超大算力赋能自动驾驶：现实+仿真
现实+仿真 超大算力赋能自动驾驶 精选汽车研报，入群免费分享 1.工作日群内免费分享多篇精选汽车行业资料，涵盖市场、技术、产业等多个维度； 2.海量资料库，及时满足群友专题资料搜寻需求； 3.严明群规，禁止广告，外链，禁止未沟通加好友，保护群友隐私； 4.车企高管，行业大咖都在参与的行业干货分享社群； 我们致力于构建优质、极致的汽车行业知识、情报及案例分享社群； 扫码关注！or微信搜索“3WAUTO”关注！ 回复关键词【进群】，加入3WAUTO汽车干货分享群 精选研报，均为网络收集版本，权利归原作者所有，3WAUTO仅作为内部学习分发。 目录 00执行概要�.��.�.��.�.��.�.��.�.��.�.���01 01自动驾驶技术具有良好的市场前景��.��.��.��.��.02 �.�乘用车市场自动驾驶水平不断提升 �.�自动驾驶出租车业务发展势头良好 �.�自动驾驶在矿区、港口、物流园区等场景中已基本实现 �.�商用车自动驾驶技术正逐步落地 02自动驾驶带动汽车行业向智能化跃迁��.��.��.��.�..07 �.�自动驾驶系统的训练涉及超大量运算 �.�前期利用仿真测试生产合成数据，缩短系统开发周期 �.�车端解决方案是落实自动驾驶的关键节点 03AI技术推动自动驾驶行业发展��.��.��.��.��.��...13 �.�AI超算中心为自动驾驶系统的训练提供算力支持 �.�数字孪生技术加强仿真测试 04NVIDIA赋能算力中心，加速自动驾驶产品落地��.��.��.22 �.�助力汽车行业主机厂 �.�助力汽车行业一级供应商 05IDC建议��.��.��.��.��.��.��.��.��.�.�27 概 行 执 要 传统汽车行业集人类工业文明发展之大成，以机械部件的可靠性、座舱内部的舒适性、驾驶过程的操控性、外观设计的美观性作为评价车型的主要标准。然而，随着智能化终端对人类生活的渗透，人们越发信任并习惯于科技发展所带来的便捷。汽车作为人类最主要的出行工具之一，也在渐进式地通过各种驾驶辅助功能将用车者从驾驶行为中解放出来，车机系统的智能性正越发成为人们评价一个车型的核心标准。 自动驾驶是驾驶辅助功能的最终形态。早期的各种驾驶辅助功能控制逻辑较为直接，体现为控制车上单一维度的功能对数量有限的环境变量做出回应。进一步向自动驾驶的发展需要车机系统对车辆周围的环境信息做出整体统筹，并规划出安全、舒适、高效的线路。这需要车辆即时对周围运动单元的潜在轨迹做出判断，但不同情形排列组合可能产生的条件数量远大于有限的程序所能承载的范围，因而需要人工智能的介入对车机进行长期的训练。 自动驾驶系统具有高度的复杂性，训练的过程需要以海量场景数据的积累为前提。在训练的过程中，机器需要在有限的时间内对大量的图像信息完成处理，因而需要以巨大的算力作为支撑，造成了训练自动驾驶系统的高成本。与此同时，自动驾驶系统在真实世界中可能遭遇的场景难以穷尽，因而需要系统对驾驶行为进行持续不断的学习，拉长了自动驾驶系统训练的周期。大型车企或一级供应商往往选择建立自有算力资源。 但是，人工智能计算中心的搭建具有较高的技术门槛，运营与维护过程也需要较高水平的经验积累，因而需要与技术成熟的解决方案供应商开展合作。首先，数据中心解决方案供应商软硬件技术的先进性决定了人工智能计算中心所能提供的算力水平，其解决方案的成熟度又决定了前期搭建所需的时间周期，以及算力供给过程中的稳定性。这些因素共同决定了自动驾驶解决方案的开发周期，因而直接影响了相应的车企是否能够在智能驾驶领域取得市场先机。 在自动驾驶领域具有长期规划的车企或技术供应商需要掌握稳定的算力资源。就这一方面而言，硬件的选型与网络的规模将对数据中心的算力产生直接的影响，涉及IT领域的专业知识，企业需要具备相关的知识储备，以及驾驭跨行业合作关系的能力。