造了虛實結合、線上線下一體的自動駕駛仿真系統TAD Sim（Tencent Autonomous Driving Simulator）。
你可以把它理解為一部大型的RPG角色扮演遊戲。當然這需要強大的遊戲引擎作為基礎，才能保證場景還原有足夠的真實度。
因此也可以很明顯地看到，騰訊長久以來在遊戲經驗和技術儲備上豐富的累積，運用到仿真模擬上所表現出來的場景優勢。
騰訊認為，在場景的幾何還原上，模擬仿真平台要做到3D場景仿真和感測器仿真，讓環境和測試車輛條件都與現實世界相同；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作用結果。
三種層次的還原之後，才能在虛擬世界中看到與現實世界無限接近的自動駕駛測試結果。同時，仿真平台還要滿足高併發的特點，實現所有場景下，車輛反應的排列組合。
除3D重建之外，TAD Sim還與高精地圖、雲端加速平台、交通流模型等技術打出「組合拳」。
TAD Sim內置高精度地圖，可以完成感知、決策、控制算法等實車上，全部模塊的閉環仿真驗證。不同天氣、光照條件等環境的幾何模擬，以及測試車輛的感知能力、決策能力、和車輛控制仿真都可以實現。
同時，借助騰訊的雲端運算資源，極大地加速海量場景運算過程。
在應對極端場景上，結合採集的交通流數據，以及更多極端交通場景的模擬，在TAD Sim上可以進行各種激進駕駛、極端情況的自動駕駛測試，以更高效率、更安全的方式，完成在現實世界中無法進行的各項測試。
除騰訊外，另一個玩家51VR也將跨界玩轉得風生水起。
基於AR（VR）+AI技術，原本在地產領域發力的51VR，在2018年12月18日推出51Sim-One自動駕駛仿真測試平台。
經過一年的迭代，在地球克隆計劃3發表會上，51VR發布了「51World城市級全要素場景自動化平台」。對其自動駕駛仿真平台來說，「全場景要素」意味著更完整的自動駕駛測試功能覆蓋。
據雷鋒網瞭解，51World全要素場景囊括L1-L5五大分級。
L1為初仿真場景，能快速自動生成城市網格；L2為中仿真場景，可實現快速自動還原城市建築、道路細節、地表植被、車流人流等細節；L3高仿真場景，可實現建築細節、動態光影及車流等高擬真畫質；L4為超仿真場景，主要用於模擬仿真及AI訓練，可實現交通訊號、車輛及行人的細節還原；最高級L5全仿真場景，可實現紋理細節的照片級真實還原，並能真實還原光照及其他物理規律。
51VR表示，目前這個技術已經覆蓋智慧城市、智慧交通、智慧駕駛等領域，並與產業中的重要客戶進行合作。
華為善於硬體、騰訊長於軟體、51VR的觸手範圍廣泛，這些公司的參與，有望幫助建立起更加良性自動駕駛仿真生態，幫助自動駕駛車輛，解決很多常規場景下無法解決的問題。
當然，這不意味著虛擬的仿真測試能夠代替實地路測，解決量產最終面臨的測試難題。但至少在邁向自動駕駛車輛量產的路上，玩家能夠少走一點彎路，加速商用落地的到來。
本文為雷鋒網授權刊登，原文標題為「華為入局自動駕駛仿真市場，賽道玩家交鋒在即」