国内自动驾驶行业发展迎来了春天。

日前，国内四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，《通知》中正式对L3/L4自动驾驶的准入规范进行了具体要求，完善了相关规则。

这意味着国内为推出L3和L4级自动驾驶车型做好了政策基础，自动驾驶向商业化、规模化又迈进了一步，对于国内自动驾驶行业的发展来说，可谓是一个里程碑式的事件。

▲四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》

这份文件中，重点说明了事故责任的划分，在自动驾驶系统激活状态下发生违法或事故，试点企业与试点使用主体需在规定时间内向相关部门提供证明材料。若未按规定提供材料，则需承担事故责任。

除了政策法规完善之外，自动驾驶的相关技术也有了很大的发展，大模型的爆发也给自动驾驶提供了更多的思路。行业的头部玩家都在用大模型的思路在做自动驾驶，目前特斯拉向内部员工推送的FSD V12就采用了端到端的大模型思路。

而另一方面，为保证自动驾驶安全，模拟仿真、封闭场地和实际道路测试三种测试方法缺一不可。通常情况下按照先模拟仿真、再封闭场地、最后实际道路测试的顺序，在自动驾驶系统开发和应用的不同阶段，采用不同的测试方式。从场景测试数量看，模拟仿真测试远远大于封闭场地和实际道路测试，实际道路测试通常远大于封闭场地测试，从而可以提升测试效率、降低测试成本、减少测试时间。从经济和效率角度看，自动驾驶仿真测试是最有效手段，不仅能够覆盖更多场景，也能够更好满足全生命周期的OTA需求。

▲城市交通数字孪生仿真测试

这方面也有很多公司在进行布局了，如腾讯提出了实时数字孪生的概念，对自动驾驶领域的仿真进行了很多思考，并且还和广汽、上汽等车企建立了合作。

随着政策和相关技术的不断完善，自动驾驶正在朝着非常光明的方向发展。

在这样的背景下，日前，智东西/车东西联合腾讯发起了「孪生十问」系列活动，第一期主要围绕自动驾驶展开，针对自动驾驶领域邀请部分行业专家学者和主机厂代表进行了一场交流，进一步分析了仿真在自动驾驶落地过程中的重要作用。

一、自动驾驶领域出现新思路 端到端算法火热

自动驾驶产业在近年来由于相关技术突破、市场需求的催化，取得了一些进展，但整体上，受制于技术复杂度高、需求波动、法规政策制定不完善等问题，产业呈现起起落落的发展节奏。

西安建筑科技大学校长，长安大学教授、博导，国家重点研发计划新能源汽车重点专项“自动驾驶仿真及数字孪生测试评价工具链”专项牵头人赵祥模在会上提到，网联化自动驾驶的发展涉及到车、路、云、网的全面协同问题，但核心还是首先要解决低延时高可靠的网络通信问题。现阶段的5G无论是成本还是性能都不能完美地支撑自动驾驶发展，尤其是成本消耗会给企业带来巨大压力。如果未来支撑自动驾驶的通信技术得以很好解决，自动驾驶产业会迎来井喷式发展。

当下对于自动驾驶产业来说，则是非常重要的时刻：一方面，国内出现了关于L3和L4相关的法规，鼓励整个行业进行更多的探索，从法规层面真正为自动驾驶奠定了基础。

而另一方面，自动驾驶领域也不断有新的技术出现，其中最典型的无疑是特斯拉，早在2021年特斯拉就正式提出了BEV+Transformer的组合，开始用全新的思路研发自动驾驶。

▲特斯拉FSD Beta版本页面

此后，国内多个玩家迅速跟入。现阶段，几乎所有的玩家都在布局BEV+Transformer算法。2022年，特斯拉又进一步推出了占用栅格网络（Occupancy），进一步完善了车辆的3D空间识别。这些技术的快速落地也推动了自动驾驶的快速发展，现阶段火热的高速/城市NOA都离不开这些算法层面的更新。