此外，搭建及运营人工智能计算中心的供应商需要提供一套集成的全栈式AI解决方案，以保证自动驾驶系统的开发项目能以最快的速度上线，并得到持续且稳定的算力支持。 01 自动驾驶技术具有良好的市场前景 AI技术自诞生至今取得了长足的发展，赋能各行各业的智能化进程。自动驾驶是AI技术在汽车行业落地的重要形式，自����年�月国家颁布《智能汽车创新发展战略》起，即被正式提升至国家级战略的高度。 国内外的众多科技公司均争相布局这一领域，投入了巨大的研发成本，以期先于市场获得足够的技术积累。各大车企也在产品规划中以智能化为重要导向，向自动驾驶领域大力倾斜，从而在汽车市场白热化的竞争中争夺差异化竞争优势。 �.�乘用车市场自动驾驶水平不断提升 现阶段乘用车市场中的自动驾驶技术以支持驾驶辅助功能为主，具有明确的运行设计域，仅能在严格限定的条件下实现自动驾驶，实现的功能包括全速自适应巡航、车道保持辅助、自动泊车等。对于许多车型而言，其全速自适应巡航（纵向）与车道保持辅助（横向）能够在一定条件下同时运行，符合《汽车驾驶自动化分级》中对L�级自动驾驶的基本要求。 IDC《中国自动驾驶汽车市场数据追踪报告》显示，L�级自动驾驶在乘用车市场的新车渗透率在����年第一季度达到了 ��.�%的水平，并将在可预见的未来持续上升。 �1L2k��fi����������Š�� 7.5%13.0%16.0%21.5%23.2% 92.5% 87.0% 84.0% 78.5% 76.8% 2021Q12021Q22021Q32021Q42022Q1 未达到L�级自动驾驶的乘用车L�及以上级别级自动驾驶乘用车 ��:IDC,2022 传统车企以增强驾驶安全性为主要目的，在高端车型或高配版中低端车型上装配驾驶辅助功能，或提供选装。其中，主流量产合资品牌的L�级自动驾驶已下探至（人民币）��万级别的车型，部分品牌已下探至��万出头。传统豪华品牌以自动泊车为入手点布局驾驶辅助功能，几个头部品牌也在不断发布旗舰车型行车场景中驾驶辅助功能的技术积累，但现阶段仍以选装为主。传统自主品牌在电动化与网联化两大领域均走在市场前列，与互联网大厂、AI科技公司在自动驾驶领域开展了大量合作，以自动驾驶功能作为开拓高端市场的重要立足点。 与此同时，部分造车新势力能够提供诸如“导航驾驶辅助”之类实现起来更加复杂的驾驶辅助功能。并在上市车型中安装支持更高级别自动驾驶的配套硬件，以便在政策放开后，可随时通过OTA在线实现自动驾驶功能的升级。 从L�级开始，自动驾驶即要求汽车在一定条件下持续执行全部的自动驾驶任务。一方面要求车辆在接收环境信息后，统筹各传感器收集到的信号，配合高精地图对周围环境做出整体判断。另一方面，需要对驾驶辅助相关的所有功能实现统一调配，由自动驾驶域的主控芯片统一向车辆的线控系统发出指令。 但在汽车行业过往上百年的发展历程中，不同的电控功能从研发到量产大多单独立项。每个功能都配备了独立的ECU，同时汽车也拥有足够的体积，允许每个功能独立布线。因而形成了与集中式相对应的分布式电子电器架构，不同功能运行时相互之间完全独立。对于驾驶辅助域而言，自适应巡航、车道保持辅助等功能所对应的传感器在接收信号后，直接对车身控制系统中相应的部件发出条件反射式的指令。这足以支撑L�级自动驾驶中不同功能的拼凑，但更高级别的自动驾驶需要以自动驾驶域的集中控制作为底层架构基础。 就这一方面而言，市场上的一部分新兴品牌或新的车型不存在传统车型的历史包袱，允许厂家在设计之初即采用域控式电子电气架构，抑或更进一步在整车层面采用集中式架构。 与此同时，汽车行业的智能化对车辆提出了规模空前的算力需求，迫使整车厂不得不对原先分散在各个ECU的算力资源进行优化整合。此外，电控设备的急剧增加也造成了分布式架构难以承受的布线成本。这些因素均在推动传统车辆电子电器架构向域集中式发展。 