自动驾驶落地应用进入下半场 云计算成关键突破口

　　数据是数字化时代全新的生产要素，数据与算法、算力的融合，正在促进人工智能行业的发展。自动驾驶作为AI技术的皇冠，数据的作用更是贯穿生产、测试、研发全生命周期。目前，自动驾驶走入以落地应用为目标的下半场，解决极端场景下的安全问题，也离不开大量数据支持。对数据进行高效的采集和利用，提高数据循环链路的速度，成为整个自动驾驶技术迭代的关键点。

　　构建数据闭环，提升自动驾驶系统的核心竞争力

　　要实现自动驾驶，必然要搞定大数据。利用并转化收集到海量的实际路况数据，可以帮助系统加速学习和升级，也意味着能够率先抢占高级别的自动驾驶技术高地，因此整个行业都极为重视并大力投入。

　　车辆要想在道路上实现完全自动驾驶，除了要依靠车辆本身的摄像头、毫米波雷达、激光雷达等传感器，还要依靠网联技术的支持。行驶时车辆依靠各种传感器“观察”道路，会产生大量数据，1.5小时的驾驶时间数据量达4TB，车端显然不适合处理和存储如此巨大的工作负载。而车端产生的大量数据，是提升自动驾驶体验、完善算法的关键资源，所以最好是共享到云端，再通过人工智能算法提供大量的训练数据来供机器学习，以搭建虚拟开发测试环境进行验证。

　　要想在复杂的场景中提升现阶段辅助驾驶/自动驾驶安全性，繁复的测试与验证工作必不可少，由于现实中的驾驶场景难以穷尽，极其复杂且不可预测，在开发和测试的过程中，业界一般通过采集大量的数据构建场景集，帮助汽车打造仿真环境以实现模拟测试。实际路测中，复现一次极端场景的接管可能需要1个月的时间，而依靠数据，不仅可以复现更多极端场景，还可以极大提升测试效率。

　　此外，在部署自动驾驶车辆之后，会产生大量的回传数据，自动驾驶系统也需要基于这些数据不断进行迭代升级，并通过OTA的方式为用户持续推送新的功能、适应更多的场景和提升体验。

　　由此可见，基于数据驱动的自动驾驶，在完成前期数据的收集、中间数据的存储与迁移之后，还要对后期核心数据进行训练与管理。因此，构建自动驾驶数据闭环，是自动驾驶产品研发的核心竞争力。

　　腾讯自动驾驶云平台驱动数据高效流转

　　腾讯凭借多年在大数据、AI等领域的深度积累，借助腾讯云强大的算力支持，结合本土化的交通场景和应用需求，成功研发出在工具链完整性、场景丰富性、场景真实性等方面行业领先的自动驾驶云平台，极大地提升了研发和测试效率，在云端高并发运行、真实有效性等方面实现了创新突破。

　　据悉，腾讯自动驾驶云平台基于云端海量存储空间与计算资源支撑，构建了数据采集管理、样本标注、算法训练评测、诊断调试、云端仿真、实车反馈闭环等全流程云服务，提供支撑自动驾驶研发的全链路云服务和开发平台。

　　在数据治理方面，腾讯自动驾驶云平台的样本标注服务采用国际顶级算法预标注，可在实现样本自动化生产，提升生产效率的同时，积累海量样本数据，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等。此外，该技术在计算节点中闭环运行全栈自动驾驶算法，支持一万个以上场景的并行计算，使得1000个测试场景的运行时间从2天大幅缩减至4分钟，并实现全自动化测评。在虚拟城市中数以千计的自动驾驶车辆不间断的持续行驶，并通过随机工况和激进交通流提升测试复杂度。

　　在数据应用层面，在测试工具之外，对于测试管理、政策制定等相关部门来说，仿真作为智能网联汽车最重要的测评工具,既可帮助企业掌握在车辆研发、测试和集成的不同阶段的安全边界和质量问题，也有利于相关标准制定和场景库的建设，通过信息化和标准化的手段提升智能网联汽车行业透明度。在产业互联网领域，腾讯致力于做数字化的连接器和工具箱，腾讯自动驾驶云平台也在和OEM厂商、测试场、政府机构、产业联盟乃至科研机构广泛合作，推动应用落地。