推动自动驾驶量产落地，仿真测试的重要性正在不断增加，通过模型或者设备模拟车辆行驶时的环境和车辆的情况，建立起闭环运行的自动驾驶环境。通过这些测试，可以更好验证自动驾驶算法的运行情况，也可以更早地发现算法上的漏洞进行修补和更新。

会上，同济大学汽车学院教授、汽车安全技术研究所所长、博导朱西产提到，采用路测的方式能确保获取数据的真实度，但要想实现场景全覆盖，就需要有一些更科学的方法，这其中，仿真是自动驾驶工具链的重中之重，不仅可以用最短的时间、最小的里程来完成尽量多的场景覆盖，而且还可以再生成数据。

二、场景覆盖代替里程覆盖，数字孪生+AIGC意义重大

自动驾驶对于安全性的要求非常高，实地测试并不是一个合适的途径，基于数字世界的仿真测试显得更为重要。

这点贯穿自动驾驶的整个流程，以前段时间讨论地非常火热的AEB为例。部分企业对AEB的要求是50万公里触发一次，而有一些企业则要积累测试80～100万公里。

对于这种“争吵”的声音，长安汽车首席智能驾驶技术官陶吉认为，大家争论AEB谁家的好，说明大家对自动驾驶的功能，已经超越了“有和没有”的阶段，进入到“好用和不好用”的阶段。

但里程覆盖存在一个问题：对于普通的消费者来说，交通事故的概率极低，可能有人一辈子都不会发生交通事故，可能有的人每隔一段时间就会有一些事故发生，这些例子是无法通过里程来覆盖的。

朱西产认为，比里程覆盖更为科学的则是场景覆盖，而仿真就能够促进场景覆盖成为现实，因为在仿真测试中可以生成更多的场景。

▲腾讯数字孪生对城市进行仿真测试

腾讯在这方面已经做了很多的布局，数字孪生就能够提供仿真需要的一些能力。

另一方面，自动驾驶的测试验证存在长尾场景，算法的成熟度越高，采集数据的有效性会越来越低。

针对一些极端的场景，像一些撞击、翻车这样的危险场景，很难通过现实场景来收集到数据。

除此之外，数据还存在一个样本均衡性的问题，如果某些样本容量很小，那就很难通过这些数据训练出一个性能不错的模型，而这些都可以通过仿真来实现。

腾讯集团副总裁、腾讯智慧交通与出行总裁钟翔平提到，数字孪生是从数到实，将现实世界以数字化的方式呈现，可以提供更多的场景，以及足够多的样本，保证结果的安全性。

▲通过数字孪生技术对道路进行仿真测试

另外，仿真也可以带来很多成本和时间上的优势，具体来看，用真实的车辆进行测试，就需要投入大量的车辆去跑，这就带来了很大的成本。

另一方面，真实的测试中，数据的积累和时间的付出是正相关的，只有投入更多的时间才能收集到更多的数据。

从效率角度来看，仿真可以用最少的里程，最短的时间完成最多的场景覆盖，真正提升测试的效率。

腾讯地图副总裁、腾讯数字孪生业务负责人张少宇提到，自动驾驶仿真测试中，地图与数字孪生的结合会起到重要的作用，可以提供更真实和准确的仿真环境，模拟真实世界中的道路、交通流、交通信号、交通标志等，方便进行更加全面的模拟测试，包括功能、性能、安全性等测试，提升用户体验。同时，使用仿真测试来进行高精地图OTA前的数据检查，可以降低地图数据检查成本和回归测试时间。

元戎启行CEO周光也指出，在实车测试过程中，我们需要考虑各种现实因素对智能驾驶系统的影响，例如障碍物体积、角度、车速、光照、天气、传感器状态等，但是这些并不容易被复现。为了积累更多测试数据及复现极端场景，智能驾驶企业除了实车测试，也需要在仿真系统里进行测试。而数据孪生可以对交通场景进行高精度还原，实现雨、雪、光照等自然环境以及道路情况的逼真模拟，提升了仿真测试的可靠性。