IDC《中国自动驾驶汽车市场数据追踪报告》2022年第一季度数据显示，现如今市场上的L2级自动驾驶乘用车中，有21.4%通过主控芯片对驾驶辅助域实现集中控制，或者在整 �2L2k��fi��������������� ��.�% 21.4% 车实现集中度更高的控制。 实自现动集驾中驶控域制 未实自现动集驾中驶控域制 ��:IDC,2022 虽然目前市场上的多数车型尚未对自动驾驶域实现集中控制，但随着造车新势力市场占有率不断提升，以及传统车企电子电器架构向域集中控制的发展，驾驶辅助域实现集中控制的车型将快速渗透市场，为环境信息的集中处理与自动驾驶域功能的统一调配提供良好的底层架构。 �.�自动驾驶出租车业务发展势头良好 自动驾驶出租车行业目前尚处于商业试运行阶段，仅在北上广深成等部分城市的测试路段运营。该类应用场景需要应对自然道路环境中大量复杂的长尾场景，对自动驾驶技术的成熟度要求更高。目前的解决方案中，V2X（VehicletoEverything，车用无线通信技术）是一个重要的辅助。在环境感知方面，除了利用车辆自身的智能，还可以借助外部环境实现信息的获取，这一类技术统称为V2X技术。而现阶段V2X路端设备的铺设成本较高，限制了自动驾驶出租车的规模化发展。 但自动驾驶出租车商业化试运营的推进势头非常迅猛。已在部分试点地区获得了出租车经营许可，实现了对小部分普通出租车运力的替代。同时又有部分试点已经开始取消安全员，更加接近于自动驾驶出租车未来理想的运行状态。2�2�年年底国务院颁布的《“十四五”现代综合交通运输体系发展规划》再一次强调未来将稳妥发展自动驾驶和车路协同等出行服务。 �.�自动驾驶在矿区、港口、物流园区等场景中已基本实现 工业场景也是自动驾驶技术的重要应用途径。其中，矿区、港口、机场、物流园区属于封闭场景，规避了开放道路中大量的长尾情境，因而降低了对系统鲁棒性的要求。干线物流所在的高速干线同样具有较强的封闭性，减小了任务运行中的不确定性。终端物流配送的车速区间较低，停车较为方便，一定程度减小了自动驾驶系统运行的压力。 �3�������� 封闭的场景 低速的场景 矿区港口机场干线物流物流园区终端配送 ��:IDC,2022 这类驾驶任务的线路较为固定，被运送的货物也较为常规，因而自动驾驶系统运行的可预测性较强。此外，工况在闹市区公共交通场景之外，大大减小了行人、电瓶车等因素为自动驾驶任务带来的不确定性。现阶段的自动驾驶技术已经基本可以满足这些场景中的驾驶需求，商业化落地的模式也已经较为成熟。 这些场景中的运输工作重复性强，较为枯燥，并且大部分远离城市，条件艰苦，尤其是矿区还具有一定的危险性，在可预见的未来将面临司机人力成本上涨的困境。同时，这些行业的业务量又随经济的发展逐年上升。因而对自动驾驶解决方案的需求将逐年增长。 �.�商用车自动驾驶技术正逐步落地 商用车自动驾驶的落地主要应对高速场景，在车辆上高速前与下高速后车辆依然由人类驾驶员操控，驾驶辅助功能主要覆盖耗时耗力最多的高速环境，属于半封闭工况。目前头部自动卡车公司已经将自动驾驶水平推到了非常高的级别，整体市场也在政策的推动下稳步发展。 �4����������� 辅助驾驶 始发地 驾驶员 驾驶员 目的地 ��:IDC,2022 短期来看，自动驾驶技术在商用车的落地将增加司机长途驾驶的安全性，减少事故造成的人员及经济损失。长期而言，长途司机日渐短缺，但运货需求日益增长，此消彼长中，自动驾驶技术将在一定程度上缓解长途运输对人力资源的依赖。 �5Q���������������R�fi���� ��:IDC,2022 02 自动驾驶带动汽车行业向智能化跃迁 自动驾驶是汽车行业智能化的核心构成，行业内在这一领域形成了大量的合作，同时还有更多的合作正呼之欲出。通过调研，IDC发现智能汽车的兴起为汽车行业整车厂及其传统一级供应商带来压力，这些公司普遍苦于寻找合适的解决方案以及合理的规划投入。 �������������ł�����a������ 40% �����
