数字孪生+AIGC，加速自动驾驶落地

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。

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。

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。▲TAD Sim虚拟城市型云仿真

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。

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。

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。

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。

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。

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。

而像腾讯这样的公司也正在致力于打破信息不通的情况。

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。