2022年，自动驾驶行业迎来加速跑，新一代电子电气架构、车用操作系统、大算力计算芯片、激光雷达等关键技术取得突破。目前，我国智能网联行业总体处于L2到L3的发展期，港口、物流配送、换位等低速场景已初步实现L4级别的无人驾驶，产业发展热度与速度持续上涨。

根据国泰君安的研报，2022年下半年到2023年，多家厂商都在争取落地高速领航、城区领航等准L3自动驾驶功能，准L3自动驾驶功能有望大规模落地。

面对智能化发展趋势，汽车零部件企业进入自动驾驶、智能座舱及软件产品市场，旨在实现软硬件一体化集成与产品结构的转型升级。

随着新一轮科技革命和产业变革加速演进，智能网联汽车已成为我国汽车产业发展的战略方向，产业落地发展进程加快。

加速布局自动驾驶

在CES 2023上，高通展示了通过骁龙数字底盘解决方案、Snapdragon Ride平台、Snapdragon Ride Flex系统级芯片等构建的集成式汽车平台，为各大车企提供广泛的汽车解决方案，为用户提供面向未来的驾乘体验。

其中，骁龙数字底盘解决方案，可以集成来自不同公司的多样化生态系统，为用户呈现下一代车内体验，包括个性化服务、交互式辅助、沉浸式音频、协作、顶级显示屏、安全与便利等。

Snapdragon Ride平台的软硬件设计与评估，能够满足最高等级的汽车安全要求，并且具备了支持定制化的特点，以便能够适应不断演进的汽车架构。

此外，作为一站式解决方案，Snapdragon Ride平台还支持多模态传感器，包括摄像头、雷达、激光雷达、AD地图和超声波传感器，以满足汽车制造商的各项需求。

Snapdragon Ride Flex系统级芯片，能够跨异构计算资源支持混合关键级工作负载，通过单颗SoC，同时支持数字座舱、ADAS和AD功能。

Snapdragon Ride Flex SoC还能在硬件架构层面向特定ADAS功能实现隔离，免受干扰并提供服务质量管控功能，并支持多个操作系统同时运行，满足面向驾驶辅助安全系统、数字仪表盘、信息娱乐系统、驾驶员检测系统等工作负载需求。

在智能汽车与自动驾驶领域，NVIDIA自然也不会错过。随着自动驾驶技术的日益普及，以及AI在车内的应用不断扩展，NVIDIA也在通过NVIDIA DRIVE不断革新自动驾驶体验。

近期推出的NVIDIA DRIVE Thor，统一了车辆中传统的分布式功能（包括数字仪表盘、信息娱乐、泊车和辅助驾驶），从而能提高开发效率，并加快软件迭代；

NVIDIA DRIVE Concierge基于DRIVE IX软件栈构建而成，可运行一系列安全和便利性相关的功能，包括驾驶员和乘员监控、数字助理和自动驾驶车辆可视化；

使用基于Omniverse构建的NVIDIA DRIVE Sim，让全球各地的设计师和工程师无需离开办公桌，即可共同开发驾舱体验。消费者也不用长途跋涉去汽车经销商处，在家就能对汽车进行配置和测试，对自己看中的汽车进行虚拟试驾。

此外，开发人员还可在NVIDIA DGX服务器上，对车内AI模型进行训练、测试和验证。

汽车制造商即使未采用NVIDIA DRIVE平台，也能受益于NVIDIA数据中心解决方案。

借助云技术，车辆无需任何特殊设备即可串流至NVIDIA GeForce NOW云游戏服务。

GeForce NOW采用由云端GeForce服务器提供的突破性低延迟流媒体技术，实现了超过1000款游戏的实时播放。

此外，在本届CES上，NVIDIA还宣布与富士康成为战略合作伙伴，共同开发自动驾驶和自主驾驶汽车平台。

根据双方的合作协议，富士康将面向全球汽车市场生产基于NVIDIA DRIVE Orin的电子控制单元（ECU）。

富士康生产的电动汽车（EV）将采用DRIVE Orin ECU和DRIVE Hyperion传感器架构，以实现高度自动化的驾驶功能。

国内自动驾驶火热发展 正快速迭代发展

1月5日，GTIC 2022全球自动驾驶峰会正式在深圳拉开序幕，多个行业专家、自动驾驶企业代表、自动驾驶传感器供应商代表齐聚一堂，共同为自动驾驶行业的发展提出了各自的真知灼见。智一科技联合创始人、CEO龚伦常代表主办方致辞，他表示，最近几年，在政策、能源变革以及智能化的驱动下，中国的汽车产业正迎来新一轮发展和赶超良机，自主新能源车企崛起，出口快速增长，L2级辅助驾驶的渗透率超过30%。另一方面，L4高等级自动驾驶赛道变化较大，欧美多家知名创企倒闭或陷入破产边缘，国内的玩家则各显神通，要么在量产自动驾驶赛道落地，要么在封闭场景中实现商业化。行业的剧烈变化呼唤更多的交流与对话。

