自动驾驶未来今日：如何通过人工智能、数字化和仿真技术的协同，加快实现对自动驾驶功能的高效验证？

由Capgemini发布了《自动驾驶未来今日：如何通过人工智能、数字化和仿真技术的协同，加快实现对自动驾驶功能的高效验证？》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。20年前进入汽车市场的第一波现代高级驾驶辅助系统 是一 个工程上的突破，它将传感器集成到车辆中，提醒驾 驶员注意异常情况，并在某些情况下进行干预。

1.验证和确认生态系统的多个维度的集成

管理一个综合的验证和确认生态系统需要考虑四个 重要方面：战略、法律、企业和技术。

最近的研究报告指出： • 2020年至2030年期间，对汽车的需求正在发生急 剧变化。今天，全球汽车主机厂的市值约为1万 亿美元。预计到2025年将增加到1.9万亿美元， 然后到2030年下降到1.4万亿美元，在短短五年 内下降35%。在同一时期，自动出行即服务 （mobility-as-a-service）的市值预计将从今天的 1090亿美元增长到2030年的9万亿美元。5 我们 预计汽车销售模式将发生变革，因为入门级汽车 将更多地纳入出行即服务模式，而豪华汽车可能 仍然主要面向个人购买。 • 预计自主打车服务将把出行成本降低到现在出租 车平均成本的十分之一。如今，自动驾驶汽车已 经成为一种趋势，这也加速了人们的广泛采用。 到2030年，自动驾驶叫车平台每年将产生超过1 万亿美元的利润。5 此外，汽车主机厂和车队所 有者可以分别享受2500亿美元和700亿美元的利 润。2019年亚太地区豪华车市场规模达到2318亿美 元，并预计将在未来的十年中继续保持主导地 位。中国作为该地区增长潜力最大的国家之一。7 中国、韩国和日本正制定车辆和道路安全法规， 以促进高级驾驶辅助系统（ADAS）的推广和应 用。

为了迎接这些变化，许多国家和地区已经在为这种模 式的转变做准备。欧盟（EU）已经扩大了高级驾驶辅 助系统（ADAS）系统的授权范围，如自动紧急制动 （AEB）和车道偏离警告（LDW）系统，以及预碰撞 系统（PCS）。 在北美，越来越多的政府采取不同举措推行驾驶辅助 系统，预计将加速市场增长。驾驶辅助系统更多的在 小型汽车中采用，也将进一步促进市场需求。

在过去的二十年里，我们看到不同出行方式和商业模 式两个维度的混合。然而，随着最近技术的进步，许 多新的商业和服务模式正在出现。在未来几年，我们 可能会看到从私家车/驾驶员驾驶向私家车/自动驾 驶、共享/自动驾驶和按需/自动驾驶的出行方式过 渡。 想象一下，未来的智慧城市, 会是一个拥有共享电 动、按使用量付费自动出行的城市，居民可以安心使 用不同出行服务。若想成为这个潜在的巨大市场的服 务提供商之一，汽车主机厂今天必须做出行动。 然而, 他们面临的一个挑战是应对不同的市场差异， 例如各地区的公路交通如何不同。中国上海的城市交 通与印度孟买和美国洛杉矶的城市交通相比较，显然 条件是相当不同的。即使有1949年9月在日内瓦和 1968年11月在维也纳签订的《联合国道路交通公 约》确立了标准，但在许多地区从功能角度应对市场 差异方面仍然存在相当大的差异。

2.人工智能和数字孪生对自动驾驶汽车认证的影响

将物理世界的测试作为虚拟仿真的基础

在过去，测试数据或多或少是在测试期间同期收集 的。现在，由于需要大量的测试数据，方法正在改 变。测试数据是独立于实际测试过程本身并且在验 证和确认发生之前收集的。今天的测试生态系统和 测试工具被用于模拟仿真和物理测试的结合。 测试必须包括真实的汽车、人和道路以捕捉现实情 况。然而，有可能无法捕捉到足够多的数据量来验 证这个过程。值得注意的是，物理测试不仅将更频 繁地用于验证系统和功能，而且还将用于验证它们 的模型。最后，这一切都归结为一个核心和关键的 问题:您手头是否有正确的数据池，您能否管理它?