▲通过数字孪生技术对极端大雪环境进行仿真测试

而在数字孪生之外，腾讯也在结合目前比较火热的AIGC技术来做一些方案。

目前，仿真测试通过采集真实数据去重建数字场景，然后进行编辑，生成更多场景。AI技术的爆发，可以让这项工作效率大幅增长。

腾讯自动驾驶总经理苏奎峰谈到，采用AIGC技术可以创造出更多的合成数据，尤其是一些敏感或高安全领域的数据和长尾数据，从而填补真实数据中的缺口，提升训练和测试样本的样本的多样性、完备性和均衡性。同时，利用ChatGPT这种大语言模型，提升人机协同能力，实现更好的人机交互和人机共驾。  

▲通过数字孪生技术对夜间场景进行仿真测试

因此，整体上来看，在自动驾驶的落地方面，仿真测试的重要性在整个行业内已经形成了共识，而腾讯在这方面有很深的技术积累，随着技术能力的不断释放落地，将会加速L3级自动驾驶时代的到来。

三、智能汽车产业的未来生态，需要打破数据孤岛

对于当下的智能汽车来说，自动驾驶是非常重要的一环，做好自动驾驶，智能汽车的概念才能更好落地。

而智能汽车的开发模式和传统汽车的开发模式则有所不同，主要依靠数据驱动，需要更多的数据来不断迭代优化。

周光认为，海量的测试数据可以反哺算法框架，推动智能驾驶系统解决更多长尾场景。元戎启行通过构建一套大数据问题统计与分析系统，让技术团队能够快速、清晰地了解当前智能驾驶系统的薄弱场景在哪，继而更有针对性地优化智能驾驶算法。数据闭环让元戎启行在短时间内进行百次技术迭代，打造无行驶区域限制的高阶智能驾驶解决方案。 

目前所有的玩家都开始重视起数据的重要性了，自动驾驶玩家会收集自动驾驶相关的数据，而车企也会收集行车相关的数据，甚至一些供应商也会建立自己的数据系统。

▲通过收集到的数据对城市环境进行仿真

虽然汽车行业产生了很多的数据，但当下的做法则是每个玩家都单独保存自己的数据，并不对外开放。

这样一来，就出现了一个问题，不同车企之间收集到的数据可能基本相似，不同自动驾驶玩家收集到的数据也会存在基本相似的问题，就变成了大家都在做着同样的事情。

这导致了一部分数据被重复收集，而一部分有价值的数据又不能发挥应有的作用，久而久之就形成了数据孤岛。

长安前瞻技术研究院副总经理、长安智途总经理吴学松认为，要想实现智能汽车的快速发展，一定需要打破数据孤岛，需要更多的公司协作，来实现真正发展。

而像腾讯这样的公司也正在致力于打破信息不通的情况。

在今年4月份，腾讯分享了“车云一体”的思考，通过在云端对研发生产体系的改造，重构“软件开发部署”的“软产线”，提升研发工程效能；同时构建车云一体化数据驱动的运营平台，帮助车企构建起一张由用户来运营的“活地图”，让数据充分发挥价值，来持续提升车端的体验，并拓展创新增值服务；然后通过手机和车、车和车等多端的互动，将连接拓展至更广泛的生活场景，不断创新用户服务的模式。

不难发现，腾讯“车云一体”的概念也是为了更好更高效地发挥汽车数据价值，从而打造出更加具备竞争力的产品，和行业专家的思路不谋而合。

整体上来看，智能汽车产业的未来也需要更多的玩家共同来参与。

站在当下这个时间节点来看，汽车行业正在迎来百年最大的变局，自动驾驶无疑是其中非常核心的一个领域。

经过十多年的摸索，自动驾驶和人工智能技术已经有了非常紧密的合作，而政策的支持也开始逐步显现，腾讯提出的数字孪生+AIGC方案，刚好契合了产业发展的技术要求。

而随着这一方案的不断推广，真正的自动驾驶也将会加速落地。