龚伦常介绍到，今年的峰会围绕自动驾驶的学术研究、Robotaxi、车载计算平台、激光雷达、多传感器融合自动驾驶、纯视觉自动驾驶、域控制器以及自动驾驶的落地应用等方向设置了多个话题。

龚伦常对此提出期许，希望通过专注于不同方向的玩家的交流探讨，能进一步拨开行业发展的迷雾，推动创新和技术的落地应用。同时，龚伦常也表示，希望自动驾驶峰会成为技术研讨、产业交流与落地对接的重要平台。

龚伦常表示，今年是智一科技成立的第7个年头。这些年，智一科技坚持技术和产业双轮驱动，聚焦数字化和智能化进程中的关键技术及其在行业中的应用，持续提供优质、专业的内容，已成为国内定位独特且具有较高的影响力和公信力的产业媒体。目前已经形成了以车东西、芯东西、智东西为代表的产业新媒体矩阵。

同时，针对产业升级需求，智一科技着力发展出以智东西公开课为核心的企业服务体系。围绕自动驾驶、人工智能等领域的重点技术方向，与产业优秀公司合作，举办系列talk；也与全球顶级高校的专家学者合作，举办关注前沿研究的新青年讲座；还与国内外顶级企业合作举办契合企业需求的定制公开课。截止目前，已经完成的课程超过600节，在行业获得了不错的口碑。

国内自动驾驶领域的学术专家、西安交通大学教授薛建儒率先了拉开了本场大会的干货分享。

薛建儒教授认为任何人工智能技术最终都会以系统形式呈现。现有的智能系统可分为两大类：数字化智能系统与物理智能系统。数字化智能系统运行于数字空间，例如会下围棋的alphago、能解析蛋白质结构的alpha fold。物理智能系统运行于物理世界中，例如无人车、无人机、各类智能机器人等。自动驾驶是物理智能系统中的典型代表，也是是新一代人工智能发展战略规划重点突破方向。

实现自动驾驶有两条技术路线：自主智能和协同智能，自主智能通过多传感融合的环境感知、鲁棒优化的运动规划和控制实现无人驾驶。协同智能则是通过引入人的作用、车与车、车与交通设施互联互通实现无人驾驶。自主智能与协同智能是实现自动驾驶的两种不同途径，但需要指出的是自主智能依然是自动驾驶核心。

一个典型的自动驾驶系统，输入地图和环境的感知，然后输出决策和执行，这种技术路线也已经得到了验证。

这一技术路线主要有两个关键点，一是环境的理解和预测，二是运动规划和控制。

具体来讲，交通场景的识别和理解主要分为两个层面，分别为定位导航和自主避障。在定位导航方面，传统的方式为全球卫星定位系统和地图配合来实现定位，而在自动驾驶领域，这样的定位能力无法满足高精定位的需求。

为此行业内推出了高精度地图技术，高精度地图也经过了三个阶段的发展，通过多传感器采集局部测量，局部测量时空对齐、逐层抽象，形成占据栅格地图。

在占据栅格地图的基础上，叠加上道路边界、车道、路口的情况等，形成一个更加更好高精度的混合地图。这样做的好处是，可以实现无卫星环境进行定位。

目前的配备了自动驾驶功能的智能汽车上都搭载了高精度地图，然而，对于高精度地图由于对环境空间的每个位置都需要存储信息，创建、存储与更新都代价昂贵。人类开车时并非时时刻刻依赖高精度地图，有经验的驾驶员大脑里存在一张经验地图，能否在自动驾驶上实现这张经验地图？大脑对环境的理解是以语义概念为基本单元的层次化组织，例如车辆、行人，交通标示等。语义矢量地图就是基于这样的思想的构建的。

目前薛教授的团队提出了单目视觉定位技术，通过与神经网络技术的结合，实现了视觉语义地图构建和定位技术，实现了厘米级定位精度。

对于动态场景的检测，薛教授认为，目前的检测方法识别率都到达了90%以上，但对于自动驾驶来说，还不够准确，目前行业内正在考虑检测、跟踪和预测的一体化技术，并结合引3D形状重建、语义分割等现有技术。

而在驾驶决策方面，主要分为行为决策、运动规划和运动控制。

在长期的自动驾驶研究中，薛教授团队认为可以借鉴人脑感知—运动回路的强容错、高能效、自学习等机制，研究受脑认知与神经科技启发的交通场景理解、情境预测和驾驶决策方法，使自动驾驶系统能够应对更多复杂的场景。

针对类人智能驾驶，薛教授团队正在进行交通情景长时间预测，为了实现这样方面的研究，薛教授团队进行了一个交通参与者行为预测的BLVD数据集，对轨迹、行为、意图进行收集。