基于仿真的验证

与物理世界测试相比，仿真可能是一种更优越、更 经济的解决方案，因为它能够通过在数据中心增加 计算能力来轻松扩展。然而，关键是要证明仿真测 试的结果与物理测试一样可靠，并能产生足够相似 的结果。一个典型的例子是虚拟障碍物，它们通常 来自于物理世界的场景。这些测试可以比设计真实世 界测试更加实用。例如，可以在虚拟环境中添加虚 拟儿童、行人和骑自行车的人，并设计他们进行意 想不到的动作，比如从障碍物后跳到移动汽车的前 面。这些场景测试是必要的，而且在虚拟世界中更 加容易和安全。 以Cognata为代表的初创公司，与VIRES和IPG Automotive， AVSIMULATION等其他仿真公司，以 及dSPACE、National Instruments和Elektrobit等工 具供应商一起，正在引领虚拟仿真市场的发展。借 助DRIVE Sim和DRIVE Constellation Vehicle，Nvidia 提供了一个测试和验证套件，可以在数据中心对数 十亿英里进行虚拟验证。8 走向虚拟认证的最后一步是极其关键的。诸如国际工 程师协会、德国技术监督协会（TÜV）、美国国家交 通安全管理局（NHTSA）和中国汽车技术研究中心 （CATARC）等组织正在努力为安全和可信的虚拟认 证定义适当的标准。

3.数字化和软件在自动驾驶汽车开发和验证中的作用

想象一下，在智慧城市中，完全自动的电动车以按使 用付费的方式向居民提供智能出行服务。新的自动驾 驶汽车功能在云端使用深度学习进行训练，并通过 OTA推送新功能到车辆端。有了这个概念，创新的新 商业模式将出现。 对于自动驾驶私家车，消费者可以自由决定何时激活 哪些功能，只需在使用时付费即可。例如，假设一个 消费者想买一辆车，主要是为了在城市环境中购物和 上下班，以及在城市附近跑腿。在这种情况下，他们 不太可能经常需要在高速公路上启用自动驾驶。那 么，他们为什么要将自动驾驶功能纳入购车需求呢？ 相反，他们可以在进行长途旅行时，在有限的时间内 订购自动驾驶功能。

随着汽车主机厂开始在按次计费的基础上提供软件升 级，要了解智能驾驶如何适应社会需要，就需要重新 思考汽车的生命周期模型。例如，在美国墨西哥湾沿 岸的飓风警报期间，特斯拉通过OTA技术更新为需要 疏散的特斯拉车主安装了延长电池续航时间的软件。 迄今为止，对于传统的汽车主机厂来说，汽车开发的 基础主要是基于硬件。特斯拉和Lucid等科技公司采 用的是更加以软件为中心的方法。许多汽车主机厂目前正在为系统工程和系统开发流程中加入全球OTA 软件功能。目前的趋势是在车辆中安装强大且更通 用的控制器，并定期增强功能软件。即使在汽车销 售一年后，它可能也不需要任何硬件升级，而只需 要软件更新，因此可以安装新的、更复杂的软件功 能。该模型支持更低成本和更有效的本地软件升级 和更细化的功能发布管理。 在一个定义明确的持续集成（CI）和持续交付 （CD）环境中，新的自动驾驶汽车功能的测试版可 能首先在仿真环境中验证，然后仅在受控条件下的 部分车队中以被动影子模式激活。该功能并不活 跃，但工程研发团队可以收集宝贵的测试数据。一 旦测试完成，该功能被批准，汽车就可以通过由 OTA激活, 应用到车队中。等待下一个车型的发布来 获得技术升级已成为过去。这为汽车主机厂开辟了 一个新的世界，建立了以软件为中心的敏 捷、DevOps和持续集成/持续交付（CI/CD）驱动的 发布流程，加快了上市时间，同时不牺牲整体产品 质量，保证满足严格的安全标准。

4.新兴的验证和确认方法论

智能产业正以传统研发、云计算和信息技术的混合 体出现。9 对于自动驾驶汽车的开发和验证，我们 认为以下大趋势是最重要的：

虚拟仿真和数字孪生： 物理测试本身仍然适用，但无论如何都不足以对自 动驾驶汽车进行完整和可信的验证。物理世界的数 据将被用来证明模拟的正确性，并需要建立复杂的 模拟模型和现实的数字孪生。

数据和云 ：这是数据驱动的工程与验证、未来的自动驾驶汽车 和智能物联网机器的基础。

分析和人工智能： 整个开发和验证与确认过程的透明度将是信任与安 全认证的关键。利用机器驱动学习、人工智能和深 度学习将成为优化和加速自动驾驶汽车验证与确认 过程中的最关键驱动因素。

