杏彩体育:首个自动驾驶技术开放日上腾讯释放了哪些信息？

　　时隔不久，早在自动驾驶领域有所布局的腾讯再次出现在公众视野，区别于此前，此次腾讯首次面向社会单独为自动驾驶业务举办了技术开放日。12月7日，腾讯自动驾驶总经理苏奎峰、仿真业务负责人孙驰天、数据云平台产品负责人王钰悉数到场，详细为现场人员介绍了其在自动驾驶领域的战略布局。

　　即便将时间定在周末，腾讯总部大厦二层的这间小会议室里依旧座无虚席。开放日正式举行的一周前，腾讯就在名为“腾讯产业互联网”的公号上开放了报名通道，当天到场的有来自整车厂、科技公司等对自动驾驶感兴趣的百名人士。大厦之外，还停放着几辆腾讯改装的自动驾驶汽车。

　　会议现场，苏奎峰再次重申了“腾讯不造车，也不做硬件”的初衷。明显，做好软件和服务才是腾讯的目标，他们将服务对象瞄向车企。

　　基于数据平台、模拟仿真和高精度地图三大基础平台，腾讯自行研发了融合定位、环境感知、决策规划等核心算法，主要针对L2以上场景产品研发，提供模块化软件和服务，助力自动驾驶产品快速落地。

　　但要想实现自动驾驶量产应用，企业必须将用户需求作为首要考虑要素。苏奎峰认为，上下班通勤拥堵和长途旅行驾驶疲劳两种特定情况，已经成为目前用户在出行方面的痛点。为解决此问题，腾讯自动驾驶正在推进高速巡航（HWP）与拥堵巡航（TJP）相结合的解决方案，力求在国内120 km/h的限速前提下，实现纵向和侧向跟车（包括上下匝道等）功能。

　　该功能的实现需要大量数据做驱动。所以，如何高效收集和利用数据，如何提高数据循环链路速度，如何利用数据做测试验证，成为制约自动驾驶技术迭代的关键。对此，腾讯开发了自动驾驶数据云平台和TAD Sim自动驾驶模拟仿真平台，而这两个平台的构建需要建立在高精地图的基础之上。因此，高精地图也被腾讯摆在了重要战略位置上。

　　自动驾驶数据云平台方面，腾讯通过线上工具链，进行算法预标注，以实现样本自动化生产，其中包括全要素目标检测、跨相机目标跟踪、语义分割等图像标注、3D激光点云标注、以及精准图像与3D点云融合标注、变道标注等多种自动驾驶研发专用样本。“区别于线下工具，云端标注能够平均节省50%以上的人工标注成本。”王珏表示。

　　与此同时，该云平台还能提供便捷图形化界面交互、KPI评测体系等算法训练评测服务，并能够支持大规模场景数据集检索使用的统一数仓管理服务。

　　基于以上功能，腾讯自动驾驶数据云平台不仅能够为车企及自动驾驶开发、测试及运营部门，提供软硬件开环系统的测试验证、典型交通场景的闭环验证、传感器模型及环境模型验证。同时还能提供自动驾驶车队管理调度、运行监控、轨迹跟踪、在线反馈，以及高精度地图、算法模型、软件OTA升级等整套服务。

　　自动驾驶模拟仿真平台方面，依托于在游戏领域的技术积累，腾讯将游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术应用在其仿真平台TAD Sim，利用场景编辑器、路采数据、和数据交通流生成虚拟场景，提供场景型云仿真和虚拟城市型云仿真两种模式，对自动驾驶技术进行测试验证。

　　孙驰天称，有别于传统模拟测试软件，腾讯更加注重数据的利用率，凭借云端运行的方式，其能够利用现有数据资源生成更多场景。除测试验证自动驾驶技术外，腾讯的模拟仿真平台还可以为政策制定部门、交通管理部门提供交通调度管理、道路及交通规划、自动驾驶法规研究等方面的测试。

　　作为两个平台构建基础，在高精地图的布局上，腾讯一方面在云端存储大量数据，形成数据闭环体系，实时反映在高精地图中；另一方面，其能够在车端实时观察地图，一旦发现出现变化，就采用众包方式去验证和更新地图，以保持其精度和鲜度。

　　据孙驰天介绍，通过高精度地图，TAD Sim可以完成不同环境下的几何模拟，以及测试车辆的感知能力、决策能力、和车辆控制的模拟仿真。

　　截至目前，基于以上三大基础平台（数据平台、模拟仿真、高精度地图），成立近四年的腾讯已基本构建了自动驾驶核心能力。对于腾讯而言，接下来要做得是将业务重点放在技术迭代和做好用户服务上。