通过视点自适应的行为识别，来识别视点的不同变化，确定了行为以后，可以对行人的运动轨迹进行预测，考虑行人之间的互相影响之后，可以得到一个更加准确的预测。

此外，还需要对事件进行一些预测，薛教授团队选择的是交通事故的分析，对交通事故进行分析和预测，判断驾驶员的注意力情况。

在驾驶决策中怎么引入类人驾驶策略呢？薛教授团队进行了模仿学习和强化学习相结合的方式，还进行了驾驶行为引导的模仿，引导生成一个最佳的驾驶行为轨迹。

薛教授认为，在自动驾驶领域，需要构建直觉性的认知计算框架，让系统无限的接近人脑，实现真正的无人驾驶。

自动驾驶驱动的近30亿测试市场

自动驾驶是确定会来的未来，也将成为汽车发明以来的颠覆性创新。美国管理咨询公司科尔尼发布的报告认为，到2035年，人类社会道路上行驶的车辆将有50%实现自动驾驶，届时自动驾驶整车及相关设备、应用的收入规模总击将超过5000亿美元，可节约10%的社会总出行成本。

自动驾驶的快速发展，在过去几年催生了大量新蓝海赛道，仿真测试便是其中之一。

业界普遍认为，自动驾驶汽车要想大规模上路，前期必须进行充分的测试验证。这个工程量有多大呢？兰德公司曾指出，要证明自动驾驶系统比人类驾驶员更可靠，至少需要进行110亿英里(177亿公里)的里程测试。

如果这些测试完全通过道路实测来完成，显然不现实，因为真实路测不仅效率低、周期长、成本高，而且在场景方面还存在诸多限制。比较之下，仿真测试通过构建虚拟场景库，把自动驾驶汽车测试放到接近真实世界的虚拟环境中进行，可以大幅提升测试效率，缩短开发周期，降低研发成本。

不难发现在自动驾驶研发过程中，目前业界基本都是采用“仿真测试+实际路测”相结合的技术路线。其中核心的自动驾驶算法测试，甚至高达95%是通过仿真平台完成，重要性可见一斑。

正因为如此，过去一段时间里大批企业争相涌入该赛道，凭借各自不同的技术基因和战略理念，开展仿真测试探索。

根据产品及服务型别，ICV测试、验证和评价解决方案主要包括：ICV仿真测试工具及平台；ICV数据平台；仿真测试服务；道路测试服务（封闭场地测试及开放道路测试）；及其他。仿真测试是其中最重要的部分之一，数据显示，自2021年起，ICV仿真测试工具及平台已占据整个ICV测试、验证和评价解决方案市场的半壁江山。

依据测试目标，仿真测试可通过模型、软件、硬件、车辆及驾驶员等各类在环(XiL)测试，验证ICV产品的智能驾驶功能和安全水平（尤其是L3及以上自动驾驶产品）。除地方政府以外，汽车制造商及其他测试、验证和评价代理也愿意建立自身的仿真测试能力，并购买相关系统。

与传统的内燃引擎汽车相比，电动汽车的结构更适合承载更先进的智能驾驶技术。目前，受智能驾驶技术发展及国内智能网联汽车渗透率不断提高等因素的驱动，按收益计的中国智能网联汽车测试、验证和评价解决方案行业的市场规模稳步增长，由2019年的约12亿元增加至2022年的约28亿元。随着消费者对ICV的认知度不断提高，汽车制造商更加关注高水平（L3及以上）的智能连接和智能驾驶技术，以获得更多的竞争优势，从而刺激ICV测试、验证和评价解决方案的需求。

随着L3及以上自动驾驶技术商业化程序加速，ICV测试评估解决方案市场具有良好的市场前景。根据弗若斯特沙利文的资料，预计到2023年，中国ICV测试、验证和评价解决方案行业的市场规模按收益计将进一步增加至约人民币36亿元，自2022年起将呈现年复合约33.9%的快速增长。

除了ICV行业的加速发展，不断创新和变化的市场监管规范也成为中国ICV测试、验证和评价解决方案行业的主要驱动力。

2019年，联合国发布了由仿真测试、封闭场地测试和开放道路测试组成的“多支柱法”，并已在全球范围内得到广泛认可。欧盟、美国、中国和日本已将“多支柱法”作为ICV测试、验证和评价的指导文件。

ICV测试、验证和评价是确保ICV安全运作、广泛应用及商业化的关键，此类技术也是中国急需的战略技术。近年来，中国政府发布了一系列政策，为中国ICV测试、验证和评价解决方案行业的高速持续发展立下稳固基础。

2022年12月30日，中国汽车技术研究中心发布了基础性的《中国智能网联汽车技术规程》，旨在建立高标准、专业和客观的车辆智能网联性能评价方法，支撑我国智能网联汽车技术和产业快速发展，提升我国汽车产业的国际竞争力。随着智能驾驶技术的不断完善以及国家统一准入标准的出台，将有更多批量生产的智能连接软件、系统需要经过ICV仿真和道路测试方能进入市场，这将刺激行业的扩展。

正是这样的必然进程，让虚拟仿真测试作为自动驾驶落地的加速器，成为汽车产业价值重构中的一个重要环节，也登上科技互联网公司、整车企业、自动驾驶解决方案商、仿真软件企业和高校科研机构争相布局的热点赛道。

文章来源： 动点科技，科技云报道，甲子光年