协作和标准化 ：政府、监管机构、标准化机构、汽车主机厂、科技 公司、供应商以及工程和IT服务提供商现在必须联 合起来，共同创造自动驾驶的未来。

随着人工智能的崛起，测试方法变得更加以数据为导 向，而流程、方法和工具需要快速调整。随着人工智 能的兴起和SAE L2-plus及以上车型所需的测试量， 汽车主机厂进入了数据驱动工程的领域。之前从分离 数据集中收集的数据被用于训练、测试和验证高度自 动驾驶功能，越来越多的汽车主机厂运用机器学习来 实现这些功能。数据必须巧妙地被收集，并在统计上合理分布。例如，用春季和夏季创建的数据来训练AI 算法，然后用秋季或冬季的数据来验证它，这没有多 大意义。从物理世界中收集的公路数据也被用于构建 现实的数字孪生，并通过虚拟场景进一步扩大数据 湖。 自动驾驶是由数据驱动的智能产业的产物。当今复杂 的系统工程项目需要一个可扩展的混合云基础设施， 它比单一的本地数据中心环境更好地适应项目每个阶 段的项目需求。数据的重要性和敏感性日益增长，因 而要求在隐私政策、网络安全、国家安全、出口法 规、数据审查和匿名化方面加强数据安全和治理。数 据的丰富性和质量以及顺利管理数据的能力是成功的 关键。

合理分布。例如，用春季和夏季创建的数据来训练AI 算法，然后用秋季或冬季的数据来验证它，这没有多 大意义。从物理世界中收集的公路数据也被用于构建 现实的数字孪生，并通过虚拟场景进一步扩大数据 湖。 自动驾驶是由数据驱动的智能产业的产物。当今复杂 的系统工程项目需要一个可扩展的混合云基础设施， 它比单一的本地数据中心环境更好地适应项目每个阶 段的项目需求。数据的重要性和敏感性日益增长，因 而要求在隐私政策、网络安全、国家安全、出口法 规、数据审查和匿名化方面加强数据安全和治理。数 据的丰富性和质量以及顺利管理数据的能力是成功的 关键。

5.自动驾驶汽车开发、测试和验证的关键要素

消费者将对自动驾驶汽车提出的最关键问题 是：“我可以信任它们吗？”那么，汽车主机厂该 如何让公众对这些汽车及其底层技术产生信任呢? 安全和信任：OTA是一种通过软件定义的手段逐步改 善当今车辆功能的智能方式。但对于自动驾驶来说， 必须按照ISO 26262、ISO/DIS 21448 （SOTIF）、SAE J3016和和预期功能安全（SOTIS） 的功能安全标准实施严格的安全和信任流程。事实 上，这些标准和其他标准对自动驾驶汽车的成功至关 重要。 一些走在前沿的玩家和科技或出行服务公司，如特斯 拉、Uber、Lyft和Waymo正在取得重大进展。另 外，传统的汽车主机厂，如沃尔沃、戴姆勒、奥迪、 丰田和许多其他公司，以及主要的一级供应商，如博 世、大陆、麦格纳和其他公司，正在加紧应对自动驾 驶汽车的挑战。

安全和隐私：汽车主机厂必须尽一切努力保护乘坐人 和基础设施，并在即将投入运营的所有自动驾驶出行 服务中保障市场和国家的主权。ISO 27001定义了数 据安全和隐私标准，并确保对海量数据集的测试得到 正确处理、加密和匿名化，以避免未经授权的访问。 这一标准对于供应商获得欧盟《通用数据保护条例》 （EU GDPR）批准至关重要，合作方涉及到汽车主机 厂的下游客户，上游的供应商，特别是国际供应 商，因为其中数据可能在不同的国家边界之间移 动。 遵守这些标准可以确保每个级别的关键决策者参与 到开发过程中。汽车主机厂必须与他们经营所在国 家的地方当局一起开展测试活动。这将确保他们避 免所收集的数据被没收或销毁，或更糟的情况，导 致外交问题，甚至遭遇间谍指控。

效率：汽车行业要想在短期内以显著的速度和合理 的开发成本使自动驾驶汽车成为现实，唯一的机会 就是与数字化、云和工程服务供应商行业的公司联 合起来。 自动驾驶汽车工程研发和验证与确认项目依赖于非 常复杂的成本机制，取决于规模经济以及成本是固 定的还是可变的。例如，对于全球数据收集项目， 车辆运输是一个固定成本。车辆在该国使用的时间 和收集数据所需的运行公里数都是可变成本。例 如，如果一辆车被运到新加坡行驶两天，每天的固 定成本就相对较高。如果在该国停留6周，费用就会 低得多。

汽车主机厂必须了解这些机制，并找出正确的战 略，以保持支出在预算之内。具体来说，他们针对 哪些国家进行检测，需要在这些国家花费多少时间? 为了应对自动驾驶汽车开发和验证与确认项目的不 断变化，必须与供应商建立智能商业模式，例如定 价目录和复杂的按次付费模式。 安全、保障、隐私和效率的要求体现在自动驾驶技 术发展的所有方面，包括战略、法律、组织、技术 和财务。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）