　　苏奎峰：腾讯的定位是提供软件和服务，助力车厂自动驾驶业务快速落地。未来，我们会把更多资源投入到能够助力车厂的软件服务、供应链、核心软件上面。关注好客户需求，做好用户服务。

　　但腾讯只提供软件，不代表不碰硬件，因为软件需要基于整车硬件进行优化。首先，在软件架构设计层面，我们会尽可能搭建一个能够兼容各个平台的算法；其次，我们会针对不同车型和厂家进行优化。由于自动驾驶对算法算力要求高，底层优化非常关键，一定要做到适配，这个步骤一定不能绕过去。所以，针对硬件的优化也是软件的一部分。

　　孙驰天：腾讯云是可扩展的，现在是根据我们提交的需求来扩展资源。我们提交的场景越多，腾讯云给到的资源就会越多，这是动态的。从现实来看，虚拟场景和真实场景是能对应上的。真实场景的路测，可以在仿真系统里复现和测试。但仿真系统测试完之后，如何能在路上做一模一样的测试，很难，除非找个演员。

　　孙驰天：我们比较重视数据的利用率，也就是如何能最大限度把采集的数据利用起来。我们更重视如何用现有数据资源生成更多场景，这需要很大算力，我们主要在云上运行，这是我们和传统车辆仿真软件比较大的一个区别。

　　苏奎峰：自动驾驶需要大量数据来做一些基于数据的验证，这不单纯是仿真自己的问题，还是生成技术手段的问题。因此我们的云端、感知、决策，所有团队都会助力仿真团队做好这件事。同时，腾讯在游戏、AI方面都有一定的技术积累，能为仿真提供帮助。

　　苏奎峰：仿真方面，我们会根据客户需求，提供单机版和云端版。会为客户提供基础配置，也会根据客户需求提供不同配置，至于服务费和运维方式，是要具体谈的。标注的话就按标注的章，都有计费方式去收费，如果客户有测试资质，我们可以提供从采集到标注的一条龙服务，如果客户已经有数据了，需要我们标注，我们只提供标注服务也可以。现在市场上也有一些小标注公司的成本也很低，但不知道他们是不是合法合规经营，腾讯的态度是，国家法律规定是红线底线，绝对不会碰。

　　苏奎峰：对，云端和车端的验证，我们技术层面都打通了。依靠很多车在马路上跑，才能更新自动驾驶数据，而不是通过再采集、再分析的方式。当然这是低成本的数据更新，这两个不太一样。

　　更新分两种，一种是大规模众包方式，前提条件是我已经有一定的基础。还有一种情况是，如果新修一条路，我们一定要拿激光先采一遍，做一个底图上去。不同的更新有不同方法和策略，但都是为了保证高精地图的可靠性、准确性、实时性。单独派采集车的话，周期比较长，频率很低。但如果有上百万辆自动驾驶车去跑，会回传很多数据，自动驾驶车本身也有感知能力，很多已经检测到了，分辨出了差异化，再传回来，实现更新。

　　苏奎峰：比如V2X、5G路测的一些节点。但像目前基础设施还无法覆盖足够大的范围，5G的成本也很高，这就要考虑商业化问题。如果只更新五公里、十公里、一百公里的示范区，是没有问题的，各种手段都可以，但是要在全国范围内一遍遍刷新的话，就存在一定的商业逻辑在里面。

　　Q：关于高精地图制作成本，腾讯成本大概是在什么量级？现在来看，城市内道路的高精地图采集成本是比较高的吗？

　　苏奎峰：量级差别还是蛮大的。城区道路的要素很多，环境也差。采集时，城区的车辆多，拥堵情况多。这种情况下，地面的要素就看不到了，可能这次看了20%，下次再堵的时候，又看了20%，就需要一次一次采集。我们现在还没有大规模生产。小规模生产和大规模生产也有很大差异性，很难横向比较。

　　苏奎峰：这是我们落地的一个方向，比如仿真云，我们布了大量人力，但在这过程中，我们L4也在做测试，做技术迭代。当下不会投入太多资源，比如把50%或者80%的资源放在L4，不会的。我们资源会有倾斜，倾斜到当下产业阶段，产业需要什么，我们就做什么。

　　苏奎峰：激光雷达去不去掉，是取决于场景的。现在一些激光雷达的距离、激光点的密度远远满足不了未来真正自动驾驶的需求，我们需要更好的激光雷达。现阶段很难拿到满足要求的激光雷达，并不代表不做激光雷达。没有激光雷达，很多场景是解决不了的，尤其是城区这种场景。现在，早期买的激光雷达基本都需要替换，激光雷达没有想象得那么好，尤其机械部件，容易随着时间的增加而磨损，但他又对光学要求很高，时间一长，会出现很多问题。